Management Accounting Dashboard — データビジュアライゼーションとAIエージェントによる経営判断支援

ここでのAIの役割は、経営判断を代替することではなく、判断の材料を構造化することです。可視化・ルール処理・文脈理解を組み合わせ、人間が判断するための材料を整える——この立場を起点に設計しています。

ドッグフーディングとしての管理会計

これは、UMT自身の経営管理で使うことを前提にした取り組みです。自社の売上見込み、経費見込み、受注確度、案件の進行状況を実際に扱うからこそ、見た目の美しさではなく、判断に耐える粒度・更新頻度・曖昧な情報の扱い方まで検証できます。

なお本記事では、実際の売上、経費、顧客名、案件名、問い合わせ本文、Slackメッセージは掲載しません。焦点は個別の数値ではなく、散らばった業務情報を判断可能な形へ整える設計のほうにあります。

意思決定をサポートする可視化

ダッシュボードが扱うのは、確定売上・見込み売上、確定経費・見込み経費、受注確度、ストック/フロー、経費充足率、黒字化距離といった、判断に直結する指標です。狙いは数字を並べることではなく、いま何が確定し、何が変動要因で、どの差分が意思決定に効くのかを見えるようにすることです。

だからグラフは装飾ではなく、判断の順番を整理するUIとして設計します。何を先に見て、次にどこを確かめるか——その動線そのものを画面に持たせます。

業務知識を可視化に埋め込む

管理会計の画面は、会計データだけでは成立しません。どの売上を確定とみなすか、どの見込みを何%で重み付けするか、どの経費を先に見るべきか。こうした業務知識を、データモデルとUIの両方に埋め込む必要があります。

UMTでは業務設計を先に置き、その判断基準を可視化へ翻訳します。ダッシュボードはデータの置き場ではなく、業務知識を通して情報を判断可能にする装置です。

疎結合で、変化するデータソースを受け止める

判断材料は一つのシステムに閉じていません。Gmailの問い合わせ、Slackに現れる案件の兆し、音声から起こした議事録の意思決定ログ、Googleドライブのメモや関連資料、Google AnalyticsとSearch Consoleの需要シグナル。情報源は増え、形も変わり続けます。

そこで基本スタンスを疎結合に置きます。各ソースを巨大な一枚岩に取り込むのではなく、問い合わせ件数、案件候補、会議で決まった論点、Web需要の変化といった「判断に使える単位」へ整えてから接続する。これが、長く運用できる管理会計の前提になります。

Python は計算し、AI は文脈を構造化する

再現性が要る領域はPythonが担います。月次集計、確定/見込みの分類、受注確度の重み付け、ストック/フローの分解、経費充足率や黒字化距離の算出。ルールで書ける処理は、検証可能なコードとして固定します。

一方、Slackの会話、議事録、ドライブのメモ、問い合わせの分類、推奨アクションの草案など、文脈の読み取りが要る領域はAIが担います。計算はPython、文脈の整理はAI——責任の境界をこの粒度で切ることが、出力を信頼できる状態に保つ鍵です。

AIエージェントを判断の補助線にする

エージェントを業務に接続するときは、読む情報・見る観点・返す粒度・確認者の責任範囲を先に決めます。自由に結論を出させるのではなく、会話や議事録から論点・根拠・選択肢・リスク・次のアクションを取り出し、人間が確認できる形に並べ直す。

つまりエージェントは、指定された材料を読み、指定された形式で整える存在です。最後に決めるのは人間であり、ダッシュボードはその判断のための視界を整えます。

今後の展望

今後は、Gmail、Slack、議事録、Googleドライブ、Google Analytics、Search Consoleから得られる材料を、より自然に管理会計の文脈へ接続していきます。目指すのは、人間がより速く、より納得感をもって判断できる状態です。

管理会計を、過去を確認するレポートから、未来を選ぶインターフェースへ。それがこのダッシュボードの次のテーマです。