
システム開発で "作って終わり" が危険な理由
事業は変わる。業務も変わる。だからシステムも育てる必要がある。
この記事の結論
- システム開発を 「納品 = 完了」 と捉えると、リリース後 3〜6 ヶ月で事業に追いつけなくなります。
- 事業の変化、業務の変化、法令・規制の変化、外部 API の変化、ユーザーの期待の変化 ── 5 つの変化に対応する必要があります。
- リリース後 30 日、90 日、180 日でやるべきレビューがあります。
- 「保守」と「改善」は別物。保守は維持、改善は事業成長への投資。
- AI 時代は、振り返って学習する仕組み を組み込むことで、改善サイクルがさらに速くなります。
「システムをリリースしたので、これでひと段落です」
ありがちな言葉ですが、現実は逆です。リリース後こそ、システムにとって最も改善が必要な時期 です。実際に使われ始めて初めて、設計の前提が正しかったか、業務とフィットしているかが分かります。
OpenAI のワークスペースエージェントの設計でも、エージェントは 時間とともに改善していく ことが前提に組み込まれています (Introducing workspace agents in ChatGPT / OpenAI)。AI でないシステムでも、リリース後の継続改善が運用品質を決めます。
この記事では、「作って終わり」が危険な理由と、継続改善で見るべき指標、開発会社との付き合い方を整理します。
なぜ "作って終わり" になりがちか
リリース後に改善が止まる原因:
1. 「動いている = 終わり」と判断する
リリース日にシステムが動いた = プロジェクト完了、と認識される。発注者・開発会社双方で。
2. 予算がリリース日に終わる
開発予算をリリースで使い切る計画。改善予算が確保されていない。
3. 効果測定がされない
リリース後、KPI が見られていない。「使われているかどうか」も分からない。
4. 担当者がいなくなる
開発会社の主要メンバーが他案件へ。発注側の担当者も別業務へ。
5. 改善する仕組みがない
「フィードバックを集める」「次に何をするか決める」場が設定されていない。
リリース後に分かること
実際に使われ始めて初めて、見えてくることがあります。
1. 使われ方の予測が外れていた
「想定したユーザーが、想定したパスで使う」ことは少ない。実際のユーザーは、想定外の使い方をします。
2. パフォーマンスの問題
開発環境では問題なかったが、本番のデータ量と同時アクセスで遅くなる。
3. 例外パターンの噴出
設計時に「これはレアケース」と判断した例外が、月に何件も発生する。
4. 業務との微妙なズレ
「業務に合わせて作った」つもりが、現場の運用と微妙にズレている。
5. データの偏り
想定していたデータ分布と、実際のデータ分布が違う。AI モデルの精度や、検索 UX に影響。
これらは 「リリースしないと分からない」 ことなので、リリース後の改善期間が事業の成功率を決めます。
継続改善で見るべき指標
リリース後に追うべき指標を、3 つのタイミングで整理します。
リリース後 30 日: 立ち上がり評価
- 主要ユーザーが触り始めたか (アクティベーション率)
- 想定したフロー通りに使われているか (ファネル分析)
- 障害が起きていないか (エラー率、応答時間)
- 緊急修正が必要な不具合はないか
- 問い合わせの種類と件数
リリース後 90 日: 定着評価
- 7 日 / 30 日 Retention
- 業務削減時間 (toB の場合)
- 課金転換率 (有料化している場合)
- 機能別の利用分布
- 解約理由 / 利用停止理由
リリース後 180 日: 改善方向の特定
- 上位 5 ユーザー / 顧客の特徴
- 未使用機能の特定 (削除候補)
- 新規追加すべき機能の候補
- 競合との比較
- 内製化への移行可能性
詳しくは 初期プロダクトの KPI 設計 で展開しています。
保守と改善の違い
「保守」と「改善」は、しばしば混同されますが、別物です。
| 観点 | 保守 | 改善 |
|---|---|---|
| 目的 | 動き続ける | 価値を増やす |
| 内容 | 障害対応、軽微改修、セキュリティ更新 | 新機能、UX 改善、業務改善 |
| 予算 | 月額固定 | プロジェクトベース |
| 期間 | 継続 | 月単位 / 四半期単位 |
| KPI | 稼働率、SLA | 利用率、業務削減時間、売上 |
保守は 「現状維持」、改善は 「事業成長」 への投資です。リリース後の予算配分で、両方を確保することが重要です。
詳しくは 業務システムの保守費用はなぜ発生するのか で展開しています。
ここまでで「自社のシステムも改善が止まっている」と感じたら、運用改善診断から相談するのが現実的です。
開発会社との付き合い方
リリース後、開発会社とどう関係を続けるかが、改善速度を決めます。
月次レビューを設定する
- 当月の障害、改修、利用ログを共有
- 翌月の改善優先順位を議論
- 中長期の方向性を確認
軽微改修の枠を契約に組み込む
- 月 20〜30 時間程度の改修枠
- 文言、項目追加、表示順などを高速対応
- 都度見積もり不要
改善並走の契約形態
- 月額リテイナー: 月の改善予算を固定
- 時間単価: 必要な時に必要なだけ
- スポット: 大きな機能追加だけ別契約
「リリースで終わり」ではなく、「リリースから始まる」関係性 にすることで、事業が伸びます。
改善例
実際の改善例:
入力フォームの短縮
リリース当初は 20 項目だった登録フォーム。利用ログから「最初の 5 項目だけ入力して離脱するユーザーが多い」と判明。
- 改善: 必須を 5 項目に絞り、残りは任意で後から入力可能に
- 効果: 登録完了率 30% → 60%
通知の改善
メール通知だけだったが、ユーザーが見落としていた。
- 改善: LINE 通知を追加、優先度別の通知設定
- 効果: 重要連絡の見落とし率が大幅減少
管理画面の改善
CS 担当者が「顧客検索に時間がかかる」と訴え。
- 改善: 検索フィルタの追加、よく使う条件の保存機能
- 効果: 1 件あたりの対応時間 6 分 → 2 分
レポート自動化
月次レポートを CS 担当者が手作業で作成していた。
- 改善: AI でドラフト自動生成、担当者は確認だけ
- 効果: 月 8 時間 → 1 時間
AI 要約の追加
問い合わせ履歴が長く、状況把握に時間がかかっていた。
- 改善: 過去履歴を AI が要約、初対面の担当者でも状況を 30 秒で把握
- 効果: 引き継ぎ時の確認時間が大幅減
Anthropic の Managed Agents では、エージェントが session を振り返って改善する仕組み が紹介されています (New in Claude Managed Agents / Anthropic)。業務システムも同じく、ログから振り返って改善する仕組みが、長期的な価値を生みます。
min's のリリース後支援
min's では、リリース後の継続改善を以下の形で支援しています。
Phase 1: リリース後 30 日支援 (1 ヶ月)
- 立ち上がり KPI のレビュー
- 緊急修正の対応
- 利用ログからの改善候補抽出
- 費用 月 30〜80 万円
Phase 2: 90 日定着支援 (3 ヶ月)
- 月次の KPI レビュー
- 月の改善枠 (20〜40 時間)
- 機能追加の優先順位整理
- 費用 月 50〜100 万円
Phase 3: 継続改善 (6 ヶ月以上)
- 四半期の振り返り
- 中期計画の策定
- 内製化への並走
- 費用 月 30〜100 万円
リリース後の改善について相談したい方へ
min's では、リリース後の運用改善、KPI レビュー、機能追加、内製化への移行支援を行っています。
以下のような状態であれば、ご相談ください。
-
リリースしたが、改善が進んでいない
-
開発会社との関係が薄くなっている
-
KPI を見て改善方向を決めたい
-
内製化に向けた移行を進めたい
次に読む記事
参考
- Introducing workspace agents in ChatGPT / OpenAI — エージェントの継続改善前提の設計
- New in Claude Managed Agents / Anthropic — session の振り返りによる継続改善