ここ数年、あらゆる業界でAIへの投資が急増している。ガートナー（Gartner）は、今年の全世界のAI支出額が前年比44%増の2.5兆ドル（約406兆円）に達すると予測している。しかし、AIに対する期待と、測定可能なビジネス成果との間には、依然として埋まらないギャップが存在する。2025年のマサチューセッツ工科大学（MIT）の報告書によると、企業における生成AIのパイロット運用（試験導入）の95%が投資回収をもたらさなかった。ビジネスリーダーたちは、実験から実行へとシフトすることで、このギャップを埋めようとしている。デジタルトランスフォーメーション（DX）の戦略は、単なるテクノロジーの導入にとどまらず、スキル開発や人員計画への的を絞った投資にまで広げる必要がある。
テクノロジーへの過度の偏重
堅牢なデータインフラストラクチャとガバナンス（管理体制）は、AI変革を成功させるための屋台骨であり、データの正確性、アクセシビリティ、セキュリティ、そしてコンプライアンス（法令順守）を担保する。適切なテックスタック（技術の組み合わせ）の選択には、ツールをビジネス目標やデータの成熟度と合致させ、シームレスに統合し、効率的に拡張でき、技術チームとビジネスユーザーの双方がAIを効果的に運用できるプラットフォームを優先することが求められる。
しかし、私自身がソフトウェア企業の幹部であるにもかかわらず、成果をあげるためにテクノロジーばかりが過度に重視されていると感じている。リーダーたちはツールやインフラへの投資に集中しているが、ROI（投資対効果）を評価するためには、有意義なユースケース（活用事例）にも目を向ける必要がある。現在起きている大きな問題は、かつて「テクノロジーの乱立」があったように、今度は「AIやエージェントの乱立」が発生していることだ。何千ものエージェントを導入したという他の経営幹部とも話をしたことがある。しかし、その多くが同じ動作を行なっており、人間がエージェントを管理していなければ、重要なワークフローが適切に機能せず、最終的には十分なROIを生まなくなってしまう。
リーダーは、エージェントをトレーニングや管理、フォーカスが必要な「チームの一員」として捉えるとともに、それらが本当に必要か、機能しているかを絶えず見直さなければならない。未来の成功するリーダーは、AI機能とエージェントを核としたシステムを管理し、人間がエージェントを改良・訓練しながら、より高次の批判的思考（クリティカルシンキング）や判断力、関係構築スキルを発揮していくことになるだろう。
AI変革における「人材」の役割
Seismicの「2026年ウェルスマネジメント動向レポート」によると、金融企業の38%が社内のデジタルおよびAIに関する専門知識の不足を報告している。これは、変革がテクノロジー上の課題であるのと同じくらい、人材開発上の課題でもあることを裏づけている。多くの組織が今後12〜18カ月間で、AIや広範な近代化の取り組みに投資する意欲的な計画を立てているものの、こうした能力のギャップは導入を遅らせ、ROIを制限するリスクがある。
AI変革が成功するのは、組織が従業員のリスキリング（スキルの再開発）に投資し、幅広いAIリテラシーを構築するときだ。これによって、あらゆるレベルの従業員がテクノロジーを理解し、信頼し、実際のビジネス課題に効果的に適用できるようになる。Seismicでは、チームにClaude（クロード）やChatGPT（チャットGPT）などのAIツールのライセンスを支給している。また、専任のAI変革チームを設置し、すべての部門にAIエバンジェリストを配置している。さらに、必要に応じて教育やアドバイスを受けるため、AIコンサルタントも招聘している。
さらに、日常のワークフローにAIを統合する方法についての実験や創造的な思考を促すため、部門横断的な従業員向けAIハッカソンを開催した。また、全従業員が各自の選択による専門能力開発のために年間1000ドル（約16万円）を使用でき、その大半がAIリテラシーや活用の習熟に投資されている。
成功はまた、リーダーシップとチェンジマネジメント（変革管理）にかかっており、経営陣には明確なビジョンの提示、評価基準の整合、そして企業文化としての定着を能動的に導くことが求められる。そうして初めて、AIは単なる実験の段階を超え、組織の実際の働き方に組み込まれるようになる。当社は「自律型プロダクト・スクワッド」、すなわちコンセプト策定から顧客へのインパクトに至るまで、各AIエージェントの全プロセスを統括する社内の部門横断チームを立ち上げた。これらのスクワッドは、仮定のユースケースで実験を行っているだけではない。実際のワークフローや定着化に直結した測定可能な成果を出す責任を負い、導入に向けて顧客とも密接に連携している。
テクノロジーの重要性は変わらない、ただし意味合いが異なる
組織は、人間とエージェントのどちらが業務を行うかに関わらず、トレーニング、ガバナンス、そしてデプロイ（展開）のフレームワークが確実に成果をもたらすようにしなければならない。それは、責任の所在が明確であり、チームが責任を持ってAIを導入できる自信とスキルを備えたオペレーティングモデル（業務運営体制）を構築することを意味する。
リーダーが今すぐ実行できる具体的なステップをいくつか紹介する。
・拡大する前にシンプルなAIガバナンスを構築する：すべてのAIユースケースにおいて、明確な責任者、成功指標、リスク評価、人間によるレビュー要件、エスカレーション経路（トラブル発生時の報告ルート）を定める。これらの基本事項が文書化され、承認されるまでは、利用規模を拡大してはならない。
・新しいツールだけでなく、新しい「働き方」をトレーニングする：職務ごとのプレイブックを作成し、AIをいつ使うべきか、AIの出力をどうチェックするか、どのデータを使用できてどのデータは使用できないか、そしてエージェントがワークフローやチームの一員となることで、パフォーマンス評価の基準がどう変わるかを従業員に示す。
・測定と管理を行う：多くのエージェントを作成して、そのまま放置することはできない。エージェントや自律的な処理（エージェンティック・フロー）によって生み出された成果を確認し、「人間＋エージェント」のワークフローの有効性を検証し、エージェントのパフォーマンスに対する期待値を管理する。大半のAIプラットフォームには、これを可能にする分析機能が組み込まれている。
本質的に、AI変革とは、人間の才能とエージェントが協働するための最適なシステムを見つけ出すことなのだ。
