AI革命における最大の皮肉の一つは、技術的に最も先進的な企業の一部が、パイロットプロジェクト（試験導入）から本格的な統合への移行に最も苦労しているということだ。大手コンサルティング会社はこの課題にいち早く着目しており、マッキンゼー・アンド・カンパニー（McKinsey & Company）は、企業の10社中9社近くがAIを利用しているものの、その大半は企業レベルの恩恵を実感できるほど深くAIを組み込めていないと指摘している。
この現象は、携帯電話ネットワークやインターネットの黎明期など、他のテクノロジー分野で見られた「リープフロッグ（カエル跳び）効果」に似ている。レガシー（過去の遺産）による制約のない、技術的に未成熟なユーザーの方が、新しいテクノロジーをはるかに迅速に採用し、統合することができた。現在、AIが前例のないスピードで成熟するなか、この統合のギャップは、既存のテクノロジーインフラが定着している大企業にとって深刻な問題を引き起こしている。
AI変革にはビジネス変革が必要であり、ビジネス変革、とりわけ高度に複雑なワークフローを持つ規制産業における変革は容易ではない。AI主導の自動化だけでなく、人間の判断が必要になる。
エンタープライズ・テクノロジー開発における文化変革の受け入れ
我々はすでに、金融サービス、保険、ヘルスケア（登録が必要）などの業界で、地殻変動の初期の兆候を目にしている。これらの業界では、デジタルネイティブのスタートアップ企業が既存企業から市場シェアを奪い始め、業務効率や収益性の新たな基準を確立しつつある。
これは能力の問題ではない。ほとんどの場合、既存の大企業はどのスタートアップよりも深い専門知識を持ち、はるかに高度なAI戦略を実行するために必要な人材も備えている。課題は主として文化にある。過去20年間、企業のテクノロジーリーダーは、小規模なパイロットや概念実証（PoC）から始め、将来の可能性を軸に組織内の支持を得て、その目標を支える一枚岩の技術スタックを構築するという、実証済みの手法に従ってきた。クラウドインフラやSaaS（ソフトウェア・アズ・ア・サービス）は、そうして普及した。しかしエンタープライズAIは異なる。
最も有望に見える概念実証も、企業が自社のデータセンターや技術スタックでは大規模展開に対応できないと気づいた瞬間、行き止まりになり得る。同時に、企業が過去に頼ってきた一枚岩のデータ移行やデジタルトランスフォーメーション戦略は、AIのイノベーションのスピードに追いつくにはあまりにも遅い。
統合に向けた新たな設計図を導入する
成功するためには、組織は従来のソフトウェア開発の定石を捨て、代わりに次の5つのステップに集中する必要がある。
1. 最大かつ最も複雑な問題に最初に取り組む
小さく始めることに慣れたリーダーには意外に聞こえるかもしれないが、狭いユースケースから始めることは、孤立したAIポイントソリューションを生み出し、統合の問題を悪化させることが多い。AIは単独ではほとんど価値を生まない。その真価は、複数のエージェントやシステムが連携し、既存プロセスを再構想するような、より広範なワークフローに組み込まれたときに発揮される。例えば保険金請求では、AIを使って車両損傷の画像を分析しても、その出力を請求処理、不正監視、顧客対応、支払いプロセスとつなげられなければ、価値は限定的だ。エンタープライズAIの出発点は、決してポイントソリューションであってはならない。複雑なワークフローであるべきだ。
2. 個別のサブ機能から始め、ボトムアップで設計する
エンタープライズAIは複雑な機能全体に統合されたときに最大の価値を生むため、組織はまず、それらのプロセスを動かす個々の構成要素を理解しなければならない。例えば医療保険者のシステムで支払いの正確性を分析するAI搭載ツールを構築するには、AIモデルをデータセットに投入する前に、コーディングガイドライン、料金表の更新、医薬品リスト、無数の規制要件やデータプライバシー要件を深く理解する必要がある。このデータ基盤を整えることは、意味のある洞察を生み出すうえで不可欠である。
3. 目に見える具体的なメリットでユーザーのモチベーションを高める
従来の企業向けソフトウェアの導入は、主に全社的なソフトウェアの展開を通じて、トップダウンで行われてきた。しかしAIは異なる。AIはエンドユーザーによる絶え間ないインプットと微調整を必要とするため、現場の職員は単なるテクノロジーの消費者ではなく、その形成に積極的に関与する参加者となる。つまり、医療費請求審査のような業務では、AIエージェントを注意深く監視し、人間の専門家からの継続的なインプットを通じて洗練させていかなければならない。自動化を恐れる従業員もいれば、AIのトレーニングを余計な仕事と捉える従業員もいる。リーダーは、AIがいかに業務のスピードアップを助け、成果を向上させ、最も反復的でストレスのたまる仕事の多くを排除できるかを、明確に示す必要がある。
4. 素早く失敗し、反復（イテレーション）を繰り返す
大企業が抱える最大の文化的な障害の一つは、AIが本質的に反復的なものであると受け入れることだ。AIは実験、失敗、学習を通じて向上する。これは欠陥ではなく特徴である。それらの失敗は取り組みを放棄する理由にはならない。弱点を浮き彫りにし、非効率なプロセスを再設計し、基礎となるモデルを磨き上げることで、むしろ取り組みを強化するものだ。AIトランスフォーメーションは、ゼロサムゲームではなく、旅路（ジャーニー）として捉えなければならない。
5. ROI（投資対効果）を測定する
「測定できないものは管理できない」という古い格言は、ビジネス価値の証明よりもイノベーションのアピールが重視されていたAI導入の初期段階では、しばしば無視されてきた。しかし、その論理は変わった。AIを最も先進的に導入している企業は、生産性から顧客エンゲージメント、業務効率に至るまで、すでに大きな効果を報告している。組織は、AIを導入したワークフロー全体のパフォーマンスを継続的に追跡し、進捗を評価し、長期的な改善をベンチマーク測定しなければならない。
すべての要素を組み合わせる
AIにおいては、どうしても目新しく魅力的なユースケースに目を奪われがちだ。消費者向けのチャットボットの驚異的な機能を見て、そうしたツールが企業の業務をどのように変革するかをすぐに想像してしまう。しかし、エンタープライズAIの真の価値は、概念実証という派手な演出にあるのではない。複雑で断片化されたワークフロー全体の点と点をつなぐ能力にある。
AIの可能性を最大限に引き出すことは、単に新しいテクノロジーを導入するだけにとどまらない。成功するかどうかは、企業データ、既存のワークフロー、および人間の専門知識とシームレスに機能するように、AIを複雑なビジネスプロセスにいかにうまく統合できるかにかかっている。そのバランスを正しくとるためには、適切なデータ、文脈（コンテキスト）、およびリーダーシップが必要となる。
