数カ月前、私たちは自社で開発している健全性スコアリングツールに、自社の社内ナレッジベースをかけてみた。これは、私たちが日々、企業顧客に検討を促しているような構造的監査である。当社のコンテンツライブラリーは100点満点中91点だった。どの基準で見ても、優れた結果である。だが、その分析によって、当社の文書が一度も定義していない31の概念が浮かび上がった。そのうちの1つは何だったか。当社の中核AI製品である。10本の文書で言及されていたが、それを説明している文書は1本もなかった。
正直に言えば、この発見はこたえた。私たちはアカウンタビリティ層を構築している。ナレッジガバナンスについて考えることを生業としている。それにもかかわらず、私たちは調べるまで、この問題に気づかずに抱え込んでいた。
ナレッジマネジメント企業でこれが起こり得るなら、どこででも起こり得る。ほぼ間違いなく、あなたの組織でも今この瞬間に起きている。問題は、ナレッジ基盤に欠落があるかどうかではない。その上に、さらにAI投資を重ねようとしているかどうかである。
投資を行う前に、3つの問いを立てることを勧めたい。当社が委託し、Anthony Rhem博士が執筆した「エンタープライズインテリジェンスシステムガイド」レポート全体を貫くテーマとアカウンタビリティの枠組みに基づき、私が問いたい3つの質問を紹介する。これらが有用だと考えるのは、心地よい問いだからではなく、物事を明確にしてくれるからである。
それが破綻したとき、誰がコストを負うのか
この問いを最初に挙げるのは、ほとんどの組織がまだその数字を明確にしていないからだ。115社の従業員1万人超を調査した当社の「エンタープライズインテリジェンスの価値」レポートでは、ナレッジマネジメントのコストは年間売上高の約25%に相当するとしている。当社レポートに含まれる例では、中堅製造会社で約24億ドル（約3720億円）にのぼる。
その数字が実際にどこに存在しているのかをたどってみるとよい。本来なら即座に見つかるべき情報を従業員が探す時間、古い指針に基づいて下される意思決定、組織知が記録されていないために本来の2倍の時間がかかるオンボーディングの中にある。私は、このパターンが業界を問わず繰り返されるのを見てきた。コストは自ら名乗り出ない。チーム、ワークフロー、成果の間に分散し、無視できないほど高くつくまで気づかないほどゆっくりと積み上がっていく。
AIが行うのは、その分散を加速させることだ。かつてはゆっくりした漏れを生むだけだったナレッジガバナンスの失敗が、AIの速度と規模では、はるかに封じ込めにくいものになる。「ごみを入れれば、ごみが出る」という原則は揺るがない。そしてAIの速度では、そのごみはどのチームも追い切れないほど速く移動する。
答えは、AI導入を遅らせることではない。機能を積み上げる前に、基盤へ投資することだ。
成果に対する責任は誰が負うのか
キャリアの初期、私はグローバル組織で何年も働いた。金融データの世界では、アカウンタビリティの問いが抽象的なままにとどまることはない。古いデータには、名前とコストが伴う。誤った価格、逸した取引、規制違反である。誰がデータを維持し、誰が認証し、誰がそれに基づいて行動したのかという責任の連鎖は、官僚主義ではなかった。システム全体を機能させる信頼のアーキテクチャだった。
ほとんどの企業は、自社のナレッジ資産に同じ規律を適用したことがない。ナレッジは、誰もライフサイクルを所有しないまま、増え、古び、断片化していく。AIが誤った内容を自信たっぷりに提示したとき、「これについて誰が責任を負うのか」という問いに答えがないことが多い。そもそも、誰もその答えを求められてこなかったからだ。
自問してみてほしい。先週、あなたの組織でAI生成の回答が顧客対応、価格決定、コンプライアンス申告に影響を与えたとしたら、それを追跡できるだろうか。その回答が参照したナレッジを誰が所有していたのか、そのナレッジが最後に検証されたのはいつか、陳腐化していた場合に誰が気づくのかを特定できるだろうか。
私の経験では、ほとんどの組織はできない。これはテクノロジーのギャップではない。組織設計のギャップであり、組織設計による解決策がある。ナレッジの所有者の役割、コンテンツのライフサイクル方針、レビューワークフロー、そしてデータフィードに適用するのと同じ厳格さで組織のナレッジを扱うガバナンス構造を確立することだ。
自社AIの判断がどこから来ているか説明できるか
ほとんどの企業向けAIは、基盤となるナレッジベースで見つけたものを何でも取り出し、それを文脈として組み立て、まるで自分が何を言っているのかを完全に理解しているかのような自信をもって回答する。そのナレッジが最新で、正確で、内部的に一貫しているかどうかは、モデルの問題ではない。あなたの問題になる。
だからこそ、AIへの失望を示す数字は各種調査で一貫している。McKinseyは、組織の60%が、責任あるAI導入の主な障壁は技術的制約ではなく、ナレッジとトレーニングのギャップだと回答したことを明らかにした。AI予算は昨年、38%増加したと報じられている。その支出の40%は期待を下回っている。
「なぜ当社のAIは機能しないのか」と問う組織は、モデルを調べがちだ。だが答えは、そのモデルが参照しているナレッジベースの中にあるのかもしれない。特定の出力がどこから来て、なぜ提示され、その情報源が信頼に値するのかを誰かが追跡できるかどうかにあるのかもしれない。透明性は機能ではない。問題が拡大する前に見つけるための仕組みである。
どこから始めるべきか
上の3つの問いが示しているのは、全面的な刷新ではなく診断である。私なら、次のように取り組む。
1. ナレッジ監査を実施する。 重要なナレッジがどこにあり、誰が所有し、最後に検証されたのがいつかをマッピングする。欠落はすぐに表面化しがちだ（当社でもそうだった）。
2. 所有者を割り当てる。 すべてのナレッジ領域には、正確性と最新性に責任を負う、名前のある所有者が必要である。それがなければ、ガバナンスは理論にとどまる。
3. 見えないものを測定する。 従業員がAIツールを迂回する頻度、作業を重複させる頻度、古い情報に基づいて意思決定する頻度を追跡する。こうした指標は、基盤を修正するための投資根拠を示してくれる。
これらは決して机上の話ではない。当社自身のナレッジベースにあった31の未定義概念は、ガバナンス不全を解決するために存在する企業におけるガバナンス不全だった。すべての企業リーダーが向き合うべき問いは、AIに投資するかどうかではない。その下にある基盤が、その上に意思決定を賭けるに値するかどうかである。
たいていの場合、実際に見てみるまで、それはわからない。
