ここ数年、企業のAI戦略は、一見シンプルな問いを中心に展開してきた。どのモデルを使うべきか。OpenAIか。Anthropicか。Googleか。オープンソースモデルか。それとも複数を組み合わせるべきか。
最先端の知能へのアクセスが限られ、モデルの能力に大きな差があった時期には、この問いには意味があった。だが今では、その重要性は薄れつつある。モデルは今後も進化し続け、モデル間の差異も重要であり続けるだろう。しかし、多くの企業が同じように高性能なシステムにアクセスできるようになる。モデルルーティング、抽象化レイヤー、マルチモデルアーキテクチャによって、組織が単一のプロバイダーに依存する度合いは低下していく。
したがって、より重要な戦略上の問いは変わりつつある。誰もが並外れた知能にアクセスできるのであれば、そこから最大の企業価値を生み出せるのは誰かを決めるものは何か。
その答えは、ますますコンテキストにある。そしてコンテキストは、分析や意思決定だけでなく、実行、学習、適応に結びついたとき、指数関数的に価値を高める。
コパイロットの誤謬
今日の一般的な企業AI戦略は、おおむね次のようなものだ。数千件のコパイロットライセンスを購入し、従業員に強力なモデルへのアクセスを与え、研修を実施し、利用状況を追跡し、生産性、成長、利益率の改善が現れるのを待つ。
このアプローチ自体に本質的な問題があるわけではない。個人の生産性向上は現実に起きている。従業員はより速く調査し、文書を要約し、情報を分析し、プレゼンテーションを作成し、管理業務を自動化できる。だが、個々のタスクを速くすることと、企業全体のパフォーマンスを高めることの間には、非常に大きな差がある。
Insight Partnersは最近、このギャップに注目し、組織がAIによる個人の生産性向上を報告することは多い一方で、組織全体で大きなROIを実現している例ははるかに少ないと指摘している。そこから浮かび上がる結論は、制約要因が生のモデル能力ではなく、不十分な企業コンテキストに移りつつあるということだ。
AIアシスタントは並外れた汎用知能を備えていても、あなたの会社がなぜ3年間で売上倍増を目指しているのかについては、ほとんど何も知らないかもしれない。CEOがどの施策を存亡に関わるものと見なしているのか、どの顧客が離反リスクにあるのか、どの指標が実際に利益率を左右しているのか、停滞している施策をどの幹部が担っているのか、どの意思決定を分権化できるのか、会社の最も優れたリーダーを特徴づける行動は何か、過去の変革施策がなぜ失敗したのかを理解していない可能性がある。
それは主としてモデルの問題ではない。コンテキストの問題である。
コンテキストなき知能は、可能性にすぎない
極めて優秀な幹部を採用する場面を考えてみてほしい。その人物が知的であるという理由だけで、初日から優れた戦略的意思決定を下すとは誰も期待しないはずだ。その幹部にはコンテキストが必要である。戦略、顧客、経済性、組織構造、意思決定権限、歴史、人間関係、制約、過去の成功と失敗だ。
そこで初めて、知能は判断力へと変わり始める。
AIも同じである。コンテキストエンジニアリングがプロンプトエンジニアリングと同じくらい重要になりつつある理由の1つがここにある。Anthropicはコンテキストエンジニアリングを、プロンプトに最適な言い回しを見つけるだけでなく、AIシステムが受け取る情報、ツール、メモリー、状態を整える、より広い領域だと説明している。より長い時間軸で動くエージェントにおいては、構造化されたメモリー、ジャストインタイムの検索、圧縮、専門化されたサブエージェントアーキテクチャが含まれ得る。
しかし企業コンテキストは、データ検索以上のものだ。企業は数百万件の文書を保有していても、自社について一貫した理解を欠いていることがある。
真の組織的コンテキストには、複数の層が含まれる。戦略的コンテキスト、すなわち何を達成しようとしているのか、どのようなトレードオフを選んだのか。業務上のコンテキスト、すなわちどの施策が進行中で、誰が責任を持ち、何が進捗を妨げているのか。パフォーマンスのコンテキスト、すなわちどの指標が重要で、何がそれを動かしているのか。組織的コンテキスト、すなわち誰がどの意思決定を行い、専門性はどこにあり、チームは実際にどのように相互作用しているのか。そして制度的コンテキスト、すなわち過去の意思決定、成功、失敗、変革から組織が何を学んできたのかである。
これこそが、有用な企業インテリジェンスが構築される基盤である。
Microsoftは明確にこの方向へ進んでいる。同社のWork IQおよび関連する企業AI施策は、人材、役割、文書、会議、プロジェクト、優先事項といった組織情報にエージェントを根づかせることを目的としている。戦略的な含意は明らかだ。モデルがより高性能になり、広く利用可能になるにつれて、差別化の軸は、組織の専門知識とコンテキストをいかに取り込み、活用するかへと移っていく。
より良い意思決定は、機会の半分にすぎない
しかし、この捉え方でさえ十分ではない。企業AIに関する議論の多くは、最終目標をより良い洞察やより良い意思決定だと見なしている。だが、組織的な行動に変換されない優れた意思決定は、ごくわずかな価値しか生まない。
より大きな機会は、企業全体のオペレーティングループを閉じることにある。コンテキスト → 意思決定 → 実行 → 振り返り → 適応 → 反復。
ここで企業AIは、組織が実際にどのように機能するかを変え始めることができる。
コンテキストは、組織が何を達成しようとしているのか、現在何が起きているのかを明らかにする。意思決定は、次に何が起きるべきかを判断するために知能を適用する。実行は、その意思決定を優先事項、責任者、行動、マイルストーン、説明責任へと変える。振り返りは、期待されていたことと実際に起きたことを比較する。適応は、その教訓を次の意思決定に取り込む。
そしてループは再び始まる。
これが重要なのは、組織は意思決定だけで改善するわけではないからだ。組織は実行から学ぶことで改善する。
未開拓の実行レイヤー
ほとんどの企業AIシステムは、いまだに早すぎる段階で止まっている。システムは問題を特定し、状況を分析し、行動を推奨する。その後、その推奨は会議、メール、プレゼンテーション、ダッシュボードに落とし込まれ、組織は従来と同じ断片化されたプロセスを通じて運営に戻っていく。
そこには、実現されないままの莫大な価値が残されている。
代わりに、AIシステムが戦略的施策の遅れを認識する場面を想像してみてほしい。従来型のコパイロットであれば、問題を要約し、介入を推奨するかもしれない。コンテキストを認識する実行システムであれば、目的を理解し、担当リーダーを特定し、遅延を生んでいる依存関係を突き止め、是正措置を推奨し、マイルストーンを作成し、オーナーシップを明確にし、適切な運営サイクルの中で課題を浮き彫りにし、その介入が実際に機能したかを監視できる。
さらに、そのシステムは振り返りにも参加できる。何が起きたのか。なぜ起きたのか。どの前提が誤っていたのか。介入は結果を改善したのか。説明責任はどこで崩れたのか。次回、組織は何を変えるべきなのか。
その答えが、次のサイクルのコンテキストになる。これは、私たちがEXCELR8で組織の解決を支援している課題である。
その時点で、AIはもはや制度的知識を検索するだけの存在ではない。制度的学習の創出を支援しているのである。
OpenAIの最近の企業向け調査も、孤立した支援から、エージェントを企業のコンテキスト、ツール、反復可能なワークフローにつなげるシステムへの同様の移行を説明している。より高度な企業ユースケースでは、AIは単に従業員のそばに座る生産性支援ツールではなく、オペレーティングシステムの内部で機能するようになっている。
記録システムから学習システムへ
数十年にわたり、企業ソフトウェアは主に起きたことを記録してきた。CRMシステムは顧客活動を記録した。ERPシステムは取引を記録した。プロジェクト管理システムはタスクを記録した。人事システムは人材情報を記録した。ビジネスインテリジェンスツールは結果を可視化した。
生成AIは当初、そうしたシステムへの問い合わせを容易にした。次世代は、はるかに重要なことを行うかもしれない。組織の意図を組織の行動に結びつけることだ。
私たちは何を達成しようとしていたのか。何を決めたのか。誰が行動の責任を負ったのか。何が起きたのか。なぜそうなったのか。何を変えるべきなのか。
これにより、根本的に異なる種類の企業データセットが生まれる。
時間がたつにつれて、組織は、どの実行パターンがより良い結果を生むのか、どこで施策が繰り返し停滞するのか、どの運営リズムが説明責任を高めるのか、どのリーダーシップ行動が自律性を生むのか、どの介入が実際にパフォーマンスを変えるのかを理解し始めることができる。それは組織データ以上のものだ。組織的判断に近いものになり始める。
コンテキストは新たな企業の堀である
ここで戦略的な含意は大きなものになる。競合他社も強力なモデルにアクセスできる。同じクラウドインフラにアクセスできるかもしれない。同じ企業AIツールの多くを購入するかもしれない。
しかし、競合他社が、あなたの戦略、意思決定、実行パターン、顧客行動、リーダーシップの力学、失敗した施策、成功した介入、そして組織がその過程で学んできた教訓についての蓄積された理解を、自動的に受け継ぐことはない。
そのコンテキストは複利的に積み上がる。そして実行は、その複利効果をさらに速める。
より良いコンテキストは、より良い意思決定を生む。より良い意思決定は、より良い実行を生む。実行は成果を生む。成果は学習を生む。学習はより良いコンテキストを生む。
これがフライホイールである。
だからこそ、企業AIの次の段階は、すべての従業員にコパイロットを付けることよりも、組織全体にわたってコンテキスト豊かなオペレーティングレイヤーを構築することに関わるものになる可能性が高い。Insight Partnersは、AIから最も大きな価値を生み出している企業は、テクノロジースタックだけでなく、ワークフロー、組織構造、意思決定プロセス、説明責任の仕組みを再配線していると論じている。
これこそ、CEOが注目すべき変化である。
目標はAIを増やすことではない
目標は、より多くのコパイロットを導入することではない。すべての従業員の生産性を劇的に高めることですらない。これは往々にして、官僚主義を拡大するだけになり得る。
より大きな機会は、継続的に理解し、意思決定し、実行し、学習し、適応できる組織をつくることにある。
そのシステムを動かすモデルは変わり続ける。劇的に良くなるものもある。より安価になるものもある。ほとんどの企業は、ますます複数のモデルを使うようになるだろう。
しかし、企業がどのように考え、行動し、成果を出し、学ぶのかという蓄積されたコンテキストは異なる。それは組織に属するものだ。
モデルは変わり続ける。コンテキストは複利的に積み上がる。そして実行が、そのコンテキストを制度的学習へと変える。
コンテキストは優位性の始まりである。閉じたループこそが真の機会である。
