スレシュ・カンナン氏はModel Nのチーフプロダクトオフィサー。製品開発と管理において25年以上の経験を持つ。
2024年、AIの実験的活用は多くのビジネス計画の議論を支配した。現在、リーダーたちは経済的・規制的な不安定さからの外部圧力に耐えるための戦略開発に注力している。その結果、AIの目標は単なる自動化と効率化にとどまらなくなった。今、企業はAIを活用して適応力を高め、ビジネス戦略を強化することを目指している。
言い換えれば、ワークフローの効率化は立派な目標であり、AIの主要な使用例ではあるが、経営幹部は「このプロセスをどうすれば速くできるか？」という考えを超えて、「このプロセスをどうすればよりスマートにできるか？」と問うべきである。
インフォシス・ナレッジ・インスティテュートによると、AIイニシアチブの50%がビジネス目標の一部または全部を達成している。また、この調査ではAIの成功は、企業がそれを達成するために業務とデータインフラをどれだけ効果的に適応させるかと密接に関連していることも示されている。これを言い換えると、既存のプロセスにAIを重ねるだけでなく、そもそもそれらのプロセスがどのように機能するかを再考することから効果が生まれるということだ。
長期的に通用するAI戦略を構築するための重要なステップ
以下は、企業が俊敏性を高め、長期的な成功を確保する方法でAIを効果的に実装するのに役立つと私が考える重要なステップである。
高価値のユースケースを定義する。
現在の経済環境は、AI実装から最大限のROIを引き出す圧力を高めている。リーダーはこれらの新技術の最適な使用法について戦略的に考える必要がある。
それに対応するために、IT、財務、運用、営業チームを連携させ、共有目標を定義し、高価値のユースケースを特定する。部門横断的な連携により、選択されるツールが孤立した部門の課題を解決するのではなく、全社的な利益をもたらすことを保証する。
例えば、請求プロセスを自動化して請求書発行を加速するだけでなく、リベートやインセンティブを検証し、顧客契約の遵守を監視し、収益の漏出を防止するソリューションを使用することで、より多くの価値を引き出す。これらのプロセスは財務、法務、営業、収益運用に関わり、トップラインのパフォーマンスを直接サポートする測定可能な成果をもたらす。
適切なデータ基盤を構築する。
戦略的なAI/エージェントのユースケースには、基本的な業務自動化よりも堅牢で高品質なデータが必要である。強力で統合されたデータ基盤を構築する必要がある。
ソースやアプリケーション全体でデータフィールドの標準化された定義を確立するデータモデルの作成を提案する。このモデルにより、組織はサイロ化された部門ビューからビジネス全体の分析に移行できる。例えば、データ統合により、営業チームは適切な顧客セグメントをターゲットにし、財務チームはより正確に収益を予測できるようになる。
変化を前提に設計する。
市場環境は常に変化するため、AIツールも同様に動的である必要がある。変更ごとに集中的なITサポートを必要とすると、ワークフローがすぐに停滞する。
モジュール式のルール、設定可能なポリシー入力、ユーザー主導のワークフローを可能にするシステムを採用する。この柔軟性により、政策や経済環境が進化するにつれて、商業的および収益戦略を数時間で再調整できる。
予測分析に投資する。
効率性の向上にとどまらず、組織は既に構築したAIシステムを高度な分析に活用すべきである。当初はワークフローの自動化のために採用されたツールが、予測とモデリングに必要なクリーンで構造化されたタイムリーなデータを提供できる。
市場の変化を特定し、収益への影響を予測し、規制やビジネス戦略の変更からの結果をシミュレートできるAI駆動の分析を実装する。AI駆動の分析の予測能力は、不安定なビジネス環境での機敏な調整を促進するのに役立つ。
エージェントAIに備える。
AIが成熟するにつれて、企業は意思決定の自動化に向かうことができる。エージェントAI（定義されたパラメータ内で自律的に動作するシステム）は、ルーティンのワークフローを処理し、例外のみをエスカレーションできる。例えば、AIモデルがすべての価格設定ルールとコンプライアンスのしきい値が満たされていることを検出した場合、取引を自動承認できる。何かが通常の範囲外である場合は、人間のレビュアーにフラグを立てる。
これを戦略の一部として取り組む際には、決定基準が明確で結果が測定可能な、明確に定義されたルールベースのプロセスを確立する。ドメインエキスパートと緊密に協力してパラメータ、エスカレーションパス、例外基準を設定し、システムが今日の経験豊富なチームの意思決定方法を反映するようにする。
エージェントAI時代における役割の再定義
この「例外による管理」モデルにより、組織は監視を犠牲にすることなく業務を効率化できる。特に契約の検証、リベート処理、見積もり承認など、量が多いがロジックが一貫している分野で価値がある。強力なガバナンスと組み合わせることで、エージェントAIは業務効率を向上させながら、人間が戦略的な決定に集中できるようにする。
AIの価値を最大化するには、従業員の役割についても異なる考え方が必要である。定型的なコーディングやテスト生成などの基本的なタスクを自動化することで、従業員はドメインエキスパートになるための時間を確保できる。特殊なワークフロー、顧客の課題、特定のコンプライアンス要件に関する従業員の深い業界知識は非常に価値があり、顧客の実際のニーズに基づいて製品やサービスを形作るのに役立つ。
このような深い文脈的知識を持つことで、従業員はAIが生成した洞察をより適切に解釈し、外れ値に疑問を投げかけ、出力を洗練させることができる。AIの効率性と洞察と組み合わせることで、この専門知識は製品を際立たせるのに役立つ。
当社の「収益状況レポート」によると、調査対象のビジネスリーダーの91%が技術革新と投資が収益管理の成果に測定可能な影響を与えたと述べており、98%が生成AI、高度な分析、AI/機械学習などの新技術を収益管理活動に使用しているか、使用を計画している。
企業には自動化と効率化以上のものが必要である。私が重要だと考えるのは、経済的・規制的環境から生じるより広範な問題を解決する技術である。慎重に適用されれば、AIはより良い意思決定を促進し、ビジネスの俊敏性を高めるのに役立つ。
