AI

2025.10.09 16:51

チームをAI導入に向けて運用面から準備する方法

Adobe Stock

Adobe Stock

ライアン・オースティン氏は、Cognotaの創業者兼CEOで、L&D(学習・人材開発)をビジネスとして運営する方法を専門家に教えている。

学習・人材開発(L&D)業界では、誰もがAIについて語っている。生成型ツール、スマートなコンテンツキュレーション、パーソナライズされた学習パス—これらは私が目にするほとんどの会話で話題になっている。しかし、あまり声高に語られない真実がある:L&D業界はAIについて語っているが、ほとんどのチームは運用面でAIの導入準備ができていないのだ。

私たちは見出しや期待に満ちた予測を目にしてきた。デロイトの報告によれば、ビジネスリーダーの94%が今後5年間で自社にとってAIが非常に重要になると考えている。ジョシュ・バーシン・カンパニーは、パーソナライゼーションの強化、採用ツールの高速化、コンテンツ作成を含むHR分野におけるAI中心の未来を概説している。しかし、これらの大胆な予測の裏には厳しい運用上の現実がある:AIは整理され、構造化され、連携されたデータがなければ機能しない。そして今日の多くのL&Dチームは、そのレベルのデータを持っていないのだ。

ガベージイン・ガベージアウト

L&D分野におけるAI導入の真の障壁は、テクノロジーへのアクセスではない。それは成熟度であり、運用力である。それは基盤となる作業だ:学習プログラムがどのように計画され、タグ付けされ、追跡され、測定され、最適化されるか。その成熟度がなければ、AIの出力の多くが効果的でなかったり、むしろ有害になったりするリスクが高い。

多くの企業がLMSやコンテンツツールを通じてAIに手を出しているが、それは変革ではなく、装飾に過ぎない。L&Dチームとの仕事経験から言えば、真の運用的AIには、同じ言語で話すシステム、成果に合わせた目標、そして企業の人材とその育成ニーズを反映したメタデータが必要だ。

始める緊急性は理論上のものではない。私が知る多くの企業では、CFOがすでにHRやL&Dのリーダーに「少ないリソースでより多くのことを行う」よう求めている。予算は縮小している。人員は減少している。しかし同時に、インパクトを示す圧力はかつてないほど高まっている。経営幹部は学習投資からのROIを求めている—しかも迅速に。理論上、AIはそれを約束している。

しかし、自社の体制が整っていなければ、そこに到達することはできない。運用の成熟度は華々しくないが、重要だ。それは、標準化されたデータ分類法を持ち、リクエストがキューに入る前に戦略に合わせ、実際に費やした時間を追跡し、学習者一人当たりのコスト分析を表面化し、誰かが尋ねる前にどのプログラムが効果をもたらすかを知ることを意味する。チームはこれらすべてを行うための運用規律を持つべきだ。

運用規律を前提条件にする

AIは壊れたシステムを魔法のように置き換えるわけではない。AIはそれらから学ぶのだ。

もしチームが学習プログラムを計画、追跡、測定する規律を欠いているなら、どうしてAIがそれを代わりに学ぶことを期待できるだろうか?ガベージイン、ガベージアウトだ。AIはあなたの現実を反映する—だから、インプットが乱雑だったり切断されていたりすれば、アウトプットもそうなる可能性が高い。

これが、運用の成熟度が単なる技術的な会話ではなく、人に関する会話である理由だ。戦略を設定し所有するのは人間だ。AIはそれを強化するだけだ。もし今日、チームが連携し、一貫性があり、説明責任を果たしていないなら、ワークフローにAIを組み込んでも何も解決しない。むしろ、欠陥のあるパターンを大規模に強化することで、事態を悪化させる可能性さえある。

あなたはAIに考え方を教えているのではなく、あなたの働き方を教えているのだ。そして、その基盤が強固でなければ、どれだけのAIも役に立たない。

当社による最近の調査では、ほとんどのL&Dチームが「管理された」成熟度レベルかそれ以下で運営されていることがわかった。私の経験では、これらのレベルには一貫性のない受け入れ、断片的な計画、限られた測定、そして閉ループ最適化の欠如が含まれることが多い。成熟度がなければ、スケールもない。そしてスケールがなければ、AIは単なる使われない機能セットになってしまう。

AI準備度のための5段階成熟度モデル

私たちは学習運用の成熟度に5つの段階を特定した。これはAI導入のための実用的なロードマップとなる:

• リアクティブ:企業はアドホックなプロセス、サイロ化されたツール、最小限の測定を使用している。この段階にはAIの基盤がない。

• マネージド:計画と追跡にある程度の一貫性がある—企業が初期のAI実験を始めるのに十分な程度。

• ストラテジック:企業は集中化されたデータ、整合された目標、定義されたプロセスを持ち、AIが使用可能なインサイトを提供できるようになる。

• プレディクティブ:予測、ベンチマーキング、高度な分析の一貫した信頼性の高い使用があり、AIが意思決定を強化する。

• アダプティブ:AIエージェントがワークフローを自律的に最適化でき、L&Dが戦略的な推進力となる。

ほとんどの組織は段階1から3の間に位置している。私の経験では、上に移行するには運用規律への投資が必要だ—それも早ければ早いほど良い。

AIへの道

運用規律とは何か?それは構造から始まる。例えば、ビジネス目標に合わせた学習プログラムの設定、時間とリソースの追跡、影響の測定などだ。これらのステップがなければ、AIは盲目的に飛行することになりかねない。

自社に適切な構造が整っているかを判断するために、自分自身とチームに尋ねてみよう:

どのビジネスユニットが最も多くの学習プログラムを要求しているか把握しているか?

すべてのプログラムをビジネス目標に関連付けることができるか?

インプット、反応、適用メトリクスを捕捉しているか?

パフォーマンス成果を通じてROIを定量化できるか?

これらの質問に一つ以上「いいえ」と答える場合、AIが効果的でない可能性が高い。それどころか、現在解決しようとしている問題を増幅させる可能性さえある。

最初の3つのステップ

AIのバズワードを超えて実際の変革に進むために、ここから始めよう:

1. 成熟度ロードマップを構築する。検証済みのモデルを使用して、現在の位置と次のステップを評価する。

2. データを標準化する。目標、インプット、アウトプット、成功を定義する分類法を実装する。

3. ワークフローを集中化する。受け入れ、計画、実行、報告を一つのシステムにまとめる。

最後に

L&Dリーダーが短期的な成果を期待している場合は、再調整が必要だ。基盤となる作業—分類法、プロセスの整合、データ統合—には数日ではなく、数四半期かかる。場合によっては数年かかることもある。私が一緒に仕事をしたあるフォーチュン500企業は、より良いAI統合をサポートするために学習メタデータの標準化だけで丸3年を費やした。彼らは遅れていたわけではなく、むしろ先を行っていた。それでも基盤を築くだけで36カ月を要したのだ。

だからこそ、できるだけ早く運用の成熟度に取り組み始めることが重要だと私は考えている。予測の組み込み、自律的な学習エージェントの実験、仮説ではなく実際の運用でAIをトレーニングするなど、大規模なAIのための足場を構築することで、AI成熟度に到達し、競合他社より先を行くことができる。

覚えておいてほしい:L&Dは何ができるかではなく、何をする準備ができているかが重要だ。そして、その準備は強固な運用基盤から始まる。

forbes.com 原文

タグ:

advertisement

ForbesBrandVoice

人気記事