SightCall（視覚サポートプラットフォーム）のCEO兼共同創業者。同社のプラットフォームは、グローバルサービスチームがより多くを見て、より速く問題を解決し、重要な知識を捉えることを支援している。
企業のサービス組織におけるAIの可能性は現実のものだ。AIは問題の診断を迅速化し、効率性を高め、現場のチームをサポートできる。大規模なパターンを捉え、データに基づく推奨事項を生成し、適切な状況下では潜在的な障害を事前に予測することさえ可能だ。
しかし、ここに不都合な真実がある：ほとんどのサービスチームは、PDFマニュアルや時代遅れの標準作業手順書の山をAIに与えながら、ベテラン技術者のようなパフォーマンスを期待している。
問題はAIではない。それは学習データなのだ。
AIはあなたが与える知識と同じレベルの賢さしか持たない
あまりにも多くの場合、組織は実際の業務の進め方を反映していない、整理された文書、一般的なワークフロー、静的な知識ベースでAIツールを満たしている。AIが本当に必要としているものは、どこにも書かれていない。それはベテラン技術者の頭の中に存在し、バックチャネルの会話に埋もれているか、誰かが退職すると消えてしまう。
AIに意思決定を任せる前に、真実で学習させる必要がある。それは、あるべき姿ではなく、現場で実際に起きていることを捉えることを意味する。AIが実世界の知識から学ばなければ、実世界の問題を解決することはできない。
何が欠けているのか？現場でのやり取りだ：問題を解決する2人のプロフェッショナル間のやり取り、マニュアル通りにいかない時の即興の修正、どのマニュアルにも載っていない「実際の作業方法」の瞬間だ。
ほとんどの企業は依然として、文書化された資料、事後報告書、または非公式に伝えられる部族的知識に頼っている。それでは不十分だ。スプレッドシートやWordドキュメントの山では、修理の成否を分ける奇妙な音、視覚的な手がかり、即興の回避策を捉えることはできない。
AIをチームの価値あるメンバーにしたいなら、ブラックボックスから出して最前線に送り込む必要がある。
AIは、あなたの技術者が知っていることを知らなければ、あなたを助けることはできない。
AIを最前線に送り込む
サービスはますます複雑になっている。機器はより高度になり、サービスポートフォリオは拡大し、顧客はより迅速な解決を求めている。そしてリーダーたちはAIにそのギャップを埋めるよう求めている。
しかし、あなたのAI戦略全体が、PDFの山をLLMにアップロードしてそれで終わりというものなら、良いことよりも害を及ぼしている可能性がある。
「本の知識」に関しては、AIは地球上のどんな人間よりも速く情報を処理し、思い出すことができる。しかし、それでも現場での何十年もの試行錯誤からのみ得られるようなノウハウが必要だ。だからこそ、AIを働かせる必要がある。
サービス・カウンシルの2025年人工知能とサービステクノロジーの状況調査によると、回答者のわずか22%がAIをサービス戦略の中核と位置づけている。しかし、そのグループの100%がAI投資から測定可能な影響を報告している。
これは、意図と行動が結果をもたらすことの証拠だ。しかし、それにはユーザーとしてではなく、アーキテクトとして考えることが必要だ。
つまり、以下の3つの計画的なステップを踏む必要がある：
• リアルタイムの現場でのやり取りを捉える：実際に何が起こり、どのように修正されたかを示す写真、ビデオ、音声メモ。
• 非構造化知識を構造化する：貴重な情報がSlackのスレッドに埋もれたり、PDFに埋もれたりしないようにする。整理し、タグ付けし、検索可能にする。
• システムに定期的に情報を与える：AIは「設定して忘れる」ツールではない。鋭さを保つためには、クリーンで関連性の高い現場レベルの入力を定期的に与える必要がある。
良いニュースは、始めるために大規模な改革は必要ないということだ。修理の様子をビデオで記録したり、繰り返し発生する問題にタグ付けしたり、現場からの画像に注釈を付けたりするような基本的なステップでも、大きな効果がある。
AIに優れたデータを定期的に与え続ける
AIは強力なパートナーになり得る—しかし、適切な教師から学んでいる場合に限る。
サービス組織では、AIの教室は最前線だ。教師は、現場に立ち、袖をまくり上げ、マニュアルが予測しなかった種類の問題を解決してきた何年もの経験を持つベテラン技術者だ。
これを理解している企業は、すでに実世界の知識を発生源で捉えている。彼らはただAIを導入して最善を期待するのではなく、適切なデータを、適切な人から、適切な形式で与えている。そして、より速いスキル習得時間、よりスマートなツール、再訪問の減少という結果が見え始めている。
あなたのAIがチームの実際の働き方を学んでいなければ、彼らの仕事の改善を助けることはできない。技術者を訓練するのと同じ方法で、リアルタイムの実際の仕事でシステムを訓練しよう。AIは、あなたが与える知識と同じだけの価値しか持たない。
