ManageEngine CEO、ラジェシュ・ガネサン氏による寄稿。
AIが取締役会での議論を席巻する中、多くの企業リーダーが「自社のAI戦略とは何か」と問いかけている。これはAIを目的そのものとして捉える考え方だ。しかし、AIはあくまで目的—より高い使命—を追求するための技術にすぎない。リーダーたちが問うべきは「自社のビジネス戦略は何か、そしてAIはそれにどう貢献できるか」ということだ。
この1年間で100人以上のテクノロジーおよびビジネスリーダーと対話する機会に恵まれたが、一つ明らかなことがある：私たち全員が、AIがデジタルトランスフォーメーションの旅のどこに位置づけられるのかを理解しようとしているということだ。
私が学んだのは、テクノロジーのブレークスルーを組織の高次の目的と取り違えると、表面的には魅力的だが中身の薄いシステムを構築してしまうということだ。それらは企業ITの他の部分と十分に統合されておらず、拡張性も持続性もない。AIの場合、この教訓は極めて重要だ。
ブレークスルーの罠
ブレークスルーに惹かれるのは人間の本質だ。それらは刺激的で、基調講演で素晴らしく見え、前進している感覚を与えてくれる。さらに、私たちの業界では、新しい顧客、投資家、人材を引き寄せることが多い。しかし、ブレークスルーそれ自体は問題を解決しない。
ChatGPTのリリースを例に取ろう。それは確かに印象的だった。ほぼ一夜にして、あらゆる企業がAI統合を発表し始めた。一部のチームは早期機能をリリースした。他のチームは紙の上では良さそうに見えたが、最初の本番デプロイメントを生き延びられなかったエージェントを構築した。「最初になる」というレースが始まったのだ。効果的であることは後回しだった。
私たちはこの展開を以前にも見てきた。数年前はブロックチェーンだった。その前は仮想化で、さらにその前はクラウドだった。これらの技術にはそれぞれ実際の価値がある。しかし、どのサイクルでも成功した企業は、目新しさを超えて大局と事業成果に焦点を当てた企業だった。世界で最も洗練されたAIエンジンを持っていたとしても、それがビジネス上の問題を解決していなければ、単なるデモにすぎない。
AIへの道のり
15年前、デジタルトランスフォーメーションについて初めて語り始めたとき、私たちはそれを期限のあるプロジェクトのように扱った。時間が経つにつれ、それはプロジェクトではなく、複数の段階と多くの気を散らすものがあるが、最終目的地のない旅であることに気づいた。ほとんどの組織では、それは次のようになる：
1. インサイトのシステム：これにはデータベースアーキテクチャ、ロギングフレームワーク、チケットシステム、在庫管理システム、インフラ監視ツールなど、データの収集と履歴を一元化するシステムの構築が含まれる。
2. ワークフローのシステム：これらは手作業のプロセスを自動化して一貫性と再現性を持たせるものだ。ルールエンジン、チケットルーティングロジック、サービスレベル契約（SLA）強制システム、プロセスダッシュボードなどの自動化ツールが含まれる。
3. エクスペリエンスのシステム：これらはポータル、サービスカタログ、会話型アシスタント、ユーザーダッシュボード、モバイルアプリなど、従業員や顧客のインタラクションを形作るエクスペリエンス管理システムだ。
4. インテリジェンスのシステム：ここがAIの位置づけであり、AIエージェント、大規模言語モデル（LLM）ベースのアシスタント、異常検知、リアルタイム分析など、他の3つのシステムセットを改善するAI技術が組み込まれる。
AIから始めるのではない。最初から始めて、順番に段階を進んでいく必要がある。なぜなら、それぞれが次の段階の基盤となるからだ。データが乱雑で、ワークフローが分断されているか、アクセス制御が不明確であれば、AIは役に立たない。実際、状況を悪化させる可能性もある。だからこそ、インテリジェンスのシステムを真空の中で構築するのではなく、一つずつ規律ある層を積み重ねて構築していく必要があると私は言うのだ。
より良い問いかけ
正しいAIマインドセットはAIに焦点を当てるのではなく、組織に焦点を当てる。AIの価値はその能力自体にあるのではなく、組織の改善にどう役立つかにあることを認識している。
サポートをパーソナライズしたいのか、脅威をより速く検出したいのか、オンボーディングの摩擦を減らしたいのか、観測性を向上させたいのか？目標を明確に定義すれば、AIは精度を持って適用できるツールとなる。
明確にしておくが、ゆっくり進むことは問題ない。実際、速くて脆弱なよりも、遅くても着実な方が良い。LLMを搭載したチャットボットを2週間でデプロイすることもできるし、6ヶ月かけてデータを準備し、モデルをトレーニングし、ユースケースをビジネスKPIに合わせることもできる。後者のアプローチは時間がかかるかもしれないが、より信頼性の高い結果をもたらすことは間違いない。
AIが価値を生み出すのは、明確な方向性と強固な基盤がある場合のみだ。AIをスタックに統合する前に、自問してみよう：
• 私たちのデータは信頼できるか？
• プロセスは明確に定義されているか？
• 改善したい成果は何かを把握しているか？
これらの質問のいずれかに対する答えが「いいえ」であれば、まずそこに焦点を当てるべきだ。
長期的視点
AIデモに夢中になるのは簡単だ。しかし、それがスケールしたらどうなるか、2年目には何が起こるか、そして騒ぎが収まってから6ヶ月後の成功とは何かを問うのはより難しい。しかし、AIに関しては、これらの問いこそが私たちがもっと問うべきだと信じている。最初に到達することではなく、持続する価値を提供することが重要なのだ。
