クリス・チェンバース（MBA）は、アインシュタイン・ブリッジおよびチューリング・フォージの創設者であり、チェンバース・キャピタル・ベンチャーズ社の代表です。
2007年に技術分野でのキャリアをスタートさせた時、70年の歴史を持つAI技術が世界を熱狂させることになるとは想像もできませんでした。1967年にスタンフォード大学の研究者によって作られたELIZAは、最初のチャットボットでした。IBMのワトソンは2011年のクイズ番組「ジェパディ！」で人間を圧倒しました。
私たちがマクロレベルで目撃しているこの現象は、AIがもはや単なる技術ではなくイデオロギーとなったという点で、大きな意味を持っています。これが「データは新たな石油である」というフレーズが繰り返し聞かれる理由だと考えています。テキサス州ヒューストン出身で、先端技術コンサルティング会社で石油・ガス産業に携わった経験から、この類推について考えると現在の状況に疑問を抱かざるを得ません。
データによって駆動されていない情報システムなど、私は一度も見たことがありません。この文章を書きながら、独自のAIモデル構築における競争の必要性に基づいて、データの「価値」がある程度変化していることは認識しています。モデルのトレーニングに使用されるデータが一定の価値向上をもたらすのです。しかし、データを「新たな石油」と称することは、石油・ガス産業に詳しくなく、「石油」という用語に必要な業界のメカニズムを適用できない人々にとって、誤解の溝を作り出します。
あなたは車のオイル交換をどのくらいの頻度で行いますか？ガソリン（石油の派生物）を車に給油する頻度は？車の内装や部品のどれだけがプラスチック（石油の派生物）で作られていますか？私たちは石油の派生物を毎日使用していますが、その使い方は大きく異なります。石油が抽出された後にそれをどう活用するかという決断は、地中から石油を発見することよりもはるかに大きな影響を持つのです。
組織で最も求められる人物は誰か？
この記事の目的は、過去12カ月のニュースサイクルで最も広く流布された見出しの一つに光を当てることです：「MITの調査によると、企業のAIパイロットプロジェクトの95%がROIを生み出せていない」
ChatGPTによる人工知能の民主化以降、明らかになったのは、世界が人間の知性に匹敵するように見えるマシンに夢中になる一方で、知性の価値を引き出すために私たちが使用している構造を検証していないということです。
組織で最も求められる人物は誰でしょうか？これはひっかけ問題ではなく、答えはCEOではありません。筆者として読者の思考を促したいので、質問を言い換えます：組織で最も求められる人々は誰でしょうか？
「誰に求められているのか？」と自問している方も多いでしょう。それがまさに私がこのような質問の仕方をしている理由です。この質問の答えは、AIパイロットプロジェクトの95%が失敗している理由を解き明かします。
外部の営業担当者やマーケターにとって、組織で最も求められる人々は誰でしょうか？意思決定者です。
経営幹部にとって、組織で最も求められる人々は誰でしょうか？意思決定者です。
データは石油、意思決定者は車
100人以上の従業員を抱える組織を思い浮かべてください。従業員数と比較して、意思決定者は何人いるでしょうか？100人の組織に対して保守的に7人の意思決定者がいるとしましょう：CEO、財務責任者、運営責任者、マーケティング責任者、営業責任者、技術責任者、カスタマーサクセス責任者です。
車の目的はA地点からB地点へ移動することです。同様に、意思決定者の役割は情報を見極め、CEOのビジョンに基づいて会社を現在地（A地点）から目的地（B地点）へ導くための最良の行動方針を判断することです。
この情報はデータの形で提供され、組織の従業員が日々の責任を遂行する中で生成されます。外部データは、マクロ経済的な情報源や競合他社、顧客の活動から生成されます。
AIパイロットプロジェクトの失敗の根本的な原因は、組織内で従業員数に対して意思決定者が少ない理由についての根本的な誤解にあると考えています。
ユースケースは意思決定の階層構造に取って代わることはできない
多くの組織構造の根源は、ドイツの社会学者マックス・ウェーバーの官僚制理論にさかのぼり、軍事組織と企業組織の両方に適用されます。これら2つのモデルの並行構造は以下の通りです：
米国大統領 = CEO
将軍 = 副社長
指揮官 = ディレクター
部隊長 = マネージャー
兵士 = 従業員
このような階層は指揮系統として知られており、決定される情報量が指数関数的に増加するにもかかわらず、階層が上がるほど意思決定の立場にある人が少なくなる理由を理解するために、これを理解する必要があります。
意思決定科学がデータから価値を創造する方法
AIと高度に統合された社会へと移行する中で、長年にわたって組織を形作ってきた意思決定構造を活用することで、AIの成功的な導入を確実にすることができます：
1. 組織が毎日行う最も重要な意思決定を特定する。
2. それらの意思決定を生み出すデータがどのように生成されるかを判断する。
3. 重要な意思決定に使用されてきたデータが肯定的な結果をもたらしたかどうかを検証する。
4. 組織内での重要な意思決定データのライフサイクルのロードマップを作成する。
5. 意思決定者と非意思決定者の混合チームを編成し、重要な意思決定データプロセスのあらゆる側面を標準化する方法について協力する。
これは、会社が生成している石油（データ）の価値と、それが本当に車（意思決定者）を動かしているかどうかを成功裏に検証するための基盤です。
私たちが認めたくないほど頻繁に、私たちの存在の中核にある素晴らしい器官が、組織としての意思決定に責任を持っています。「直感に従う」ことが、これまでのAIパイロットプロジェクトの95%がROIを生み出せなかった理由だと強く信じています。
