AIによるデジタルトランスフォーメーションについて経営幹部と議論すると、よく耳にするのは「多額の投資をしたが、期待したほどの見返りがない」という声だ。これは一部の組織だけの主張ではない。業界を問わず、同じパターンが見られる。企業は変革イニシアチブに多大な時間、資金、エネルギーを投じているにもかかわらず、実現された価値は、良くても小幅な改善にとどまっていると感じている。
AI（人工知能）に関して言えば、これほど多くのリーダーがある技術の変革力を確信している時代は、近年なかったのではないだろうか。私もその確信を共有している。その可能性は計り知れない。マクロレベルでは、AIは生産性の大幅な向上、コスト削減、そして価値創造のための全く新しい機会をもたらすはずだ。
しかし、私たちが直面し続けているパラドックスは、実際にこれらの恩恵を今日実現している組織がごくわずかだということだ。企業はパイロットプロジェクト、プラットフォーム、概念実証に投資してきた。新たなAIチームを配置し、自動化やエージェントの実験も行ってきた。それでもなお、AIは少なくとも今のところ、ビジネス成果を根本的に変えるには至っていない。
実際に何が起きているのか？
私は問題がAI自体にあるとは思わない。技術は機能している。課題は、組織がそれをどのように適用しようとしているかにある。多くの組織が過去の技術と同じようにAIにアプローチしている—既存のプロセスに重ねて、より良い結果を期待している。
しかし、AIは異なる。単にタスクを自動化したり、ワークフローを効率化したりするだけではない。AIを理解するには、それがビジネスのやり方やプロセスの運用方法に関する多くの基本的な前提を変えることを認識する必要がある。必要なスキル、データの役割、顧客やステークホルダーとの関わり方、そして部門間の相互依存関係を再定義する。それは非常に広範な変化だ。簡単に言えば、AIは私たちに運用モデルの再考を迫るのだが、ほとんどの組織はそこで躓いている。
意味のある価値を獲得している企業を見ると、彼らは皆、一つのことを明確にしている：運用モデルを大幅に変更しているのだ。彼らはテクノロジースタックだけでなく、人材（その数とスキルセットを含む）、組織構造、そして仕事の進め方も再考している。彼らはAIを浸透させた運用モデルと呼べるものに移行している。
未来からの逆算、プロセス前進ではなく
以前にも使った例えだが、効果的なので再度使おう。フェラーリを購入したとイメージしてほしい。紙の上では、それは素晴らしいアップグレードだ。以前の車よりも速く、反応が良く、はるかに高度だ。しかし、そのフェラーリを渋滞の中で運転していたら、その本来のパワーを体験することはできない。通勤時間はほとんど改善されない。
これがAIにプロセス前進型のアプローチを取った場合に起こることだ。既存のプロセス、人材、システムにAIを適用し、大きな結果を期待する。多少の効率性向上は見られるかもしれないが、本当の可能性は古い運用モデルの制約によってブロックされている。ある意味、AIが主導する世界では根本的に異なる現在の前提に基づいて構築すると、視野が狭くなってしまう。
代替案は、私たちが未来からの逆算アプローチと呼ぶものだ。これには、運用モデルがどのようになるかの未来の状態、または未来予測を構築し、そこから逆算して作業することが必要だ。「AIで既存の業務をどう改善できるか？」と問うのではなく、「AIの世界でこの機能をゼロから設計したら、どのようになるだろうか？」と問う。これははるかに強力な問いかけだ。そこから逆算する：今日の状態から、その描いた未来に向かうために必要なステップを描き出すのだ。
難しい部分：未来はまだ明確ではない
ここで多くの人が立ち止まる。誰もまだ大規模に実現していない未来の状態に向けて構築するのは難しい。歴史的に見ると、大規模な組織は破壊的技術に直面すると、小さな段階的進歩を遂げ、プロセスを前進させ、待つ傾向がある。彼らは他者に最初の一歩を踏み出させ、その失敗から学び、適切な運用モデルが現れるのを待つことを好む。そうすることで、不確実性を減らし、定義された目標に向かって進むことができる。しかし、AIに関しては、そのモデルや目標はまだ存在していない。
これはジレンマを生む：他者を待って遅れをとるリスクを負うか、あるいは目指す先の完全な姿がないまま今から構築を始めるか？
私の経験では、答えは構築を始めることだが、厳密さを持って行うことだ。これらの未来の運用モデルは規律を持って構築されなければならない。テクノロジースタック、必要なスキル、顧客との関係など、あらゆる要素には明確な根拠が必要だ。確かに不確実性はあるだろう。組織はこれらの未来の状態モデルを懐疑的に見るだろうし、そうあるべきだ。それらが今日持っている証拠に基づいて構築されていることを理解する必要がある。はい、それらは未来の推測であり、具体的に正確というよりも方向性として正しい可能性が高い。重要なのは、それらを動的で生きたフレームワークとして扱うことだ。理解が深まり、何が機能するかについての証拠が蓄積されるにつれて、それらは進化すべきだ。
未来予測を確立する際、他者がそのビジョンに向かってどのように進んでいるかを追跡することも重要だ。彼らの経験から学ぶべき貴重な教訓がある—多くの場合、彼らが行わなければならなかった痛みを伴う変更から。同業他社や競合他社がこれらの変化をどう乗り切るかを観察することは、自分のアプローチを洗練させるだけでなく、選んだ方向性に自信を持つことにもつながる。そして、状況の進化を見守るにつれて、私たち自身の未来像はより明確になる。だからこそ、これらの未来の状態モデルは静的であってはならない。厳密でありながらも動的で、私たちの進歩と他者の経験の両方が、未来の真の姿についての理解を形作るにつれて、継続的に更新される必要がある。
なぜ忍耐が重要か
これは私たちが歴史的に進んできた方法ではない。通常、私たちは目標とする運用モデルに基づいて精巧な計画を立て、それに向かって容赦なく推進する。これが大規模な変革の多くが価値を獲得できない理由の一つだ。さらに、私たちはテクノロジーに過度に焦点を当て、組織構造—人材、相互関係、そしてエコシステムの残りの部分—を調整することに注力しない傾向がある。運用モデルの残りの部分こそが、私たちを躓かせるものだ。
また、これが1年のプロジェクトではないことを覚えておくことも重要だ。これは複数年にわたる旅だ。そして、もどかしい真実は、多くの価値は運用モデルの再構成という困難な作業を終えた後にしか現れないということだ。だからこそ、初期に踏み出すステップがとても重要になる。
初期のステップが重要
逆算を構築する際、焦点は直近の基礎的なステップに置くべきだ。先を見れば見るほど、道筋は不明瞭になる。目指す山は分かっていても、ここからそこまでの間にある川や森は、近づいてはじめて見えてくる。
それらの短期的なステップが最も重要だ。それらは価値の解放を始め、より大きな変化のための基盤を築く。本当の解放は運用モデルが進化したときに起こり、それには時間がかかる。初期のリターンは控えめかもしれないが、その旅において規律を保つことが、AIを実験する組織とAIで真に変革する組織を最終的に分けるものだ。
