数か月前、ある米フォーチュン100企業の製造業のCIOとコーヒーを飲みながら、彼は単純だが意味深い質問をしてきた。「AIの導入において、私たちは実際どこにいるのだろうか？」私は真実を伝えた：私たちは皆、同じ場所にいるのだと。
見出しや誇大宣伝にもかかわらず、今日のほとんどの組織は同じゾーン、つまり実験の静かで華やかさのない中間地帯に立っている。そしてそれこそが、真の進歩が始まる場所なのだ。私たちはパイロットフェーズを超えた。その段階では、すべての企業が関連性を示すために「AI戦略」を必要としていた。しかし、完全な規模での統合に達した企業はほとんどない。今起きていることはもっと重要なことだ。私たちは、人間の知性と人工知性が実際に協働するとはどういうことかを学んでいる。
そして、それは静かに、非常に良いことなのだ。
真の進歩が起こるのは中間地点
製造業、物流、医療、教育など、業界を超えて、そのパターンは驚くほど一貫している。組織はAIを目新しいものとして扱うのをやめ、それを運用習慣として扱い始めている。彼らは評価、テスト、学習、構築、スケーリングによって実験の筋肉を鍛えている。ムーンショットはない。誇大宣伝もない。ただ反復の規律ある実践があるだけだ。これが私が「導入のアーキテクチャ」と呼ぶものだ。
私と協力者たちがオープンタレントフレームワークを構築した数年前、私たちは「才能は豊富だが機会は希少である」と主張した。それはAI時代においても依然として真実だ。人間であれ人工であれ、知性はもはや希少なものではない。アーキテクチャが希少なのだ。人、パートナー、機械をつなぐ方法が今や競争優位性を定義している。
実験は導入のアーキテクチャ
私が人間とAIのシステムを研究する同僚たちと働いているハーバード大学のデジタル・データ・デザイン研究所では、この変化があらゆる場所で見られる。
静かに先行している企業は、自分たちの取り組みを「AIプロジェクト」として枠組みしない。彼らはそれを調整の実験として扱い、人間と機械がどのように文脈、タスク、責任を共有するかを探求している。彼らは私が「ワークオペレーティングシステム」と呼ぶものを構築している。これはワークフロー、イベント、ガードレールの調整層であり、人間とAIエージェントが同じプレイブックから操作できるようにするものだ。
これらのシステムでは、AIエージェントは顔のないツールではない。彼らはチームメンバーのように扱われる。彼らはオンボーディングされ、監督され、評価され、そして最終的に引退する。人間の労働者は彼らと競争しない。彼らは協力することを学ぶ。
先見の明のある企業はまた、スキルパスポートを作成している。これは従業員が履歴書に印刷されているものだけでなく、これらの実験を通じて実際に学ぶことの動的な記録だ。それは華やかな仕事ではない。それは構成、ガバナンス、反復だ。しかしピーター・ドラッカーが思い出させるかもしれないように、アーキテクチャは常に実行を朝食として食べる。
良い実験とは
最高の組織はあらゆる場所で実験しない。彼らは意図的に実験する。彼らはいくつかの意味のあるワークフローを選び、構造化されたテストを実行し、結果を測定し、そして最も重要なことに、他者が学ぶことができる再利用可能なパターンを構築する。
最も明確な例の一つはCourseraだ。ジェフ・マジョンカルダCEOが2022年後半にChatGPTでの実験を始めたとき、彼は派手なイニシアチブを十数個承認したわけではない。代わりに、彼はプロジェクト・ジェネシスを立ち上げた。これは価値、コスト、容易さという3つの指標を中心に組織された規律ある実験のポートフォリオだ。
その焦点は実際の結果を生み出した。かつてコース1つあたり約1万ドルかかっていた翻訳が今では約20ドルで済み、21言語で4,400のコースを提供できるようになった。AIを活用した学習アシスタント「Coach」は、学生のクイズ合格率を約10%向上させた。Course Builderは教育者が新しいカリキュラムを数週間ではなく数時間で組み立てることを可能にした。1年もたたないうちに、CourseraはAIをパイロットから運用上の優位性へと変え、コストを削減し、リーチを拡大し、学習を加速させた。これらの成功はどれも一つの大きなブレークスルーからもたらされたものではない。それらは小さく構造化された実験から生まれたもので、それぞれが安全に失敗できるほど控えめでありながら、学ぶのに十分厳格なものだった。それが本当の実験の姿だ：着実で累積的な進歩。
実世界における人間とAIの協働
テスト、測定、改善、繰り返しというこの学習ループはさまざまな分野で見られる。メイヨークリニックでは、放射線科チームが現在数百のAIモデルを運用しており、2016年と比較して55%多くの放射線科医を雇用している。AIは専門知識に取って代わるのではなく、それを拡大した。ワークフローを計測し、AIを協力者として組み込むことで、メイヨーは人工知能を脅威ではなく、チームメイトに変えた。
導入のアーキテクチャは技術的なものだけではない。それは社会的なものだ。それは人間と機械がどのように文脈と責任を共有するかについてだ。業界を超えて、実験をワンオフのプロジェクトではなくインフラストラクチャとして扱う組織が牽引力を得ている。彼らは実験を自分たちの運用モデルの一部にしたのだ。
なぜ中間段階は混沌としているのか
経営幹部はよくこの中間段階が居心地悪いと私に言うが、それは正しい。実験はめったに即座のROIをもたらさない。ガバナンスの問題は増加する。人事チームは、人を管理する代わりにAIエージェントを監督する従業員をどのように評価すべきか疑問に思う。しかし、その不快感はプロセスの一部だ。不快感はデータなのだ。それは組織がガバナンスが追いつくよりも速く学んでいることを意味する。
私たちは人間同士、そして人間と機械の間の新しい形のチームワークを学んでいる。以前の研究で、私はこれを「人間の知性＋AI組織」と呼んだ。それは人間の層を自動化して取り除くことではなく、それを調整することだ。本当の課題は自動化ではない。それは調整だ。もし人間のシステムとAIシステムが互いに話せないなら、どれだけのモデルの馬力も救いにはならない。中間段階が混沌としているように感じるのは、それがアーキテクチャが構築される場所だからだ。
HRは新しいR&D
この段階で最も驚くべき展開の一つは、誰が実際にそれを主導しているかだ。それは必ずしもCTOではない。それはしばしばCHROだ。人事部門はAI時代のアウトカム・インテグレーターになりつつある。人事部門はスキル分類法、インセンティブシステム、そして人間とエージェントの協働を持続可能にする文化変革を所有している。人事部門が実験をコンプライアンス演習ではなく学習エンジンとして扱うとき、導入は加速する。人々はAIを恐れるのをやめ、それがどのように使われるかを形作り始める。人間とAIの時代において、人事部門は単に人を管理するだけでなく、学習のシステムを設計する。
普通のことを英雄的にする
この段階で最も際立っているのは派手さではない。それは着実さだ。この瞬間の本当のヒーローは、ウイルス的なデモや10億ドルの評価額を追いかけるチームではない。彼らは組織を継続的な学習のために配線し、フィードバックループを構築し、インセンティブを調整し、一度に一つの実験でワークフローを洗練するチームだ。
それがオープンタレント運動が常に目指してきたことだ。仕事を生きた適応システムに変え、世界と同じくらい速く進化させることだ。今、AIが加わることで、そのシステムには私たちが見ることはできないが測定できるチームメイトが含まれる。これを革命と呼びたくなるかもしれない。私はそれをリノベーションと呼ぶことを好む。人間とAIの時代における進歩は一つの大きな飛躍からもたらされるのではない。それは何千もの小さな、よく運営された実験からもたらされる。それぞれは普通だが、集合的には変革的だ。
私たちが本当にいる場所
だから、そのCIOが私たちがAIの導入において本当にどこにいるのかと尋ねたとき、私は今日でも同じ答えをするだろう。私たちはあるべき場所、つまり中間地点にいて、いじり、テストし、学び、人間の知性と人工知性が共に流れるように私たちのアーキテクチャを再設計している。それは華やかではない。見出しに値するものでもない。しかし、それは次に来るものの基盤だ。この時代の歴史が書かれるとき、定義的な物語は司法試験に合格した最初のAIや1兆のパラメータに達した最速のモデルについてではないだろう。
それは仕事そのものが読み取り可能になった瞬間、すべてのプロセスが人間と機械の両方によって読まれ、改善され、共有できるようになった瞬間についてだろう。それがAIが本当に有用になるときだ。それが知性、人間であれ人工であれ、進歩に変わるときだ。そしてそれはここから始まる。静かな中間地帯で、実験という単純で華やかさのない習慣から。
