レオン・ゴードン氏は、データ分析のリーダーであり、英国を拠点とする現役のマイクロソフトMVP、そしてOnyx DataのCEOである。
私はさまざまな業界で同じことが起きているのを目にしている。企業は大きな期待を抱いてAIパイロットプロジェクトを開始するが、実際の価値を見る前に行き詰まることが多い。熱意は薄れ、チームは焦点を失い、リーダーたちはそのリスクに見合う価値があるのかと不安になる。
問題は通常、AI自体にあるわけではない。ほとんどの企業がAIを本当に活用できる体制になっていないのだ。通常のビジネス改善には有効だった古いやり方（構造、ルール、意思決定プロセス）は、自ら考え行動するAIシステムを扱う場合には通用しない。AIのテスト段階から収益化へ移行するには、これらの新しいタイプのAIに適合するよう企業の仕組みを変革する必要がある。
目標は、AIがビジネスに一貫して価値をもたらすようにすることだ。
パイロット版の停滞から脱却する
変更諮問委員会やリスク委員会のような旧来の承認プロセスは、安全性と予測可能性を確保するために作られたが、現在ではただ物事を遅らせるだけになっている。
リーダーたちと話すと、彼らは通常同じことを言う：十分な速さで動けない。先日、ある大手小売業のクライアントと話していたが、彼らは16週間のプロジェクトでさえ今日の市場には遅すぎると言っていた。これはAIが単なるもう一つのシステムではなく、競争をより速くするものであることを示している。
AIを収益化するために最初にすべきことは、自社のプロセス自体が問題であると認識することだ。リーダーは現在の業務の進め方を見直し、何が遅延の原因になっているかを突き止める必要がある。余分な承認レイヤーを削減し、テストを迅速化することで、より柔軟になり、パイロットプロジェクトを実際の製品に変える能力を得ることができる。
私たちのビジネスに大きな影響を与えた習慣の一つは、実験のための時間を確保することだ。金曜日の午後をオープンなR&Dセッションに充てることで、開発者たちが可能性を探る余地を与えている。この習慣により、後で必要になったときのために新鮮なアイデアを常に念頭に置くことで、社内のイノベーションエンジンが構築された。グーグルはこのアプローチで有名であり、その結果、同社の最も成功した製品のいくつかが生まれている。
人間による監視型ワークフローへの再設計
運用設計の次の段階は、人間が介在する検証から人間が監視する監視体制へのシフトに焦点を当てている。この人間による監視型の監督により、システムが信頼でき、観察可能で、ビジネス価値に沿ったものであることが保証される。
しかし、このモデルの鍵は知識移転だ。人々は雇用保障のために組織的知識を保持することが多い。しかし、その情報を一人の人間やチーム内に閉じ込めておくと、自律システムが現実的に達成できることが制限される。エージェント型AIを実用的にするには、プロセス、コンプライアンス要件、意思決定の枠組みを文書化して、AIが優れた人間の判断から学び、それを再現できるようにする必要がある。
そこで観測可能性が最も重要になる。私たちは運用エージェントの上で動作するエージェント型AIレイヤーを追加し始めた。これらは専門的なタスクを処理し、問題がリスクに発展する前に警告を発する。これは継続的な監査レイヤーと考えるとよい：過度な人間の制御なしにAIを軌道に乗せ続けるための指標、警告、フィードバックループのシステムだ。
自律の時代における説明責任の再定義
説明責任は、AI変革において最も重要でありながら誤解されている側面の一つだ。
ビジネスを変える可能性のある決定をシステムが下す場合、それを単独で行うべきではない。問うべき正しい質問は「AIがこの決定を下すべきか？」である。
経営幹部は、人間による監視がいつ必要かを決定する明確なガイドラインを設定しなければならない。現在、最高データ・AI責任者が通常、さまざまな部門からの特定の代表者によってサポートされながら、そのガバナンスフレームワークを管理している。重要なのは、AIシステムに決定を下させるのは、その選択を裏付ける確固たる検証済みのデータがある場合に限ることだ。
私がクライアントによく言うように、説明責任は想定するものではなく、構築するものだ。ガードレールを実装することは、誠実さを守るのと同じくらいイノベーションを守ることにもなる。
継続的なAI展開のための予算編成の再考
これらのプロジェクトにおけるもう一つの一般的な摩擦の原因は資金調達だ。従来の予算サイクルとROIモデルは、継続的な展開や適応学習のために設計されていない。AIは一度きりの出費ではなく、成長する動的なシステムだ。
私は組織にインキュベーターのように考えることを勧めている。新しいソリューションを素早くプロトタイプ化し、価値を実証し、成功したモデルを通常のビジネスチームに戻すことができる小さな機動的な「ファイアホースチーム」を構築しよう。
専用の資金がない場合は、時間を資本として割り当てる。社内チームに、ビジネスにとって重要な特定の課題やユースケースを実験する余地を与えよう。限られたR&D時間でも、導入を加速する迅速な成功につながる可能性がある。
一部のテクノロジーパートナーは、特にそのイノベーションが彼らの戦略的利益に合致する場合、プロジェクトを共同出資することもある。これらの資金調達パートナーシップを探ることで、初期プロジェクトのリスクを軽減し、社内の信頼を構築できる。
リーダーシップの進化する役割
この新しい運用モデルでは、C級幹部の役割が変化している。AI導入の初期段階では、多くのリーダーがAIファーストの考え方を熱心に受け入れたが、責任を持ってそれを拡大する複雑さに直面すると後退した。その転換は必要なことだった。
AIは人間の判断力を高めるべきだ。私はリーダーシップの役割を、制御することから調整し可能にすることへと移行していると考えている。焦点はAIにより多くの仕事をさせることではなく、AIを協力者として人々がより良い仕事をできるようにすることにあるべきだ。
私はこう考えている：あなたのチームを現在の役割でスーパーヒーローにするにはどうすればよいか？AIに反復的なタスクを処理させ、チームが創造性、戦略、問題解決に集中できるようにしよう。そしてスーパーヒーローチームとAIツールのバランスを調整する役割を担おう。
収益性のためのフレームワーク
私の経験に基づくと、パイロットから収益化へのスケーリングの基盤として、5つの相互接続された柱があると考えるようになった：
1. 人材：透明性、能力強化、積極的な知識移転を促進する。
2. プロセス：スピードと柔軟性のためにワークフローを改善し近代化する。
3. ビジネス価値：まず成果を確立し、テクノロジーにそれらの成果をサポートさせる。
4. ガバナンスとセキュリティ：システム全体でデータの整合性とコンプライアンスを保護する。
5. 反復と測定：何が効果的で何がそうでないかを示す指標を開発する。
これらの柱が連携して機能すると、AIはビジネスをサポートするツールから、ビジネスを維持するエコシステムへと進化する。
実験から実行へ
パイロットから収益化への移行において、運用の成熟度は極めて重要だ。エージェント型AIは測定可能なROIを提供できるが、それは組織がその独立性に対応できる体制が整っている場合に限る。
これは人材の能力強化、プロセスの簡素化、データの保護、そして価値への継続的な追求を意味する。エージェント型AIがビジネスのパートナーになるにつれ、目的を持って実行することがさらに重要になる。エージェント型AIの活用を通じて、企業自体がインテリジェントになるのだ。
