Lakeside Softwareの創業者兼最高経営責任者（CEO）、マイク・シューマッハー氏。
先日、ファストフード店に行ったとき、セルフサービスの注文機が故障していた。手書きの張り紙がレジに誘導していたが、店員によるとレジも動いていないため、現金での支払いしかできないとのことだった。私は少額の現金を持っていたが、後ろの客は持っておらず、そのまま店を出て行った。
これが私の言う「デジタル・シュリンケージ（損失）」だ—壊れたワークフローによる収益の損失である。ハードウェアとソフトウェアは存在していたが、プロセスが機能していなかった。店内のスタッフは全員すでに100％稼働していたため、誰も修理を担当できなかった。「これが壊れている」から「これが修理された」という明確な信号経路がなかったのだ。技術は存在していたが、ワークフローが存在していなかった。
これが多くのAI導入における根本的な問題だ。既存のプロセスにAIを付け加えるのは簡単だ。洗練されたユーザーインターフェース、パイロットプログラム、あるいはデモ動画を手に入れることができる。しかし、AIをワークフローに組み込み、そのワークフローを再考して実際に成果を変えることが難しい部分なのだ。
それこそが価値の所在だ。AIに成果を出させたいなら、モデルではなく、プロセスと目標から始めるべきだ。
ツールの前に成果を定義する。
まず一つの質問から始めよう：「AIはどのビジネス指標を動かす必要があるのか？」レストランの例では、指標は単純だ：注文処理量、平均待ち時間、現金受け入れ、放棄率。AIがこれらを改善できなければ、それは単なる高度な装飾に過ぎない。
ITでは、同等の指標としてインシデント解決までの平均時間（MTTR）、初回コール解決率、チケット再割り当て数などが挙げられる。いわゆる「AIアシスタント」が別の手順を追加したり、新しいキューを作成したりするだけでは、本質を見失っている。
ワークフローを端から端まで図式化する。
私の経験では、ほとんどの失敗は引き継ぎ時に隠れているため、潜在的な破綻点を明らかにするために、信号から解決までの経路を描くことが重要だ。誰が検出を担当するのか？誰が振り分けを行うのか？自動化されたステップが失敗した場合のフォールバックは何か？顧客はどこで行き詰まるのか？
ファストフード店では、注文機には壊れたプロセスに対処する方法がなかった。単純な「問題を報告」ボタンや自動ヘルスチェックがあれば、ループを閉じることができただろう。それは魔法ではなく、ワークフローの問題だ。
ITでも同じ論理が適用される。エンドポイント、アプリケーション、ネットワークからの信頼性の高いデータを含む可観測性から始める。AIを使用してパターンを特定し、速度低下やクラッシュの原因となる可能性が高いものを提案する。作業を最初から適切な担当者に振り分ける。繰り返し可能なタスクを自動化する。例外には人間をループに入れておく。統合されたAIの価値は、チャットボットの「個性」からではなく、引き継ぎの減少と修正の迅速化から生まれる。
遅延と曖昧さが敵となる場所でAIを使用する。
私の経験では、優れたAI導入には2つの特徴がある：時間を圧縮し、不確実性を減らすことだ。どちらの場合も、ビジネス指標に明確なプラスの影響がある。いくつか例を挙げよう：
• ITサービス運用：AIツールはテレメトリー、過去のチケット、ナレッジ記事を読み取り、VPNタイムアウト、プロファイル破損、ドライバーの競合などの一般的な障害を自動診断できる。そして、推奨される修正策とともに、適切なチームに問題を割り当てることができる。この戦略は通常、再割り当ての減少、解決までの平均時間の短縮、従業員のダウンタイムの減少につながることがわかっている。
• デジタルサイネージの信頼性：タイムズスクエアのデジタル広告板が空白になっていると、秒単位で有料リーチが燃えていく。エスカレーションパスを誰も所有していないと、広告板は空白のままで、損失は分単位で増加する。AIをループに組み込むことで、自動プロセス再起動の開始、正確な資産IDと場所を含むアラートをオンコール技術者に送信、フィールドチームにページを送るバックアッププランを用意するなど、問題を解決できる。
• 空港の手荷物キオスク：私たちは皆、Windowsのアップデート通知が画面を覆い、イライラした旅行者の列が増えていくキオスクを見たことがある。AIエージェントは、フォアグラウンドウィンドウの変更を検出し、キオスク以外のダイアログを自動的に閉じるか抑制し、乗客を移動させ続けるための他のステップに従い、制御されたスケジュールでアップデートを実行することで、ワークフローレイヤーでこれを修正できる。
これらの成果はどれも、昨日のプロセスの上にチャットボットを貼り付けるだけでは得られない。それらは、作業を再設計し、AIをフロー内に組み込んだときに実現する。
インセンティブとフィードバックを修正する。
インセンティブのない技術は定着しにくい。キオスクが故障したのは、それを健全に保つことで報われる人がいなかったからであり、顧客が問題を簡単に報告する方法がなかったからだ。AIが役立つもう一つの方法は、問題を表面化し、適切な人物に振り分け、報告者とのループを閉じることを些細な（そしてほとんど自動的な）ものにすることだ。AIのおかげで今週顧客に何分返せたかをチームに示せば、目に見える成果の周りに彼らが結集するのを見ることができるだろう。
ITでは、最前線のエンジニアは時間と労力を気にしている。AIがチケットのピンポンや週末のエスカレーションを減らせば、採用が進む可能性が高い。単にノイズを追加するだけなら、おそらく消えていくだろう。モデルを使用する人間に対して説明責任を持たせよう。
「AIの表面的な装飾」に注意する。
多くのベンダーは新しいインターフェースで変革を約束する。しかし、バックエンド—データ、ルーティング、ルールを含む—が変わらなければ、単に薄い表面的な装飾を構築しただけだ。それは現代的に見え、時間を稼ぐが、障害モードは同じままだ。レストランでは、壊れたプロセスの上にタッチスクリーンを描いても、カードで支払いたかった人の助けにはならなかった。ITでは、まだ一般的なチケットを作成するだけの洗練されたAIエージェントは、営業電話中にVPNが切断された従業員の助けにはならない。
テストは簡単だ：何かが壊れたとき、あなたのAIは気づき、行動し、解決するのか—それとも丁寧だが結局は無意味な段落を生成するだけなのか？
静かな優位性を探す。
私の経験では、最高のAIプログラムは見出しを作らない—それらは仕事をよりスムーズにする。顧客は注文を完了し、従業員はより早く仕事に戻り、リーダーはより少ない驚きとより良い数字を見る。
それが要点だ。成果から始め、プロセスを再設計し、遅延と疑念を取り除く場所にAIを組み込む。結果を測定し、それを繰り返す。それを行えば、デジタル・シュリンケージやその他の問題を軽減（あるいは排除）することができる。また、イライラした顧客が店を出て行くことが少なくなり、すでに所有しているシステムからより多くの価値を得ることができる。
