John Bruno氏はPROSの戦略担当バイスプレジデントである。
あらゆるソフトウェアベンダーが自社製品は「AI搭載」だと主張している。一部の経営幹部にとって、これは刺激的な話だ。結局のところ、取締役会からAIを企業の業務、戦略、ロードマップに組み込むよう、C層への圧力が高まっている。しかし、AIが実際にどれほど先進的かを精査するのは困難だ。最終的には、プレッシャーの下で賢明な決断を下すことが重要となる。間違った選択をすれば予算を無駄にし、チームの動きを鈍らせ、イノベーションを停滞させる可能性がある。正しい選択をすれば、業務を効率化し、成長を促進し、ビジネスに優位性をもたらすことができる。
CIOやIT責任者には、ハイプを無条件に信じるという贅沢はない。可能なことと実用的なことを冷静に区別しなければならない。それには、表面的なことを超えて、より思慮深い質問をすることから始まる。
ビジネスとの適合性から始める
AIはCRMやERPから予測エンジン、価格設定プラットフォームまで、ほぼすべての企業向けソフトウェアカテゴリに組み込まれている。しかし、ツールが「AI搭載」だからといって、それが自社のビジネスニーズに合った機能を持っているとは限らない。
テクノロジーリーダーとして、ユーザー体験に対する「共感力」を発揮しよう。最初に自問してみよう：このツールは我々のワークフローを改善するのか、それとも壊してしまうのか？チームの運用方法の再考を要求するのか、それとも彼らが既にいる場所で対応するのか？
適切なAIソリューションは、ビジネスが既に行っていることをより速く、よりスマートに、より少ない頭痛で実行できるよう支援すべきだ。ツールが摩擦を生み出すと、採用が苦しみ、価値が低下し、誰もが素早く忍耐を失う。AIを評価する際は、機能だけでなく、使いやすさとコンテキストのレンズを通して見るべきだ。
孤立よりも統合を
企業向けツールはどれも孤立して機能することはできず、AIならなおさらだ。ソリューションが既存のデータフローや運用システムと統合できなければ、その影響は限定的になる。
価格設定ソフトウェアを例に取ろう。レコメンデーションエンジンは紙の上では素晴らしく見えるかもしれないが、リアルタイムで正確な製品データ、顧客履歴、取引パターンにアクセスできなければ、何を最適化しているのだろうか？また、取引が行われるCRMやeコマースプラットフォームに洞察をプッシュバックできなければ、販売者や購入者はその恩恵を見ることができない。
効果的なCIOやテクノロジー意思決定者は、AIツールが広範なエコシステムにどれだけうまく接続できるかを評価する。コアシステムからデータを取り込み、従業員が既に使用しているツールに実用的な結果を返すソリューションを探そう。これにより、サイロ化されたシステムを回避し、ツールが企業全体に拡張できることを保証できる。
統合はベンダーの信頼性のテストでもある。実際、ベンダーがAIへの準備状況について質問してくるのは良い兆候だ。最高のパートナーは、結果を約束する前に、データ品質、統合ポイント、またはプロセスの準備状況のギャップを指摘するだろう。場合によっては、まず基盤的な問題を修正するためにAIの導入を遅らせることもあるかもしれない。そうすることで、自動化やインテリジェンスが導入されるとき、それはクリーンで接続された入力から動作し、真の価値を生み出すことになる。
実世界で機能する機能性
スピードと自動化は注目を集める。しかし、それだけでは不十分だ。AIツールは単に速いだけでなく、説明可能な結果を生み出さなければならない。つまり、出力はそれを使用する人々にとって理解できるものでなければならない。
平均的な営業担当者は、なぜその価格提案がなされたのかを理解できるだろうか？調達チームはAIが推奨するサプライヤー切り替えに自信を持って行動できるだろうか？答えがノーなら、そのツールは単なる雑音だ。
自然言語生成のような最も印象的な機能の中には、有用であるよりも賢く聞こえることに長けているものがある。単に「リスキンされた」ChatGPTであるツールは避けるべきだ。なぜなら、それらは多くの場合、意味のある差別化やインパクトを提供できないからだ。ツールの背後にある基盤サービスと、ベンダーがモデルのトレーニングに使用している特定のドメインデータを理解するのに役立つ質問をしよう。
最適なのは多くの場合、ハイブリッドアプローチだ：直感的なインターフェースを作成するための会話型AIと、実際のドメインロジックに根ざした処方型エンジンを背後に組み合わせたツールだ。
パイロットプログラムの力
AIを組織全体に一度に展開するのではなく、狭く明確に定義されたパイロット範囲、クリーンなデータ、明確な成功指標から始めよう。さらに良いのは、ドメインエキスパートがAIのパフォーマンスを直接評価できるユースケースを選ぶことだ。
スピードや効率性を測定するのではなく、AIの推奨事項を経験豊富な人間が行うことと比較しよう。ツールが専門家の判断に匹敵するか、それを上回る結果を生み出し、それを規模で行うことができれば、それは青信号だ。
しかし、結果が一貫性を欠いていたり、ユーザーがロジックを信頼していなかったりする場合は、より多くの時間とお金を投資する前に早期に発見する方が良い。パイロットはテクノロジーを検証するだけでなく、内部チャンピオンを育成するためのものでもある。最高の価格アナリストや営業リーダーがAIが彼らの直感を強化していることを見ると、組織全体でそれを支持する可能性が高くなる。
業務に最も近い人々がツールに価値があると信じるとき、あなたはすでに持続可能な採用への道半ばにいる。
結論：ハイプを忘れ、適合性に集中する
数年ごとにハイプを受ける新たな「フレーバー」のAIが登場してきた（例：ビッグデータ、機械学習、大規模言語モデル、エージェント、ニューラルネットワークなど）。最近では、6か月ごとに新しいものが登場しているようだ。どのような名前で呼ばれようとも、AIが機能するのは業務に根ざし、インフラに支えられ、チームから信頼されている場合のみだ。
だからこそ、CIOは懐疑心と明確さをもってリードする必要がある。難しい質問をしよう。価値の証明を要求しよう。AIがどのように統合され、自らを説明し、既に行われている業務をサポート（妨害ではなく）するかに焦点を当てよう。
そうなれば、AIはリスクではなく、パフォーマンスと可能性の乗数となる—しかし、それは適切なツールが目的を持って選ばれた場合のみだ。
