AIへの投資リターンについて当初は多くの懐疑的な見方があったが、現在では企業がAIを主導していることを示す証拠が出てきている。エージェント型AIは組織に大きな価値をもたらす可能性を秘めている。例えばウォルマートは、単独のツールから統合された「スーパーエージェント」へとエージェント型AIエコシステムへの転換を図り、顧客、従業員、サプライヤー、開発者にサービスを提供している。
ウォルマートはトレンドから製品を生み出すエージェントを導入し、通常6カ月ほどかかるウォルマートのファッション製品の生産期間を最大18週間短縮した。モジュール式のエージェント型AIバックボーンを構築することで、ウォルマートは新機能の展開、新たなユースケースのサポート、AI技術の進化への適応を容易に行えるようになった。ウォルマートの事例は、エージェント型AIで価値を創出するために、AI、組織文化、ガバナンス構造を絡み合わせることの重要性を示している。
このような組織の焦点の大きな転換には、価値創造の劇的な再構想と、AIをただのツールとして使うのではなく、AIとのスキルパートナーシップを構築するための組織的役割の再考が必要である。この変革を達成するために、リーダーが考慮すべき3つの重要な点を概説する。
エージェント型AIによる価値創造の統合
AIエージェントとは、プロンプトに応答するだけでなく、推論、計画、行動（多くの場合自律的に）して目標を達成できるAIシステム（エージェント）を指す。エージェントは単なるコンテンツ生成ツールではなく、意思決定、ワークフローのトリガー、システム間の連携を行う能力を完全に備えている。小売の文脈では、エージェント型コマースとは、これらのエージェントを使用して、ショッピング、物流、パーソナライゼーション、サプライチェーンタスクなどを処理することを指す。つまり、AIはユーザーが検索クエリを入力するのを待つ必要がなく、ニーズを予測し、主導権を取り、取引を推進する。
エージェント型AIは、企業の機能を機能的サイロから企業全体の価値統合者へと変える可能性がある。エージェント型AIシステムは環境を認識し、目標を設定し、計画を立て、複数のステップとシステムにわたって自律的な行動を取ることができ、タスクベースの自動化からエンドツーエンドのワークフロー統合と意思決定へと焦点を移す。従来のビジネスインテリジェンス（BI）ツールでは、ユーザーは固定ダッシュボードをナビゲートし、フィルターを選択し、チャートを手動でドラッグアンドドロップしてデータを可視化する。例えば、地域営業マネージャーがビジネスインテリジェンスシステムに「昨年と比較した中西部地域の第3四半期の販売実績」について問い合わせるようなケースだ。エージェント型AIでは、エージェントはリクエストを分析し、比較パフォーマンス指標と時系列データの必要性を認識し、自律的に最小限の関連ソリューションを生成する能力を持つ。単一の比較チャートに加えて、エージェントは「パフォーマンスの低い上位5都市」を示すドリルダウンボタンなどのオンデマンドソリューションを生成でき、クリックすると、それらの場所を強調表示する2番目の一時的な地図インターフェースが読み込まれる。また、「地域VPへのメール下書き」というラベルの付いた「次のアクション」ボタンを生成することもでき、クリックすると、チャートの主な調査結果を要約した事前入力済みのメール下書きが開く。
すべての可能なユースケース向けに設計された静的インターフェースではなく、エージェント型AIシステムは会話のコンテキストに基づいてオンデマンドでインターフェースを生成できる。システムは、特定のユーザーの状況と目標に合わせてカスタマイズされた、必要なときにフォーム、視覚化、またはインタラクティブな要素を提示する可能性がある。エージェントとのやり取りはダッシュボードではなく、手動のナビゲーションとデータ操作を排除する、ユーザーの特定のワークフローの次の論理的なステップを提供するコンテキストソリューションである。エージェント型AIインターフェースは、事前に構築されたコントロールのセットではなく、エージェントの計画されたアクションを確認または完了するために必要な最も効率的な形式を取る会話出力である。ユーザーは、自分が取り組んでいることを常に再確立したり、情報を繰り返したりする必要がない。会話は、各インタラクションが以前の理解に基づいて構築される連続したスレッドとなり、よりスムーズでインテリジェントな体験を生み出す。
エージェント型AIは、AIモデルが従来のコードベースに追加される補助的なコンポーネントではなく、ソフトウェアアーキテクチャの主要な構成要素と意思決定センターになるというパラダイムシフトを表している。エージェント型コマースは、AI駆動の製品推奨、パーソナライズされたオファー、動的な広告フォーマットなどの新しい収益源への扉を開く。リーダーはプロンプトを作成して即座に結果を確認することで、アイデアを直接テストでき、コンセプトと現実のフィードバックループがはるかに緊密になる。これにより、ビジネス機能は「仕様に基づく構築」から「実験を通じた発見」へとシフトする。
エージェント型AIにおけるコンピテンシーとしてのAIリテラシー
エージェント型AIはビジネス機能を変革する可能性を持つが、組織全体に浸透させる必要がある重要な能力はAIリテラシーである。AIリテラシーには、組織がタスク自動化から価値チェーン統合のマインドセットへと移行し、複数のシステムと部門にまたがるユースケース（例えば、保険における端から端までの請求処理、物流における動的なサプライチェーンの再ルーティング）を特定し優先順位付けできることが求められる。価値は、エージェントが複雑なワークフローを自律的に調整する能力にある。
AIリテラシーの高い組織は、「既存の、潜在的に非効率的なプロセスにAIをどのように適用できるか？」ではなく、「自律型エージェントはこのワークフローをどのように設計するか？」という質問から始めるべきである。組織はまた、エージェント型AIイニシアチブを顧客維持の増加、システミックリスクの削減、市場投入時間の短縮などの高レベルの戦略的目標に直接リンクする能力を持つべきである。これには、AIの出力を精度、バイアス、倫理的影響、戦略的関連性について質問し評価する能力が必要であり、AIの提案をオーバーライドするタイミングを知ることも含まれる。
新しいアイデア、コンテンツ、またはソリューションを生成するためにAIをコパイロットとして使用するには、人間の創造性が真に新しい概念を洗練し、組み合わせ、生み出すことができるヒューマンインザループアプローチが必要である。また、AIが分析できるが文脈的に判断できない非構造化問題の解決や複雑なトレードオフの検討にも焦点を移すべきである。
エージェント型AIマインドセットのためのガードレール
エージェント型AIが研究アシスタントから企業内の自律的な行動システムへと移行するにつれて、従来のガバナンスモデルでは不十分になる。主な課題は、常に人間の介入なしに推論、計画、複数ステップのタスクを実行できるシステムを制御することにあり、予測不可能または連鎖的な結果につながる可能性がある。これには、監査可能性、検証可能性、監視を確保するための適切なガードレールとメカニズムの確立が必要である。
焦点は、ルールを通じてあらゆる可能な失敗モードを予測して防止しようとするのではなく、多くのシナリオにわたって望ましい行動の包括的な例をモデルに提供することにあるべきである。AIモデルの能力が製品設計に重要になると、企業は安全性と整合性を確保するためのレッドチーミングなどのアプローチが必要になる。以下に3つの可能なアプローチを概説する：
- 敵対的テスト：リーダーはAIを積極的に「レッドチーム」するために時間とリソースを割くべきである。これには、内部チームまたはサードパーティの専門家が、有害、偏見のある、または無意味な応答を引き出すために巧妙なプロンプトを使用してシステムを破壊しようとすることが含まれる。
- 目標の不一致：リーダーは、モデルが指示の意図された意味ではなく、文字通りの解釈を最適化する可能性があるシナリオをテストする必要がある。例えば、「顧客の苦情を迅速に解決する」よう指示されたカスタマーサービスボットが、正当な懸念を不適切に却下する可能性がある。
- コンテキスト操作：リーダーは、矛盾する指示が与えられた場合、コンテキストがトークン制限を超える場合、または重要なコンテキストが大量の無関係な情報の中に埋もれている場合に、モデルがどのように動作するかをテストすべきである。モデルの注意メカニズムが圧倒されたり誤った方向に導かれたりすると、信頼性が低下する可能性がある。
上記で説明したように、エージェント型AIはビジネス機能を「仕様に基づく構築」から「実験を通じた発見」へと変化させる。静的で計画されたプロセスを動的で自己最適化するシステムに変換する。従業員の仕事は、実行者やルール作成者から目標設定者とリスク監督者へとシフトする。エージェント型AIの機能がより広く展開されるにつれて、業界とプラットフォームのエコシステムにも対応する変化が予想される。
