タイラー・ホックマン氏は、プレミアAIソリューションアーキテクトのFORE Enterpriseの創業者兼CEOであり、フォーブス「30アンダー30」の受賞者です。
企業はAIの導入競争に参加し、生産性向上とよりスマートな結果を期待して多額の投資を行っています。しかし、ゴールに到達した時に何を期待すべきか、そしてそのゴールラインがどこにあるべきかを定義するために立ち止まって考えることが賢明です。
最近のMITのレポートでは、衝撃的な現実が明らかになりました：組織の95%がAI投資からの収益がゼロだったと報告しています。統合されたAIパイロットから数百万ドルの価値を実現したのはわずか5%で、大多数は測定可能な損益への影響が見られませんでした。
このレポートは、定義されたKPIの公式な企業報告ではなく、個別のインタビューと逸話的な証拠に基づいています。測定可能なデータがなければ、調査結果は簡単に無視されるかもしれません。しかし、それは間違いです。なぜなら、このレポートは実際の重大な問題を明らかにしているからです：AIの導入に熱心な多くの企業が、結果がコストに見合うかどうかを測定するための適切な基盤を整えずに、高価なソリューションに投資しているのです。
従業員が現在1日でどれだけのことを達成しているかを正確に定義するための時間を事前に投資することを怠ると、企業はAIが生産性、そして最終的には利益に違いをもたらしているかどうかを判断できません。
FOREでは、クライアントとの新しいAIソリューションプロジェクトに着手する前に、常に目標を明確に概説し、リターンが投資を正当化するかどうかを評価するよう企業に求めています。私たちはしばしばビジネスを断り、単にAIブームに乗るためだけに初期コストをかける価値はないとクライアントにアドバイスしています。
過剰支出を避け、AIを成功裏に実装するために、以下の4つのステップを検討してください：
1. AIによる改善が測定可能になるよう、生産性のベースラインを設定する
何を改善しようとしているのか、そしてその改善がどれだけの価値があるのかを正確に知る必要があります。まず、特定のAIソリューションにとって成功がどのようなものかを定義することから始めましょう。最良のアプローチは、AIが置き換えるか改善する特定のタスクのパフォーマンスを測定し、AIの支援を受けて生成される出力と比較できるようにすることです。
例えば、サポートデスク業務のベースライン出力を、1時間あたりの応答数やチャットボットからオペレーターにエスカレーションされる質問の数で定義するかもしれません。法務業務では、ベースライン出力は弁護士が事件の調査を行うのにかかる時間かもしれません。
2. KPIをAI駆動の成果に合わせる
改善されたKPIのセットは、すべてのビジネスとすべてのタスクで異なります。サポート業務では、より迅速な応答時間かもしれません。法務業務では、調査時間の短縮かもしれません。これらの指標を確定したら、改善されたKPIを達成するためのドルあたりのコストを計算できます。
現在のコストから始めましょう。サポートチームが年間600万ドルかかり、平均して1分間に200件のクエリを処理する場合、クエリあたりのコストはほぼ6セントになります。次に、AIがこの方程式をどのように変えるかを推定します。AIがコストを6セントから4セントに削減できれば、インタラクションあたり2セントの節約になります。1分間に200件のクエリがあれば、これは急速に積み上がり、6か月で約100万ドルの節約になります。
これで、ROI目標を達成するためにAIにいくら支出できるかが正確にわかります。また、従業員の給与とAI投資のコストを比較することもできます。改善のためのベースラインができたので、AIが従業員の効率を向上させるか、人件費を削減するかを評価できます。
3. チームとツールを訓練する
MITの調査によると、組織がAIの可能性を最大化できない主な要因は学習ギャップです—AIモデル自体の失敗ではなく、ツールを完全に受け入れない懐疑的な従業員の問題です。
最近、私たちはプライベートエクイティ企業向けに洗練された金融ツールを開発した後、この課題に直面しました。このツールは技術的には優れていますが、チームはまだ一貫して使用していません。問題は、AIがフィードバックループに依存している—人間のユーザーからの修正に基づいて学習し改善するということです。初期設定がどれほど強力であっても、フィードバックがなければツールは目標のROIを達成できません。
AIツールが価値を生み出すためには、ビジネスリーダーはチームに効果的な使用方法を教える必要があります。マッキンゼーのレポートによると、調査対象の従業員のほぼ半数がより正式なトレーニングを望んでおり、それがAI採用を促進する最良の方法だと考えています。ビジネスリーダーは、従業員がAIツールを使用する準備が十分にできていることを確認するために耳を傾けるべきです。
4. 利益を独り占めしない
インセンティブの不一致は別の障害です。生産性の向上はC層幹部にとって様々な利点があります：コスト削減、収益増加、競争優位性—これらはすべてあらゆるビジネスの最優先目標です。しかし、最終的には生産性目標を達成するためにAIと日々協力して働かなければならないのは従業員です。
多くの従業員はAIに仕事を奪われることを恐れています。10倍の仕事をこなしたり、CEOがより少ない人員を雇ったりすることで、彼らにはどんな報酬があるのでしょうか？ビジネスリーダーは、AIの成功的な使用に従業員の報酬を結びつけるべきです。これは私が先ほどKPIについて述べたことに戻ります：ベースラインが月5,000行のコードであれば、それを超える数に報酬を与えることができます。これにより、ビジネス結果を改善し、従業員に直接利益をもたらすウィンウィンの関係が生まれます。
AIは価値がある—しかし効果的に使用した場合のみ
AI投資が意味を持つためには、ビジネスリーダーは生産性の向上が利益の向上にもつながるかどうかを理解する必要があります。明確なベースラインとKPIを定義し、チームにスキルを提供し、AIを効果的に使用するよう奨励することで、導入されるすべてのAIソリューションがビジネスにとって賢明であることを確保できます。
このアプローチにより、AIは単なる実験以上のものになります。従業員の時間を節約し、企業の経費削減にもつながる利益創出ツールへと変わるのです。
