ジュリアーナ・コルボ氏はNearsure（ノータル社の一部）のCEOである。
過去10年間、AIについて数多くの予測がなされてきた。しかし、技術が進歩する中で、これらの予測のうち実際に実現したものはどれほどあるだろうか？
2015年の世界は、現在とはまったく異なる場所だった。当時、レイ・カーツワイルは予測していた。2020年代までに、ナノボットによって病気が根絶され、チューリングテストに合格し、自動運転車が道路を埋め尽くすだろうと。しかし、この10年の半ばを過ぎた今、これらの予測の多くは実現していない。
新型コロナウイルスのパンデミックにより企業がデジタルトランスフォーメーション計画を加速させた時、2020年の予測はより実用的な応用に焦点を当て、日常機能や収益創出に関連するものとなった。しかし2025年現在、AIはそれほど限定的ではなく、あらゆる場所に存在している。
AIはまだ進化中であるため、予測は変化します。先を見すぎて的を外すのではなく、現在AIが最も役立つ領域を理解することが重要です。
実際のAIの現状
カーツワイルは印象的な実績で知られているが、2015年の彼の予測は的を外した。これはAIでは起こりうることであり、特に企業が急ぎすぎたり、一度に労働力の大部分を置き換えるなど大きすぎる構想を持つ場合に起こる。その代わりに、企業は将来を思い描きながらも、第一歩としてAIの現状と有用性を見極める必要がある。
生成AIを例に取ろう。ほとんどの見解によれば、この技術は2020年に急成長し、2022年にChatGPTの一般公開により完全な熱狂へと変わった。今日、それは架空の未来の問題ではなく、実際のビジネス課題にAIを適用する最たる例となっている。
以下に、生成AIの実際の価値を示すいくつかのユースケースを紹介する。
コンテンツ生成マシン
マーケティングは今、コミュニケーションのための全く新しいデザインシステムの恩恵を受けている。チームはブランド用語、承認されたナラティブ、規制上の免責事項、ブランドの真正な文章の例をシステムに入力する。そこから、生成AIはキャンペーンコピー、製品概要、アウトリーチメール、サポートチケットの回答、リリースノートをハウススタイルで作成する。
レビュアーは白紙の状態から始めるのではなく、編集し、代替案を要求し、追跡可能な変更を加えた草案を受け入れる。機密性の高い主題では、AIアシスタントは引用を含めるか、草案を必須のレビューステップに転送する。最大の効率向上は、標準的なプレイブックに従うことで、反復可能で一貫性があり、測定可能なプロセスにより、迅速に強力な初期バージョンに到達することから得られる。
仕事のベストパートナーとしてのコパイロット
企業情報は多くの場合、ウィキ、内部システム、共有ドライブ、メール、チャットスレッドなどが混在した状態で乱雑である。ナレッジコパイロットは、その混沌を答えに変換し、必要な正確な箇所を取り出し、ソースへのリンクを提供する。
例えば、請求担当者はコパイロットに現在のポリシーの抜粋と、最近の変更ログへのリンクを尋ねることができる。同様に、セールスエンジニアは最新のセキュリティ対応を引き出し、SOC 2レポートや同じ監査に合格した以前の実装を参照できる。コパイロットは権限を徹底し、各ユーザーが閲覧を許可されているもののみを表示し、すべての回答には引用が含まれているため、ユーザーは行動を起こす前に情報を確認できる。
法律、医療、金融指示などの重要なシナリオでは、コパイロットは自由形式の生成を使用しない。正確性と監査可能性を確保するために、ソースを直接引用する。
最新の規制をすぐに適用
リサーチアシスタントエージェントは、法務、財務、リスクチームが基準を妥協することなく迅速に作業するのを支援する。規制が変更されると、これらのエージェントは法令、規制、公式ガイダンスなどの一次ソースを特定し、変更点とそれがケースやポートフォリオに与える潜在的な影響を要約する。
コンプライアンス担当者は特定の条項を監視し、基準に変更があった場合に要約された更新情報とアラートを受け取ることができるようになった。これらの更新は公式登録簿にリンクし、変更点の比較を並べて表示する。弁護士が議論を調査する際には、特定の管轄区域内の類似したケースに関する情報を要求し、関連する抜粋と引用を含む簡潔なリストを受け取ることができる。
スケーラブルな分類とランキング
分類とマッチング機能は、大規模な分類とランキングという膨大なタスクを処理する。採用などの重要なビジネスプロセスでは、AIシステムが何千もの履歴書と職務記述書を解析し、定義された基準に基づいて役割に適合する候補者を強調表示し、マッチングの理由を文書で説明する（スコアではなく）。カスタマーオペレーションでは、AIは製品、意図、リスクを特定することで、受信チケットを適切なキューにルーティングする。Eコマースオペレーションでは、マージすべき類似SKUを提案し、レビューが必要な異常値にフラグを立てるなど、カタログの最適化を支援する。
レビュアーはシステムが特定のアイテムをマッチングさせた理由を確認し、必要に応じて根拠を修正して将来の提案を改善できる。採用などの人と収益に影響を与えるこれらの決定には、バイアスと公平性のチェックがワークフローに組み込まれている必要がある。影響の大きい決定は、人間による最終レビューが有益かもしれない。
HRとPXの味方
パーソナライズされた従業員体験は、職場を監視システムに変えることなく、学習とパフォーマンスに焦点を当てる。オプトイン同意により、アシスタントは最近のプロジェクト、役割の期待、目標を分析し、カスタマイズされた学習パスを提案する。そのプランには、従業員の次のステップに合わせた書籍、記事、コース、業務課題が含まれる。
新任マネージャーは1対1のミーティングの運営に関する的を絞ったガイダンスを受け取り、サポートエージェントは最も頻繁に扱う製品分野に合わせた例を受け取るかもしれない。人々は自分の推奨事項を検査して調整でき、HRはその体験が単にエンゲージメント指標を膨らませるのではなく、実際にスキルギャップを埋めるかどうかを評価できる。この従業員データの取り扱いでは、同意と明確さが最優先事項である。人間の監視が、どのデータが使用されるか、その目的、およびその寿命を決定する。
次に来るものへの準備
AIが世界を驚かせ続ける中、一つのパターンが明らかになっている：成功した導入は壮大な未来のビジョンからではなく、現在の能力を現在の問題に適用することから生まれる。予測は方向性を設定したり、妥当な懸念を提起したりすることはできるが、進歩は今日の問題を解決することから生まれる。
生成AIには生産性を向上させ、業務を効率化し、体験をパーソナライズする膨大な可能性がある—しかし、意味のある成果を得るには思慮深い計画が必要である。私は、測定可能な結果を得る組織は、戦略的で影響力の高いユースケースに焦点を当て、明確で管理されたプレイブックを採用する組織だと考えている。運に頼るのではなく、設計によって将来に備えた強固な基盤と運用システムを構築するために、今実現可能で現実的なことから始めよう。
