競争は始まっている。あらゆる経営陣がAI（人工知能）をビジネスの中核に取り込む方法を模索している。企業は、これまでなら何年も先送りされていたような数百万ドル規模の技術刷新を次々と承認している。彼らは単に表面的な調整だけでなく、エージェント型ワークフローに対応するための業務モデルの再考を進めている。そして通常なら長期的な賭けと見なされるような取り組みを加速させている。
バンク・オブ・アメリカは年間約40億ドルのAIとテクノロジーへの投資を発表し、グローバル業務とトレーニング全体にインテリジェントシステムを組み込んでいる。プロクター・アンド・ギャンブル（P&G）は、製品イノベーション、製造、サプライチェーン計画にAIを結びつけた「AIファクトリー」を全社的に拡大し、数億ドル規模のコスト削減を見込んでいる。ウォルマートはサプライチェーンの主要部分をリアルタイムAIシステム中心に再構築し、数年かけて進めるはずだった近代化の取り組みを現在に前倒しし、巨大な小売ネットワーク全体の商品の流れを再形成している。
彼らの緊急性は理解できる。AIは競争を再形成する汎用的な能力だ。多くのリーダーは、過去のテクノロジーシフトで動きが遅すぎた結果を今でも覚えている。インターネットが登場したとき、驚くほど多くの経営者がそれを一時的な流行、おもちゃ、あるいは良くてもオタク向けの目新しいものとして退けた。Eコマースが続いたとき、一部の実店舗事業者は決済・配送システムの刷新を遅らせすぎた。その結果、オンラインプレゼンスと呼べるものは、デジタルパンフレット程度のものでしかなかった。モバイル技術とオムニチャネル体験への移行により、企業はより早く注目せざるを得なくなったが、それでも多くの企業は何から始めればよいか分からずに苦戦した。今回は、誰も取り残されたくないのだ。
不確かな投資効果
しかし、間違いなく必要な投資は膨大であり、リターンは時に不明確だ。最近のMIT調査によると、初期のAI施策は測定可能な成果をほとんど生み出していない。この報告書によれば、企業AIに数十億ドルが投資されているにもかかわらず、生成AIパイロットプロジェクトの約95%が測定可能なビジネス価値を生み出せていないという。
最新のウォートン-GBK調査はより明るい見通しを示している。3年間にわたる米国大企業の調査で、研究者たちは70%以上の企業が現在、AIの生産性と収益性への貢献を正式に追跡していることを発見した。これらの企業は、生成AIが生産性、スピード、処理能力の着実な向上とともに測定可能な財務リターンを生み出していると報告している。
投資回収の対照的な結果は矛盾ではなく、AIの成熟度の違いを反映している。ランニングの効果を測定したいとき、ケニアのオリンピック選手、週末のクラブランナー、そして私のようなソファでくつろぐ人を同じ調査にまとめないだろう。私たちのインプットは異なり、結果も異なる。
私たちが目にしているのは、AIトランスフォーメーションが文化、プロセス、戦略の変革を要求しているということだ—テクノロジーだけではない。文化とは、人々がインテリジェントツールと協働するために必要な直感、信頼、自信を構築することだ。プロセスとは、AIが古いやり方の上に乗っかるのではなく、ワークフローを再構築することだ。戦略とは、AIがビジネスの軌道をどこで変えられるかを見極める作業だ。テクノロジーは、クリーンなデータからシステムがリアルタイムで学習できるインフラまで、他のすべてを可能にする基盤だ。これら4つの要素を考慮すると、企業はAIトランスフォーメーションの成熟度において3つのステージに分類される。
第1段階：試行錯誤
最初の段階はまさにその名の通りだ：期待なしの実験。人々はさまざまなことを試している。経営幹部はChatGPTで遊んでいる。マーケティングチームはGemini 3 Proでビデオを生成し、次の全体会議で人々を盛り上げようとしている。カスタマーサービスチームはサイトにチャットボットを設置している。
これらはすべて健全なことだ。テクノロジーで何が可能かという直感を養う。また、チームがAIをいつ信頼できるか、いつ信頼できないかを学ぶのにも役立つ。企業はトレーニングや推奨事項を通じて、従業員がツールをより良く使えるよう支援できる。例えば、Zoomミーティングを文字起こしするためのさまざまなAIアプリがある。どれを使うべきか？組織に最適なツールをチームが選べるよう支援しよう。
残念ながら、一部の組織は実験を抑制しようとして対応している。彼らは実験を防ぐためのガバナンスボードを作る。ベンダーに対し、ワークフローのどこにもAIを使用しないことを証明するよう要求する—それが可能かどうかにかかわらず。これは近視眼的だ。
しかし、ここでの目標は結果ではなく—文化の変革だ。アウトプットはより高いリテラシーと、価値がどこにあるかをより明確に理解することだ。この段階では、千の花を咲かせるのは良いことだ。ただし、大きな収穫を期待してはいけない。
第2段階：ユースケース
実験段階が緩すぎると感じ始めると、リーダーたちはより具体的なものを求め始める。彼らはAIが物事をより速く、より安く、あるいは人間の介入を減らせるかもしれない個別の「ユースケース」を探す。
試行錯誤から問題解決へのこのシフトが、投資回収を見ている企業とそうでない企業の主な違いだ。MIT調査は、フロントオフィスの実験に手を出す企業と、実際にお金が生み出されたり節約されたりするプロセスにAIを深く組み込む企業との間で広がる「生成AI格差」について述べている。
ほとんどのユースケースは効率性に焦点を当てている。オールステートのような損害保険会社は、自動車保険請求に添付される100ページの「要求パケット」を解析するためにAIを使用するかもしれない。シティのような銀行は、特に同意命令の痛みを経験した後、規制遵守を強化するためにAIを追求するかもしれない。Tモバイルは、顧客が実際に離れる前に離れる可能性が高い顧客を特定するために予測モデルを使用している。
現在、この作業を獲得しようとする企業が殺到しており、それぞれが混乱によって定義されている時代に明確さを約束している。従来の経営コンサルタントは、クライアントが何をしているかの調査を発表し、それが思想的リーダーシップとして通用することを期待している。大手テクノロジーサービス企業は信頼できるAI実装チームを立ち上げるために競争している。これらの企業は人材確保に苦戦している。彼らは単純にGoogle、Microsoft、Palantirがトップエンジニアに提供する報酬に匹敵できない。これらのテック大手は、クライアントがすぐに実装できるユースケースを提示し、ほとんどの企業が惹きつけることを夢見るだけの人材によってサポートされている。その人材ギャップこそ、集中することがとても重要な理由だ。AIが実際に針を動かせる重要なユースケースをいくつか選び、素早く結果を出すのに十分なリソースを投入する必要がある。
皮肉なことに、最も価値のあるユースケースの多くは、ClaudeやGPT-5のようなフロンティアモデルを必要としない。Tモバイルの顧客維持の課題は、生成AIではなく、かなりの機械学習とデータ分析を必要とする。生成ツールは強力だが、予測モデル、最適化、ビジョンシステム、そして同様に多くの価値を生み出すことの多い他の形式の機械学習と並んで存在している。しかしLLMは十分な経営者の想像力を捉えたため、これらを機能させるために必要な「退屈な」インフラのための予算が突然利用可能になった。勝者はAIをポートフォリオとして扱い、単一の賭けとしては扱わない。
第2段階の最大の課題は文化とプロセスだ。第2段階は、企業が周辺実験だけでなく、コアワークフローを開放したときにのみ成功する。ユースケースはしばしば特定の事業部門リーダーの縄張り内にあり、そのリーダーはイノベーションチームが周辺で試行錯誤することを喜んで許可する。ただし、重要なものには触れないでほしい。この力学が続く限り、投資効果は常に制限される。それはサプライチェーンを再発明せずに美しいEコマースサイトを構築するようなものだ。組織が能力を中心に自らを再構築するまで、意味のあることは何も起こらない。
最大の投資効果を見ている企業は、コアビジネスプロセスを新しい考え方に開放している企業だ。これらの企業は、システムがコンテキストから学び、規模で運用できるようにワークフローを再設計している。成熟度の低い組織は、AIを既存のプロセスに取り付け、変革を期待しようとしている。統合、整合性、そして仕事の進め方を再構築する意欲がなければ、AIは意味のある変化の源ではなく、高価な実験のままだ。
第3段階：失敗ケース
第3段階では、企業は最適化を超えて再発明に向かっている。AIの最も変革的な応用は、既存のプロセスを模倣したり、日常的なタスクから数分を削減したりするものではない。それらは今日誰も解決していない問題に取り組むもの、あるいは1年前には存在しなかった脅威を浮き彫りにするものだ。第3段階は、2種類の重要な失敗ケースにテクノロジーを適用することがすべてだ。
最初の種類は率直な質問をする：あなたの会社が5年または10年後に存在しない可能性がある3つか4つの理由は何か？そしてAIがその結果を防ぐのにどう役立つかを尋ねる。2つ目の種類は視点を反転させる：AIそのものがあなたが持っていると信じている競争優位性をどのように消し去る可能性があるか？テクノロジーがあなたのビジネスモデルのどの部分を無関係にする可能性があるか？
OpenAIの最初のパートナーの1つはモルガン・スタンレーだった。CEOのアンディ・サッパースタイン氏は差し迫った崖を見た：クライアントの需要は増加していたが、新しい資産運用マネージャーの供給は増えておらず、アドバイザーの退職の波がそのギャップをさらに悪化させようとしていた。同社はその制約を受け入れるのではなく、モルガン・スタンレーがどうやって追いつくかという問いから、どうやって専門知識を拡大できるかという問いに移行し、各アドバイザーが対応できるクライアント数を劇的に増やす方法としてAIに目を向けた。間違いなく、崖は迫っている。
すべての企業にはそのような失敗ケースがある—年次計画にはめったに含まれないが、それでも将来を形作る不快な真実だ。
100ページの要求パケットと格闘している保険会社を考えてみよう。現在、AIはその会社が請求をより速く処理するのを助けることができる。しかし、仕事がはるかに難しくなったらどうだろう？現在、事故弁護士はプライベートエクイティによって統合されている。非常に近い将来、請求者は100ページではなく5000ページを送り、クレーム部門を圧倒することを目的とするかもしれない。あなたのシステムがそれに備えていなければ、銃撃戦にナイフを持って行ったような気分になるだろう。
あるいは、アイデンティティ全体が効果的なブランドマーケティングに基づいている食品会社を想像してみよう。購入決定がエージェントやアルゴリズムによって仲介されるとき、何が起こるだろうか？あなたの30秒のスポットの温かい輝きは、選択をしているはずの人に届かないかもしれない。なぜなら、人が全く選択をしていないからだ。
第3段階の課題はプロセスだけではない。それは戦略だ。今後5年から10年でどのように物事が展開するかを想像し、勝利するための計画を立てる能力だ。第3段階を後回しにすることはできない。なぜなら、あなたを破壊する可能性のある未来は、あなたの成熟度のタイムラインを待ってくれないからだ。
真の課題はリーダーシップ
3つのステージすべてにおいて、テクノロジーは必要だが十分ではない。企業はモデルを購入するだけでは変革しない。彼らはワークフロー、インセンティブ、意思決定システムを再構築するから変革する。そうすることで、学習が時間とともに複利的に増加する。
もちろん、戦略、文化、プロセス、テクノロジーのすべての課題の下には、深く人間的なものがある。それはリーダーシップだ。私たちのほとんどは、未来が私たちに向かって突進してきているときでさえ、現在に焦点を当てている。私たちの脳は破壊的な未来を想像するようには配線されていない。私たちはデフォルトで馴染みのあるものに頼る。私たちは世界が今日とほぼ同じであると想像する。おそらくそれは本当かもしれない。しかし、それに賭けるのはやめよう。
リーダーシップの真の仕事は、現在を超えて考える自分自身の能力を拡大し、そして何百人、何千人もの人々を深い曖昧さの期間を通じて導くことだ。最も厳しい真実は、AIが私たちが快適になるのを待っていないということだ。それは私たちの本能、習慣、そして多くの場合、ビジネスがどのように機能するかについての私たちの前提よりも速く動いている。この瞬間に立ち上がるリーダーは、古いプレイブックを磨く人ではなく、それに疑問を投げかける意欲のある人だろう。彼らは不確実性を排除すべき問題としてではなく、そこからリードする場所として扱うだろう。彼らは自分自身に、組織がまだ見ることができない未来を想像するよう促し、他の誰よりも先にそれらの未来の中で運営するためにチームを準備するだろう。
それが真のフロンティアだ—リーダーシップが昨日うまくいったことを守ることから、明日来るものに人々を備えさせることへと変わる瞬間。AIはビジネスを変革しているだけでなく、未来が必要とするリーダーの種類も変革している。
