世界中の取締役会メンバーや経営幹部との最近の議論から、AI導入をより成功させ、ROIを向上させる実践法が明らかになっている。以下の8つのアクションは、通常の業務過程で数百人の取締役会メンバーや経営幹部との対話に基づいている。AI導入者によって特定されたこれらの実践は、実証的または研究ベースのものとして捉えるべきではない。多くは公開された研究と一致しているが、多くは新しいか異なるものである。
AI導入を成功に導く8つの実践
- AIの使用をビジネス戦略と結びつけ、目標を明確にする —一部のリーダーにとっては当然のことかもしれないが、多くの取締役会メンバーや上級幹部は、AI導入をビジネス戦略や関連する優先事項と結びつけることの重要性を強調している。専門家は、自動化（人間のタスクをテクノロジーで置き換える）、拡張（テクノロジーを通じて人間の成果を向上させる）、付加（新たな価値源を見つける）を区別している。
初期のAI導入者の多くは、自動化によるコスト削減、拡張による品質向上、付加による競争力の差別化の組み合わせから強力なROIが得られることが多いと報告している。AI導入の理由は様々である。例えば、コスト重視は支出削減、効率向上、スピード向上、スケーラビリティ向上に関連する可能性がある。価値創造は、品質向上、精度向上、一貫性向上、ばらつき減少、徹底度向上、知性向上、よりデータ駆動型になることに関連する可能性がある。差別化は、より多くのイノベーション、優れたユーザー体験、より持続可能であることに関連する可能性がある。ビジネスリーダーは、今日のAI導入はほぼすべてコストと効率に焦点を当てているが、最も効果的な実装には、企業戦略に結びついた拡張と新たな価値源の要素も含まれていると示唆している。 - 自社の専門領域から始める — 一部の「伝説的な話」とは対照的に、多くの取締役会メンバーや上級ビジネスリーダーは、初期の最も成功したAI導入は、組織やチームが強い専門知識を持つ領域で行われたと報告している。AIを使用して専門知識を拡大したり、新しい領域に参入したりした場合、導入の成功はより混在していた（リーダーは、新しいテクノロジーと新しい領域を同時に学ぶことは難しいと報告している）。また、現在のAI学習モデルは、効果的に機能するために必要な専門知識をユーザーが提供することに依存していると報告しており、AIがより高度になり企業がより経験を積むにつれてこれが変わる可能性があることを認めている。
- 組織内にスキルを構築する — 多くの取締役会メンバーや上級リーダーは、組織がすでに必要なAIスキルを持っているか、AIを実装し価値を引き出すために必要なスキルを開発している場合、AI導入は一般的により成功していると報告している。彼らは、組織内でスキルを構築することが実用的でない場合（またはそのようなスキルが短期的にのみ必要な場合）に第三者と提携することの重要性を強調し、外部の専門家と協力することは非常に価値があり効果的であると述べている。しかし、外部のスキルへの過度の依存は長期的な成功を減少させる可能性があると指摘している。いくつかのリーダーは、外部の専門家は組織におけるAIの潜在的な影響と能力（およびROI）についてより楽観的である傾向があり、内部の専門家は結果に対して責任を負うためより慎重であったと共有している。多くのリーダーは、組織内に主要な技術スキルと人材を持つことが長期的な競争優位の源泉であると考えている。
- ポイントソリューションに焦点を当て、大きすぎる課題は避ける — 多くの取締役会メンバーや上級リーダーによると、AIツールとエージェントは広範なプロセスではなく、特定のタスクでうまく機能する。彼らはエージェンティックウェブがこれを変える可能性があることを知っているが、最も成功した実装は、テクノロジー、スキル、学習が意味のある進歩を遂げた後に、より広範なプロセスを形成するために織り合わせることができるポイントソリューションから始まる。トップダウンの戦略とプロセス開発は依然として重要であるが、「トップダウンとボトムアップの融合」アプローチによるソリューション実装は多くのリーダーにとって効果的であることが証明されている。リーダーたちは、多くを引き受けすぎたり、気が散ったり、壮大な計画を立てたりするとROIが低下すると報告している。彼らはROIを高めるために焦点を絞ったアプローチを好む。
- AIが解決できるスケーラブルな問題に取り組む — 焦点が重要である一方で、多くの取締役会メンバーや上級リーダーは、スケーラビリティが成功したAI実装にとって不可欠であると報告している。彼らは、最も重要でスケーラブルな問題を解決することが実装の成功とROIを促進すると示唆している。理想的なAIポイントソリューションは、スケーラブルで、優先度が高く影響力の大きい問題に対応できる。そのような組み合わせはまれかもしれないが、それらを特定し実行する組織は、そうでない組織よりも実質的に高いROIを報告している。
- 人間とAIのパートナーシップを再考する — 多くの取締役会メンバーや上級リーダーは、人間対AIの議論は善意からのものかもしれないが、方向性を誤っている可能性があると示唆している。彼らは、最も成功した実装はプロセスを再考し、どのプロセスがAI、人間、または最も頻繁には両方によって最もよく提供されるかを考慮する「ベストオブ」アプローチを取ると報告している。一般的に、初期の実装は生成AIの強みには、定型プロセスの自動化、スケール、スピード、一貫性を持つパターン認識、データ分析と予測、複雑な計算、境界内でのシミュレートされた推論が含まれることを示している。人間の強みには、文脈認識と応用、ルール外での創造性、感情的知性、倫理的・価値観に基づく意思決定、予測不可能または新しい状況での柔軟性、身体的スキルが含まれる。効果的なプロセスは両方の強みを活用し、人間とAIの新しい形のパートナーシップを含む。
- データの可用性と品質を優先する — 多くの取締役会メンバーや上級リーダーは、成功したAI導入の過小評価されている要素は適切なデータを持つことであり、これは適切なスキルを持つことと同じくらい重要である可能性があると示唆している。彼らは、データはしばしばテクノロジー開発に次ぐ商品と認識されているが、現在は逆が真実であると報告している。データの可用性、所有権、規制およびガバナンスルール、サイバー/データセキュリティは依然として課題である。多くのリーダーは、正確で安全で取り込み可能で分析可能な大量のデータへのアクセスがなければ、AI導入が遅くなる可能性があると考えている。最も洗練されたAIツールやエージェントでも、適切なデータがなければ意図したとおりに機能することはできない。
- 文化の役割を理解する — このスペースが以前に報告したように、多くの取締役会メンバーや上級リーダーは、組織の文化の5つの側面が効果的なAI導入に不可欠であると報告している。1つ目は目的の文化で、AI導入中にビジネスモデルや日常業務が変革する中で一貫性を推進するリーダーシップの接着剤として機能する。2つ目は学習の文化で、特にリアルタイムのAIイテレーションの目まぐるしいペースの中で、失敗から継続的に学び、教訓を将来の行動に取り入れることを受け入れる。3つ目はリスク管理の文化で、実験と学習が安全かつ責任を持って行われることを確保し、AIの成長を管理するための動的で責任あるガバナンスモデルを含む。4つ目は魅力的な従業員体験を中心に形成されたエンゲージメントの文化で、AIが従業員が価値を置くもの、働き方、価値を付加する方法、雇用主に期待するものを再形成する可能性があることが理解されている。最も効果的なリーダーは、変化について定期的にコミュニケーションをとり、物語を語り、従業員の懸念に耳を傾け、適切に対応する。5つ目はイノベーションの文化で、大胆であり、変化をサポートし、複数のシナリオを検討し、対立する見解のバランスを取りながら複雑さ、曖昧さ、パラドックスを管理するマインドセット、文化、アイデアのポートフォリオを持つチームを構築することでAI導入をサポートする。
企業がAIにアプローチする理由と方法には違いがあるにもかかわらず、リーダーたちはAI使用が成熟し続けるにつれて進化し続ける可能性が高い一連の実践に基づいて、AI導入中により高いROIを達成する能力を経験している。
