AIパイロット疲れの急速な広がりにより、企業が昨年の典型的なアドバイスを続けることが困難になっている。そのアドバイスとは、AIパイロットを実行し、仮説を検証し、結果を測定し、うまくいったものを拡大するというものだ。その代わりに、中小企業のAI導入において同じことが繰り返されているのを目にする。AIの使用から最大の可能性を実現しているチームは、厳格な実験を行っているのではなく、探索プロセスを使用しているのだ。この種のマインドセットにより、パイロットの停滞に陥っている企業は、テストに行き詰まった状態から脱却し、真の成長へと移行し始めることができる。
イノベーションを阻害するパイロットの罠
AIのパイロットは合格・不合格のテストである。テストは仮説を立てることから始まり、次にパイロットを実行し、結果はイエスかノーのいずれかだ。うまくいったか、いかなかったか。シンプルに聞こえるが、そのシンプルさの背後には問題が隠されている。それは、組織がパイロットを実施する前に、自分たちが正確に何を探しているのかを知っていることを前提としている。これが、多くの組織がAIパイロットを実施するか、直接実装に進むかの決定に問題を抱えている理由だ。彼らのジレンマに対する答えは、パイロットが学習のための間違った手段になってしまったということだ。
AIに関して探索と実験を比較すると、パイロットは実験室での試験と見なすことができる。仮説が選択され、範囲が固定され、証明または反証するためにテストされる。未知の領域を地図に描くとき、私たちは探索している。探索はオープンで、好奇心に満ち、予期しないものを発見することを意図している。仮説を証明することはできるかもしれないが、探索中に予期しない項目を発見することを見逃してしまう。そして、それらの項目こそが、しばしば利益を生み出すものなのだ。
これが、今日の企業におけるAIパイロット疲れの高いレベルの理由である。最近の調査によると、90%の企業が生成AI関連のパイロットプロジェクトのテストに関連する何らかの形のパイロット疲れに遭遇している。チームは無限のパイロットをテストし、せいぜい段階的な改善を経験し、最悪の場合は燃え尽きる。彼らは、効果的なAIソリューションを実装するための戦略的計画を策定するのではなく、パイロットプロジェクトの結果をレビューする会議に次ぐ会議に閉じ込められていることに気づく。AIアプリケーションの単一のユースケースを検証することを目標とする中で、彼らはビジネス慣行を変革するより広範な可能性を認識できていない。
探索→コミット・フレームワーク
私は、組織でAIをパイロットするのではなく、探索→コミット・アプローチを使用することを推奨する。これは3部構成のプロセスであり、迅速に学習し、発見し（時には失敗し）することができるが、最終的には真の決定を下し、真の製品またはソリューションを展開することになる。
フェーズ1：オープンラーニング／探索：この30日間、チームは明確な目標を持たずにAI製品・技術を使用できる。唯一の要件は、彼らが行うことと、それから学ぶことを文書化することだ。これはROIを決定することではない。焦点は、AIの能力についての直感を作り出し、潜在的な機会を発見することにある。歴史的にAIパイロットを軌道に乗せることに問題を抱えていたチームは、これを試行錯誤を通じてスキルを開発し、経験を積むための安全な場所と見なすかもしれない。オーナーがよく尋ねる質問は、AIパイロットをどのくらいの期間実行すべきか、というものだ。このアプローチにおけるオープンラーニングの期間は30日間に制限されているが、合格または不合格のいずれかになる従来のパイロットのようには扱われない。
フェーズ2：パターンの特定：30日後、チームが完了した作業を検証する。チームはどこで最大の利益を見出したか。どのタスクが自動化されたか。新しいアイデアは開発されたか。最良のパイロットを決定しようとしているのではなく、むしろ機会における共通点を特定する。これは、テストフェーズから実装フェーズへの移行がより明確になり始める時だ。実装の決定は、長期的な利益とは無関係な多くの理由で失敗する可能性のある単一のテストではなく、実世界のアプリケーション全体の指標によって行われた。
フェーズ3：単一焦点の実装：機会における共通点を特定したら、単一の影響力のあるプロジェクトにリソースを集中させる。フェーズ3は、パイロットではなく、AIソリューションの本格的な実装を表す。目標は、仮説をテストすることではなく、発見に基づいて行動することだ。このフェーズ中に、AI実装戦略が形になり始める。プロセスを所有する1人、1つのワークフロー、1つのタイムライン。明確な成功の測定が続き、このフェーズ中に、組織は集中的なコミットメントの効果を測定する（影響）。従業員がツールを1回か2回使用したかどうかを単純に測定するのではない。
AIパイロット vs. AI探索：より速い結果をもたらすのはどちらか
実践における探索の姿
私は最近、AIに関連するパイロット疲れを経験している小規模な会計事務所と仕事をしている。同社は請求プロセスを自動化するために3つの別々のパイロットを実施したが、それぞれが失敗した。この時点で、彼らはAIの使用を諦める覚悟ができている。オーナーがAIパイロットが失敗し続ける理由を尋ねるとき、これは通常、他の理由の中の1つの理由である。チームは、そのビジネスにとって最良の最初の成功ではない小さな適用範囲にAIを強制している。
私は彼らに30日間、探索→コミットAIフレームワークを実行させた。彼らのチームは、あらゆる種類のAIツールを「探索」することができた。何がうまくいったか、うまくいかなかったか、何が壊れたか、何に驚いたかについてメモを取った。これは「パイロットに勝つ」試みではなかった。学習する試みだった。これは、人々の行動を変えた非常に微妙な行動の変化である。人々はAIツールを使用することにより多くの挑戦をした。人々は、この種のテスト環境が確立されていなかった場合よりもはるかに速く、AIツールのテストからの発見を共有した。最も重要なことは、人々が「失敗」を隠すことをやめたことだ。なぜなら、「失敗」が彼らが行きたい場所への地図の一部になったからだ。
30日間の期間の終わりまでに、チームは予期しないものを発見した。請求書プロセスを自動化する方法を見つける代わりに、AIの真の可能性は、AIを利用してクライアントデータを分析し、クライアントのニーズの分析に基づいて新しい潜在的なサービスを特定する方法を見つけることだった。チームは特定のユースケース（請求書の自動化）を実証することに非常に集中していたため、年間60万ドル以上の潜在的な収益を見落としていた。つまり、基本的に、探索によってチームは「より良い質問」を発見することができた。さらに、前進することにコミットする時が来たとき、チームは、紙の上では異なるように見えるが以前とまったく同じように感じられる追加のソリューションをテストすることにコミットするのではなく、自信を持ってそうすることができた。
中小企業が探索の優位性を持つ理由
大企業も同様の障壁に直面している。複数レベルの組織階層と複雑さのため、オープンな探索を利用することには大きな障害がある可能性が高い。大企業はスピードを望むかもしれないが、通常、チームが特定のツールを実装またはテストすることを許可する前に、委員会の承認、セキュリティレビュー、調達など、いくつかのことが発生する必要がある。しかし、TriNetの最近のレポートが述べているように、不確実な時期に迅速に意思決定を行う企業の能力により、競合他社との差別化が可能になる。企業の意思決定プロセスの迅速性は、特にテクノロジーが毎週急速に進化している場合、競争上の優位性を提供できる。
これがあなたの優位性だ。新しいツールをテストするために取締役会の承認は必要ない。レガシーシステムがあなたを遅くすることはない。大企業の競合他社よりもはるかに速いペースで行動し、学習することができる。大規模な競合他社が「パイロット煉獄」に閉じ込められている可能性が高い一方で、あなたは価値を創造する新しい方法を実験し、発見する自由がある。私が以前述べたように、30日以内に元が取れるAIエージェントを開発できる。しかし、まず、コミットする前に実験する権限を自分自身に与えなければならない。
前進への道
すでに学んだことを検証する「完璧な」パイロットを見つけるまで待ってはいけない。AIはあなたのビジネスを変革する力を持っている。今こそ、AIが組織にどのように利益をもたらすかを検証し始め、学習を二次的な懸念ではなく戦略的必須事項として扱う時だ。シンプルな中小企業AI実装アプローチは、単に30日間探索を文書化し、パターンを特定し、その後、影響を測定しながら焦点を当てる1つのプロジェクトを決定することかもしれない。探索→コミット・モデルは、私の無料AI利益ブループリントトレーニング内でより詳細に説明されているため、ビジネスオーナーはテストから変革へと移行できる。
