ヴァネッサ・トンプソン氏は、ザ・サステナビリティ・エキスパーツのマネージングディレクターである。
AIへの熱狂がより慎重で計画的なアプローチへと成熟するにつれ、グローバル企業は現在、リスクの軽減、AIプラットフォームの拡大、そしてより誤りの少ないAIベースの価値創造の実装に努めている。
2025年、デロイト・オーストラリアのAIベースの誤りを巡るスキャンダルは、重要な前例を作った。デロイトがオーストラリア政府向けに作成した報告書に多数のAI生成エラーが含まれていたことで、同社は金銭的損失と厳しい監視に直面した。
推薦図書リストの架空の書籍から、データベース全体の消去まで、こうした事例は、AIがビジネスプロセスへの戦略的な追加となり得る一方で、人間の時間と洞察の代替にはならないことを示している。
最も重要なのは、これらの事例が、組織が業界の誇大宣伝に応じて性急に展開するのではなく、計画的でよく統制された戦略を通じてAIを採用することの重要性を示していることである。
AIの誇大宣伝から規律ある価値創造へ
AIへの熱狂が慎重な実装へと移行するにつれ、企業は重要な変化を遂げている。モデルリスク管理を強化するだけでなく、モデルごとの売上総利益率についてより深い理解を深めているのだ。2025年、AIスタートアップへのベンチャーキャピタル投資は、全スタートアップ資金の50%という前例のない水準に達した。
新年を迎えるにあたり、企業リーダーはモデル拡大リスクを軽減し、より大きな市場リーダーシップを獲得するために、3つの戦略的優先事項を検討すべきだと考える。
1. 人間中心のAIへの注力
2. コスト削減と収益創出のバランス
3. 専門家への依存
人間中心のAI：人間を中心に設計されたシステム
多くの人が、エラーを防ぎ価値を高めるために、新しいAIシステムに「人間をループに組み込む」ことについて聞いたことがあるだろう。しかし、AIに関する新たな課題は、システムが人間の意思決定をより多く取り入れるだけでなく、人間を中心に構築される必要があることを示している。
USTのCFOであるヴィジェイ・パドマナバン氏は、次のように述べている。「自動化が事業バリューチェーン全体の効率性を高めることは間違いないが、その真の力は、人間の専門知識を置き換えるのではなく、補完することにある」。人間の創意工夫は、健全な資本配分にAI展開を固定するため、極めて重要である。
人間中心のAIは、「人間中心のAI」の数歩先を行くものである。それは、人間の洞察を重視するだけでなく、人間の意思決定を高めるAIプラットフォームを作ることである。Siriの共同創設者との最近のポッドキャストで述べられているように、「それは、自動化そのもののために自動化するのではなく、人間のニーズを優先することを意味する。眼鏡や顕微鏡のように、私たちの能力を拡張するツールとしてAIを考えてほしい」。
財務リーダーがこのアプローチに価値を見出すのは、インテリジェンス展開に関連する限界リスクが上昇しており、AI投資の潜在的な上振れ余地が圧縮されているためである。
2025年のBCGによる280人の財務リーダーを対象とした調査では、AIから高いROIを生み出している企業は、単に自動化するだけでなく、インパクト重視のユースケースに焦点を当て、チーム間で協力し、慎重に拡大している。高ROI採用企業は、自動化そのもののためではなく、人間の判断と価値創造を重視している。
フォーブスによると、人間中心のROI（従業員体験、生産性、採用など）を積極的に測定している企業は、コストや時間の節約のみに焦点を当てている組織と比較して、チーム全体でAIを成功裏に拡大している可能性が2倍高い。したがって、採用と価値実現を促進するために、人間中心の展開を使用することが重要である。
コスト削減と長期的な収益成長のバランス
多くの組織は、収益を増やすのではなく、AIでコストを削減することに焦点を当てている。コスト削減は短期的な収益とキャッシュフローを改善できるが、それは基本的に短期的なレバーであり、収益逓減をもたらし、長期的な競争力を弱めると考える。
代わりに、市場リーダーは、顧客の課題に結びついた長期的な価値創造に資本を再投資することで、より効果的に構築できる。このアプローチは、持続可能な収益成長を促進し、顧客生涯価値を高めるのに役立つ。
マッキンゼーの調査によると、（短期的なコスト削減だけでなく）長期的な価値創造にリソースを配分する企業は、収益成長と資本利益率の両方で優れた業績を上げる可能性が高い。
専門家を重視する
AIは人間の価値を拡大するが、専門家を置き換えるものではない。インド初のAIユニコーンであるフラクタル・アナリティクスは、AIを実装する際に専門家に焦点を当てることで大きく成功した。これは、同社のCFOからの洞察に反映されており、勝利するリーダーは「専門家と話し、ユースケースを理解し、点と点を結ぶ」と述べている。
経験豊富なビジネスリーダーは、業界で数十年の経験を持つ個人と関わることが、情報に基づいた投資テーゼを開発し、実行リスクを軽減する効果的な方法であることを長い間理解してきた。同様に、AIが取得するデータを理解する際には、専門家に依存することが、より広い状況を理解する上で極めて重要となり得る。
マイケル・ポランニーは、暗黙知と体系化された知識を区別している。専門家は、構造化されたデータや正式なモデルでは完全に捉えることができない、実体験を通じて構築された文脈、判断、直感、パターン認識を持っている。一方、AIシステムは主に体系化された知識で動作し、業界の文脈や因果関係のニュアンスを本質的に理解することなく、既存のデータのパターンを分析するため、これらの専門家の意見は適切な質問を組み立てる上で不可欠である。
この視点は、マーティン・リンドストロームの著書『スモールデータ』と一致している。同書は、限られたデータセットに適用された深い文脈理解が、ドメイン専門知識のない大規模データ分析よりも、より意味のある洞察を生み出すことができると主張している。
不確実性を通じたリーダーシップ
AIへの熱狂が過去数年間で前例のない投資を促進してきた一方で、持続可能でリスク調整後のリターンをもたらす方法でAIを拡大することは、依然として大きな課題である。期待が再設定される中、リーダーは誇大宣伝主導の展開を超えて、AIが真の経済的価値を創造する場所を厳密に再評価しなければならない。
次の段階では、人間中心のAI、長期的な価値創造、そして専門知識への深い依存への規律ある転換が必要になると考えている。AIの財務的な上振れ余地は、自動化だけでなく、人間の判断、文脈知識、ガバナンスをモデル設計と実行に思慮深く統合することによって実現される。
