ロヒット・カプール氏は、グローバルなデータ・AI企業EXLの共同創業者、会長兼CEOである。
歴史を通じて、あらゆる新技術の広範な普及は、舞台裏ですべてを機能させるコンサルタント、エンジニア、ソフトウェアアーキテクトの軍団によって可能になってきた。この作業は、技術そのものの創造ほど華やかでも広く知られてもいないかもしれないが、イノベーションが日常的なビジネスワークフローにどのように統合されるかを理解する上で鍵となる。
今日、企業のAI施策において「技術支援企業」の役割が中心的な課題として浮上している。あらゆる企業がAIの実世界における価値を実証することに注力する中、この統合作業を主導する支援企業の特定が、経営幹部の最優先事項リストの上位に位置している。
課題は、AI支援に関しては、通常の候補企業が必ずしも適切な選択肢ではないということだ。大手コンサルティング企業や従来型のシステムインテグレーターでさえ、AI統合に関しては苦戦する可能性がある。
その一例として、マッキンゼーの調査では、企業の大多数（62%）がAIエージェントを試験的に導入しているものの、企業全体でAIを拡大し始めたのは約3分の1にすぎないことが指摘されている。同様に、S&Pグローバルの調査では、AIパイロットプロジェクトを完全に放棄する企業の割合が、2023年の17%から2024年には42%に上昇したことが明らかになった。
デジタルトランスフォーメーションの新たな展開
実際のところ、AIの技術的能力と、AIを使用する企業の実世界での経験との間には大きなギャップが存在する。多くの企業が概念実証や華々しいパイロットプロジェクトの立ち上げに急いだ一方で、データを標準化し、AIを活用できる形でワークフローを再構築することになると、ほとんどがつまずいている。
多くの企業の取り組みが不発に終わっている理由は、企業全体へのAI統合が、これまでのあらゆるデジタルトランスフォーメーション施策とは異なるためだと私は考えている。パソコン、インターネット、クラウドの台頭はいずれも、同じ方法で移行可能な、かなり標準的なハードウェアとバックエンドソフトウェアプラットフォームの組み合わせを必要としたという点で類似していたが、真の企業全体へのAI統合には、はるかに外科的なアプローチが必要となる。
事態をさらに複雑にしているのは、企業がすでに10年近くをデジタルトランスフォーメーションに費やし、膨大なデータレイクと精巧な技術インフラを構築してきたことだ。多くの企業にとって、AI革命が始まる前から、これらは管理が困難なものになっていた。
データ系譜がAI活用の鍵に
その結果、銀行、保険、医療、運輸、物流、小売といった複雑でデータ集約型の企業におけるAI統合には、高度にカスタマイズされたアプローチが必要となる。
例えば、銀行業界を見てみよう。世界的な大手銀行が企業界におけるAIの最大の受益者の一つであるべきことは疑いないが、ほとんどの銀行はパイロットプロジェクトを超えて前進することに苦戦しており、顧客サポートチャットボットや不正分析ツールのような、他の業務と連携していない場当たり的なAIポイントソリューションの開発にとどまっている。
私の経験では、その理由は、銀行の技術スタックが、企業全体のAIを動かすために必要な部門横断的なデータ共有をサポートするように設定されていないことが多いためだ。APIやその他のデータコネクタに依存する従来のツールは、数百万行のコードが数千のコードファミリーにまたがって配置され、それぞれがアクセス制限されたデータやその他の制限を含むサイロに閉じ込められ、シームレスなワークフローを妨げているデータ環境では苦戦する。
この課題に対する標準的な提案ソリューションは、すべてを整理するための大規模なデータ移行プロジェクトを実施することだ。しかし、それは数百万ドル規模の作業となり、実装に数年を要する可能性がある。代わりに、このシナリオで銀行が必要としているのは、データ系譜、つまりどのデータが使用されているか、どのように使用されているか、どの部門によって使用されているかをより詳細に把握し、最優先のデータのみにアクセスしてAI駆動型ワークフローにマッピングする新しいアプローチだ。
AI統合の課題への対処
そのためには、これらの複雑なワークフロー内の各業務詳細を深く理解する必要がある。そのため、企業はしばしば技術パートナーを求めるが、これはほとんどの企業がソフトウェアベンダーやコンサルティング企業から既製品として購入できるものではない。重要なデータを抽出し、そのデータの背後にあるビジネスロジックを理解し、基盤となるコードをAI駆動型ワークフローに変換する能力が必要となる。
これは根本的に新しいタイプの技術的課題だ。企業は、協働するパートナーが複雑な業務ワークフローの細部に深く入り込んで新たな効率性を見出すことに抵抗がなく、サイロ化されたプロセス間の点と点を結びつけることができることを確認する必要がある。
パートナーを探す際、リーダーは、潜在的なパートナーが自社の業界における深い専門知識と、企業システムおよびデータ要素に関する強力な知識を併せ持っていることを確認すべきだ。この二重の能力により、AI実装が計画通りに進み、既存のワークフローに統合されることが保証される。最後に、パートナーが組織に合わせてアプローチをカスタマイズできるか、またそうする意思があるかを検討すべきだ。AI支援は決して万能なものではない。
適切なパートナーを見つけることに加えて、AI統合には新しい考え方が必要だ。リーダーは、AI変革を単一のイベントや目標ではなく、はるかに反復的で継続的なプロセスとして捉えるべきだ。
技術は非常に速く進化しているため、企業は常に変革し続けるという信条を採用する必要がある。そのレベルの継続的な改善と向上を達成するには、企業は自社の内部構造をはるかに深く掘り下げ、戦略的なポイントに技術を展開して迅速に成果を上げる必要がある。そのコードを解読した企業こそが、AIの未来を真に定義する企業となるだろう。
