クリス・ローク氏は、アクセンチュアのシニア・マネージング・ディレクター兼グローバル・コスト＆生産性改革リーダーである。
大企業が小規模企業に対して持つ優位性を挙げるよう求められた場合、多くのリーダーは、豊富な財務・人的資源、規模の経済、バリューチェーン全体で貴重な洞察を提供するファーストパーティデータプールへのアクセスといったことを挙げるだろう。しかし、これらの優位性にはコストが伴う。
複雑なオペレーティングモデルは意思決定を遅らせ、リソースは希薄化し、経営陣はコアコンピタンスと優先事項への集中を失う。可能性の追求を検討する代わりに、新規事業提案は複数の承認レイヤー、階層構造、意思決定プロセスの透明性の欠如につながる。効率向上を念頭に作成されることが多い標準化・集中化されたプロセスは、企業がイノベーションを起こし、新たな機会を追求することを困難にする障壁となる。
より変動性の高いビジネス環境において、複雑性はなくならない。しかし、高度なAIツールを活用することで、リーダーは自らが見るものに基づいて行動する力を得ることができる。
規模が手に負えなくなるとき
企業が成長すると、物事は必然的により複雑になるが、それは必ずしも悪いことではない。新市場への参入や新製品の開発といった前向きな動きは、確実にワークフロー、レポーティング、意思決定経路に層を追加する。しかし、複雑性が問題になるのは、レガシーな層が新しい層と並存し続ける場合である。多くの場合、これは肥大化したポートフォリオと知識のサイロ化につながり、調整を妨げ、予算を圧迫する。
アクセンチュアで、私は他の複数のリーダーと協力して戦略的優位性としての複雑性に関するレポートを作成したが、そこで複雑性が抑制されずに増大することを可能にする2つの力を特定した。パフォーマンスの変動性と慣性である。
パフォーマンスの変動性
どの企業にも、高パフォーマンスの資産と低パフォーマンスの資産がある。大規模な複数拠点を持つ組織では、パフォーマンスの不整合は持続的であることが多いが、集約されたレポーティングによって容易に隠蔽される。例えば、変動性は、同一のプロセスと資産が異なる結果をもたらすこととして現れる可能性がある。売上高の不一致、顧客問い合わせへの対応における生産性率、さらにはチームミーティングへの参加の不整合などである。
多くのガバナンスモデルでは、洞察はデータ、システム、分析の霧の中で失われる。組織にとっての課題は、パフォーマンスがどこで低下しているか、またはどこで劇的に改善できるかを特定することである。効果的なアプローチは、業務の簡素化かもしれない。例えば、フォード・モーター・カンパニーは、製造拠点間でナレッジマネジメントを合理化することで、内部のパフォーマンス変動を削減することができた。従業員が定期的にアクセスしないリソースライブラリを維持する代わりに、ベストプラクティスを体系的に共有することで、同社は4年以内に約10億ドルを節約することができた。
慣性
一部の習慣は非常に根深く、経営陣と従業員全体で変更することが困難になる。組織はどのようにしてこの状態に至るのか。多くの場合、それはリスクを軽減したいという善意の願望から生じる。しかし、プロセスの実装が抑制されないままにされると、レガシーシステム、承認ステップ、レポーティング慣行が生まれ、非効率性を高め、勢いを奪う。これが「我々は常にこのようにやってきた」という問題である。
組織が近代化するにつれて、新しいデジタルツールが老朽化したコアの上に重ねられ、従業員は並行するワークフローの雑草をナビゲートし、矛盾するデータを調整することを余儀なくされる。この時代遅れのプロセスの蓄積は、調整の労力を増大させ、重複する責任を生み出し、日常業務の管理コストを引き上げる。それ自体では合理的に見えるが、これらの層は構造的複雑性を埋め込む。したがって、この意味での慣性は、業務を必要以上に複雑でコストのかかるものに静かに変えていく。
より複雑な世界のためのAI革命
2025年11月から12月にかけて、我々は3650人の経営幹部を対象に調査を実施し、AIの位置づけを含む将来に対する見解を尋ねた。回答者の86%がAI投資を増やす計画であり、78%がすでにエージェント型AI技術に投資していた。適切なツールがあれば、企業は統治不可能なものを統治し、複雑性をより高い収益に導くことができる。これを達成するために、試すべき3つの重要な戦略を以下に示す。
良い複雑性を受け入れる
レジリエントな企業は、適応性と多様性をコアに組み込む。彼らはトレードオフのバランスを取り、より多くの層を効果的に管理し、戦略的価値が高く組織的負担が低いイニシアチブを優先する。彼らは良い複雑性を肯定的なものとして扱い、避けるべきものとは考えない。エージェント型AIのような技術は、成長と生産性のパートナーとなり、リアルタイムデータに応じて組織と並行して機能し、特定のケースでは自律的に行動するよう進化する。
そこに到達するには、企業は認知基盤、つまり人々とプロセスを信頼できるデータと接続することに根ざしたAIの「神経系」を構築する必要がある。例えば、小売業者はAI予測とマイクロフルフィルメントセンターを使用して、在庫コストを削減し、需要に応じた製品の入手可能性を向上させている。
ワークフロー全体にAIを組み込む
AIツールは24時間体制で稼働し、膨大な量の業務、財務、取引コストデータを監視できる。この継続的な分析により、企業はパフォーマンスの問題が価値に影響を与える前に発見する能力を得る。データ内の特定のしきい値を事前に定義することで、危機が発生する前にAIエージェントに介入させ、生成AIがどこで修正を提供できるかを示すことができる。
人間とAIのモデルを高める
我々のレポート「生成AIで改革を実現する」によると、企業は生成AI予算の3倍を人材ではなく技術に費やしている。しかし、従業員を適切に装備し、権限を与えなければ、技術は成長と生産性の推進力ではなく、コスト増加要因になる可能性がある。
組織のあらゆるレベルで学習と新しい働き方をサポートする実験の文化を可能にすることが不可欠である。AIエージェントが拡張・自動化する一方で、人々の役割に対する信頼を構築し、より多くの好奇心と創造性、問題解決、部門横断的なコラボレーションを受け入れるようにする。信頼できるデータが組織の層全体でアクセス可能であることを確認する。
大規模組織における複雑性への対処は困難な戦いのように見えるかもしれないが、それをイノベーションの機会として受け入れることで、より大きな収益をもたらすことができる。高度なAIを戦略的に使用することで、企業はデータを自らの優位性に活用できる。この新しいパラダイムを受け入れることは、根本的に人材を優先することにつながる。複雑性を解決すべき問題と見なすのをやめ、長期的な収益性の高い成長のために活用できる資産であることを認識する時が来ている。
