ニール・アラウジョ：iManage CEO兼共同創業者
2026年の幕開けにあたり、多くのリーダーはいまだにAI導入を「ゴール」として捉えている。しかし、その枠組みでは、複雑な組織の中でAIが成熟していく現実を見誤る。私は、どの組織も今年AI導入を本当の意味で「完了」させることはないと考えている。
一方で、できることはある。AIを仕事にどう位置付けるのか、そして効果的に使うために何を変えなければならないのか──その土台となる意思決定を行うことだ。そうすることで、リーダーは継続的なAIの歩みに方向性を与え、AIがもたらし得るより良い事業成果の基盤を築ける。
AIが確実に価値を届けるための基礎作業
AIに関する議論は、モデル性能や既存モデルの限界に執着しがちだが、それはやや煙幕である。モデルは絶えず改善されており、今後もそうである可能性が高い。
人工知能とマネジメントソフトウェアに携わってきた私の経験では、AI活用におけるより深い課題は本質的に、組織や人間を中心としたものだ。「AIを正しくする」ことに躍起になるのではなく、組織は最大の便益を得るためにAIをどこに、どのように配備できるのか、そしてその判断を支えるためにどんな土台が必要かを評価すべきである。以下に、そのための4つのステップを紹介する。
1. AIが必要とする情報と文脈に、チームがアクセスできるようにする
AIシステムの強さは、参照できるデータの強さに等しい。多くの組織はいまだ、情報環境が分断されたままで運用している──サイロ化したシステム、一貫性のない分類体系（タクソノミー）、そして重要な知識が実際にはどこにあるのかという可視性の低さである。AIが意味のある形で業務を支援する前に、チームは高品質で信頼できる情報を特定し、アクセス可能にしておくべきだ。ここで想起されるのが「IA before AI」（人工知能の前に情報アーキテクチャ）という格言である。言い換えれば、AIへ一直線に急ぎたくなる誘惑はあるが、IAを疎かにしてはならない。
2. その情報に適切なセキュリティとガバナンスを整備する
機密情報を保護し、AIが確立された統制の範囲内で稼働することを担保する能力は、リスク管理、情報保護、そして責任あるAI利用の支援においてとりわけ重要だ。端的に言えば、ガバナンスの効いたコンテンツを組織の「譲れない条件」にすることである。明確なガバナンスは、企業が孤立した実験を超えて前進し、安全で再現性があり、実質的な事業インパクトを生み得る形でAIを適用することを可能にする。
3. AIが支援できるよう、日々の業務が実際にどう進むのかを理解する
AIで良い結果を得る鍵の一部は、組織内のどこで使うのか、そしてどこで使わないのかを見極めることにある。現時点でAIは、調査、抽出、情報の要約といったタスクの自動化に適している。そこは仕事が反復的で、一貫性が重要になる領域だ。また、私たちの知見では、AIはタスクの周辺にある完全な文脈（例えば、クライアントのルールや過去の作業）にアクセスでき、さらに、例えば契約書の前のバージョンのような関連文書すべてに接続できるときに最も力を発揮する。
その文脈がなければ、AIが生成するアウトプットは不完全であったり、誤解を招いたり、誤りを含んだりし得る。これを避けるために、自動化を導入する前に、まず仕事が実際にどう流れているのか（情報がどのように作成され、レビューされ、利用されるのか）を理解することに注力すべきだ。この明確化は、AIが意図せず仕事の形を変えてしまうのではなく、適切な判断と既存プロセスを補強する形で適用されることを確実にする助けになる。
4. AIに頼るべき時と、人間の判断が主導すべき時を学べるよう支援する
AIは強力だが、絶対ではない。従業員が、AIが仕事を加速できる局面と、人間の専門性がAIの出力を上書きしたり、文脈化したりしなければならない局面を見分ける判断力を身に付けることが重要である。加えて、従業員はAIモデルの出力を検証し、必要に応じて修正できるツールにアクセスできるべきだ。私は、組織のAI施策を成功させる重要な要素の1つは、人間をループに組み込み、AIが生成した仕事の背後にある情報源を人々が検証できるようにすること、そしてアウトプットの透明性と追跡可能性を確保することだと観察している。
同期して動く3つのグループ
私の経験上、これらのステップを実行するには、3つのグループ──ITリーダー、事業および実務のリーダー、そしてテクノロジーパートナー──の緊密な協働が必要となる。
ITリーダーは、システム、データアーキテクチャ、セキュリティフレームワークに関する理解をもたらせる。事業および実務のリーダーは、仕事そのものを理解しているべきだ──従業員が下す判断、彼らの足を引っ張るボトルネック、組織が達成しようとしている成果、そしてAI利用が自社のビジネスモデルや競争上の立ち位置に与える影響である。
テクノロジーパートナーは、AIの能力を実際のワークフローに対応付ける専門性を提供できる。決定的に重要なのは、パートナーがデータにアクセスするためのシステム間統合、ならびにアウトプットのチェックと検証の能力を提供できることだ。さらに、AIエコシステムの大半にとって結合組織として機能し、AIアシスタントやエージェント的ワークフローといった革新的で生産性を高める機能の探索を企業に可能にし得るModel Context Protocol（MCP）のような新たな技術フレームワークを、安全に活用するためのノウハウも提供すべきである。
この3つのステークホルダー群がサイロ化して動くと、AI施策は停滞しやすい。だが、彼らが連携して動けば、組織はより明確な意思決定を行い、不必要なリスクを回避し、長期にわたって安全で責任あるAI利用に必要な土台を築ける。
自信を持って前進する
AIで何らかの「ゴール」に到達しようと急ぐのではなく、AIが自社組織のどこに本当に適合するのか、安全かつ透明にどう使うのか、そして大規模に責任あるAI利用を支えるためにどのような人とプロセスの変化が必要なのかを決めることに焦点を当てることを勧めたい。適切な土台を築くために時間をかければ、前進の道筋を描くために必要な「AIへの自信」を育める。そしてその過程で、実際に持続する成功へと会社を導くことができる。
