取締役会メンバーや上級幹部がAIを戦略面・運用面の両方で事業に統合するなか、有効なリーダーは投資対効果（ROI）を高め、AIリスクを減らすために、AI導入を阻む5つの主要な障壁に取り組む。
AI導入を成功させる5つの要素
- スキルの拡充：2026年におけるAI導入の最大の障壁として、多くの取締役会メンバーや上級リーダーは、組織内のスキル不足を挙げている。そこには「ハード」スキルと「ソフト」スキルの両方が含まれる。「ハード」スキルについては、WTWの「2025 Artificial Intelligence and Digital Talent Intelligence Report」によれば、世界で最も需要の高いデジタルスキル職種の上位5つは、ソフトウェアエンジニア、アプリケーション開発者、データサイエンティスト、テストエンジニア、サイバーセキュリティエンジニアである。フルスタック開発者、ソリューションアーキテクト、機械学習エンジニア、データエンジニア、クラウドエンジニア、AIエンジニアといった比較的新しい職種も上位20に入っている。WTWの「2025 Talent Market Trends Dashboard」では、新興スキルは業界と地域によって異なることが示されている。例えば欧州の金融サービスでは、データストーリーテリング、予測分析、データ可視化はいずれも新興スキルの上位5つに入っている。一方、別の業界・地域では、プロンプトエンジニアリング、データガバナンス管理、サイバー脅威管理、リスクモデリング、デマンドジェネレーションが主要なデジタルスキルとして挙げられている。有効なリーダーは、ソフトスキルがハードスキルと同じくらい重要であることも理解している。実際、シスコのCHROであるケリー・ジョーンズは、「『ソフト』スキルは新しい『ハード』スキルである」とブログで述べている。AI技術が進展するなかで、感情知能、批判的思考、問題解決といったスキルが極めて重要になるというのが彼女の見立てだ。彼女は、世界経済フォーラムの「Future of Jobs Report 2025」を引き合いに出し、将来に向けた中核スキルの上位5つが、分析的思考、レジリエンス、共感的リーダーシップ、創造的思考、自己認識であると紹介している。これらのスキルは、有効なリーダーシップ、戦略思考、俊敏性、変革マネジメントを可能にする。有効なリーダーは、組織がAIを実装し価値を引き出すために必要なスキルを構築し、獲得する。
- データの優先順位付け：多くの取締役会メンバーや上級リーダーは、AI導入を成功させるうえで過小評価されがちな障壁が適切なデータの確保であり、それは適切なスキルを持つことと同じくらい重要になり得ると認識している。データはしばしばコモディティだと誤解されているが、現状はむしろその逆だという。データの可用性、所有権、規制およびガバナンスのルール、サイバー／データセキュリティは依然として課題であり、データへのアクセス、取り込み、クレンジング、分析も同様である。どれほど高度なAIツールやエージェントであっても、適切なデータがなければ意図したとおりには機能しない。「PEX Report 2025/26」によれば、組織の52%がデータ品質と可用性をAI導入の主要な障壁として挙げている。有効なリーダーは、組織がAIを実装し価値を引き出すために必要なデータを取得し、採掘し、クレンジングし、分析し、保護するための仕組みを構築する。
- 資本配分：取締役会メンバーや上級リーダーは、AI投資はいまだ初期段階にあり、多くの組織がAI投資の資金確保と、ほかのコストとのトレードオフへの対処に苦慮していると指摘する。ガートナーの調査によれば、世界のAI支出は2026年に2兆ドルに達すると見込まれ、AIサービスだけでも3250億ドルに達する。熟慮のない資本配分は、従来型の研究開発（R&D）、M&A、マーケティング、採用・人員配置といった他の企業投資を圧迫する。例えば2025年初頭には、AIによる職務置き換えを理由に企業が採用を減速させたとする報道があった。しかし年の後半になると、採用減速の主因は、特定の職務の置き換えというよりも、全社的な（または集約的な）人件費削減を通じてAIへの大規模投資の資金を捻出していたことにあると明らかになった。有効なリーダーはAIプロジェクトの資金手当てにおいて長期的視点を取り、短期のROI達成能力と長期の事業収益性・成長のバランスを取る。
- エネルギー調達：取締役会メンバーや上級リーダーは、AIの開発と適用において、電力と水が制約要因になりつつあるとますます感じている。ゴールドマン・サックス・リサーチのアナリストによる基本シナリオの予測では、2030年までにAIデータセンターの総電力消費は2023年比で175%増になる（従来予測は165%増だった）。AIが大量のエネルギーを消費するのは、大規模AIモデルの学習と構築には、データを何千回もモデルに通して実行と再実行を行うための大きな計算資源が必要であり、24時間365日稼働し、しかもより強力でエネルギー集約的なチップが増えているためである。WTWは最近、AIブームがデータセンター容量への世界的需要を押し上げるにつれ、リスクエクスポージャーが拡大していると報告した。代替策の開発と実装には年単位の時間を要する。その間、エネルギーの利用可能性は、日常の家庭・商業利用から、消火活動や農作物の灌漑に至るまで、サーバーを優先するのか人を優先するのかといった意思決定にも影響する。有効なリーダーは、データセンターを独立した資産として扱うのではなく、グローバル戦略を支える重要で相互接続されたデジタルインフラの一部として捉え、包括的なエネルギーおよびデータセンターのリスク管理に向けて先見的なモデルを活用する。
- プロセスの再構想：取締役会メンバーや上級リーダーは、AI導入は多くの場合、適用されるプロセスの再構想なしには望む成果を達成できないことを学んできた。人間対AIという議論は善意に基づくことが多いものの、論点がずれていると指摘する声も多い。最も成功した実装では、「ベスト・オブ」というアプローチでプロセスを再構想し、どのプロセスがAIに最も適しているのか、人間に適しているのか、あるいは（多くの場合）両方に適しているのかを検討しているという。有効なリーダーは、AIツールやエージェントは特定のタスクでは高い成果を発揮する一方、広範なプロセス全体ではそうではないことを理解している。また、エージェンティックウェブがこの点の一部を変える可能性があることも認識している。しかし最も成功した実装は、テクノロジー、スキル、学習が十分に進展した段階で、それらを編み込んでより広いプロセスへと発展させることを前提に、まずは点のソリューションから始める。一般に初期の実装は、生成AIの強みとして、定型的プロセスの自動化、規模・速度・一貫性を備えたパターン認識、データ分析と予測、複雑な計算、一定の範囲内での擬似的推論を示している。人間の強みは、文脈の理解と適用、ルールの外側にある創造性、感情知能、倫理および価値観に基づく意思決定、予測不能または新しい状況における柔軟性、身体的スキルである。自動化、増強、AIによる新たな価値源泉のどこに焦点を当てるべきかを明確に理解したうえで、有効なリーダーは新しい形の人間とAIのパートナーシップを伴うプロセスを再構想する。
AI導入の成功は、適切な能力への投資、データを戦略資産として扱う姿勢、規律ある資本配分、データセンター向けエネルギーの確保、そしてプロセスをエンドツーエンドで再構想することで障壁を乗り越えるリーダーが、リスクを管理しながら持続可能なROIを解き放つうえで最も有利な立場に立つことを示唆している。
