周囲を見渡すと、その場にいた面々はいつになく熱気に満ちていた。私は高級ジュエリー企業の取締役会に同席し、人工知能（AI）をはじめとするエクスポネンシャル・テクノロジー（指数関数的に進化する技術）が同社のビジネスにもたらす潜在的価値について議論していた。
彼らが特に懸念していたのは、実店舗への来店数を増やし、あらゆる接点で顧客エンゲージメントを深めることだった。最近AIに関するプレゼンテーションを聞いたばかりで、生産性向上、より賢い予測、オペレーション効率化の可能性に胸を躍らせていた。
しかし議論が進むにつれ、私には見慣れたパターンが浮かび上がってきた。同様のリーダー層の場で、これまで何度も耳にしてきたものだ。話題はデータの準備状況、モデルの高度さ、人材をAIツールで置き換えること、効率化の効果をどれほど早く実現できるかに集中していった。AIは主としてテクノロジーの解決策、つまり「買って、導入して、防御すべき」具体的なものとして語られていた。
私は議論を遮り、耳の痛い真実を提示した。AI戦略の多くは、単一のモデルやテクノロジーソリューションが導入されるはるか前に失敗する。失敗が起きるのは、意思決定の質、組織設計、人の準備という交差点であり、この取締役会のような場では見過ごされがちな中核領域だ。
リーダーシップチームがこれらの現実と正面から向き合わない限り、AIは投資対効果が限定的な「高価な失望」にとどまる。AI戦略において注意すべき3つの失敗ポイントを挙げたい。
1. 意思決定アーキテクチャの不備
組織がAI施策を立ち上げる際、私が最も頻繁に聞く問いは次のようなものだ。「モデルにどのデータを与えられるか」「どのプロセスを自動化／デジタル化できるか」「機械学習はどこで成果を最適化できるか」。
どのテクノロジー変革でも、解決策の設計（ソリューション設計）から始めたくなる。手触りがあり、成果に直結しているように感じられるからだ。だがそれでは、真に対処すべき問題を外してしまう。「改善したい意思決定は何で、どれだけ改善したいのか」。これを先に明確にすることで、AIソリューションが事業を動かすレバーとなり、必要な場所でインパクトを生み、最適な結果を導く助けになる。
例を挙げよう。私が支援したある国際企業は、需要計画機能を改善するために予測モデルへ多額の投資を行った。予想どおり、モデルの技術的な精度は向上した。しかし損益（ボトムライン）の成果にはほとんど影響がなかった。
チーム間で、誰の予測が最も重要なのか、その予測は誰のインセンティブに資するのか、営業・財務・オペレーションの相反する目的をどう調整するのかについて合意ができていなかったのだ。複数の社内ステークホルダーはAIの出力を重要な意思決定ポイントではなく、単なる追加のレポートとして扱った。その結果、完璧に構築されたAIシステムに高額を投じながら、事業の成果は1つも変わらないという結末を迎えた。
AIは曖昧な事業課題を解決できないが、それを露呈させ、しかも急速に増幅する。AI戦略の重要な出発点は、意思決定インベントリー（意思決定の棚卸し）を定義することだ。すなわち、価値を生む主要な意思決定が何か、それを誰が保有しているのか、現状それらの意思決定がどう行われているのか、そして「より良い」とはどのような状態かを、構造化してマッピングする。これによりAIソリューションを意思決定の質を加速させる手段として扱えるようになり、売上（トップライン）と損益（ボトムライン）の実質的な成果につながる。
2. アカウンタビリティ（説明責任）の欠如
AIが影響を与え得る意思決定についてリーダーが合意していても、組織はしばしばAIの示唆に基づいて行動する責任を割り当てることに失敗する。最近、あるオペレーション責任者と話した際、品質問題の兆候を早期に検知するAIリスク検知システムを導入したと聞いた。そのソリューションは極めて優れており、週次で重要な問題を特定することに成功していた。
これは簡単な成功事例になるはずだった。しかし、対応アクションを誰も引き取らなかった。品質チームは製造部門が対処するはずだと考え、製造部門も逆に品質チームの仕事だと思っていた。未対応のまま放置された問題はすぐに顧客問題へと発展し、チームは結果責任を互いに押し付け合った。
この事例の核心はアカウンタビリティのギャップにある。私はこれを、多くの企業で見てきた。機能別サイロの周囲に設計され、各サイロが独自のKPI、インセンティブ、優先事項を持つ組織では特に起きやすい。AIはこれら機能の交差点に存在し、単一のサイロには属さない横断的なインサイトを生み出せる。
だからこそ、AIの出力を単なるノイズから付加価値のある事業インサイトへと変えるには、アカウンタビリティと、無視された場合の帰結を明確に割り当てることが必要である。私は組織のAI変革を支援する際、アカウンタビリティを明確化した組織上の役割再設計を重要な要素としている。具体的には、出力された提言を誰が保有するのか、誰が実行しなければならないのか、無視した場合に何が起きるのかを明確にする。
これはオペレーティングモデル（運営モデル）においてアカウンタビリティがどこに置かれているかを正し、AIソリューションを実行可能なものにする。
3. 人的要因
リーダーシップチームが向き合うべき厳しい真実がある。AIは、人が意思決定を行う方法、権威を認知する仕組み、そして自らのアイデンティティを守ろうとする在り方の根幹に挑戦する。多くの組織がAI導入への対応を従業員のリスキリング（学び直し）や研修で進めようとするが、成果は限定的である。
神経科学によれば、人間の脳は確実性、地位、アイデンティティを優先する。設計上、AIソリューションは専門性に異議を唱え、誤りを可視化することで不確実性を持ち込む。すると脳はそれを脅威として認識し、防衛的に反応したり、モデルを覆したり、慣れ親しんだ習慣を優先してAIの示唆をひそかに貶めたりする、人間に組み込まれた反応を引き起こす。私はこれが何度も起きるのを見てきた。しばしば、綿密に計画されたAI戦略さえ頓挫させる。
有効なAI戦略は、人間の脳が変化に適応する仕組みに整合していなければならない。AIが地位やアイデンティティへの脅威と受け止められると、抵抗は不可避だ。リーダーシップチームは、AI実装を人材の置き換えではなく、人の能力と判断を拡張する「増強」として意図的に捉え直さなければならない。AIが専門性を支え、認知負荷を下げるパートナーとして見られるとき、心理的安全性と信頼は高まる。
高級ジュエリー企業の取締役会との会議が終わる頃、会話の焦点は変わっていた。問われる内容は、真に重要な意思決定は何か、それを誰が保有するのか、そしてチームがインテリジェントシステムとどう協働すべきかへと移っていた。
取締役会はテクノロジーロードマップをいったん止め、まず意思決定ガバナンスの再設計と組織の準備状況の評価を行うよう経営陣に求めた。このアプローチはAI変革の歩みを遅らせるどころか、実現可能性を高め、持続的な成功を確かなものにした。
