エンタープライズAIは急速に賢くなっている。だが、ビジネスや政府における最も難しい意思決定の多くは、単なるデータの問題ではない。地理の問題である。
あらゆる組織がエンタープライズAIを構築している。取締役会はそれについて質問し、CEOは資金を投じ、テクノロジーリーダーはワークフローや製品、意思決定に組み込むべく競争している。
だが、エンタープライズAIの大半には依然として致命的な盲点がある。物理世界を理解していないのだ。
この点は、多くのリーダーが考える以上に重要である。エンタープライズの価値は抽象の世界で生まれるのではない。サービス提供エリア、サプライチェーン、交通ネットワーク、公益インフラ、店舗、現場、病院、港、地域社会で生まれる。顧客はどこかに存在し、資産はどこかに存在する。リスクはどこかで顕在化し、成長はどこかで起こる。
言い換えれば、最も重大な企業の意思決定は物理世界で下される。エンタープライズAIがそれらを精緻に行うには、ジオスペーシャル（地理空間）コンテキストが必要だ。
たとえば世界規模のネットワーキング企業を考えてみよう。大規模な人員を抱えるオペレーションチームであっても達成が難しいサービス約束を掲げている。顧客のネットワークが世界のほぼどこで停止しても、数時間以内に適切な交換部品と適切な技術者を現地に手配することを目指すというものだ。
その約束を守るため、同社は一連の問いに即座に答えなければならない。どの倉庫にその部品があるのか。最も近い技術者は誰か。いま最速のルートはどれか。交通状況やフライトのスケジュールを踏まえると、より遠い倉庫のほうが実は早いのか。将来の対応時間を改善するには、在庫をどう配置すべきか。
これは単なるワークフローの問いではない。地理の問いである。
ジオスペーシャルAIを用いて、位置、移動、ルーティング、在庫、技術者の稼働状況を組み合わせれば、同社は世界規模で広がるオペレーション全体にわたる手作業の調整に頼らずとも、数秒で意思決定できる。
この例が示すのは、より広い真実である。多くのAIシステムは強力だが、「どこ」を自然には理解しない。
それらは文書を要約し、コンテンツを分類し、タスクを自動化し、コードを生成できる。だが、ビジネスや政府における最も価値の高い問いの多くは、「何が起きているか」だけではない。「どこで起きているか」、その周囲に何があるか、どうつながっているか、そしてそれが次の判断に何を意味するか、である。
最良の顧客はどこにいて、これからどこにいるのか。
危機になる前にリスクが高まっているのはどこか。
コストが雪だるま式に増える前にオペレーションが破綻しつつあるのはどこか。
最大のインパクトを得るには、資源をどこに投じるべきか。
他者が見落としている機会はどこにあるのか。
何がどこで起きていて、次に何が起きるのか。
これらの問いは、競争上の立ち位置、オペレーションのパフォーマンス、レジリエンス、成長を左右する。そして多くの組織にとって、それらは本質的に「場所」に関する問いである。
ここで方程式を変えるのがジオスペーシャルAIだ。ジオスペーシャルAIはAIを地理に接地させる。近接性、移動、ネットワーク、地形、境界、空間的関係である。価値が実際に生まれ、失われる環境の中で推論するためのコンテキストを、エンタープライズAIに与える。
米国の大規模公益事業者は、もう1つの好例だ。インフラ運営者の多くと同様、同社は常に問いに直面している。限られた保守費用をまずどこに投じるべきか。長年にわたり、それは人の判断、地域での経験、断片化した記録に大きく依存していた。ジオスペーシャルAIを使えば、管の経年、気象、土壌条件、地震への曝露、交通パターンといった変数に基づき、水道本管を破損確率の高い順に順位付けできる。結果は単に分析が良くなるだけではない。資本配分が良くなるのである。広く薄く非効率に支出するのではなく、破損する可能性が最も高いものを交換できる。
その「配分」という言葉が重要だ。
エンタープライズAIの真の約束は、単により多くの仕事を自動化できることではない。資金、リスク、サービス、パフォーマンスに関する意思決定の質を高められることだ。だが、その意思決定は背後にあるコンテキスト次第である。AIが物理世界について推論できなければ、結果が成功か失敗かを左右することの多い次元を取りこぼす。
だからこそ、いまジオスペーシャルAIが重要なのだ。
エンタープライズAIのスタックは、エージェント、ワークフロー、コネクター、オープンな統合標準を軸に、リアルタイムで構築されている。そのアーキテクチャが形を成すにつれ、コンテキストは最優先の課題になる。AIが高品質の意思決定を行うには、その意思決定が展開される環境を理解していなければならない。
物理世界で活動する組織にとって、その環境は地理である。
緊急対応では、これが明確に見て取れる。2024年3月にボルティモアでフランシス・スコット・キー橋が崩落した後、連邦機関はジオスペーシャルAIとドローン由来の3Dマッピングを用い、残骸の状況を共有できるリアルタイムの共通図を作成した。これにより航路再開が劇的に加速し、通常なら数カ月を要するプロセスが1日未満に圧縮された。危機において、「何が起きたか」を知るだけでは不十分である。意思決定者は、障害物がどこにあるか、状況がどう変化しているか、どの行動が最速でオペレーションを再開させるかを把握する必要がある。
ジオスペーシャルAIは、レジリエンスと公共投資の捉え方も変えつつある。テネシー州チャタヌーガでは、ジオスペーシャルAIを用いて530万本の樹木を97%の精度でマッピングし、樹木に覆われた地域より地表温度が20度以上高い近隣地区を特定し、新たな樹冠被覆が脆弱な住民を最も守れる場所へ、600万ドルの連邦助成金を正確に振り向けた。これは単なるマッピングではない。地理、曝露、インパクトに基づく、限られた資本のより賢い配分である。
公衆衛生も同様の教訓を示す。ニュージャージー州エセックス郡はジオスペーシャルAIを使って長年のインフルエンザデータを分析し、交通回廊付近にある継続的な流行ホットスポットを特定し、感染がピークに達する前に介入を集中させた。変化は本質的だった。拡大してからパターンに反応するのではなく、次にリスクが集中しそうな「場所」を特定する方向へと移行したのである。
共通する糸は単純だ。地理が意思決定の質を変える。
だからこそ、私は地理こそが今日のエンタープライズAIにおいて最も有望な次元だと考える。地理は単なるデータレイヤーではない。顧客、インフラ、資源、リスクが現実世界でどのように相互作用するかを組み立てる枠組みである。
最も難しい意思決定は、常に地理の問題だった。ジオスペーシャルAIによって、エンタープライズAIはそれらを解く装備を整えつつある。
それは、可能性のリセットである。
