コリー・マクニーリー氏はUHYコンサルティングのマネージングディレクターである。
AI（人工知能）は、実験段階から、エンドユーザーが期待する技術へと急速に進化した。業界を問わず、リーダーたちはカスタムコパイロットを導入し、予測分析を活用し、より迅速な意思決定と効率向上を約束する生成AIツールを活用している。
しかし、こうした期待の高まりにもかかわらず、多くの組織がAIを測定可能なビジネス価値に転換することに苦戦している。最近の調査によると、AIパイロットプロジェクトの90%以上が失敗している。実際、MITの調査では、生成AIパイロットプロジェクトの95%が失敗していることが判明した。その理由は、企業が前進する準備が単にできていないからだ。
AI準備度とは、組織がどれだけ多くのツールを使用しているか、あるいは最新のAIボットを試したかどうかではない。準備度とは、組織がAIを効果的に活用するために、運用面および構造面でどの程度準備ができているかの度合いである。同様に重要なのが、文化的適応と強固なデータガバナンスの基盤だ。ビジョンと計画がなければ、AI施策は停滞し、拡張に失敗し、意味のある結果を生み出せないリスクがある。
結局のところ、AIに関しては、導入よりも準備度の方がはるかに重要なのだ。
AIはITプロジェクトではなく、ビジネス変革である。
私がよく目にする最も一般的な誤解の1つは、リーダーたちがAIを純粋に技術的なものだと考えていることだ。確かに技術的な性質を持つが、成功を決定する要因は他にも多数ある。AI導入の成功は、ビジネスとの整合性から始まる。リーダーは、なぜAIが必要なのか、なぜそれが組織にとって重要なのか、どのような成果を達成しようとしているのかを明確に示さなければならない。
その目標には、買掛金請求書の処理サイクル時間の短縮、スタッフの能力の解放、報告のタイムリー性の向上などが含まれるかもしれない。具体的な目標は組織によって異なる。うまくいかないのは、このステップを飛ばして「他の皆がやっているから」という理由だけでAIを導入することだ。そのようなアプローチを取る組織は、劇的に苦しむ傾向がある。
AIは、プロセスが反復可能で、十分に理解され、文書化されている場合に最も効果を発揮する。プロセスが人やチームによって大きく異なる場合、AIは一貫した結果を提供するのに苦労する可能性がある。このような場合、作業の実行方法に大きな偏差があるため、AIモデルは一貫した価値を生み出すことができない。
組織は、AI導入を試みる前に、プロセスを標準化し文書化することで恩恵を受けることができる。これには数カ月や数年のリエンジニアリングは必要ない。インプット、意思決定、期待されるアウトプットの基本的な理解だけでも、AI結果の品質を大幅に向上させることができる。実際、準備度評価により、AI価値への最速の道は、高度なモデリングではなくプロセス改善から始まることが明らかになることが多い。
AI準備度における2番目の主要な要因はデータである。
データはAIエンジンの燃料だが、準備度は量だけの問題ではない。データの品質、アクセス性、ガバナンスの問題である。組織はしばしば、大量のデータを持っていることに気づくが、それはシステム全体でサイロ化され、一貫性のない定義がなされ、切り離されている。このような環境における不十分なデータガバナンスは、AI施策にとって有害である。
明確に定義されたデータドメイン、信頼できる情報源、基本的なガバナンス構造を持つ組織は、より迅速に動き、より効果的にパイロットを実施し、予期せぬ事態を少なくして拡張することができる。AI準備度評価は、これらの現実を早期に明らかにし、リーダーがどこでいつ開始するかについて情報に基づいた意思決定を行えるようにする。
この技術がセキュリティに与える影響も、後付けで考えることはできない。AIは、特に機密情報や規制された環境を扱う場合、追加のセキュリティ上の考慮事項をもたらす。システムがどのように機能するかの理解、監査可能性、追跡可能性は、AIが日常業務に組み込まれるにつれて、ますます重要になる。
AIが業務の実行方法の一部になるにつれて、リスクも組み込まれる。これは重厚な官僚主義を必要とするものではないが、ガバナンス構造を構築する際には、意図的な設計と監視が必要である。
AIの成否を決めるのは人である。
最も技術的に健全なAIソリューションであっても、人々がそれを信頼せず、理解せず、使用したくないと思えば失敗する。準備度には、従業員のスキルの評価、トレーニング計画の策定、強力な変革管理の実施が含まれる。教育、役割の明確化、導入計画に早期に投資する組織は、AI施策で成功する可能性がはるかに高い。
AI準備度評価は、リーダーが技術、文化、トレーニング全体にわたるニーズを理解するのに役立つ。準備度は、AI導入に向けた実用的で低リスクな進展を可能にする。繰り返すが、これは複数の専門家との長期的な関与を必要としない。多くの場合、1〜2週間続く短期間の構造化された評価で、強み、弱み、ギャップを迅速に特定し、指針として使用できる明確なロードマップを作成できる。
私は、これらのロードマップを3つのカテゴリーに整理するのが最適だと考えている。最小限の労力で対処できる即時のアクション、2〜6週間かかる短期的な施策、6週間を超える長期的な施策である。
AI実装前にこれらのギャップに対処することで、組織が計画している成果を確実に達成できるようになる。しかし、組織のAI準備度を十分に理解しないままでは、この技術の力を可能な限り迅速に最大限に引き出すことは困難になる可能性が高い。
