ヴァルン・チトカラ氏は、ビジネス、テクノロジー、AI、変革の分野で20年以上にわたり、真のインパクトを生み出すことに注力してきたグローバル企業のオペレーターである。
数週間前、数人でシーズン前のクリケット練習に向かっていた。私は理学療法から直行したところだった。リハビリに取り組み、基本的な動作を学び直し、基礎を正しく身につけることに集中していた。いくつもの怪我を経験し、フィットネスへの深い関心と理学療法士の資格を持つ私は、その手順を熟知している。正しい筋肉の活性化、適切なフォーム、地味な基礎だ。
すると友人がフィットネストラッカーを取り出し、興奮気味にダッシュボードを見せてくれた。睡眠スコア、負荷指標、回復率、心拍変動（HRV）のトレンド。数字とグラフだらけだ。
私は、それによって実際に何を学んだのかと尋ねた。少し間があって返ってきた答えは、もっと寝る、アルコールを控える、水分補給をする、というものだった。
私は微笑んだ。いとこや甥、そして何人かの同僚とも、ほぼ同じ会話をしたことがある。人は違えど、話は同じだ。ダッシュボードは洗練されていたが、得られた洞察は何も新しいものではなかった。
発見のないデータ
こうしたフィットネストラッカーは印象的だが（そして最後の1マイルを最適化することが実際に効果を生む段階まで達したら、私も試してみるかもしれない）、今のところ、基礎で十分な効果が得られる。
このパターンはフィットネストラッカーに限ったことではない。私たちは同じバイアスをあらゆる場所に持ち込んでいる。職場にさえも。企業におけるAIでは、それは主に2つの形で現れる傾向がある。
1つ目は、実際の問題は存在するが、解決策が最も声高に叫ばれているもの、最も派手なもの、あるいは最も新しいものに直行してしまうケースだ。2つ目はさらに悪質だと私は考えている。それは問題から始まらない。ツール（この場合はAI）から始まり、問題を探しに行くのだ。釘を探すハンマーのようなものだ。
どちらも同じ場所に行き着く。解決すべき問題を上回る洗練性だ。
洗練性がデフォルトになる仕組み
企業AIには複雑さに向かう引力が働いている。ベンダーがそれを推進する。エンジニアはそれに惹かれる。リーダーはそれが真剣さを示すものとして評価する。
私はこれを「洗練性バイアス」と呼んでいる。それが正しい解決策かどうかを問う前に、最も高度な解決策に手を伸ばす傾向のことだ。
ほとんどの企業プロセスは、異なる時代に、異なるツール、コスト、制約のもとで設計された。2005年に顧客からの電話をルーティングするために構築されたプロセスは、電話システム、スプレッドシート、訓練を受けたオペレーターができることを前提に設計されていた。当時はそれが理にかなっていた。それ以来、誰も疑問を持たなかった。
だからAIが登場すると、本能的にそれを既存のプロセスに向けてしまう。ルーティングをよりスマートにする。対応時間を短縮する。まとめのメモを自動化する。しかし、それは単に獣道を舗装しているだけではないだろうか。牛がその道を作ったのは、もはや存在しないかもしれない沼地を避けていたからだ。沼地は干上がった。迂回路がルートになった。そして私たちは高価なアスファルトを手に入れただけだ。
ほとんどの企業の課題は、知能の問題ではない。設計の問題、ワークフローの問題、データ衛生の問題、説明責任の問題だ。洗練されたAIはそれらを解決しない。
実際のケーススタディ
数年前、私は大規模な分散組織のリーダーたちと協力し、グローバルなコンタクトセンター業務を新たな視点で見直した。複数の事業部門にまたがる数十のセンターがあった。それぞれが時間をかけて改善を重ね、うまく運営されていると信じていた。ベンチマークと基本的な検証はそれに同意しなかった。
最初のステップは、実際に何が起こっているのかを詳しく調べることだった。これは稼働率分析、通話解決時間、縮小率、コンタクト量などを意味した。
そしてより深い疑問が生じた。そもそもなぜ人々が連絡してくるのか。誰も正確には知らなかった。確かにチャートやアイデア、仮説はあったが、正確なものは何もなかった。通話記録は不完全だった。連絡理由は記録されていなかった。私たちは自然言語処理（NLP）と機械学習（ML）を使って解読を試みた。音声トランスクリプトを変換し、ログをスキャンし、すべてのチャネルをマッピングした。各チャネル（電話、メール、ウェブフォーム、チャット）には、それぞれの量、コスト、人的労力への需要があった。
私たちが発見したことは、他のすべてのコンタクトセンター分析と一致していた。連絡のかなりの部分は回避可能だった。これには上流の製品問題による請求の混乱や、アクセス可能な答えがない質問が含まれていた。それは壊れた設計であり、壊れた知能ではなかった。
シグナルではなくシステムを修正する
次に技術スタックを調べた。あらゆるものが緩く組み合わされ、統合が不十分で、活用されていなかった。何年もの局所的な決定が積み重なっていた。
正直に言えば、私はクリーンシート設計に惹かれていた。洗練されたインテリジェンスエンジン、高度なAI、自動化、その仕事のために特別に構築された新しいプラットフォーム。それは論理的で刺激的だった。しかし、別の筋肉が働き始めた。80対20の思考、ROI規律、そして実際に何が針を動かすのかを問う運用本能だ。
チームはまず原則、労働力計画、稼働率分析、地理的最適化から始めた。請求と製品の上流修正。セルフサービスポータル。チャットボット。FAQ。そして高度な技術については、新しいものを追加するのではなく、まずスタックに既にあるものを解放した。
私たちはAIを使ったが、それが本当にその地位を獲得した場所で外科的に使った。洗練されたエンジンは構築されなかった（少なくとも私がまだそこにいる間は）。結果は、コストの3分の1以上の削減、顧客満足度の向上、新たな収益源の可能性、そして複雑で高価値な仕事のために解放された人的能力だった。これらすべては、洗練性が登場する前に実現した。
正しく実行するためのシーケンス
まず第一に、私はAIに反対しているわけではない。私はその可能性に心から興奮している。それはすでに私の生活のさまざまな側面に浸透している。私はただ、それが適切に着地することを望んでいる。この場合、答えはシンプルなシーケンスだ。
1. クリーンシート設計：プロセスが現在の形で存在すべきかどうかを問う。今日のツールを念頭に置いて再設計する。もはや存在する必要のないものを排除する。
2. 基本的なレバー：稼働率とリソースの最適化、地理的合理化、上流の修正、すでに所有しているものの解放。これには専用ソフトウェア、ワークフロー自動化、適合する場合のRPA、そしてスタック内にすでにあるが十分に活用されていないツールが含まれる。地味だが、高いリターン。低リスク。
3. AI：次にAIについて厳しい質問をする。コストベースはすでに大幅に移動している。だから正直に問う。より多くのことをするのに役立つか、どのようなコストで。より速くするのに役立つか、そのスピードにはどれだけの価値があるか。品質を向上させるか、リスクを軽減するか。
これらに実際の数字で答えられないなら、おそらくまだ準備ができていない。正直な答えは次のようなものかもしれない。まだではない。ここではない。この価格ではない。おそらく、それまでは十分にスマートなソリューションで十分だ。AIができるからといって、AIがすべきだとは限らない。だから自問してほしい。あなたは自分の仕事で洗練性の罠を回避しているだろうか。
