企業のAI導入はなぜ失敗するのか。
実際に失敗していることは分かっている。事実、マサチューセッツ工科大学（MIT）で行われた調査が波紋を呼び、最近テック系メディアで広く取り上げられた。この調査によると、調査対象企業における生成AI（ジェネレーティブAI）プロジェクトの実に95%が、期待される費用対効果を実現できていないという。
筆者はこの調査結果を読み、この憂慮すべき統計の背景にある理由について考察した。まず、インセンティブと人間のモチベーションの不一致がある。例えば、上司からAIを「使わなければならない」と言われた場合、おそらく使いたくないと感じるだろう。そして、企業のトップダウン計画を受け入れない従業員は、結局のところ密かに自分自身のツールを、自分なりのやり方で使うことになる。
解決策は何か。従業員を参画させることだ。プロセスの一部にすることで、彼らは「当事者意識」を持ち、自分のアイデアを貢献していると感じられるようになる。
企業の「最善の計画」が失敗する他の理由としては、ワークフローとの不適合、賛同の欠如、些末な議論への固執、そして信頼に値しないかもしれないツールへの盲目的な信頼などがある。
ここボストンで
さらに詳しく見るため、MITで最近開催されたカンファレンスのセッションを取り上げよう。このセッションでは、ウォール・ストリート・ジャーナル紙のサラ・クラウス氏が、Blitzyの共同創業者兼CEOであるブライアン・エリオット氏と、Jellyfishの共同創業者兼CEOであるアンドリュー・ラウ氏に、AI時代にゼロから企業を創造することについてインタビューした。
今日の計画
エリオット氏は、AI時代における企業のニーズに適合する、新しく根本的に異なるアプローチを求めた。
「エンタープライズ環境で実際に機能するようにシステムを設計し、そして彼らにこう助言することです。『労働力は少し異なる様相を呈するでしょう。従業員には、何を望むかについて、より先を見据える必要があります。素早く反復的にやり取りして一度に数センチずつ進むのではなく、一度に数ヤード進むのです』」
3人は、1年前には回答者の約57%しか企業でAIを導入していなかったが、現在その数字は90%台になっているという調査結果を観察した。
ラウ氏は先進企業について語った。
「最先端を見ると、これらの企業は新しいプロセスを発明しています」と彼は述べた。「世界の他の企業は、まだ『これらの新しいプロセスに対応するために、どのように取り入れ、変革すればよいのか』を模索している段階です。彼らは今、その世界を取り込む初期段階にいるのです」
ループ内の人間
エリオット氏は、今日の業界において、AIを使用することは人間の監督なしに全面的に進めることを意味しないと指摘した。
「私たちが話をした多くの組織では、何らかの形でAIが導入されていますが、最終的には何らかのレベルでの人間の介入を望んでいます。人間が最終的に責任を負うのです」と彼は述べた。「そのため、マージボタンを押す前に品質保証を行う、バックエンドのQA担当者の責任が大幅に増大しています。そして、センス、判断力、正しいものがどのようなものかを知ることに重点が置かれ、事前に定義され、バックエンドで承認されるのです」
コーディングの文脈で、ラウ氏は、人々の仕事がより重複し、さまざまなプロジェクトの役割が管轄権を得るために「争わなければならない」新しいシナリオと、コードベースを承認する古いやり方がもはや適用されない状況について説明した。その理由の一部は、AIがコーディングを行っているからだ。
「これらの組織では多くの変化が起こらなければならず、労働力のシフトはこの問題について行ったり来たりするでしょう」と彼は述べた。「なぜなら、この変革を見ると、私たちは実際には役割のアンバンドリング（分解）とリバンドリング（再構築）について話しているからです。役割とは何か。役割とは実際には、ワークフローに組み込まれるタスクと仕事の集合体です。ワークフローは実際に役割に適合します。これらのタスクはすべて変化しているため、実際にはすべてを再構築する必要があります。そして、その再構築は困難になるでしょう」
より批判的な思考
後に、ラウ氏は今日の世界の文脈における新しい企業戦略について、さらに言及した。
「もはや、とにかく物を投げつけるというようなことではありません」と彼は述べた。「実際に何が機能するかを考えなければならないのです」
エリオット氏は、AIに価値をもたらすプロセスを批判した。
「もしあなたが『これらの人々を活用して顧客の問題をさらに解決し、その価値の一部を獲得することができない』と言っているなら、それは創造性の欠如です」と彼は述べた。「価値とは、将来のキャッシュフローの正味現在価値です。AIはそれを実現するための手段です。しかし最終的には、私たちは創造性によって制約されているのです」
2人は、「トークン最大化」の新しい実践、スーパーユーザーの特定、そして大規模言語モデル（LLM）の使用率との取り組みについて議論した。
「突然、インターンが月額7000ドルの請求を開始することになります」とエリオット氏は述べ、彼の見解では、リーダーが従業員に一貫して高い率でモデルを使用してもらいたいと考えるいくつかの状況を指摘した。「何が起こったのか、という感じですよね。企業は今、次のような質問で割り当てを始めています。どの部門が使用を許可されるのか。どのモデルを使用できるのか。長時間実行されるモデルか。Opus 4.6を使用できるのか。高速モデルを使用しなければならないのか」
彼は関連する要因について議論した。
「コストが重要になってきたため、今やトレードオフが存在します」とエリオット氏は述べた。
ラウ氏は、「ツールで出力を正味増加させる」必要性について語った。
単なる「労働力」ではなく、方程式は今や、労働力プラストークンだと彼は示唆した。あるいは、労働力、プラストークン、プラスツール。
「これが私たちが垣間見ている未来です」とエリオット氏は述べた。「組織が部門ごと、機能ごと、プロジェクトごとに、実際に何に投資したいかを増減できる場所に私たちはいるでしょう。歴史的に、労働力の観点からは、それは採用サイクル、部門マージン、どのチームがこれを行っているか、マネージャー、昇進など、これらすべてのことによって測定されていました。このデジタル版は実際にははるかに柔軟です」
ラウ氏は、いくつかのAnthropic（アンソロピック）とグーグルのツールの相対的価値について議論した。
「Anthropicはエントロピーの調整に本当に優れています」と彼は付け加えた。「例えば、実行時にSonnet（ソネット）とOpus（オーパス）を切り替えたいとします。より決定論的なものにはSonnetを使用し、より困難で複雑なエッジケースにはOpusを使用します。Gemini（ジェミニ）は優れたコンテキストウィンドウを持っています」
エリオット氏は、多数のLLMクエリのロジスティクスについて言及した。
「必要なときにSonnetを使用し、必要なときにGeminiを使用します」と彼は述べた。
タイムライン
トークの最後に、クラウス氏は他の2人にAIの進歩のタイムラインについて尋ねた。
ラウ氏は、次の技術の波は約24カ月後、つまり2年後に来る可能性があると示唆した。
エリオット氏はそれをもう少し先だと位置づけた。
「大規模なコードベースに実際に影響を与え、組織を変革する能力には、しばらく時間がかかるでしょう」と彼は述べた。
筆者は、これらすべてが非常に示唆に富むものだと考えた。今後の展開にご期待いただきたい。
