ジェームズ・ロフラー氏は、米国中西部北部全域でビジネステクノロジーサービスとソリューションを提供するリーダー企業、Loffler Companiesの社長である。
中規模の会計事務所がAIの実験を始めたと想像してほしい。彼らはすぐに関連する活用事例を特定し、スタッフからの興奮と賛同を感じ取り、毎月200時間の業務時間を削減できると予測する。AIは事務所を上から下まで変革する態勢にあるように見え、彼らは投資と導入を加速させる。
そして現実が訪れる。AIによってワークフローは変化しているが、必ずしも改善されているわけではない。従業員の生産性は向上しているが、高速化した業務量とスピードによって燃え尽き症候群を感じている。時間の節約は新規顧客や収益増加につながっていない。そして考えられないことが起こる。AIチャットボットがすべての顧客の財務データを流出させてしまうのだ。
このシナリオは決して仮定の話ではない。マッキンゼーによると、生成AIの導入率は2023年の33%から、わずか2年後には79%へと急上昇した。企業は歴史上のどの技術よりも速いスピードでAIを導入した。しかし、当初の熱狂が冷めると、異なる状況が浮かび上がった。AIはあらゆる問題の万能薬でもなければ、即座にイノベーションを生み出すエンジンでもなかったのだ。早期導入者たちは、恩恵が宣伝されていたほど大きくないことを発見した。そしてリスクは、彼らが認識していたよりも大きかった。
もちろん、AIがなくなることはなく、最高のツールと最も優れた活用事例はおそらくこれから登場するだろう。しかし、AIが大小さまざまなオフィスに浸透する中、私たちは恩恵とともに潜在的なリスクも認識する必要がある。そして本当に憂慮すべきことは、それらが手遅れになるまで見過ごされる可能性があることだ。
中小企業にとっての大きなリスク：停滞を変革と誤認すること
AIが退屈な業務を自動化し、あらゆる質問に答えてくれるとき、この技術がすべてを良い方向に変革すると考えるのは容易だ。しかし、もしAIが自社を停滞させているとしたら？あるいはさらに悪いことに、以前は存在しなかった問題を生み出しているとしたら？それは複数の形で起こり得る。
企業をデータ侵害やサイバー攻撃にさらすことは一例だ。プライベートなAIモデルに入力された機密データでさえ、外部ユーザーと共有される可能性がある。社内のAIツールは、ハッカーによってセキュリティ管理を回避し、貴重なリソースを見つけるために武器化されることもある。IBMによると、生成AIイニシアチブのわずか24%しかセキュリティコンポーネントを持っていないことを考えると、これらのリスクは非常に現実的だ。そして、データセキュリティとプライバシーが危険にさらされるときはいつでも、高度に規制された企業にとってはコンプライアンスと信頼も危機に瀕する。
AIはまた、非効率性を覆い隠したり悪化させたりし、企業に時間、資金、生産性の損失をもたらす可能性がある。非効率なプロセスにAIを重ねても、根本的な問題が自動的に解決されるわけではない。同様に、既存のプロセスをそのまま維持し、AIを中心に再設計しないことは、期待外れの結果につながる可能性がある。これは、MITの調査で、95%の企業がAIから大きなROI（投資収益率）を得ることに苦労していることが示されている理由の説明に役立つ。
この技術の力を過大評価することも、よくある落とし穴だ。イノベーションを起こしたり競合他社に追いつこうとする焦りの中で、企業は特に誇大宣伝に駆り立てられた市場において、実証されていない、あるいは不要な「AI搭載」ツールに多額の資金を注ぎ込む可能性がある。さらに悪いことに、重要なスキルと組織的知識を持つ従業員を解雇し始め、AIが彼らに取って代わることができないことを発見する可能性もある。フォレスターは、AIによる解雇の半数以上が撤回されると予想している。
これらの問題は無視できない。しかし、AIに対してより慎重なアプローチを取ることで回避できる。
AIのリスクと恩恵のバランスを取る方法
特に中小企業において、AIの影響を可能な限りポジティブなものにするには、リスクを最小化し恩恵を最大化することに基づくシンプルなフレームワークが必要だ。
• チームを構築する。まず、目標を特定し、KPI（重要業績評価指標）を選択し、起こり得るリスクを予測するチームを構築することから始める。私の経験では、従業員200人未満の企業では、集中的な3人のワーキンググループが、広範な20人の委員会よりも優れたパフォーマンスを発揮することが多い。経営陣、財務、技術スタッフから各1人を含めること。必要な専門知識が社内にない場合は、プロセスを効果的にナビゲートするために第三者を関与させることを検討すると良いだろう。
• データを整理する。AIの出力は、それが基づくデータと同じくらい優れているに過ぎないため、データソースの統合、データ構造の標準化、必要なコンテキストの追加を行う前に進めてはならない。これは中小企業にとって大きな取り組みになる可能性があるが、AIの成果を即座に、持続的に、そして意味のあるものにするために不可欠だ。
• セキュリティに注意を払う。セキュリティとガバナンスをパッケージにバンドルした有料製品を優先し、無料ツールをブロックすることは、しばしば良いアイデアだ。MSP（マネージドサービスプロバイダー）を利用している場合、彼らはプログラムを安全に理解し管理するのを支援するためにそこにいるはずだ。
• すべてのユーザーをトレーニングする。何かを解き放つ前に、経営陣から下まで、チーム全体をトレーニングし、AIを安全に使用し、ポリシーに従い、悪い行動を避けるようにする。AIに不慣れな人や変化に抵抗する人のために、価値ある活用事例を強調する機会を活用すること。賢明なユーザーこそが、価値を生み出すAIと問題を引き起こすAIの違いを生む。
• イノベーションマインドセットを使う。展開の前後を通じて、継続的な学習と絶え間ない実験の精神でAIにアプローチする。この姿勢は、新しい活用事例と価値の推進要因、見過ごされたリスクと隠れた障害を明らかにする。純粋な熱意に基づくマインドセットではなく、イノベーションマインドセットこそが、AIの旅を通じて良いこと、悪いこと、予期しないことを明らかにする。
AIが最先端から中小企業の標準的なツールキットの一部へとますます移行するにつれて、利点とともに障害もより明らかになるだろう。それは重要な問いを提起する。あなたは、AIをあなたのために機能させる基盤を構築しているのか、それともAIがあなたに不利に働くことを許す基盤を構築しているのか？
