Alex Osmichenko氏は、IT MonksのCEOである。
AI（人工知能）には確かな勢いがある。企業は日々の業務プロセスやデジタルインフラにAIを統合している。しかし、書類上では明確でスムーズに見えるものも、実際に導入すると期待を下回ることが多い。これはAIモデルの品質が低いからではなく、これらのシステムが統合される環境が、AIを支える準備ができていないからだ。
私は、AIの出力が正確で有用であるにもかかわらず、何も起こらない状況を目にしてきた。次のステップが明確でないか、システムがそれを実行できないのだ。データは自動化を可能にする形で構造化されていない。そのため、優れた推奨事項でさえ、使われずに終わってしまう。
だからこそ、議論はAIをツールとして扱うことから始めるのではなく、AIが依存するシステムから始めるべきなのだ。
マッキンゼーの2025年調査は、この点を明確に示している。生成AIによるEBITDA（利払い・税引き・減価償却前利益）への最大の影響は、モデルを実装するだけでなく、ワークフローを再設計することから生まれる。言い換えれば、AIが独立したレイヤーとして扱われるのではなく、ビジネスの実際の運営の一部となったときに、価値が現れるのだ。
私の会社の観点からは、転機は通常、ウェブサイト、CRM（顧客関係管理システム）、社内プロセスを1つのまとまりのある全体に統合したときに訪れる。
製造業は
昨日の業務実態のままAIに突入している。
AI導入への野心がどれほど急速に進んでいるかと、その表面下でビジネスが実際にどのように運営されているかの間には、顕著なギャップがある。最高執行責任者（COO）、業務責任者、デジタルトランスフォーメーション責任者は、製造業の日常業務へのAI統合を優先している。しかし、これらの取り組みが日々の実行段階に達すると、追いついていない環境に直面する。
多くの場合、生産データはERP（統合基幹業務システム）に、顧客情報はCRMに存在し、ウェブサイトからの問い合わせは別々に入ってくる。共有された視点がないのだ。販売依頼がウェブサイトから入り、メールで転送され、その後別のシステムに手動で入力される。サービスチームは、機器の履歴を追跡するために、スプレッドシートや社内メモに頼ることが多い。
その結果、マネージャーは注文、生産状況、顧客活動のリアルタイムの全体像を把握できない。情報は遅延し、不完全であるか、誰かが手動でまとめることに依存している。
ここで問題が明確になる。
AIは、構造化された最新のデータと、すでに接続されているプロセスに依存している。製品データ、顧客活動、業務シグナルが、各ステップで再入力、確認、明確化されることなく、システムを通過する必要がある。しかし、多くの製造環境では、これらのステップには依然として手動入力、メールのやり取り、同期しない別々のツールが必要だ。
AIが導入されると、これらの問題を修正するのではなく、問題に直面して停止する。
私の観点からは、これは技術自体の限界ではない。ビジネスがどのように運営されるように設定されているかの限界だ。
多くの製造業者は、自動化とAIに関する明確な野心を持っている。しかし、まずシステム、データ、ワークフローを整合させなければ、これらの取り組みは孤立したユースケースを超えて、日常業務に移行することに苦労する。
AIは摩擦を取り除かない。それを露呈させる。
AIが物事をスムーズにするという一般的な仮定がある。実際には、その逆の傾向がある。
AIが製造環境に導入されると、バックグラウンドで静かに非効率性を修正することはない。それらを表面化させる。以前は管理可能だったギャップが、突然目に見えるようになり、無視しにくくなる。
私はこれが何度も展開されるのを見てきた。
経営幹部レベルでは、方向性は明確だ。AIはスピード、意思決定、全体的なパフォーマンスを向上させることが期待されている。しかし、これらの取り組みが日常業務の現実に直面すると、限界がすぐに現れる。データは一貫性がなく、プロセスはチームごとに異なり、システムは完全には整合していない。
AIは流れに依存しているが、ほとんどの環境は依然として回避策で動いている。
そこで摩擦が明らかになる。AIは、まだ存在しない運用上の明確さのレベルに依存している。手動ステップや非公式な調整の内部に隠されていたものが、今や自動化の道に直接置かれている。
私のチームの観点からは、これはしばしば会話が変わる瞬間だ。
AIをさらに推進する方法を尋ねる代わりに、チームは特定の出力がなぜ使用できないのか、またはプロセスがなぜ依然として手動介入を必要とするのかを尋ね始める。焦点はモデル自体から、その周辺のすべてに移る。
AIはシステムから摩擦を取り除く代わりに、それを拡大する。そして、摩擦が運用レベルで取り除かれるまで、同じ制約に直面し続ける。
AIからより多くを得る企業は、まずビジネスを遅らせているものを修正する。
違いが現れ始めている。一部の製造業者は依然として、スタックにより多くのAIを追加することに焦点を当て、結果が続くことを期待している。他の企業は一歩下がって、よりシンプルな質問をしている。今日、ビジネスを遅らせているものは何か？
これらのボトルネックが対処されると、AIはアドオンのように感じられなくなり、システムの一部として機能し始める。データは信頼しやすくなる。プロセスは絶え間ない介入なしに進む。チームは情報を翻訳する時間を減らし、それに基づいて行動する時間を増やす。
私のチームと私が見る限り、AIから真の価値を得る企業は、インフラをバックグラウンド作業として扱わない。彼らはそれをビジネスの優先事項として扱う。「すべてを再構築しよう」という観点から統合にアプローチする代わりに、手動作業の削減やデータフローのクリーンアップなど、AIが役立つ特定の領域に焦点を当てる。それが組織のペースを変える。
意思決定は、誰かがレポートをまとめるのを待たない。顧客シグナルはツール間で失われない。サービスチームは、仮定ではなく実際の使用データに基づいて対応できる。基礎となる情報が一貫しているため、営業会話はより関連性が高くなる。
AIはそのような環境に自然に適合する。
結論
製造業において、AIに関する野心が問題になることはめったにない。製造業のAIを阻んでいるのは、その周辺のビジネスの状態だ。システムがどのように接続されているか、データがどのように流れるか、そして意思決定が実際に日々どのように行われているか。この基盤が改善されるまで、AIは約束したものに届かない状態が続く。
フォーブス・ビジネス・カウンシルは、ビジネスオーナーとリーダーのための最高の成長とネットワーキング組織である。参加資格はあるか？
