多くのCEOが語りたがらないことを、私は正直に話そうと思う。私は自社のAI導入を頓挫させかけた。そしてその原因は、テクノロジーとは無関係だった。
私たちはAIを早期に導入した。競合の多くが、社内でこのテーマについて最初のプレゼンテーションを終えるより前に動いた。ツールは機能し、アウトプットも良好だった。それなのに、すぐには説明のつかない形で物事が崩れ始めた。
問題の原因を突き止めるまでに、認めたくないほど時間がかかった。だが、ようやく見つけたそれはソフトウェアではなかった。チームでもなかった。私が下した意思決定、そして下さなかった意思決定──私たちが、手渡したばかりのAIを中心に組織としてどう運用すべきかに関して──そこにあった。
私が何を間違えたのか、そしてやり直せるなら何を変えるのかを述べたい。
どこで間違えたのか
テクノロジーこそが難関だと思い込んだこと
これは最もよく見かける誤りであり、私自身が最初に犯した過ちでもある。リーダーはしばしば、ツールの選定、統合、初期導入に膨大な時間と注意を注ぐ。私はそれらを主要な課題として扱った。テクノロジーが稼働すれば、残りは自然についてくると思い込んでいた。
そうはならなかった。起きたのは、AIのアウトプットが生成されるスピードに対応しきれず、未処理の作業が積み上がっていくという事態だった。レポートは蓄積され、フラグが立った項目はキューで待機し、数時間で済むはずの意思決定に数日かかるようになった。AIのアウトプットを確認する担当者たちが、まったく異なるペースを前提に設計されたワークフローの中で動いていたからだ。
テクノロジーの選定は簡単な部分だったのに、私はそこにエネルギーを注ぎ込みすぎた。
責める相手を間違えたこと
パフォーマンスが期待に届かないとき、私を含め多くのリーダーはまずチームに目を向ける。私は次のような疑問を抱き始めた。新しいツールに対する抵抗があるのか？ トレーニングが不十分だったのか？ AI導入によって表面化した、根底にある企業文化の問題があるのか？ 追加のトレーニングを実施した。導入に関する会話だと思っていたが、実際には正しく診断できていない問題に対する自分自身のフラストレーションをぶつけていただけだった。
だが、チームは問題ではないと気づいた。彼らは、私が構築した仕組みが求めるとおりに動いていただけだった。承認プロセス、レビュー手順、エスカレーションの経路はすべて、AIによって陳腐化したビジネスの速度を前提に設計されていた。私の人材は、壊れたシステムの中で正しく動いていた。そして、そのシステムを作ったのは私だった。
正しい場所に目を向ける
「なぜAI導入がうまくいかないのか」と問うのをやめ、別の問いを立てたとき、状況は変わり始める。その問いとは、「AIがアウトプットを生成した瞬間から、組織の誰かがそれに基づいて行動する瞬間までの間に、何が起きているのか」というものだ。
この問いに自分で答えるため、私はオペレーションチームのレポートやプレゼンを追うのではなく、単一のAIアウトプットが生成から行動に至るまで、組織内をどう流れるのかを追跡した。あらゆる手順、引き継ぎ、滞留点を数え上げた。
そこで見えたのは、過去の自分の意思決定の地図だった。あらゆるボトルネックは、私が承認したプロセスや構造、あるいは、以前のビジネス速度ではコストが可視化されなかったために疑いもしなかった手順に行き着いた。AIが組織を壊したのではない。すでに壊れていた箇所を、正確で不快なほど詳細に示したのだ。
初日から何をすべきか
もし最初からやり直せるなら、最初のAIツールを本番稼働させる前に、私は次の点に注意を向ける。そして他の企業にも、同様に検討することを勧めたい。
1. テクノロジーに触れる前に、ワークフローを監査する。 何かを展開する前に、AIアウトプットが触れるあらゆるプロセスを可視化する。誰がレビューし、誰が承認し、誰が行動し、どれほどの速度で進むのか。これらの答えが曖昧、あるいは一貫していなければ、AIはそれを即座に露呈させる。
2. 必要な監督と、惰性で引き継がれた習慣を切り分ける。 各レビュー工程について、すべてのリーダーにこの問いを強く勧める。「このステップは、実際のリスクを低減するために存在しているのか。それとも、最近誰も疑っていないから存在しているのか」。答えはしばしば不快なものになるが、習慣で残っているプロセスこそ、AIが最大のボトルネックに変えてしまう。
3. 必要になる前に、権限を定義する。 AIは継続的にアウトプットを生成する。組織として、誰が、どの条件で、どの速度でそれに基づいて行動できるのかを、明確に事前定義していなければ、痛い形で思い知らされる。曖昧な引き継ぎはすべて遅延になる。遅延はすべて連鎖する。意思決定権限のマップは、AI稼働後ではなく稼働前に作るべきだ。
4. アウトプットと行動の間のギャップを測定する。 これは多くの組織が追跡しない指標だが、最も重要だと私は考える。AIが正確であること、動いていることを知るだけでは不十分である。AIが生み出すものが、組織の行動へと変わるまでにどれだけ時間がかかるのかを把握する必要がある。その数値は、価値がどこで失われているのかを正確に示す。
5. チームを見る前に、自分を見る。 AI導入が期待どおりの成果を出していないなら、最も生産的な診断の問いは、テクノロジーや人材の何が問題かではない。パフォーマンス低下の条件を生み出した、自分が下した、あるいは下さなかった意思決定は何かである。私の経験では、その答えはほぼ常に、誰もが認めたがらないほど組織の上層部に近いところにある。
最終的に、私たちのAI導入は失敗しなかった。間に合ううちに気づき、問題を診断し、その周辺の運用レイヤーを再構築した。ツールは一度も問題ではなかった。私たちが求めたとおりに動いていただけだ。問題は、私たち自身に対して、まず何を問うべきかを正しく問えていなかったことにある。
この経験から得た教訓はこうだ。テクノロジーは、与えられた速度で動く。組織は、そう動くように作られた速度で動く。その2つの速度のギャップは、テクノロジーの問題ではない。下すべきリーダーシップの意思決定が、そこに残されているのだ。
