AIがすべてを変える可能性があると気づいた瞬間は、いつでしたか？
私にとっては、あるシンプルな会話がきっかけでした。私は、自分が熟知している社内データセットについて、LLM（大規模言語モデル）に質問をし始めました。すると数秒のうちに、意味のある明確な分析や、主要なトレンドとパターンが示されました。その場を離れるころには、新しいアイデアと視点を得ていました。
生成AIを使い始めたばかりのCEOと話すとき、私はいつも同じことを勧めています。信頼できるデータセットをエンタープライズ向けLLMに接続することです。そして質問を始めてください。
多くの場合、その体験は目を見張るものになります。
AIがたった一つのデータセットでこれだけのことができるなら、すべての従業員が使えるようになったときには何ができるのだろうか？
これは、次のような疑問とともに、世界中の人々が考えていることでもあります。AIの能力の限界はどこにあるのか？AIはどこまで、どれほどの速さで進化するのでしょうか？そして、私たちは今日からどのようにしてAIを安全かつ効果的に活用し始めればよいのでしょうか？
私は最近、AIの専門家でありウォートン大学教授でもあるEthan Mollick氏と話す機会がありました。現在のAIの状況についてのEthanの見解は、鋭く、非常に的を射たものでした。まだ「Executive Exchange」をご覧になっていない方には、ぜひフル動画の視聴をお勧めします。視聴する価値のある内容です。
それ以来、私はその会話についてさらに考え続けています。ここでは、その中で私が考えたことをいくつか共有します。どのような立場であれビジネスリーダーであれば、この記事は自社でAIを効果的に導入する方法を理解するのに役立つはずです。また、成功へのスピードを加速させる30日間のロードマップもご紹介します。
不安で立ち止まっても前には進めない
Ethanは、経営幹部がAIを理解するために必要な代償は「眠れない夜を3晩過ごすこと」だと言いました。私も同感です。先ほど述べたように、私自身もAIの可能性に驚いた瞬間がありました。そして、その後は試さずにはいられなくなりました。これはどうだろう？ この二つをつなげたらどうなるだろう？ これを試したら何が起こるだろう？
AIを試し始めた多くのリーダーが、同じような経験をしています。そして、多くの人が、3日間ほとんど眠らずに試行錯誤することは、このような破壊的テクノロジーを理解するための小さな代償にすぎないと感じています。
それでもなお、多くのCEOは、規制や競争環境がどうなるのかを見極めようとして、まだ様子を見ています。これは誤りです。
私は最近、ある顧客にこう伝えました。もしAIプロジェクトが、何十年も取り組まれてきたマスターデータ管理プロジェクトの後ろで順番待ちをしているのなら、そのAIイニシアチブは決して始動しないでしょう。
もちろん、クリーンで高品質なデータが重要ではないという意味ではありません。むしろ、それは基盤となるものです。しかし、すべてが完璧になるまで待ってから始めることはできません。傍観しているには、リスクが大きすぎます。
今すぐ、ガバナンスと導入に関するプロセスの構築を始める必要があります。生成AIは、これまでのテクノロジーとは異なります。Ethanが指摘しているように、その影響範囲は非常に広いため、IT部門に任せて展開してもらうだけでは済みません。仕事の範囲そのものが変わるのです。この事実を理解することが、導入成功への第一歩です。
生産性には目標が必要
2026年に向けてAIについて理解しておくべき二つ目のポイントは、生産性は魔法のようにすべてを解決するものではないということです。AIが自動的に企業の売上を増やしてくれるわけではありません。
最近、ある同僚がこんな冗談を言っていました。ある社員はAIを使って内容の詰まったPowerPointを作り、別の社員はAIに頼んでそれを箇条書きに要約してもらったというのです。確かにPowerPointを作る作業自体は「生産的」だったかもしれません。しかし、それは結局、生産性が空回りしているだけでした。
Ethanが挙げた別の例もあります。営業の場に400枚のPowerPointを持っていくことはできます。しかし、PowerPointの枚数が増えること自体が、望む成果ではありません。この点について、私はEthanに同意します。生産性は、特定のビジネス成果に結びついて初めて価値を持ちます。生産性はレバーのようなものですが、それがより良い結果につながらなければ意味がありません。まず目指す成果を定め、そこから最適化を進めていくことが重要です。
人材をどう捉えるかがすべてを左右する
デジタルトランスフォーメーションの推進要素として、長年「人・プロセス・テクノロジー」が重要だと言われてきました。しかしAIに関しては、多くのリーダーがこの順序を逆にしています。
まずテクノロジーを見て、それを支えるプロセスを作り、最後に人材を変動費として捉えているのです。残念ながら、多くの組織は人材をテクノロジーで置き換えようという誘惑に駆られるかもしれません。
しかし、それは失敗につながる方程式です。短期的なコスト削減はできても、その代償は計り知れません。AIを使って今と同じ量の仕事をこなす企業と、AIを賢く創造的に活用して自社の能力を拡大する企業では、どちらが勝つかを考えてみてください。
新しいオペレーティングモデルが必要
AIを組織で機能させるには、新しい組織的な枠組みが必要です。Ethanは、私が現実的かつ実践的だと考える枠組みについて話していました。それが「Leadership」「Lab」「Crowd」です。
リーダーとは、あなたであり、私であり、ビジネス上の意思決定を行うすべての人です。Crowdとは、日々AIツールを使っている従業員のことです。そしてLabは、おそらく最も重要な存在であり、AIを継続的に実験する専門チームです。新たなユースケースを考え、現状と比較して評価し、AIを中核業務のワークフローに安全かつ賢く組み込む方法を見いだします。
私の組織と同じような組織であれば、ものをどのように作り、リリースし、展開するかについて、厳格なルールや規定があるはずです。こうした領域においては、確立されたプロセスが極めて重要です。しかし、それらは遅いのです。それらはAIのために設計されたものではありません。
Labの考え方は、専門家のグループを切り出し、その人たちに実験をさせることです。Alteryxでは、これに近い仕組みを導入し、ひとつだけ絶対に譲れないルールを設けました。レビューと承認を経ない限り、Labの外に出してはならないというものです。そのうえで、AIに関しては思い切り大胆に取り組むよう彼らを後押ししました。
私はEthanのこの枠組みが好きです。欠けていたピースを埋めてくれるように感じるからです。Alteryxでは、全従業員にChatGPT Enterpriseへのアクセスを提供しました。ただ、私たちが繰り返し自問していたのは、生成AIのワークフローやユースケースを組織全体で共有するよう、従業員にどう適切なインセンティブを与えるかということでした。
Ethanの枠組みでは、すべてがLabを通して整理されます。Labはリーダーシップが何を求めているかを理解し、Crowdは自分たちのアイデアを自由にLabへ持ち込めます。その後、Labがそれらのアイデアを磨き上げ、展開するか却下するかを判断し、リーダーシップはそれに応じて従業員に報いることができます。すると突然、組織全体が一種のAIラボとして機能し始めます。企業として、イノベーションと実験を進められるようになるのです。
もちろん、これはあくまで一つの枠組みにすぎません。重要なのは、AIを活用する従業員へのインセンティブの与え方を変えなければならないということです。そうしなければ、Ethanが指摘したように、従業員は自分のブレークスルーを共有せず、自分の中だけに留めてしまいます。特に、それを共有した結果として同僚が職を失うことになるならなおさらです。
今後30日間のCEOのためのプレイブック
もし、あなたが志を成果へとつなげようとしているリーダーであれば、私は次の4つのステップに注力します。
1. 実データを使って最先端モデルを実際に試す
まずは、信頼できる社内データセットから始めましょう。パイプライン、解約率、予算対実績、サポートチケット、顧客フィードバックなど、すでに事業運営に使っているものです。それをエンタープライズ向けLLMに読み込ませ、経営会議で投げかけるような質問をしてみてください。
これを何度か繰り返せば、こうしたシステムが何を得意とし、何ができて何ができないのかが見えてきます。そうすることで、自社のどこに、どのようにAIを適用し始めるべきかを理解するための文脈が得られます。
2. Labを立ち上げる
少人数の専任チームに、迅速かつ自由に動く権限を与えましょう。その際、ひとつだけ明確なルールを設けます。レビューと承認なしに、Labの外へは出さないことです。Labの役割は、事業部門から生まれた最良のアイデアを取り上げ、それを再現可能なワークフローへと変え、そのワークフローを従業員が使える形にすることです。
3. 利用を可能にするリスク階層型ポリシーを作る
あらゆるリスクを排除しようとすれば、進展はいつまでも止まったままになります。だからといって、すべてのリスクを無条件に受け入れる必要はありません。従業員にはエンタープライズグレードのLLMへのアクセスを提供してください。そうしないと、各自が独自のツールを使い、未承認のツールへデータを漏えいさせる恐れがあります。さらに、透明性、監査可能性、ガバナンスを備えたデータを扱えるデータプラットフォームを優先してください。
そのうえでガードレールを整えたら、従業員が自由に実験できるよう後押しします。どんなアイデアが出てくるかに驚くかもしれません。私自身、実際にそうでした。
4. 価値の高いワークフローを2つ選び、そこにAIを組み込む
毎週発生し、しかも手作業が多い高価値のワークフローを2つ選びます。そして、そのワークフローにAIを直接組み込み、仕事の進め方そのものが実際に変わるようにします。2つのワークフローをうまく展開できれば、ほかの導入試験を本番環境へ移すための枠組みと発想が得られます。成功はあなたから始まります。
成功はあなたから始まる
AIは急速に進化しています。時には、技術の変化に振り回されているように感じることもあるでしょう。しかし、ビジネスリーダーとして、そのペースを定めるのは私たちの役目です。AIのチェンジマネジメントは、リーダーシップから始まらなければなりません。それは、あなたから始まる必要があります。
AIの導入を成功させるには、組織全体の構造とインセンティブを見直す必要があります。そして、それをうまく進めるには、AIに何ができて何ができないのかを理解しなければなりません。自ら手を動かす必要があります。実験することで理解が深まり、その理解が導入の成功につながります。
ある意味では、リーダーとしての私たちの仕事はこれまでになく難しくなっています。しかし同時に、これほど刺激的だったこともありません。私たちには、働き方そのものを見直し、従業員の仕事をより大きな影響力とより深い意義を持つものに変えていく機会があります。それを実現できれば、ビジネスの軌道は変わります。
Ethan Mollick氏とのExecutive Exchangeを視聴して、先進的なチームが企業全体でAIワークフローをどのようにガバナンスし、拡張しているのかをご覧ください。