AIは実験段階を脱しつつあります。
あらゆる業界で、生産性の向上、意思決定の迅速化、新たな成長機会の創出を目的としてAIへの積極的な投資が進められています。しかし、多くの企業のリーダーは、パイロットプロジェクトを測定可能なビジネス成果へとつなげるための明確な道筋を依然として模索しています。
McKinseyのレポート『The State of Organizations 2026』によると、10社中9社（88%）がAIの導入を試験的に進めている一方で、意味のあるビジネス成果を報告している企業はわずか19%にとどまっています。ここでの課題は、信頼性とガバナンスを確保しながら具体的な価値を生み出せる形でAIを導入し、スケールさせることにあります。
この課題は、英国ロンドンで開催された最新の「Alteryx on Tour」でも多くの議論の中心となりました。イベントでは、顧客、パートナー、業界のリーダーが、AIを単なるアイデア創出ツールから本番環境で活用できるテクノロジーへと進化させるために本当に必要なことについて、それぞれの見解を共有しました。特に印象的だったのは次の3つのテーマです。
1.最大の課題：信頼
AIがもたらす可能性は計り知れません。一方で、適切なガバナンスや統制を整えないまま導入することには大きなリスクも伴います。
AIがビジネスの中核を担うプロセスに組み込まれるにつれ、「信頼」は最も重要な課題となっています。経営層は、AIが生成した結果を理解・検証・管理できること、そして重要な意思決定を大規模に支援する前に、それらが適切に統制されていることを確信する必要があります。
基調講演で、Alteryx CEOのAndy MacMillanは、AI最大の課題である「確率的な性質」を端的に示すシンプルな事例を紹介しました。大規模言語モデル（LLM）から誤った金融アドバイスを受けた後、彼は別のLLMに「なぜその回答は間違っていたのか」と尋ねました。
その回答はどうだったでしょうか。「そうですね、LLMはよく間違えるからです。」
AIを信頼できなければ本番環境で活用することはできません。
この課題に対処するため、同氏はVURAフレームワークを紹介しました。AIは「可視可能性（Visible）」「理解可能性（Understandable）」「再現可能性（Repeatable）」「監査可能性（Auditable）」を備えていなければなりません。そうすることで、組織は、あらゆるインサイトが透明性を備え、説明可能であり、信頼できるビジネスロジックに基づいていると確信できるようになります。
特に組織がAIエージェントの導入を進める中で、その重要性はますます高まっています。基本的な質問に答える従来のチャットボットとは異なり、AIエージェントには情報を分析し、自律的に行動し、意思決定を行うことが期待されています。信頼、ガバナンス、透明性がなければ、その可能性はたちまちリスクへと変わってしまいます。
こうした懸念は広く共有されています。完全自律型AIに安心感を抱いているアナリストはわずか3%にとどまっており、組織がAIのスケールを急ぐ中で、信頼、透明性、ガバナンスがいかに重要になっているかが浮き彫りになっています。
もちろん、だからといって組織がAIや大規模言語モデルの利用をやめるべきだという意味ではありません。AIの真の価値は、すでに洞察に富んだダッシュボードやミッションクリティカルなレポート、エンタープライズグレードの自動化を支えている信頼性の高いワークフローを置き換えることではありません。その価値は、こうしたワークフローをAIへと拡張することにあります。
既存の分析ワークフローやビジネスロジックがAIの基盤となることで、ワークフローは静的な資産からインタラクティブな資産へと進化します。ビジネスユーザーは自然言語を使ってこれらのワークフローを利用できるようになり、AIは単に答えを生成するのではなくビジネスロジックに基づいて推論を行います。その結果、透明性や追跡可能性を損なうことなく、より迅速な意思決定が可能になります。
2. LLM（大規模言語モデル）の時代においてビジネスに関する専門知識が重要
組織は長年にわたり最新のクラウドデータプラットフォーム、分析ワークフロー、ガバナンスモデルへの投資を続けてきました。次のステップはそれらをAIに置き換えることではなく、すでに意思決定を支えている信頼できるデータ、ビジネスロジック、専門知識とAIを連携させることです。
これは重要なポイントです。なぜならAIは組織の財務管理体制、業務ポリシー、規制要件を自動的に理解できるわけではないからです。AIを成功裏にスケールさせるには、構築、ガバナンス、活用のあらゆる段階にビジネスに関する専門知識を組み込む必要があります。
このメッセージは、「Alteryx on Tour」を通じて一貫して語られていました。
UBSのセッションでは「ユーザーではなくシステムを管理すること」の重要性が強調されました。その目的は、ビジネスチームによるAIや分析ツールの活用を制限することではなく、安全性とガバナンスが確保された基盤を提供し、その上でユーザーが安心して効果的に活用できるようにすることです。
つまり、一般開発者から一般のビジネスユーザー、上級の実務担当者まで、幅広いユーザーが、自ら文脈を理解している領域で分析を活用できるようにすると同時に、IT部門は安心してスケールできるよう、必要な統制、標準、ガードレールを維持するということです。
AIの導入を成功裏にスケールさせている組織は、ビジネスとITのどちらか一方を選ぶのではなく、両者を連携させることで信頼できるデータ、ビジネスに関する専門知識、ガバナンスを組み合わせ、より優れた成果を生み出しています。
AI活用への第一歩：今すぐAI対応スターターキットをダウンロード
3. 技術ではなくビジネス課題を解決する
AIが引き続き注目を集める中、最も興味深い事例の多くは実際のビジネス課題の解決に焦点を当てています。
その代表的な例が、海洋保護協会（Marine Conservation Society）の取り組みです。この慈善団体は小規模なデータ・分析チームでありながら、公共政策が海岸のごみに与える影響を測定するAI活用モデルを構築し、エビデンスに基づく環境保護活動の推進に貢献しています。
同チームは分析とAIを活用して複雑な調査結果を分かりやすいレポートへと変換し、そのインサイトを対話型AIエージェントを通じて提供しています。これにより、ステークホルダーは自然言語で追加の質問を行うことができ、分析チームの負担を増やすことなくインサイトへのアクセスを広げられます。
この考え方はイベント全体を通して共通していました。組織は、自動化やAIそのものを目的とするのではなく、ビジネスを支えるワークフローの中にこうしたテクノロジーを組み込んでいます。
カードメーカーのUK Greetings社は、ビジネスインテリジェンスレポートの作成を完全に自動化し、廃棄物の削減から販売機会の最適化まで、サプライチェーン全体で分析活用を拡大しています。
Marex社は、Alteryx Oneを活用して継続的なセルフオートメーションを推進している取り組みを紹介し、Zenith社は、自動化によって財務業務を大規模に変革している事例を披露しました。
組織はAIを導入してから活用方法を探しているわけではありません。まずビジネス課題を起点とし、その課題をより迅速かつ効果的に解決するために分析、自動化、AIを活用しているのです。
今後の取り組み
AIやAIエージェントをめぐる議論は急速に進化しています。
組織は実験段階を脱し、より重要な問いを投げかけています。「どのように責任を持ってAIをスケールさせるか」という問いです。
その答えは、信頼できる基盤を構築し、ビジネスに関する専門知識を組み込み、現場に最も近い人々が自信を持ってイノベーションを推進できるようにすることです。
AIの進化が加速し続ける中、最も大きな価値を生み出す組織は必ずしもAIを最も早く導入した組織ではありません。信頼を最優先に築き、データ、ビジネスに関する専門知識、AIを組み合わせて意味のあるビジネス成果を実現する組織こそが成功を収めるでしょう。