AIのROIギャップを埋めるデータの活用：4つのステップでビジネス価値を実現する

私たちが「AIの年」と呼ばれる4年連続の時代に入った今、多くの組織のリーダーたちは、2つの相反する質問を検討している。第一に、生成的なAIは21世紀最も変革的なテクノロジーであるか。第二に、AIは過大評価されているか。私はこれら2つの質問に対して、矛盾するようにはいですが、はいと答える。ただし、これらは間違った質問だと思っている。代わりに、これらのリーダーたちは、自分たちの組織が現在AIからビジネス価値を得る方法について考えるべきだ。

現実は、多くの企業が過去3年間で新しいAIテクノロジーに投資し、新しいAIツールを試験してきたが、まだ予想していたリターンを得ていない。CEOたちは「すべてのAI化」を要求しているが、組織は期待していたリターンを得ていない。これは驚くことではない。歴史は、最も重要な技術革新は時間が経過してから初めて実を結ぶことを教えている。技術的発明とビジネス革新の間には時間差がある。

トーマス・エジソンは1882年にマンハッタンで電気の力を実証したが、1913年にフォードが電気を使用した組み立てラインを発表するまで、電気は完全に蒸気の力を超えることができなかった。1885年のビジネスリーダーが工場労働者に電気の力を試験するよう促したと想像してみてください。まだ、電気は多くの20世紀の革新的な発明、ラジオ放送、デジタルコンピューティングへの道を開いた。

より最近の例として、ワールドワイドウェブは90年代初頭に一般的になった。消費者の使用はすぐに爆発的に増加したが、企業の採用は遅れた。既存の企業がウェブの利点を得始めるまでに、半世紀かかった。まだ、ウェブはソーシャルメディア、モバイルエンゲージメント、クラウドコンピューティング、最終的にAIへの道を開いた。ビジネス価値は、新しいテクノロジーから段階的に生成される。

電気時代のビジネスは組み立てラインで始まった。ウェブ時代のビジネスは電子コマースで始まった。AIビジネス時代のキラー・アプリは何になるだろうか。2022年末のChatGPTの発売により、大規模言語モデルの力が一般の人々に紹介された。その人気により、「私に理解され、人間のような」チャットボットが、AIの適用方法のアーキタイプになった。多くの企業は、ChatGPTの会社版を導入し始めた。多くの場合、ユーザーからの評価は良好だったが、生産性へのビジネスリターンは測定が難しい。

LLMのビジネスへの最も発達した応用例の1つは、コーディング・アシスタントである。Claude Code、Cursorなどのツールは広く人気を博しており、ほぼ魔法のような結果を示している。ただし、研究によると、個々の開発者の生産性向上はまだ組織全体の生産性向上にはつながらない。さらに、開発の高速化は、組織のビジネスパフォーマンスに役立たない場合、ビジネス価値を生み出さない場合は、組織のビジネスパフォーマンスに役立たない。コーディング・アシスタントは将来的にAIの導入を促進するが、キラー・アプリではない。

最も影響力のあるAIの応用を見つけるには、企業は自身のビジネスモデルを駆動する歯車に焦点を当てる必要がある。私とStephen Fishmanの著書《Unbundling the Enterprise》では、「価値ダイナミクス」という概念を検討する。ビジネスモデルを相互に接続された価値交換のセットに分解する方法である。価値交換には、手数料、時間節約、リーチ、品質の向上などの複数の「通貨」が含まれる。最もユニークな通貨はデータである。在来の企業はこれまでの2年間でデータを収集して洗練してきたが、まだデータの潜在的な収穫を完全に活用していない。データを活用するプロセスは、データを信頼性が高く、スケーラブルに利用可能にすることで、企業のビジネスモデルに歯車を付ける。データの活用は、動的な自動化の基盤を提供し、最終的に企業にとってのキラーAIアプリを明らかにする。

データを活用した企業はどのように見えるだろうか。以下のシナリオを考えてみよう：

• 新薬の開発に数百万ドル、数年間の資金を投入している製薬会社が、動的なAIを活用した短期間の並列化された臨床試験サイクルを実現した会社に変化する
• 現在、顧客全員に「希望と祈り」の製品オファーを送り出しているが、手動での下流処理が必要なリテールバンクが、ストリームライン化された信用創出を実現したパーソナライズされたオファーに変化する
• 在庫管理システムが過剰在庫と欠品の両方で悩んでいる小売業者が、常にオンのAIエージェントを介して分析された直接のアウトレット、倉庫、サプライヤー接続を通じてリアルタイムで在庫状況を理解する会社に変化する

これらのシナリオでのROIの道筋は、この新しい動的な自動化に従うものであり、それはデータの活用によって推進される。

企業はこの旅をどのように始めることができるのか。以下の4つのステップで始めることができる：

ステップ1：組織の価値ダイナミクスを理解する

組織のビジネスモデルをその下にある価値交換に分解することは、いくつかの理由で非常に価値がある。結果として得られる価値交換マップは、ビジネスを駆動する機能を示し、どのビジネス機能が最も重要であるか、組織内の各要素が価値の創出、キャプチャ、分配にどのように貢献するかを示す。私たちの目的のため、価値交換マップは、動的な自動化の候補となるコアビジネスプロセスを視覚化するために使用できる。次の層として、各価値交換とコンポーネントを、組織内での実装方法にマッピングできる。ソフトウェアアプリケーション、データストア、または従業員のタスクの形式でである。自動化の機会は、影響と実装の複雑さによって比較検討され、AIとデータの活用を最も効果的に適用する場所を特定することができる。

ステップ2：データ活用レイヤーを介した選択肢の拡大

組織のデータを活用する能力は、デジタル景観の選択肢の多さに依存する。選択肢の多さは、デジタル資産（ソフトウェア機能、データソース、サードパーティサービス）がリアルタイムで利用可能な場合に存在する。AIの文脈では、これは2つのことを意味する。第一に、組織は、正確な推論と妄想を避けるために、LLMに正確なコンテキストを提供するために、さまざまなソースからのデータを統合する能力を持っている必要がある。第二に、コアビジネス機能（銀行のローン判断サービスや小売業者のリアルタイム在庫システムなど）を実行するソフトウェアコンポーネントは、LLMベースのアプリケーションによって呼び出される必要がある。両方の場合、APIはデータと機能を適切に利用可能にするための最良のメカニズムである。モデルコンテキストプロトコル（MCP）は、データ活用のAPIプロトコルとしての支持を得ている。このような利用可能な機能のセットは、組織のコンテキスト化されたプラットフォームにすることができる。デジタル景観を、シロードアプリケーションとデータのセットから、ビジネスに合致したAPIのレイヤーに変換することは、データ活用によるROIを達成するために不可欠である。

ステップ3：デジタルソリューションのエージェントパラダイムを採用する

AI時代のソフトウェアアーキテクチャが現れ始めている。最適化されたソフトウェアソリューションは、AIを含むコンポーネントと含まないコンポーネントのバランスを必要とする。AIエージェント（この新しいアーキテクチャのAIを含むコンポーネント）は、コンテキスト認識に基づくLLMベースの推論を使用して、利用可能なツールを介してタスクを実行する。データ活用と動的な自動化のためのツールである。API（MCPツールを含む）を介して選択肢の多さを実現したデジタル景観は、エージェントが繁栄するための最も肥沃な土壌である。エージェントアーキテクチャは、既存のインフラストラクチャの決定論的ソフトウェアコンポーネントとAIエージェントを組み合わせるための、シンプルなチャットボットやワーカーエージェントから、エージェントワークフロー、さらには自律的なマルチエージェントシステムまで、多数のパターンを可能にする。エージェントアーキテクチャを採用する組織は、既存のデジタル資産から最も多くの価値を生み出すことができ、AIを導入するペースを管理することができる。

ステップ4：AIを生産性ツールとして使用してエージェント自動化を構築する

AIを生産性のために適用するだけでは、ビジネスへのリターンが最大化されないかもしれない。ただし、AIの生産性向上を、組織のデータを活用し、エージェント自動化を提供するために利用することで、実際のリターンを加速することができる。これは、開発者の仕事を加速するためにAIを使用することを意味するだけでなく、ビジネスドメインの専門家がテクノロジーの応用を理解し、ITチームがソリューションを構築するための組織的なギャップを埋めるためにAIを使用することも含まれる。DevOpsなどの傾向は、このギャップを埋めるのに役立っているが、AIはさらに具体的な方法で役立つことができる。言語ベースのテクノロジーであるLLMは、要件とソリューションの間を、前例のない方法で翻訳することができる。マルチモーダルAIを使用して、ビジネススケッチをキャプチャし、ダウンストリーム開発に使用可能なアーティファクトを生成することができる。トランスクリプトをプロトタイプに変換することができる。これは、ビジネスドメイン知識をリアルタイムでソリューションのスケルトンに変換する、新しいタイプのデータ活用である。

これらの4つのステップに従うことで、企業はデータを活用し、AIへの投資からのリターンを得始めることができる。さらに、企業はAI経済によって創出される新しいエコシステム、仕事、機会に、よりよく準備されることができる。ビジネスの価値ダイナミクスを理解し、デジタル資産を活用可能な選択肢に変え、エージェントアーキテクチャを取り入れることで、企業はAIの未来を自分で創造することで、準備することができる。