コンテキストと調整：エンタープライズオートメーションに欠けている層

ほとんどの企業は自動化は豊富にあるものの、変革はあまり進んでいません。パイロットは成功し、ボットは稼働していますが、生産性曲線はそれでも平坦化しました。これは企業で最も繰り返される話であり、次の波であるエージェントAIは、システムが稼働するコンテキストを設計する意思のある企業に対して、ようやくこのパターンを打破できるでしょう。

ほとんど誰もそれを戦略として扱っていません。実際そうです。

米国の大手医療提供者ネットワークは、真の制約は臨床能力ではなく、リアクティブな推測に基づく予約スケジューリングにあることを発見しました。患者が訪問を欠席しそうかどうかは、スロットが空になるまで分からない状態でした。予約履歴に基づく予測モデルを構築することで、ギャップが生じる前に対応でき、事後の慌てる対応が不要になりました。患者のノーショーは減少し、純収益は増加し、スケジューリングのトリアージ時間も短縮されました。コンテキストは何年もの予約データに既に存在しており、あとはそれを統合し活用するだけでした。

これらすべての取り組みで共通しているのは、コア、コンテキスト、調整という3つの領域が、成果を出すエージェントAIと停滞するエージェントAIを分けています。

簡単な部分の自動化

最も深いギャップは、タスクの自動化と成果の自動化の間にあります。企業は手順、請求書照合、データ入力、ステータス更新などを自動化しますが、コストは依然として手順間の作業に残ります。ほぼ自動化されたプロセスは、ほぼ解決されたわけではありません。人間が依然として各部品をつなぎ合わせ、結果の所有者となり、これまで自動化が想定してこなかった調整作業を行っています。

理由は単純です。従来の自動化はルールに従って動作します。例外を解決するコンテキストやそれを引き継ぐ調整が欠如しているため、判断を扱うことができません。ボットは予測可能な中間部分では完璧に機能しますが、境界部では無力です。そして実務において、境界部こそが仕事です。書類が欠けている請求や奇妙な条項があると、ボットは停止し、人が介入します。リーダーは自動化されたものを数えますが、P&Lは自動化されなかったものを数えます。

なぜハードパートが抵抗するのでしょうか？それはコンテキストがそこにあるからです。クリーンな部分は整然とした行と列で動作します。ハードな部分はポリシーPDF、メールスレッド、スキャンされたフォーム、通話文字起こし、付録の条項に隠れています。McKinseyは、企業データの約90％が非構造化されていると推定しています。構造化された部分だけを見る自動化は、意思決定の大部分を見えなくします。これを解決するには、自動化にこれまで持っていなかった二つの要素、すなわち判断を下すためのコンテキストと、システム間でそれを実行する調整を提供する必要があります。

なぜコンテキストがすべてを変えるのか

エージェントAIはコンテキストを用いて推論できるため、そのギャップを埋めます。これは従来の自動化世代には不可能でした。従来の自動化とは異なり、エージェントはシステム間を横断して推論し、曖昧さに対処し、現実がスクリプトを破ったときに適応できます。エージェントはプロセス間の継ぎ目だけでなく、プロセス自体も自動化します。

これにより、コンテキストが真のエンジニアリング課題となります。コンテキストエンジニアリングとは、エージェントが何を知る必要があるかを決定し、適切な情報源からその情報を取得し、適切なタイミングで提示する学問です。エージェントは自らが知っていることだけを基に推論できます。

3万人以上の従業員を抱えるグローバル半導体企業は、この教訓を直接学びました。1,000件以上の契約書がSharePoint、共有ドライブ、ローカルフォルダーに散在する非構造化PDFとして保存されており、期限が迫る前に通知期間や更新条件を追跡する手段がありませんでした。その埋もれたコンテキストを自動的に抽出・解釈することで、契約レビュー時間が大幅に短縮され、年間200時間以上の手作業が削減され、義務不履行のリスクも低減しました。エンタープライズAIは、個別タスクをさらに自動化することで規模を拡大するのではなく、それらの間にあるコンテキストを統合することで規模を拡大します。

調整がなければ自動化は依然として停滞する

自動化は完璧なコンテキストを持っていても、実際のプロセスが関与するシステム、チーム、タイムゾーン間でその知識が移動できなければ停滞します。このギャップは仮定のものではありません。4つの地域で年間約5万件の苦情を処理するグローバルなライフサイエンス企業は、直接この問題に直面しました。苦情は分断されたメール、ポータル、文書を通じて届き、同様のケースでも担当チームにより処理が異なり、規制当局が指摘するような不一致が生じていました。それらを一つの調整されたワークフローに標準化した結果、年間4,200時間以上の時間が節約され、解決時間は70％短縮されました。この層を省く企業は、推論は優れていても、旧システムで停滞した同じハンドオフで自動化が詰まる結果になります。

ガバナンスの罠

自動化はかつてソフトウェアと同様に、ライセンス付与、プロビジョニング、稼働時間の追跡といった形で管理されていました。エージェントAIはこのモデルを崩します。なぜなら、実行から意思決定へと移行した瞬間、アクセスできる範囲を管理するだけでは不十分になるからです。CRM を読み取り、ERP に書き込み、支払いをトリガーし、顧客にメッセージを送るエージェントは単なるツールではなく、影響力を持つアクターです。問題は統合が安全かどうかから、このエージェントが何を決定するか、誰の権限で、どのような痕跡を残し、誤りがあった際に誰が回答するかへと移ります。解決策は自律性を減らすことではなく、明確な境界、定義された権限、完全なアクション履歴、そしてエージェントが生み出すすべての結果に対する担当者を設定することです。

そのガバナンスには監視が含まれる必要があるが、ブレーキとしてではなく、エージェントの範囲を時間とともに安全に拡大できる仕組みとして機能する。すべての修正はエージェントが適切なコンテキストを持っていたかを明らかにし、エージェントが徐々により多くの責任を獲得するループを形成する。

また、コンテキスト層に到達する必要があるが、これは多くのチームが見落としがちな部分である。非構造化データをマイニングすると、その中に含まれるもの、すなわち個人データ、機密情報、真実の相反するバージョンを引き継ぐことになる。エージェントの信頼性は、使用するコンテキストの出所に比例する。コンテキストをガバナンスされた資産として扱い、系譜、アクセス、鮮度に関するルールを組み込めば、オートメーションは負債ではなく監査可能なシステムになる。この構築は拡散が起こる前に行い、インシデントの後ではない。

1年目、異なるやり方で

ほとんどの組織は今年、オートメーション化すべきタスクを探すことに時間を費やすだろう。ごく一部の組織は、情報、責任、意思決定が実際に引き継がれる場所をマッピングし、そのハンドオフ時に何が起こるかを構築することに時間を割く。

2年後には、企業が何個のエージェントを導入したかは誰も気にしなくなるだろう。真の課題は、誰がそれらの下にインフラを構築したか、そして誰が依然として壊れたハンドオフにボットを取り付け続けているか、ということになる。