AIは質問に答えられる。次の課題は、人々が前に進めるよう支援することだ。

私たちは、質問に答えられるAIを構築することに、目覚ましいほど習熟してきました。出願の締め切りや必要書類、手続きの進め方を尋ねれば、AIは数秒で役立つ回答を返せます。しかし、教育や経済的な将来、あるいは自分が受け入れられているという感覚がかかっている場合、回答は始まりにすぎません。大切なのは、その人が実際に前へ進めるかどうかです。

エージェント型AIが興味深いのは、まさにここです。やり取りの一つひとつを切り離された質問として扱うのではなく、AIエージェントは、その人がより大きな道のりのどの段階にいるのかを把握し、次に何をすべきかを見極め、目標にたどり着けるよう支援できます。ただし、それを確実に実現するには、高性能な言語モデルだけでは不十分です。目的に合わせて設計された一連の体験、連携するシステム、そしてプロセスの最初から組み込まれた人間による監督が必要です。

高等教育を例に考えてみましょう。学生は出願し、学資援助の手続きを済ませ、授業に登録し、アドバイザーと面談し、学業支援を受け、インターンシップを探し、卒業の準備をし、仕事を探し、やがて卒業生になります。大学はこうした節目を別々の部門や技術システムに分けて管理していますが、学生にとって大学は一つです。必要な支援を受けるために、大学の組織図まで理解する必要はありません。

人々が求めているのは、新たなインターフェースではない。何かを成し遂げることだ。

現在在籍中の米国の大学生1,058人を対象にした最近の調査では、76%が、学生向けサービスに関する用事の大半は、電話をかけたり窓口を訪れたりせずに済ませられると期待していると回答しました。一方、4人に1人は、在籍する大学がその期待に応えていないと答えています。現代のデジタル体験で最も重要なことを尋ねたところ、64%が迅速な応答と問題解決、54%が24時間365日の利用可能性、50%が一か所で用事を済ませられることを挙げました。学生が求めているのは、より迅速な回答、引き継ぎの減少、そして複数のシステムを行き来せずに用事を済ませられることです。

大学への出願を始めたものの、最後まで終えられない志願者がいます。従来型のチャットボットなら出願要件について回答できますが、何が不足しているのか、次にどう進めればよいのかは、学生自身が判断しなければなりません。エージェント型のシステムなら、出願手続きがどこで止まったのかを把握し、次の手順を特定して、中断したところから再開できるよう支援できます。学生が成績証明書はすでにアップロードしたと伝えた場合、システムは出願記録を確認して書類が登録されていることを確かめ、その要件を再度満たすよう求めることなく先へ進めます。

技術面で大きな課題が残っているのも、まさにこの領域です。Microsoft Researchは、生産性向上を支援するエージェントが直面する課題として、信頼性、文脈の保持、実際の業務フローの実行を挙げています。手順の途中で文脈を失ったり、関係するシステムを横断して作業できなかったりすれば、エージェントはプロセスを通じて人を確実に導くことができません。

受け身の回答から、先回りした支援へ

可能性は、質問への回答にとどまりません。誰かが支援を必要としているタイミングを把握し、大学が適切な次の一手を見極められるよう支援することにも広がっています。たとえば大学の発展推進部門は、卒業生が大学との関係を再び築いたり、ボランティアに参加したり、初めて寄付したりする準備ができたことを示す兆候を捉えられるかもしれません。しかし、兆候を捉えることは始まりにすぎません。本当の価値は、その人にとって、その時点でどのような働きかけが適切なのか、そして次に何をすべきなのかを理解することにあります。

目的に合わせて設計された一連の体験には、対象者や目標に応じた確立済みの手法を取り入れられるため、チームは汎用ツールを使ったり、ワークフローを一から構築したりするよりも、優れた出発点を得られます。そのメリットは、職員の作業時間を削減することだけではありません。大学にはすでに膨大な量のデータがあります。必要なのは、そこに表れた兆候を読み解き、思慮深く、適切なタイミングでの働きかけにつなげる支援です。

必要性は明らかです。同じ学生調査では、学生の半数が、手続きが難しすぎると感じたため、大学への問い合わせを避けたと答えました。また、40%はすでに提供した情報を再度求められ、34%は問題が解決しないまま別の窓口に回され、31%は必要な情報を見つけられず、諦めたと回答しました。

最も役立つAI体験とは、こうした不便を、誰かが関与をやめる理由になる前に大学が把握できるようにするものです。

回答を役立つ行動に変えるのは、文脈だ

同じ情報を組織に何度も伝えなければならず、もどかしい思いをしたことは誰にでもあるでしょう。それが授業登録や学資援助の問題解決、母校との関係の再構築に取り組んでいる最中だとしたら、と想像してみてください。やり取りが分断されるたびに、その大学は自分のことを理解してくれている組織ではないように感じられます。

部門ごとではなく、一人ひとりを中心に情報をつなげることで、その体験は変わります。学生、卒業生、寄付者は、より継続的で一人ひとりに合わせた関わりを得られ、職員はより効果的に対応するための文脈を把握できます。大学が人々との関わりをより簡単で個人的なものにすれば、より強い関係と長く続く信頼を築く土台が生まれます。

学生たちはすでに、デジタル体験がこのように機能することを望んでいると示しています。同じ学生調査では、56%が、別のページに移動したり同じ情報を何度も入力したりしなくても、システム同士が連携していると感じられることを期待していました。また半数は、期限や要件、問題が支障になる前に、デジタルツールが先回りして知らせてくれることを期待しています。

こうした体験を実現するには、個々のツールをより高性能にするだけでは不十分です。人がその過程のどの段階にいるのかを組織が把握し、適切に対応できるよう、情報と業務の流れをつなぐ必要があります。

優れたAIは、いつ行動し、いつ守り、いつ身を引くべきかを知っている

エージェント型AIの目標は、自律性を最大限に高めることではありません。支援、行動、人間の判断を適切に組み合わせ、最初から業務の流れに人の承認を組み込むことです。

AIがより多くの行動を取れるようになるにつれて、何を自律的に実行させるべきかを決めることは、AIにできることを増やすのと同じくらい重要になります。未記入のフォームを見つけたり、関連情報を提示したりする定型業務は、自動化に適している可能性があります。しかし、AIシステムが連絡を準備したり、学生の体験に影響を及ぼす可能性のある行動を提案したりする場合は、学生に何かが伝わる前に、人が承認できる機会を設けるべきです。

人による監督は、通常と異なる事例を上位に引き継いだり、決定が下された後に見直したりすることだけに限るべきではありません。重大な影響を伴うやり取りでは、承認は行動の後ではなく、前に行う必要があります。AIは兆候を見つけ、次の対応を提案し、連絡内容を準備できますが、その後の対応はスタッフが引き続き管理します。

このアプローチは、テクノロジーでは代替できない判断力や共感を発揮する余地も生み出します。通常とは異なる経済状況に直面している学生や、学業に苦戦している学生には、自動化された提案だけでは不十分な場合があります。テクノロジーは、スタッフを対応から遠ざけるのではなく、そうした状況に気づき、必要な背景情報を踏まえて対応できるよう支援すべきです。

責任ある導入には、こうした体験を支える機微な情報を保護することも含まれます。システムを連携させ、AIが行動できるようにすることで、データへのアクセス、権限、セキュリティ、説明責任に関する重要な課題が生じます。申請や学資援助の手続きを支援するエージェントがアクセスできるのは、そのやり取りに適切な情報と操作に限るべきであり、実行できることの範囲も明確に定める必要があります。

Microsoft Researchの人間参加型エージェントに関する研究は、自律性が高まるシステムに人による監督と制御を組み込む設計の重要性を裏付けています。これには、人がエージェントの作業に参加し、その進め方を修正できる仕組みも含まれます。責任あるAIは、より良い体験を実現するために必要な信頼を築き、その実現を可能にします。

次世代AIの鍵は成果にある

組織が取り組むべき変化はもう一つあります。AIが実際に機能しているかどうかを測る方法を変えることです。

現在、AIの性能は、対応した会話数、回答した質問数、応答時間、スタッフに回さずに済んだ問い合わせ数など、活動量を示す指標で評価されることがよくあります。こうした指標からは、システムが利用されているか、業務負担を軽減しているかは分かります。しかし、それによって利用者が本来の目的を達成できたかどうかまで分かるとは限りません。

申請の途中で手続きが止まってしまった学生にとっての成功とは、AIアシスタントから回答を得ることではなく、申請を完了することです。再びつながりを持ちたいと考えている卒業生にとっては、その関係を次の段階へ進めることを意味します。

こうしたデジタル体験の影響は、利便性にとどまりません。学生調査では、38%が、デジタルツールの使い方が分かりにくかったために、入学手続き、学資援助、または学業に関する重要なタスクを先延ばしにしたと分かりました。4人に1人は、そうした使いにくさから、面倒な思いをしてまで在籍を続ける価値があるのか疑問に感じたと答えています。テクノロジーがこれほど大きな負担を生むなら、テクノロジー自体の利用状況を測るだけでは本質を捉えられません。組織が問うべきなのは、人々が意図したタスクを完了できているか、どこで行き詰まっているか、そして体験が時間とともに改善しているかです。

次世代AIの評価を決めるのは、AIによって人々が何を成し遂げられるかであり、これは喜ばしい変化です。大学生活を送る人も、医療を受ける人も、大切に思う組織と関わる人も、複雑な体験を心から支えられていると感じられるものに変える機会があります。それを実現するには、実際の人々を中心に設計された一連の体験、連携された情報、意味のある人間の監督、そして活動量ではなく成果を測る姿勢が必要です。

目指すべきなのは、自動化そのものを増やすことではありません。摩擦を減らし、自信を高め、相手側の組織が自分を本当に理解していると感じられるように、人々が前へ進むのを支援することです。