David Marmer, チーフ・プロダクト・オフィサー、Board David Marmer チーフ・プロダクト・オフィサー、Board

企業AIは天井に当たった。計画がそれを打ち破る方法である。

最初の企業AIの波は、個々の機能内で生産性を最適化するコパイロットをチームに提供しました。次の波は現在、調整問題に直面しています。最も重要なビジネス上の決定は、財務、運用、サプライチェーン、戦略を横断するのに対し、ほとんどのAIシステムはまだ単一の機能内で動作しています。マッキンゼーのAI成熟度に関する調査によると、リーダーの1％だけが、会社を「成熟」と呼んでいます。つまり、AIがワークフローに完全に統合されており、重大なビジネス成果をもたらしているということです。他の99％は、企業レベルではまだあまり成果を上げていないAIを展開しています。その理由は構造的なものです。これらのAIシステムは、どこかで調整する必要があります。計画は、自然な場所です。計画は、財務上の前提、需要シグナル、運用上の制約、戦略目標がすでに収束している場所です。そのレイヤーにAIを組み込むと、周期的な演習から企業の結合組織になるのです。これは、多くの企業が現在発見している、最初の世代のAIデプロイメントの天井です。コパイロットは、個々のチーム内でのタスク効率を向上させましたが、ほとんどの組織は、より深刻な問題を解決できませんでした。ビジネス全体でリアルタイムに決定を調整する方法です。予測ワークフローが速くなったとしても、サプライチェーンの前提、運用上の制約、財務上の優先順位が相互に切断されている場合、破綻します。企業AI調整ギャップのアーキテクチャこれが機能するには、3つの構造的なシフトが必要です。1. 企業AIは機能シロを逃れる必要がある財務に埋め込まれたコパイロットは、予測の変化をまとめることができ、P&Lの何が変わったかを説明できます。しかし、運用からリアルタイムの需要シグナルを引っ張り出せません。最新のサプライヤリスク評価を考慮し、それをCFOとCOOが同時に見ている予測にフィードバックすることはできません。これが、企業AIが現在直面している構造的な天井であり、機能ごとの展開が強い個々の生産性の数字と弱い企業成果を生み出す理由です。その崩壊の下には、コンテキスト問題があります。各機能のAIは、その機能が所有するデータ、システム、その機能が使用するシステム、その機能が行う前提で動作します。ビジネスの見方が一つになる共有レイヤーがないのです。これにより、多くの企業が現在経験している「AI調整ギャップ」が生じます。独立して洞察を生成できるシステムですが、ビジネス全体で迅速に決定を調整することができません。その天井を打ち破るには、共有された運用コンテキストを、共通のデータモデル、共有されたビジネスロジック、意思決定を機能間で一貫して解釈できるオントロジーでエージェントを接続する必要があります。その基盤が整ったら、需要エージェントはシグナルを観察できます。サプライチェーンエージェントはそれに対してソーシングシミュレーションを実行できます。財務エージェントは両方から予測を更新できます。CFOは、ビジネスが動いている現実の同じ見方に基づいて構築された統一された推奨事項を確認します。2. 連続計画は企業AIの調整レイヤーになるその運用コンテキストの上に連続計画を実行すると、調整されたエージェントが実際のビジネス成果につながります。つまり、計画は周期的な演習ではなく、シナリオが会社の目標に対して動いているライブシステムとして動作し始めます。前提が変わったとき、代替案はすでにモデル化されており、テストされています。したがって、リーダーシップは、単一の予測を再構築する必要性なしに、有効なパスで決定を下すことができます。米・イランの対立がこれをリアルタイムでテストしています。多国籍企業は、同時に複数のシグナルを吸収しています。石油・エネルギー価格が変動し、ホルムズ海峡の航路リスクが再価格設定され、サプライヤーのリードタイムが伸びています。リーダーシップは、数日以内に何をするかを決定する必要があります。エネルギーのヘッジ、ルートの変更、契約の再交渉はすべて、その期間内に評価および比較検討する必要があります。シナリオを圧力テストしながら継続的に実行する計画システムは、行動を起こす時間に信頼できる回答を生成する唯一の方法です。これは、実践における目標主導のAIの見方です。エージェントは、リーダーシップが設定した目標に向かって動作し、トレードオフをフラグします。目標の1つを達成するには、別の目標を諦める必要がある場合があります。システムは、100の代替案をリアルタイムでモデル化できますが、リーダーシップは、どれを選択するかについてまだ迷います。計画レイヤーは、目標とトレードオフがすでに存在する場所です。これが、実際の運用で機能するマルチエージェントシステムと、デモで機能するシステムの違いです。このシフトの緊急性は高まっています。ガートナーの予測によると、エージェントAIプロジェクトの40％以上が、2027年末までにコストの増加、ビジネス価値の低さ、またはリスク管理の不十分さのためにキャンセルされる予想です。多くの失敗は、モデル能力だけでなく、調整およびガバナンスの問題に起因します。3. 企業ガバナンスは後から追加できない連続計画レイヤーは、実際の意思決定権限を調整されたAIシステムに集中させるため、ガバナンスは最初からアーキテクチャの一部でなければなりません。これは、CFOやCIOがAIの実装について話し合う際に最初に挙げる懸念です。これは、正当な立場です。オートノマスシステムは、監査可能性、説明可能性、明確なポリシーの境界がない場合、意思決定ワークフローに属しません。実際に機能するデプロイメントでは、エージェントが行うすべてのアクションは、入力、ロジック、ポリシーに遡及できます。毎回の推奨事項には、財務リーダー、監査役、または取締役がそれを根拠で挑戦する必要のある前提が含まれます。トレーサビリティが人間の監視を可能にします。CFO、コントローラー、結果に責任を持つリーダーシップは、システムがどうやってそこにたどり着いたかを見て、推奨事項をレビューし、前提を挑戦し、行動を承認することができます。エージェントは速度と幅を受け持ち、人間は判断を下します。リーダーシップがシステムの変化を察知し、前提を確認し、実行前に推奨事項に異議を唱えることができる場合、システムにより多くの権限を与えるでしょう。ブラックボックスの回答とトレーサブルなロジックのないリーダーシップは、システムを信頼しないことになり、エージェントの権限は縮小します。ガバナンスをアーキテクチャに組み込んだ会社は、最初のタイプのデプロイメントを取得します。後から追加した会社は、2番目のタイプを取得します。先の10年はインフラストラクチャービルダーが支配する10年後、計画をAIの接続レイヤーとした会社とそうでない会社の違いは、明らかになるでしょう。魅力のない仕事 – データの接続、ワークフローの統合、ガバナンスの最初からの埋め込み – が、会社がどちらの側にいるかを決定することになります。企業AIの勝者は、最も多くのエージェントを持つ会社ではありません。エージェントを調整できるインフラストラクチャを構築した会社が勝者になるでしょう。