Ian Dicker, CTO & シニアテクノロジーリーダー、Spyglass MTG Ian Dicker CTO & シニアテクノロジーリーダー、Spyglass MTG

企業をAIプラットフォームで強化する

業界を問わず、同じパターンが見られます。最初に価値のあるAIのユースケースは、運用上の摩擦に最も近いチームから生まれることが多いです。私はリーダーシップチームと多くの時間を過ごし、同じ質問に答えることが多いです。「私たちはAIに投資していますが、ビジネス価値はどこにあるのか？」それは妥当な質問であり、正直な答えは、ほとんどの組織では価値が十分に現れていないということです。RANDによると、80%以上のAIプロジェクトが失敗しており、非AIのITプロジェクトよりも約2倍の割合で失敗しています。BCGの調査も同様に厳しい状況です。2025年後半までに、60%の企業がAIからほとんど物質的な価値を生み出せず、わずか5%の企業だけが大規模な価値を生み出しています。MITのNANDAイニシアチブは、企業のジェネレーティブAIパイロットのうちわずか5%だけが急速な収益増加を達成していることを明らかにしています。価値は最前線で始まる理由大規模な知識労働者集団を持つ組織では、価値は簡単に見つけることができます。正しい人に聞けば、チャットボットがドキュメントを要約することよりも大きな価値があります。実際の機会は、運用上のワークフローに組み込まれたエージェントAIです。会計では、低コードプラットフォームを使用して請求書処理を加速し、自動的にアカウント支払に関する質問に答えることができます。顧客サポートでは、インバウンドケースをトライエージュし、顧客の履歴を取得し、人間のレビューのために解決策を草案するエージェントを使用して、応答率と顧客満足度を大幅に改善できます。これらは、システムを跨ぎ、判断を必要とし、摩擦が存在する人々に最も近いマルチステップのワークフローです。6か月間の発見段階を経て何が壊れているかを教える必要はありません。彼らは毎日それに対処しています。2つの動きが一緒に機能します。知識労働者を管理された低コード/ノーコードAIツールで強化し、彼ら自身のワークフローを改善できるようにします。また、ビジネスチームのためのAIエンジニアリング機能を作成します。どちらも価値を生み出し、最も強力な組織は両方を行っています。しかし、どちらも共有プラットフォームなしには拡大しません。アイデンティティ、接続、データ、統合、運用に関するものです。パイロットから本稼働へのギャップはプラットフォームの問題です多くの組織は、どのモデルを使用するかについて議論して立ち往生しています。那は重要ですが、主な制約ではありません。より大きな問題はプラットフォームの成熟度です。チームは迅速にプロトタイプを作成できますが、共有された基盤が不足している場合はエンタープライズ全体に展開できません。ビジネスチームが実際に使用できるアイデンティティとアクセス制御、明確なデータ境界、再利用可能な統合パターン、およびレビュー、リリース、監視のための実用的なプロセスです。S&Pグローバルによると、平均的な組織は、プロダクションに達する前にAIのコンセプトの証明を46%却下しました。これがデータプラットフォームが重要な理由です。AI対応データはニーズ以上のものであり、プロダクションの成功の鍵です。信頼できる、利用可能な、ポリシーコンプライアントなデータなしには、強力なユースケースでも停滞します。データの罠、そして待つべきではない理由ここがほとんどのプログラムを凍結させるものです。データです。ガートナーは、2026年までに、AI対応データによってサポートされていないAIプロジェクトの60%が放棄されることを予測しています。通常の反応は、まず大規模なデータプラットフォームプログラムを立ち上げ、すべてを近代化し、完全なデータの連結を完了し、そしてAIを実行することです。そのシーケンスは規律正しいように聞こえますが、価値の実現を数年遅らせることが多いです。データプラットフォームの近代化は必要であり、非交渉的です。それは大企業では多くの場合、複数年のタイムラインで実行されます。すべてのAIユースケースが完了した基盤を待つことを強いられる場合、有意義な成果が到来する前に幹部の信頼が損なわれます。よりよいアプローチは並列実行です。エンタープライズデータプラットフォームの構築を続けながら、運用上の摩擦が最も高いプロセス領域でAIの有効化を優先します。高摩擦ワークフローに対するジャストインタイム、ジャストイナフのガバナンスプロセスの痛み点から始め、テクノロジーロードマップではありません。摩擦が最も高く、ビジネスへの影響が最も明確な場所を特定します。遅れた請求サイクル、遅れたケースの解決、例外的な承認、繰り返しのデータ照会、または手動のリコンシリエーションループなどです。次に、AIの有効化のためにそれらのワークフローを最初にターゲットにします。ジャストインタイムガバナンスを使用してそれを可能にします。すべてを最初から統制しようとするのではなく、各優先度の高いユースケースが利用可能になる時に必要なデータを統制します。小規模なクロスファンクショナルチームは、所有権、接続、品質要件、制御を数日で、委員会サイクルでは数ヶ月で決定できます。実際のリスクに合わせて十分なコントロールを適用します。パブリック製品コンテンツを扱うユースケースには、顧客の個人情報を扱うユースケースと同じガードレールは必要ありません。このリスク比例モデルは、正式なパスが遅すぎる場合に発生する影のAI行動を減らしながら、組織を保護し、デリバリーのスピードを維持します。バックログはフルデータ準備の橋です各最前線のAIデプロイメントは、構造化された学習を生み出すべきです。使用されたデータ、表面化した品質の欠陥、必要な変換、下されたガバナンスの決定についてです。各ギャップをプラットフォームの修復のためのバックログアイテムとしてキャプチャします。そのバックログは、データ近代化の需要駆動型マップになります。最初に投資する場所を予測するのではなく、既に測定可能なビジネス成果に結び付けられたデータセットとデータ製品を改善します。時間の経過とともに、強化するループが作成されます。最前線のAIユースケースは、最も重要なデータギャップを暴露し、プラットフォームチームはそれらを修復し、次のAIソリューションの波はより迅速に、より低いリスクで出荷されます。最終的な考え：プラットフォームは決定です決定は「パイロットするかしないか」ということではありません。それは、組織が安全に学び、出荷し、拡大できるように、管理されたAIとデータプラットフォームを構築するかどうかです。AI対応データをミッションクリティカルなものとして扱います。データプラットフォームを戦略プログラムとして構築します。しかし、全体が完了するまで待つことはありません。最高の摩擦プロセス領域を優先し、AIで有効化し、データをジャストインタイムで統制します。那が、現在価値を生み出しながら、大規模な価値を維持する基盤を構築する方法です。