Lindy Thompson, Coalescence CloudのGTM＆マーケティング担当 Lindy Thompson Coalescence CloudのGTM＆マーケティング担当

AIのROIはデータのウェルネスと人間の信頼に依存する

AIの統合は、現在と将来のビジネス戦略の重要な焦点となっている。問題は、多くの組織がまだAIを技術的な展開として扱っているのに対し、実際には運用上のものであり、人間のものであるということにある。そのギャップは、数字の中で明らかになってきている。 MITの最新の「ビジネスにおけるAIの状態」研究によると、95%の企業が、自社の生成的なAIイニシアチブが期待に応えていないと述べている。 Deloitteの2026年の企業AI報告書も同様のパターンを示唆しており、組織はAIに対する戦略が準備できていると言っているものの、インフラストラクチャ、データ、リスク、人材については自信がない。 つまり、AIシステムを拡大し、完全に開発する意欲はあるものの、目標を達成するための運用上の基盤がしばしば不足している。多くの組織がまだ気づいていないのは、AIのROIは「データのウェルネス」と人間の信頼に依存するということである。データのウェルネスはAIの信頼の基盤であるデータのウェルネスとは、単にクリーンなレコードを意味するものではない。真のデータのウェルネスとは、データが一貫して定義され、明確に所有され、思慮深く管理され、そしてそれを使用する予定の人が理解できることである。多くの企業では、まだその現実は実現されていない。売上データはセールスチームにとって一つの意味を持ち、財務チームにとって別の意味を持ち、納入チームにとってまた別の意味を持つ。顧客のヘルス状態は複数のシステムで追跡されている。報告方法や数字はチームごとに異なっている。すると、AIレイヤーが上に重ねられ、リーダーたちは従業員が出力を疑うのを見て驚く。その懐疑心は、抵抗ではない。信頼を得ていないシステムに対する合理的な反応である。IBM Institute for Business Valueの報告書によると、43%の最高経営責任者が、データの品質を最も重要な優先事項として挙げており、25%以上の組織が、データの品質の低さにより年間500万ドル以上の損失を出していると推定している。IBMはまた、重複、冗長性、整合性のないレコードがストレージコストを増やし、混乱を招き、パフォーマンスを低下させることも指摘している。ポイントは単純である。データがAIが導入される前に不健康であれば、AIはそれを修正することはない。むしろ、悪化させる。組織が強固なコアビジネスプロセス、明確なガバナンス、機能間の健全なコミュニケーションを持っている場合、AIはそれらの強みをより見えやすく、より貴重なものにすることができる。予測分析がより鋭くなる。顧客サクセステームがパターンをより早く見つけることができる。チャットボットやサポートツールがより一貫性のあるものになるのは、現実を反映したシステムから情報を取得しているからである。ただし、基盤となる条件が弱い場合、AIは摩擦を増大させる。チームは、出力を確認し、数字を調整し、AI導入前に存在していた同じプロセスギャップを修正することに更多の時間を費やすことになる。これが、多くのAIに関する会話がまだ外れている理由である。モデルに焦点が当てられている。実際の問題は、導入とその背後にあるデータである。リーダーシップは導入の基準を定めるまた、見落とされているリーダーシップに関する質問もある。AIが運用上に成功する前に、リーダーシップは内部ナラティブについての決定を下す必要がある。AIは人間の仕事を自動化するために導入されるのか、人間の判断と能力を強化するために導入されるのか。両者は同じものではなく、従業員はすぐに違いを理解する。メッセージが曖昧な場合、人は自分で空白を埋める。そこで導入が遅れる。労働者は慎重になり、管理者は出力を頼りにしなくなる。チームはツールを一貫性なく使用したり、完全に避けたりする。 Deloitteのヒューマンキャピタル研究によると、AIの役割を仕事の変化、キャリア成長、ワークライフバランスにおけるAIの役割についてリーダーがコミュニケーションをとることで、労働者への信頼を築くことができる。 Deloitteはまた、組織が人間としての価値を生み出すためにAIをどのように使用するかについて明確である必要があると主張している。それはパフォーマンスと直接関係しているからである。従業員がデータを信頼し、AIが果たすべき役割を理解している場合、導入と拡大は大幅に成功する。そうでない場合、最も優れた設計のツールでも、パイロット段階を超えることはできない。特に、専門サービスとB2B環境では、共有定義、クロスファンクショナルな調整、基盤となるシステムへの信頼が依存するため、これは特に重要である。財務、セールス、納入がすべて異なる真実を見ている場合、信頼できる予測モデルを構築することはできない。レコードが古い、シロ、不完全な場合、顧客向けAIシステムをうまく動作させることはできない。したがって、成熟した組織はモデルにのみ投資するのではなく、オーケストレーターにも投資する。誰かがデータを所有し、データがクリーンで健康であることを確認する。自動化を拡大する前にシステムを整える。運用上の観点から、技術的な観点だけでなく、成功の定義を明確にする。IBMのCDO研究は別の観点を提供している。AIからより多くの価値を得ている組織は、必ずしもより多くのデータにアクセスできる組織ではない。特定の成果を生み出すために最も貴重なデータを使用している組織である。AIの成功は人間に依存する次の世代のAIの成功は、これらのシステムが完全に自律的であるという仮定に基づいていない。まだそこに達していない。AIはまだ管理、監視、人間の判断が必要である。ビジネス、データ、技術的に正しい出力と運用上に有用な出力の違いを理解できる人が必要である。それは、長期的な人材パイプラインについて心配しているリーダーにとって良いニュースである。未来はモデルだけではない。人間とシステムの組み合わせである。データのウェルネスを真剣に取り組み、増強第一の戦略を構築する企業は、より良いAIのROIを達成し、強力なシステムをバックエンドに持つ優れた仕事をする人々の組織を構築することになる。企業がパイロットの先に進みたい場合、モデルが十分に強力であるかどうかだけを尋ねるのを止める必要がある。データが十分に健康であるか、ガバナンスが十分に明確であるか、システムを使用する人がそれが存在する理由を理解しているかどうかを尋ねる必要がある。那がAIを実験からビジネス資産に変える鍵である。値を生み出す。