ソートリーダー
August 4, 2025
COOがAIを導入する前に聞くべき4つの質問
AIの時代は多大な期待を持ちます。毎企業は、効率性がどれだけ向上したか、AIがどれだけ役立っているかを報告しています。複数のAIスタートアップで事業を運営し、現在120以上のポートフォリオ企業を持つAI VCファンドを運営している私は、異なる景色を見ています。多くの有用なAIツールや自動化が購入され、統合され、導入されていますが、ほとんど効果がありません。最近のマッキンゼー報告書によると、AI変革の約70パーセントが失敗しています。問題は、最も優れたAIツールを導入しても、人間が運営するプロセスが混乱している場合、混乱したプロセスがAIによってさらに妄想し、文脈を失うことになります。私たちの投資家の1人が最近、会社が事業の一部にAIエージェントを導入し、効率性の向上を調査したという話をしました。結果は驚くべきものでした。従業員は以前手動で行っていた作業に多くの時間を節約できましたが、AIが犯したミスの修正に同じ時間を費やしていました。当然、自動化はITによって導入され、事業チームは外されました。COOがAIを利用して事業を改善する方法について話しましょう。DVCでは、AIスタートアップに投資するだけでなく、ほぼすべての新しい技術を早期に採用しています。私たちは独自のエージェントを構築し、ポートフォリオ企業の製品をVC業務のすべての側面で使用しています。デールのソーシングやスコアリング、ポートフォリオ創設者の支援、LPが使う天使投資機会を調べるツールの構築などです。私たちの成功は、非常に退屈ですが非常に有用なフレームワークを適用することから来ています。AIを導入する前に、私たちは以下の4つの質問をします：1. 明確なルールはありますか?プロセスを特定のガイドラインで定義できますか? そうであれば、自動化の適切な候補です。法的ワークフロー、会計ルール、構造化されたオンボーディング? 完璧です。これらは、出力がルールに従うシステムです。AIはここで活躍します。しかし、プロセスが本質的に創造的である場合 — 例えば、ブランド物語や戦略的デザイン — 自動化は機能しません。プロセスは、人間がコパイロットを使用して設計する必要があります。ブランドマーケティングでは、規則を破ることが価値を追加することがあります。エージェントにそれを外注しないでください。2. このプロセスには単一の真実源がありますか?あなたのCRMは一つのことを言っているのに、注文トラッカーは別のことを言っているのであって、実際の更新は誰かの個人的なスプレッドシートに存在する場合 — 一時停止してください。AIシステムは、入力するデータと同じだけしか優れてはいません。単一の真実源を作成し、データまたは知識のシロを排除することは、効率的なプロセス設計のゴールドスタンダードであり、エージェントAIにとっては今までよりも重要です。すべてのカスタマータッチポイントと履歴が統一されたデータベースにログされる場合、AIはフォローアップを自動化し、次のアクションを推奨し、正確なレポートを生成できます。さらに、音声カスタマーサポートを提供したり、クライアントのアポイントメントをスケジュールしたりすることもできます。多くの場合、スタートアップは、特に小規模企業にソリューションを販売する場合、内蔵された真実源を備えたソリューションを販売することで成功します。例としては、Avoca AIがあります。これは、電気工事業者向けの電話アシスタントで、内蔵されたCRMと統合されており、すべてのカスタマーデータとインタラクションが中央化され、最新の状態に保たれています。3.豊富なデータ履歴はありますか?決定がどのように行われたかという例とともに、すべてのアクションがログに記録されていますか? AIはあなたの歴史的なデータのパターンから学習します。ログがない場合、学習は行われません。システムが何が起こったか、そしてなぜ起こったかを記録しない場合、パターンを生成できません。改善することはできません。お金を浪費することになります。しかし、あなたが毎回カスタマーコールを記録し、AIでトランスクリプトし、フォルダに保存しているとしても、多くの場合、それは十分ではありません。エージェントがこれらの非構造化データを要約された構造化データ、またはグラフに変換するように構成する必要があります。そうでない場合、関係をよりよく理解するために、またはそれらの注意力を超えてしまうためです。従業員が毎回仕事に行くたびに記憶を消去されることを想像してください。超人的な速度で読み書きできるのですが、会社が何をしているのか、そしてマネージャーが何を求めているのかを知るために、会話ログやチャット履歴をメガバイト単位で眺めているとします。那はAIエージェントが「感じる」ことと同じです。良いデータベースがない場合です。最も優れたチームは、単にデータを収集するのではなく、それを構造化し、将来を見据えてバージョン管理しています。そうすると、学習ループが形成されます。そうすると、AIは、モデルをトレーニングする必要なく、より賢くなります。ヘルスケアでは、Collectlyがこの原則を大規模に適用しています。医療請求、支払い、患者とのやり取りのデータを使用して、医療請求と収益サイクル管理を最適化しています。彼らのAIは、歴史的な結果から学習して、エラーを減らし、収集を高速化します。4.あなたのテクノロジースタックはAI対応ですか?AIがあなたのシステムやツールに実際に接続できるのでしょうか? それとも、あなたは1988年の内部ポータルに縛られているのでしょうか? 私たちは、内部オペレーションツールが古すぎて、構造化された出力を生成することさえできないケースを見たことがあります。APIと接続することもできません。そのような状況では、AIをレガシーシステムに強制するよりも、システムを一から再構築する方が、多くの場合、速くて効果的でした。AIエージェントがMCP、または構造化されたドキュメントのAPIを使用できる場合、インターフェイスのスクリーンショットを画像認識で実行して、どのボタンを押すかを判断する必要がないため、常に優れています (そして安価です)。AIはインフラストラクチャーになりつつあります。しかし、20世紀初頭の電気のように、その潜在能力は、工場を再設計するときにのみ解放されます。工場に電球を取り付けただけではダメです。リデザインしましょう。当然、以前は100万ドルかかるところを開発する必要があった内部ツールは、現在ではエンジニアが昼休みにビブコーディングするだけで作成できます。第一原理の時間です。さて、最も興味深い部分です。私たちが理想的なプロセスを設計したとします。規則で定義され、単一の真実源があり、自己改善のために構造化された方法でデータを収集します。さらに、エンジニアが昼休みに新しい内部ツールをビブコーディングするよう説得しました。でも、もう一度このプロセスを見てみましょう。自動化により、実行コストが大幅に削減された可能性が高いです。ビジネス全体にどのような影響が及ぶかを考えてみましょう。コストが大幅に削減された場合、他のプロセスも同様に改善された場合にどのように共存するかを考えてみましょう。もしかしたら、AIを念頭に置いて全体を再設計する時かもしれません。多くの場合、ビジネスオペレーションを第一原理から考えることで、予期せぬ機会を特定することができます。例えば、DVCでは、デール分析、デューデリジェンス、デールメモの準備を自動化し、6人時間から3分に短縮しました。従来、VCは、創設者と話し合い、デールが価値があることを確認した後で、6人時間の作業を行っていました。ファームには、分析家が限られているからです。でも、現在、分析が非常に安価になったので、市場を分析し、デールメモを準備し、デューデリジェンスを行う前に、創設者と話をします。そうすることで、投資したい会社だけと話をすることができ、パートナーと創設者の時間を節約できます。さらに進んでみましょう。無制限の分析家を持っているので、ツールを投資家やスカウトに上げて、デールの機会を私たちに紹介するようにすることができます。そうすれば、彼らも時間を節約でき、プロのVC分析家の目でデールを分析し、デールを却下する回数を減らすことができます。まだすべてのデータを収集しています。ツールを改善するために使用するからです。これにより、私たちは同規模のVCファームよりも約8倍の生産性を達成することができました。ただし、ここまで来ることは偶然ではありませんでした。内部オペレーションをマッピングし、4つの質問を適用し、第一原理から再構築しました。このフレームワークは、スタートアップのリーダーとCOOが、思考を変えるのに役立ちます。技術的な可能性のある質問「ここでAIを使用できますか?」から、「使用するべきですか?」という質問に移行します。後者は、戦略的価値、データの準備度、長期的なメンテナンス性についてより深く考えることを強制します。これは、ツールを使用できるから使用するのではなく、正しいことを行うためにプロセスを再設計することの違いです。
