Rahul Shrivastava, エグゼクティブ・ヴァイス・プレジデント - Hi-TechとISV、Persistent Systems Rahul Shrivastava エグゼクティブ・ヴァイス・プレジデント - Hi-TechとISV、Persistent Systems

ハイテクとISV企業が顧客体験のためのAI採用を拡大する方法

ハイテクと独立ソフトウェアベンダー（ISV）企業におけるジェネレーティブAIの導入の初期ブームは、現実的な課題に直面している。明確な運用上のギャップが生じている。多くの組織は「パイロットの迷宮」に陥れており、制御された環境では輝いているが、実世界のスケールでは失敗している。対照的に、顧客体験（CX）のリーダーである少数の企業は、AIイノベーションを経済的な成果に変えている。マッキンゼーによると、企業がAIを大規模に導入すると、顧客満足度を15％から20％向上させ、収益を5％から8％増加させることができる。最近の研究によると、76％のハイテク企業は、CXの主要な推進力として自動化に重点を置いている。これは、実験から運用への移行を示唆している。ギャップは、野心やアクセスではなく、運用化する能力の問題である。遅れはコンテンツの品質に焦点を当てている。リーダーは、AIをシステムの課題として扱い、プロセスを再設計し、待ち時間を管理し、データ管理を実施している。エンジニアリングのギャップ：科学プロジェクトからシステムへの移行ほとんどのハイテクとISVのイニシアチブは、組織が壊れたプロセスを自動化し、AIをレガシーのワークフローに重ねて、根本的なプロセスを再設計しないために失敗する。遅れは、関連性よりもスケールを優先し、モデルを最適化し、プロセスの変更、データ所有権、責任構造を無視する。CXのリーダーは、ハイテクとISVの分野で、サンドボックスのマインドセットからプロダクションのマインドセットへの移行をすぐに実施することで自分自身を区別している。彼らは、コストパーレゾリューション、ネット収入保持、顧客の努力削減などのハードメトリックで価値を定義する。如果パイロットがこれらのメトリックを移動できない場合、それを迅速に廃止する必要がある。大きなEdTech企業は、K-12のスペースで激しい競争に直面していた。スピードと市場投入の優先性を高めるために、組織は、一般的な機能を迂回するAI戦略を開発した。製品ロードマップを再設計して、自動化された学生評価、学生のためのゲーム化された学習パス、リアルタイムの学校分析などのユニークなユースケースを対象とした。パートナーの専門知識を利用して開発を加速することで、これらの機能を優先して、混雑した市場で自分自身を区別するために迅速に展開した。このアプローチは、「AI中心の課題」という概念と一致している。これは、ソフトウェア企業がコア製品にAIを埋め込み、ワークフローをこれらの機能の周りに再設計する必要があることを示唆している。また、高容量の低変動タスクにAIを使用し、人間が高共感、複雑なケースを処理できるようにすることも必要である。リーダーは、これらの組織的な質問を最初に解決し、次に技術が成果をもたらす。ソフトウェア企業がデータで苦労する理由：信頼を構築するためのアーキテクチャエンジニアリングの規律がエンジンであるなら、データは燃料である。しかし、データ品質は依然として最大の障害である。MITの研究によると、95％のAIイニシアチブは、パイロット段階を超えて進まないことが多い。データ品質が悪い、所有権が不明確、ガバナンスが一貫性がないためである。AI駆動のCXで勝つには、データの量ではなく、使用されるデータの明確性とコンテキストが重要である。高性能の企業は、断片化されたシロから、生成モデル用に設計された複雑な層構造のアーキテクチャへの移行を進めている。このモダンな基盤は、構造化されたログから非構造化された音声トランスクリプトまで、すべてをキャプチャする統一されたData Lakehouseから始まる。ストリーミングパイプラインは「データの新鮮さ」を維持し、エンジンが現在の状態を反映できるようにする。マルチモーダルセマンティックレイヤーは、関係データベースを事実の正確さのために、ベクターデータベースをパターン認識のために、ノードグラフを複雑な関係のために使用する。属性ベースのアクセス制御と「Bring Your Own Cloud」アーキテクチャを通じてセキュリティを自動化することで、企業は機密データが保護され、パブリックモデルトレーニングから除外されることを保証する。先ほど参照したEdTech企業は、当初、インシデントSLAを満たすのに課題に直面していた。生産ログには個人情報（PII）が含まれており、エンジニアの小さなグループのみがアクセスでき、ボトルネックが生じていた。データレイヤーを再設計して、組み込みのマスキング、匿名化、ロールベースのアクセス制御を実装することで、組織はエンジニアリングチーム全体にアクセスを民主化した。これにより、解決時間が短縮され、標準化されたデータ契約と継続的な品質フィードバックループが確立された。データアーキテクチャを正しく構築することで、イノベーションと誠実さのバランスが取れ、迅速な実験が可能になるが、顧客の信頼を損なうことはない。チャットボットからエージェントスワームへの移行ハイテクとソフトウェア主導の企業では、チャットボットからエージェントAIへの移行は、CXプラットフォームが設計されスケールされる方法における根本的な変化を示している。これは、哲学における根本的な変化である。エージェントAIは、プロンプトを待つだけでなく、コンテキストを観察し、意図を予測し、行動を開始する。ISVの場合、これには、決定的な決定ツリーから、長時間実行される非同期ワークフローを管理できるダイナミックオーケストレーターへの移行が必要である。単一のモノリシックチャットボットではなく、プラットフォームは、コード生成、品質レビュー、セキュリティ検証などの特定のタスクを処理する専門エージェントを持つマルチエージェントスワームに進化している。これには、新しいタイプのタレントが必要である。狭いスペシャリストではなく、ワークフロー、倫理、顧客心理、運用リスクの交差点をナビゲートできるシステム思考者である。パートナーレッド実行モデルこれらの複雑なシステムをスケールするには、外部の専門知識が必要になることが多い。しかし、従来のベンダー取引モデルは時代遅れになっている。今日最も効果的なモデルは、共同創造に基づいており、企業がデータ、ガバナンス、知的財産の所有権を保持し、パートナーがドメイン固有のアクセラレータとフィールドテスト済みのパターンを提供する。 フードテックのスペースでSaaSのリーダーは、重要な可視性ギャップを解決するためにこのモデルを使用した。エンジニアリングパフォーマンスを測定したり、AIツールの影響を評価したりする明確な方法がなかったため、内部チームまたはパートナーチームが最適な価値を提供しているかどうかについての明確な見方がなかった。ツールを購入するのではなく、企業は共同創造モデルを採用した。企業は望ましい成果、ガバナンス、成功メトリックを定義し、パートナーはPDLC全体にわたるメトリック駆動型フレームワークを設計して実装した。これにより、リーダーシップはパフォーマンスとパートナーの価値についての明確な可視性を得ることができ、戦略とガバナンスは企業内に留まることができた。持続可能な優位性のための優先事項：CXとしての生活システム次の1〜2年間で、ハイテクとISVの景観を決定づける決定的な分裂が生じる。1つの側には、AIを機能アップグレードとして扱っている企業がいる。他の側には、顧客体験を適応システムとしてエンジニアリングする企業がいる。勝者は、最も多くのパイロットを持っているのではなく、顧客が感じることができ、リーダーが測定できる成果をアーキテクチャ化する企業である。これには、ジャーニー中心の設計が必要である。孤立した自動化は、コンテキストがリアルタイムに流れ、決定が顧客とエージェントの両方に説明可能な解決パスに置き換えられる必要がある。信頼は、主な運用上の指令となる。システムが自律性を獲得するにつれて、安全対策のないスピードは責任となる。将来のリーダーは、人間の判断を最も重要な場所に埋め込み、ポリシードリブンのデータ制御を施行し、意思決定パイプラインに透明性を直接組み込むことになる。これは、テクノロジー刷新ではなく、運用モデルのリセットである。高性能のチームは、AIを継続的に改善するフィードバックループを制度化し、明確な成功メトリックでテストを標準化し、失敗した実験を躊躇せずに進めることになる。データ、ガバナンス、エージェントワークフローを統一して成功する企業は、競合他社が反応するよりも早く価値を蓄積することになる。質問は、AIの自律的な機能を採用するかどうかではなく、企業が新しい業界標準を定義するために十分な速さで動けるかどうかである。