スコット・モルガンは、マーラブスのデータおよびAIのEVPです。30年の経験と2,200人の従業員を擁するニューヨークを拠点とするマーラブスは、AIコンサルティングおよび変革パートナーであり、フォーチュン500企業にAIを活用化し、業界横断的に持続可能で測定可能な価値を提供するのに役立ちます。
あなたは既存のビジネスプロセスをAIを使って再設計したいと考えています。那は、AI変革の最初のステップとして賢い選択です。しかし、多くの組織がまだ理解し始めている重要な前提条件があります。Agentic AIは、AIの能力を単純な支援を超えて拡大しました。Agentic AIシステムは、計画を立て、決定を下し、多段階のアクションを実行し、継続的に学習することができます。したがって、組織にAgentic AIを統合するとき、単に別のテクノロジー工具を追加するのではなく、新しいタイプの同僚をワークフォースに追加することになります。実際、MIT Sloanの2025年11月の「The Emerging Agentic Enterprise」報告書によると、21業界のグローバルエグゼクティブの76%が、Agentic AIを単なるツールではなく、同僚として見なしています。これは、遠隔的な結果をもたらす変化です。AIと人間が協力する組織では、AIを古いビジネスプロセスに重ねることは、意味がありません。古いビジネスプロセスは、人間の制限に基づいて設計されたもので、AIの能力を活かすことができません。IBMの2026年のCEO調査によると、AIの導入に最も成功した組織は、ワークフローを積極的に再考し、再設計するものです。McKinseyの「State of AI in 2025」報告書によると、ワークフローの再設計は、ビジネスへの有意義な影響をもたらす最も強力な要因の1つです。調査によると、高性能な会社は、ワークフローを再設計することで、AIで有意義な価値を獲得する可能性が、他の会社よりも3倍高いことがわかりました。この記事では、以下の点について説明します。 AIドリブンの組織で、レガシービジネスプロセスが壊れる理由 古いビジネスプロセスにAgentic AIを重ねるリスク AIファーストの再設計のために準備されているプロセスを特定する方法 Agentic AIのための強い候補となる5つのビジネスプロセス AIドリブンの組織でレガシービジネスプロセスが壊れる理由ビジネスプロセスとは、ワークフロー、承認、決定、調整活動、システムの相互作用など、企業全体で仕事が行われるようにするものです。AI以前のプロセスは、人間が主な調整レイヤーだったという仮定に基づいて構築されました。システムはリアルタイムで調整できませんでした。決定には複数のエスカレーションが必要でした。仕事は、各部門がそれぞれの視点からプロセスにアプローチするため、遅々として進みました。人間がすべてをまとめ、プロセスの各部分を接続して同期しました。時間の経過とともに、組織はさらに承認、バックログ、ルーティングメカニズム、繰り返しの検証ステップなどのレイヤーを追加しました。これらはすべて、リスクを管理し、人間の制限を自然に補うための安全ネットとして機能しました。Agentic AIを導入すると、これらの仮定はすべて崩壊します。調整レイヤーは、人間からエージェントに移行することができます。インテリジェンスは、ワークフローの中にあります。AIエージェントは、コンテキストを分析し、決定を下し、システム全体でアクションを調整し、レスポンスをトリガーし、動的に適応し、継続的に学習することができます。したがって、レガシープロセスは、AIのスケーリング、運用の俊敏性、企業全体の変革のための大きな障害となります。リーダーに警告：AIの風景に新しい問題が「静かに」侵入する多くの組織は、AIとAgentic機能を、戦略的な決定ではなく、ベンダーが既存のソフトウェアやツールにこれらの強力な機能を組み込んでいるため、無意識のうちに採用し始めています。思慮深い戦略を講じない場合、運用、コンプライアンス、ガバナンスのリスクがすぐに現れます。したがって、Agentic AIのためのワークフローの再設計に取り組むことは、組織にとって高い優先順位の課題となります。このアナロジーが役立つかもしれません。最高のスピードで走ることができるスポーツカーを購入したとします。その車を、曲がりくねった、劣化した道路に走らせると、車の真のパフォーマンス能力を体験することはできません。エンジンのパワーに関係なく、基礎となるインフラストラクチャが車のパフォーマンスを制限し、リスクを増大させます。車を過度に追い込むと、深刻な損傷を引き起こす可能性があります。同じ原理があなたのビジネスにも適用されます。古いプロセスにAgentic AIを重ねると、進歩の幻想を生み出しますが、根本的な構造的な弱点は解決されません。古いプロセスは、ポトホールや損傷した道路と異なり、明らかな脅威として現れません。したがって、より危険です。古いビジネスプロセスにAgentic AIを重ねるリスク古いプロセスにAgentic AIを重ねることの主な結果は、非効率を加速することです。Agentic AIは、壊れたまたは古いワークフローを修正せずに高速化します。これにより、ボトルネック、エラー、欠陥のロジックに基づく決定が速くなります。その他の一般的な結果は、以下のとおりです。...
企業のAIは新しい段階に達しました。質問は、もう大きな組織がAIを採用するかどうかではありません。彼らはすでに採用しています。より重要な質問は、競合他社が優位性を築く前に、AIの使用を測定可能なビジネス価値に変えることができるかどうかです。その違いは重要です。AIの採用とAIの価値は、非常に異なる速度で進んでいます。Marlabs Researchの2026 Enterprise AI Adoption Playbookは、10つの主要な企業AI調査を分析し、100以上の国にわたる3万以上のリーダーを代表しています。調査結果は、AIがほぼすべての場所に存在しているが、リターンは高く集中していることを示しています。McKinseyの報告によると、88%の組織が、少なくとも1つのビジネス機能でAIを展開しています。スタンフォードの2026 AI Indexによると、70%の組織が生成的なAIを使用しています。しかし、PwCの29th Global CEO Surveyによると、CEOの12%のみが、AIからコストの削減と収益の増加の両方を報告しています。一方、56%のCEOは、どちらのメリットも見ていません。これがAI採用とAI価値のギャップです。これが2026年の企業テクノロジーの最大の課題です。ギャップは大きいだけでなく、構造的なものになっています。PwCのAI Performance Studyによると、80%の企業がAIの総経済的価値の約25%しか獲得できていません。言い換えれば、上位20%の企業が約74%の価値を獲得しています。これは、AIツールへのアクセスが不足しているという話ではありません。アクセスはもはや希少ではありません。希少な能力は、AIを大規模に使用する能力です。パイロットは変革ではない大きな会社には、AIの活動が不足していることはありません。多くの場合、活動があまりにも多すぎます。マーケティング、財務、法務、IT、人事、カスタマーサービス、ソフトウェアエンジニアリングなどのチームは、AIツールを使用して実験を行っており、パイロットを立ち上げ、コンセプトの証明を構築しています。そのエネルギーは有用ですが、進歩の誤った感覚を生み出すこともできます。パイロットは、狭い範囲でモデルが機能することを示すことができます。しかし、プロセス、データ、ガバナンス、行動の変化を吸収するために、組織が必要とするスケールを証明することはできません。那はwhy79%の企業が、AIイニシアチブを本格的な展開と測定可能なROIに移行する際に重大な課題を報告している理由です。価値をより多く獲得している会社は、異なる選択を行っています。彼らはすべてのユースケースを追求しません。彼らは焦点を当てています。BCGの調査によると、リーディング企業は平均約3.5のAIユースケースに焦点を当てています。一方、後発企業は6以上のユースケースに広がっており、ROIは約半分です。その発見は、幹部がAIポートフォリオについて考える方法を変えるべきです。幅はステアリング委員会の更新で印象的なように見えるかもしれませんが、焦点はオペレーティングレバレッジを生み出すものです。ボトルネックは組織的なもの生成的なAIの時代のほとんどの間、企業の会話はモデル能力に焦点を当てていました。モデルは要約、推論、コード化、取得、分類、生成ができますか？その質問はまだ重要ですが、それはもう主要な制約ではありません。実際のボトルネックは人、ガバナンス、データです。Marlabs Researchのクロスサーベイ障害分析によると、62%の幹部が、企業のAI価値へのトップの障害として、人材とAIスキルの不足を挙げています。次の障害も同様に重要です。58%がワークフローとオペレーティングモデルの再設計、52%がデータの品質と統合、50%がセキュリティとリスクの懸念、48%がガバナンスと責任あるAIの成熟度、44%がROIまたは価値の測定の不明確さ、41%が従業員を変化の管理を通じて導く課題を挙げています。その数字は重要な点を示しています。企業は、AIが有用な出力を生成できないことによって妨げられているのではありません。組織がまだAIを大規模に使用するために構築されていないことによって妨げられているのです。Agentic AIは機会とリスクの両方を高める次の波の企業AIは、エージェントによって定義されます。これらのシステムは、従業員を支援する以上のことができます。マルチステップタスクを実行し、ワークフローをトリガーし、エンタープライズアプリケーションとやり取りし、定義された境界内で決定を下すことができます。その変化は巨大な潜在能力を生み出します。PwCの29th Global CEO Surveyによると、半分以上の大きな会社が、6か月以内にカスタマーサービス、セールスとマーケティング、ITでAIエージェントを展開または展開する予定です。機能レベルの数字は印象的です。カスタマーサービスでは57%、セールスとマーケティングでは54%、ITとサイバーセキュリティでは53%です。財務と運用は47%で、人事と採用は39%、研究開発と製品は36%です。ビジネスケースは明確です。エージェントはハンドオフを削減し、レスポンスタイムを加速し、従業員の生産性を向上させ、ルーチンワークをより一貫性のあるものにすることができます。カスタマーサービスでは、問題をより迅速に解決するのを助けることができます。セールスオペレーションでは、CRMレコードを更新し、フォローアップを草案し、次のアクションを推奨することができます。ITでは、チケットをトリアージし、インシデントを監視し、修復ステップをトリガーすることができます。投資は不均一なリターンにもかかわらず増加している市場で最も興味深い信号の1つは、弱いROIが引き出しに至っていないことです。むしろ、幹部の関与の増加に至っています。生成的なAI時代に300億ドル以上の企業支出を行った後、幹部チームはまだ倍増しています。BCGのAI Radar 2026によると、AI支出は今年約2倍になる予定です。72%の企業で、CEOが個人的にAIアジェンダを主導しています。Gartnerの調査によると、89%のCIOがAI支出を増やす予定です。IBMのInstitute for Business Valueによると、AI投資は2030年までに約150%増加する予定です。マルチモデル将来にはアーキテクチャの規律が必要企業のAIスタックも変化しています。市場は、単一モデルデフォルトから、マルチモデルアーキテクチャへの移行を進めています。ここでは、会社はさまざまなワークロードに異なるモデルを選択します。According to a16zの第三回CIO調査によると、100のグローバル2000社のうち81%が、テストまたは本格的な展開で3つ以上のモデルファミリーを使用しています。Marlabs Researchも、中期の2026年までに単一ベンダーを使用している企業は、3つの実用的なリスクに直面していると指摘しています。価格の集中、機能の遅れ、監査またはコンプライアンスの脆弱性です。企業AI価値のABCAI採用とAI価値のギャップを埋めるために、企業には実用的オペレーティングフレームワークが必要です。Marlabsでは、これをAgilityAIのABCと呼んでいます。整列、構築、コントロールです。整列とは、技術をスケールアップする前に組織に焦点を当てることを意味します。幹部は、P&Lの結果に直接結びついた3〜5のハイインパクトワークフローを特定する必要があります。ビジネス、データ、技術、リスク、オペレーティングチームを、関連しないパイロットを拡大するのではなく、定義されたユースケースのセットに整列させる必要があります。データの準備とシステムの統合を最初の段階の部分として行う必要がありますが、将来の依存関係として行うのではなく、行う必要があります。構築とは、規律とスピードで実行することを意味します。AIイニシアチブは、一時的な実験のように管理されるべきではありません。ビジネス能力として所有者、ロードマップ、採用計画、測定可能な結果を持つように構築されるべきです。そのためには、構造化されたAIエンジニアリングライフサイクルが必要です。発見とモデル選択から統合、テスト、展開、監視、継続的な改善までです。コントロールとは、信頼、リスク、長期的な価値のためにガバナンスすることを意味します。コントロールは、エージェントがすでに重要なワークフロー内で動作している後に追加されるべきではありません。ガバナンスには、許可、監視、監査ログ、人間のエスカレーション、ポリシーの適用、セキュリティテスト、財務コントロールが含まれる必要があります。また、明確な指標も必要です。使用状況だけは価値ではありません。時間あたりの価値、コスト、収益、サイクルタイムの短縮、初回解決、予測精度、コンプライアンス例外、顧客満足度などの指標がより良いです。これを行う会社は、累積的な優位性を生み出すでしょう。より良いデータはAIのパフォーマンスを向上させます。より良いワークフローは採用を増やします。より良いガバナンスは信頼を築きます。より良い測定は投資を引き付けます。より良い人材は納品を加速します。時間の経過とともに、それらの優位性は相互に強化されます。そのようにしてAIは競争的優位性を生み出すのです。企業のAI格差は拡大しています。価値は採用に自動的に続くわけではありません。実行に続くものです。次の段階は、実験を超えた会社が所有します。重要なワークフローに焦点を当て、AIを仕事が行われるシステムに構築し、スケールアップする前に自律性をガバナンスする会社が所有します。AIの採用は現在普遍的です。AIの価値はまだ希少です。違いを理解する企業が、次の企業パフォーマンスの時代を定義するでしょう。
