Chris Perry、Andus Labs創業者兼CEO – インタビューシリーズ

Chris Perry、Andus Labsの創業者兼CEOは、テクノロジーとビジネスの大きな変化を組織が乗り越えるのを支援してきた、ほぼ30年の経験を持つコミュニケーション、デジタル戦略、イノベーションのエグゼクティブです。Andus Labsを2025年に設立する前、PerryはWeber Shandwickで22年以上勤務し、Futures部門の会長、最高イノベーション責任者、デジタルコミュニケーション部門の社長、デジタル戦略・オペレーション担当EVP、SVPなどの上級リーダーシップ役職を歴任しました。キャリアの初期にはゼネラル・モーターズでテクノロジーコミュニケーションに従事し、Edelmanで副社長を務めました。彼のキャリアはデジタルトランスフォーメーション、新興技術、組織変革、そしてテクノロジーとそれを活用する人々との関係の進化に焦点を当てています。

Andus Labsは、技術を取り巻く人と組織の仕組みに注目することで、企業がAIの能力を実際の組織的成果につなげられるよう支援しています。同社は「Human OS for AI」の構築を使命に掲げています。これは人とAIエージェントにまたがる仕事を調整するための運用層であり、組織の準備、ワークフロー、活用の定着が技術そのものに追いつかないと、AI投資は期待した成果を生めないことが多いという考えに基づいています。取り組みは、AIを使った仕事の調整プログラム、組織学習を強化して積み重ねることを目指す製品、そして人とAIが効果的に協働する方法を探る実務家、芸術家、人文分野の専門家による幅広いネットワークに及びます。

Weber Shandwickで20年以上にわたりシニアデジタル職から最高イノベーション責任者、Futures部門の会長へと昇進し、2025年にAndus Labsを創業しました。その期間に大企業内部で何を観察し、AI変革の最大の障壁は技術そのものではなく、技術を取り巻く人間・組織システムであると確信させたのでしょうか？

最初にそれを学んだのは、Weber Shandwickに入る前、私が仕事を始めたデトロイトの父のグラフィックアート・スタジオでした。デスクトップ・パブリッシングによって、父のスタジオの組版担当者やイラストレーターが手作業で行っていた仕事がソフトウェアへ移りました。父のビジネスモデルは崩れ、変化に気づいたときには手遅れでした。

Weber Shandwickでは、ソーシャルメディア、ブログ、動画、モバイル、データといった新たな技術波を通じて、世界最大級の企業と協働しました。そのたびにパターンは同じでした。技術が到来し、人々は変化を感じ取り自ら使い始めました。リーダーシップと組織構造の変化は最後にやってきました。

これらの初期の波では、企業は遅れによって失地を被りましたが、人々は依然として作業を続けていました。AIは知的業務に対して、デスクトップパブリッシングが父のスタジオにもたらしたような変化をもたらします。作業のやり方がソフトウェアに組み込まれるのです。

ビジネススクールでは、人とエージェントが仕事を共有する企業の運営方法は教えられません。多くの企業はAIを後付けし、従来の作業をより速くこなすだけです。本当のリターンは、リーダーが自社の人々にAIと共に仕事を再構築させたときに得られます。作業は単に速くなるのではなく、形を変えるのです。

私たちは「Andus Labs」と名付けました。これは “and us” の意味で、人こそが成果を左右すると賭けたからです。

Andus Labsは、企業が高度なAI能力を有しながらも、それらから価値を引き出すために必要な「人的準備」が不足していると主張しています。AIを成功裏に導入した企業と、実際に仕事のやり方を変革した企業の違いは何でしょうか？

私は、AI導入率が80％で、仕事のやり方の変化は約5％という企業と面談しました。導入率だけが取締役会の資料に載っていました。二つ目の数値は隠されていたわけではなく、単にダッシュボードに表示する場所がなかったのです。

導入は測定しやすいです。ライセンスの割当、エージェントの展開、ログイン数――これらは活動指標であり、インパクトではありません。私たちはクライアントに、以前はできなかったことが現在できるかを尋ねます。多くの場合、正直な答えは同じレポートやデッキ、分析が単に速くなっただけ、というものです。

変革を遂げている企業は、別のことを測ります。試行は拡大するに値する十分な価値を生んだか。1年前には作れなかったものを取締役会に提示できるか。AIは最も価値ある人材の負担を減らし、その人たちにしかできない仕事に取り組めるようにしているか。どれも利用ライセンス数ほど簡単には数えられませんが、実際に何かが変わったかどうかを教えてくれる指標です。

こうした問いにも責任者が必要です。多くの企業で誰が責任を持つのかを尋ねると、担当者の一覧が返ってきます。CIOはプラットフォーム、専門組織であるセンター・オブ・エクセレンスは試行、人事は研修を担当します。事業への効果は、誰の担当一覧にも入っていません。

ある企業は何人がアクセスできるかを教えてくれます。別の企業は何が変わったか、そして誰がその結果に責任を持つかを教えてくれます。

Ground Truth Indexは現在、595の組織のリーダーとの協働や対話を通じて観察し、記録した300のパターンのライブラリに基づいています。5つの独立した分析エージェントが各パターンを採点した後、研究者が検討し、最終順位を決定します。この方法論はどのように発展してきたのでしょうか。人間の判断はどの段階で関与し、現場観察にすでに含まれている思い込みを指数が単に補強するだけにならないよう、どのように防いでいますか？

ライブラリが拡大するにつれて手法は変化しました。すべてのパターンは、ビジネスリーダーとの会話で聞き、見たことから始まります。新しいシグナルをライブラリと照らし合わせ、現場観察や外部調査で検証し、それが本当に新しいものか、既に追跡しているパターンを強化するものか、あるいは別の場所に属すべきかを判断します。

AIは四半期ごとにライブラリ全体を評価するのに役立ちますが、これは研究チームが手作業で行うことはできません。エージェントはそれぞれ異なる専門的視点で全パターンを読み取り、同じ5つの次元でスコア付けします。エージェントはブラインドで作業するため、互いに影響を与えることはありません。中央値を採用し、単一の外れ値がスコアを左右できないようにし、上位50件は人間のレビューに回します。

すべてに人間の判断が介在しています。私たちの研究チームはライブラリに入るすべてのパターンを承認し、ランキングをレビューして最終的な25件を決定します。エージェントの意見が食い違う箇所や、メディアの注目が現場で聞く声と矛盾する箇所に最も注意を払います。スコアを変更できるのは、文書化された観察に基づく場合のみです。誰が提起したか、どの程度頻繁に聞いたか、組織間で一貫しているか、という情報が必要です。直感だけではスコアは変わりません。

新しいGround Truth Indexは「Empty Chairs」をエンタープライズAIに対する最大の障壁として順位付けしています。これは、採用、価格設定、リスクなどの意思決定にAIシステムが影響を与えるものの、誰が責任を負うか、またはその決定を覆す権限を持つかが明確にされていない組織を指します。AIが単に行動を推奨する段階から実際にビジネス成果を形作る段階へと移行する中で、実質的な人的責任はどのような形で実現すべきでしょうか？

AIが関与する機能が増えるほど、会社を代表して行われる意思決定も増えます。責任は技術的な問題になる前に、経営上の課題となります。

通常、責任はAIシステムを購入した人と使う人の間のどこかに置かれ、どちらも引き受けていません。その空白は、意思決定に異議が唱えられるまで見えないままです。それが「空席」です。

説明責任を果たすには、システムの出力を確認し、その結果を説明し、修正し、あるいはシステムを停止できる責任者が、実名で定められている必要があります。そのためには、通常は複数の部門にまたがるプロセスを統括する権限が必要です。

我々はリーダーに、今四半期にAIが支援した重要な意思決定を一つ選び、その責任者が誰かを教えるよう求めます。答えが明確でない場合、企業は意思決定の方法を変えているものの、誰がその結果に責任を持つかは決めていません。

「Learning While Drowning」は新しいインデックスで2位にランク付けされており、AIトレーニングを義務付けながらも従業員の既存の業務負荷を変えない企業を浮き彫りにしています。同時に「Optimization Temptation」は、企業が人員削減によるコスト削減を容易に数値化できる一方で、従業員をより価値の高い仕事に再配置するという測りにくい価値を過小評価しがちであることを示しています。企業は、単にAIでコストを削減するのではなく、AIを活用して労働力の生産性を向上させるために必要な組織的投資を根本的に過小評価しているのでしょうか？

はい。役割を削除することで得られるコスト削減はスプレッドシートに簡単に記入できます。その人が持つ知識、関係性、判断力の価値ははるかに捉えにくいです。節約は今四半期に現れますが、損失は何年も蓄積され得ます。

削減の背後にある前提はしばしば誤っています。AIは現在の業務をより効率化するだけでなく、新たにやるべき仕事も生み出します。我々が見ているのは、全体の機能が削減されるのではなく、チームが再調整され、人々が別の職務へ移動しているという現象です。

トレーニングの義務化は作業負荷に関する決定です。企業は既存業務の上にAIトレーニングを重ね、完了率の低さをモチベーションの問題と解釈します。予算に組み込まれない投資こそが失われる投資です。どの作業を停止・縮小・移行させてスペースを作るか、そして誰が承認したかを明確にする必要があります。学習には時間がかかります。適用にはさらに時間が必要です。なぜなら、人々は慣れないツールを試し、出力を確認し、従来のやり方を変えなければならないからです。

答えはリストの別項目ではありません。チームを実際のプロジェクトに配置すれば、学びは仕事の中で起こります。

インデックスは「Devaluation Anxiety」も特定しており、AIが従業員の仕事のますます価値の高い部分を実行できるようになることへの懸念を反映しています。経営層がAIへの抵抗と呼ぶもののどれほどが実際にはキャリア価値に対する合理的な不安なのか、そしてこうしたシステムを導入する際にリーダーは何を異なる方法で行うべきか、という点です。

その多くは合理的です。従業員はある発表でAIの効率化を聞き、次の発表で人員削減を聞きます。そして自分たちで結論を導き出します。

リーダーシップはそれらを別々のメッセージとして扱いますが、チームはそうしません。トレーニングを終えても、実用的な実験を控えてしまいます。

安心させるだけでは解決しません。リーダーは、仕事に関して何が決定されたか、何が未確定か、そして従業員が期待できるサポートは何かを明示しなければなりません。

報酬に関しても同様です。企業はAIからビジネスが何を期待するかを明示しますが、従業員側の内容は空白のままです。誰かが作業を速くした場合、何が得られるのでしょうか？より良い仕事の余地、昇進への道、時間の回復などです。これらは導入計画に組み込むべきです。

経営層はチームにAIを使って異なる働き方を求めていますが、チームはまず経営層が実践するのを待っています。

別のパターンとして「アクティブ・イナーシャ」があり、組織はAIを使って既存のプロセスを加速させますが、根本的な変化はありません。本当のAIネイティブなワークフロー再設計とはどのようなものか、そして古いプロセスを単に速くすることと、AIが可能にしたことを基にプロセスを再構築することの違いの例を教えていただけますか？

ほとんどの企業は、最も自動化しやすいものにAIを向けますが、それはしばしばそもそも存在すべきでない仕事です。レポートはより速く出ますが、承認は従来通りのペースで進みます。これがアクティブ・イナーシャです。

再設計は、AIモデルが何を行い、チームが何を担うかを事前に決め、その上で構築することで、従来の形を引き継がないようにします。

週次レポートを例に取ります。高速版ではAIがドラフトを作成し、同じ人々が同じスケジュールで同じ文書をレビューします。再構築版では、レポートの目的自体を問い直します。もしレポートが早期に問題を発見できるように存在するのであれば、システムは問題が起きた瞬間にフラグを立て、レポートは不要になります。

「価値は能力×吸収力で決まる」と書かれ、単なるソフトウェアではなくシステム全体を主張されています。最先端モデルがますますコモディティ化し、誰でも利用できるようになる中で、組織がAIを吸収し再編成できる能力は、モデルそのものへのアクセス以上に持続的な競争優位になる可能性がありますか？

はい。モデルの導入は、モデルに合わせて業務を変えるよりも簡単です。モデルは驚異的な性能で登場し、四半期ごとに価格が下がります。同じモデルは誰でも利用可能です。買えないものは、社内の固有のコンテキストと、最大限に活用できるチームです。

「受容能力」と呼ばれる概念は古くからあります。これはチームが新しいものを取り込み活用できる能力で、意思決定権、インセンティブ、ワークフロー、職務設計、そして人々が何が問題だったかを正直に伝えてくれる十分な信頼で構成されます。これらはすべてレンタルできるものではありません。

価値を「能力×吸収力」と表現するのは、この2つが掛け算だからです。足し算ではありません。受け入れられない組織に優れたモデルを投入するのは、密封機能を失ったシール部材に完璧な部品を取り付けるようなものです。能力は本物でも、得られる成果は依然としてゼロです。

エージェントAIは、システムが単に応答を生成するだけでなく、行動を起こし、ツールを使用し、目的を追求できるようになることで、別の複雑さの層をもたらします。企業はエージェントの自律性と人間の意思決定の境界をどこに引くべきか、そしてエージェントにより大きな権限が与えられるにつれて、どのような新たなガバナンス体制が必要になるでしょうか？

まず、1つの問いから始めてください。エージェントが間違えたとき、誰が責任を負うのか。

エージェントが決定することと人が決定することの境界線を、実際に稼働させる前に引きましょう。多くの企業は、問題が起きてからその境界線を見つけます。

ミスが安価に修正でき、すぐに顕在化する場合はエージェントに任せます。決定が誰かの報酬や雇用、法的立場に影響する場合は、人が最終判断を下し、エージェントはその準備を行います。

本能的には中央集権化しがちです。委員会を立ち上げ、フレームワークを作成し、管理可能になるまで待ちます。しかし、上層部からの指針が現場に届く頃にはすでに時代遅れで、回答が得られない人々は会社が承認していないツールを使い始めます。

ガバナンスは実務の近くに置く必要があります。チームは、各エージェントが何を決められるか、誰が責任を持つか、どう停止するかを知っていなければなりません。また、そのエージェントが何をしたかの記録も必要です。

組織図は機能横断的に働くエージェント向けに設計されていないため、失敗の責任を単一の機能が負うことはありません。導入前にこの点を明確にし、導入後に対処しないようにしましょう。

先を見据えると、エンタープライズAIの最大の制約が技術的ではなく組織的になるにつれ、企業自体はどのように変化すると予想しますか？現在の組織図、マネジメント構造、職務設計、意思決定プロセスのうち、AIエージェントと人間が協働する組織へ移行する際に最も存続しにくい部分はどこでしょうか？

機能別の組織図が最も存続しにくいでしょう。多くの企業は依然として機能別に運営されており、作業は部門間で渡され、各ハンドオフで承認が行われます。AIは数分で成果物を生成しますが、周囲の承認プロセスは数週間かかります。リーダーは、遅延を前提に設計されたシステム内で、より速く動くことを求められています。

その組織図は人が人に作業を渡すことを前提に作られており、人とエージェントが意思決定を共有することは想定されていません。
委員会ではこの問題は解決できません。

組織図に代わるのは、問題を中心に編成される小さなチームです。リーダーが解決に値する問題を定め、解決のために満たすべき条件を決め、人とエージェントからなるチームに任せます。そのチームは、会社のほかの部分と同じやり方では運営できないため、独自の資金と保護を与えられます。チームの人間が判断を下し、エージェントが生み出す成果に責任を持ちます。

電動モーターは1880年代に米国の工場に導入されましたが、生産性向上が顕在化したのは1920年代になってからです。当初は蒸気機関の代わりに大きなモーターを1台設置し、同じラインシャフトで全機械を駆動し、機械はそのままの位置に残していました。各機械に個別のモーターを取り付け、作業に合わせてフロアレイアウトを再構築したときに、真の効果が現れました。

再編成は革命でした。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい読者は、Andus Labsを訪れるか、Ground Truth Indexをご覧ください。