ソートリーダー

企業AIは限界に直面した。計画策定が突破口になる

David Marmer
Unite.AI を Google の優先ソースに追加
要点エンタープライズAIは、エージェントが部門をまたいだ共有の運用コンテキストを欠いているため、調整の上限に達する。
もっと見る
  • エンタープライズAIは、エージェントが部門をまたいだ共有の運用コンテキストを欠いているため、調整の上限に達する。
  • 継続的プランニングにより、AIは状況の変化に応じてシナリオをストレステストする生きた調整レイヤーへと変わる。
  • 自律的な意思決定のトレーサビリティと人間による監督を確保するため、ガバナンスは最初から設計されなければならない。

企業AIの第一波は、個々の部門内で生産性を高めるコパイロットをチームにもたらしました。次の波は今、連携の問題に直面しています。最も重要な経営判断は財務、業務、サプライチェーン、戦略を横断する一方、ほとんどのAIシステムは依然として一つの部門の中だけで動いているからです。

企業AIの現状について、マッキンゼーのAI成熟度に関する調査によると、導入の成熟度という点で自社を「成熟している」と評価するリーダーはわずか1%です。これはAIが業務フローに完全に組み込まれ、大きな事業成果を生み出している状態を指します。残る99%はAIを導入していても、企業全体ではまだ目立った成果を示せていません。

理由は構造にあります。こうしたAIシステムには連携の場が必要であり、計画策定はその自然な受け皿です。財務上の前提、需要の兆候、業務上の制約、戦略目標は、すでに計画策定の場に集まっています。この層にAIを組み込めば、計画策定は定期的な作業から企業をつなぐ基盤へと変わります。

これが、多くの企業が第一世代のAI導入で今見いだしている限界です。コパイロットは個々のチームの作業効率を高めましたが、ほとんどの組織は、その根底にある難題を解決しませんでした。事業全体の意思決定をリアルタイムでどう連携させるか、という問題です。予測作成の流れが速くなっても、サプライチェーンの前提、業務上の制約、財務上の優先事項が切り離されたままでは機能しません。

企業AIの連携ギャップを生む構造

これを実現するには、三つの構造的な変化が必要です。

1. 企業AIは部門のサイロから抜け出さなければならない

財務部門に組み込まれたコパイロットは、予測との差異を要約し、損益計算書の何が変わったかを説明できます。しかし、業務部門からリアルタイムの需要シグナルを取り込み、更新されたサプライヤーリスク評価を織り込んで、CFOとCOOが同時に見ている修正予測へ反映することはできません。これが企業AIの直面する構造的な限界であり、部門ごとの導入が個人の生産性では高い数値を示しながら、全社的な成果では弱い理由です。

この分断の根底には、文脈の問題があります。各部門のAIは、その部門が所有するデータ、利用するシステム、置く前提に基づいて動きます。そうした見方を、企業が何を事実と捉えているかという一つの全体像にまとめる共有層がありません。

その結果、多くの企業が今「AIの連携ギャップ」を経験しています。システムは独立して知見を生み出せても、実際の状況に間に合う速さで事業全体の意思決定を整合させられないのです。

この限界を突破するには、共通のデータモデル、共有された業務ロジック、部門をまたいで意思決定を一貫して解釈できるオントロジーに基づく、共通の業務文脈を通じてエージェントをつなぐ必要があります。

その基盤が整えば、需要エージェントが兆候を捉え、サプライチェーンエージェントがそれに基づく調達シミュレーションを実行し、財務エージェントが両者を踏まえて予測を更新できます。CFOは、ほかの部門も業務の前提としている同じ現実認識に基づく、一つに統合された提案を見られます。

2. 継続的な計画策定が企業AIの連携層になりつつある

この業務文脈の上で継続的に計画を立てることで、連携するエージェントが実際の事業成果につながります。計画策定は四半期ごとの作業ではなく、状況の変化に合わせて会社の目標に照らしてシナリオを検討する、生きたシステムになります。次のサイクルを待って追いつこうとはしません。前提が変わった時点で、代替案はすでにモデル化され、厳しい条件で検証されています。そのため経営陣は、締め切りに追われて一つの予測を作り直すのではなく、実行可能な複数の道筋を持って判断に臨めます。

米国とイランの紛争は、この仕組みをリアルタイムで試しています。影響を受ける多国籍企業は、原油・エネルギー価格の変動、ホルムズ海峡を通る航路のリスクの再評価、サプライヤーの納期の長期化という複数の信号に同時に対応しています。経営陣は数日以内に対策を決めなければなりません。その間に、エネルギー価格のヘッジ、輸送ルートの変更、契約の再交渉を相互に比較評価する必要があります。状況の変化に応じてシナリオを厳しく検証し、継続して動く計画システムだけが、行動に間に合う信頼できる答えを出せます。

これが、目標主導型AIの実際の姿です。エージェントは経営陣の定めた目標に向かって働き、一つの目標達成が別の目標を諦めることを意味する場合、そのトレードオフを知らせます。百の代替案をリアルタイムでモデル化できても、経営陣がどれを選ぶか決められないことはあります。計画の層には目標とトレードオフがすでに存在します。ここに、本番環境で機能するマルチエージェントシステムと、デモでしか機能しないシステムの違いがあります。

この転換の緊急性は高まっています。Gartnerはエージェント型AIプロジェクトの40%超が2027年末までに、コスト増、事業価値の弱さ、リスク管理の不備を理由に中止されると予測しています。こうした失敗の多くは、モデルの能力だけではなく、連携とガバナンスの問題に起因することになるでしょう。

3. 企業ガバナンスは後付けできない

継続的な計画策定の層は、実際の意思決定権限を連携するAIシステムに集中させます。だからこそ、ガバナンスは最初からアーキテクチャに含める必要があります。AI導入の話になると多くのCFOやCIOが最初に挙げる懸念であり、妥当な立場です。監査可能性、説明可能性、明確な方針上の境界がない自律システムを、意思決定の業務フローに入れるべきではありません。

実際に機能する導入では、エージェントのすべての行動を、根拠となる入力、ロジック、方針までさかのぼれます。すべての提案には、財務責任者、監査人、取締役が内容そのものを批判的に検討するために必要な前提が添えられます。

追跡可能性が、人間による監督を実効的なものにします。CFO、経理統括者、結果に責任を負うリーダーが提案を検討し、前提を問い、実行を承認できるのは、システムがどうその結論に至ったか見える場合だけです。エージェントは速さと広さを担い、人間は判断を担います。システムが差異を捉える様子を見て、その前提を確認し、実行前に提案を問い直せるリーダーは、時間とともにシステムへより大きな権限を与えます。追跡可能なロジックのないブラックボックスの答えを渡されたリーダーは、システムに頼ることを拒み、エージェントの権限は縮小します。ガバナンスをアーキテクチャに組み込む企業は前者の導入を実現し、後付けする企業は後者になります。

これからの十年はインフラを築く企業のもの

十年後には、計画策定をAIの連結層にした企業と、そうしなかった企業の差は明白になるでしょう。

データの接続、業務フローの統合、初めからのガバナンスの組み込みという地道な仕事が、企業がどちら側に立つかを決めます。

企業AIの勝者は、エージェントの数が最も多い企業ではありません。それらを連携させられるインフラを構築した企業です。

デビッド・マーマーは、Boardのチーフ・プロダクト・オフィサーであり、プロダクト戦略、管理、設計を担当しています。経験豊富なプロダクトマネジメント担当役員であるデビッドは、スタートアップとグローバル企業を跨ぐ5,000万ドルから10億ドルのポートフォリオを管理する数十年の経験を持っています。彼の背景は、アナリティクス、FP&A/EPM、IoT、顧客インサイト、金融犯罪、GRCソリューションに及びます。一貫した企業全体の戦略を牽引することで知られるデビッドは、IBMとCognosのエグゼクティブ役職を歴任し、組織がプロダクトのビジョンを計測可能なビジネス成果に変換するのを支援してきました。