AI導入前にCOOが問うべき4つの質問

AI時代は 希望に満ちているあらゆる企業が、どれだけの効率性向上を実現し、AIがそれをどれだけ実現したかを報告しています。しかし、複数のAIスタートアップで事業運営を経験し、現在は120社以上のポートフォリオ企業を持つAI VCファンドを運営する者として、私は異なる状況を見ています。多くの有用なAIツールや自動化が購入、統合、導入されていますが、効果はほとんど、あるいは全くありません。 AIの可能性に関する最近のマッキンゼーのレポートAIによる変革の約70%は失敗しています。問題は、たとえ最高のAIツールであっても、人間が行う雑然としたプロセスに導入すると、結果として雑然としたプロセスになり、そのプロセスもまた、 幻覚と喪失 コンテキスト.

最近、ある投資家から、ある会社が業務の一つにAIエージェントを導入し、その効率性向上を検証したという話がありました。結果は衝撃的でした。従業員はこれまで手作業で行っていた作業に多くの時間を節約できたにもかかわらず、全く同じ時間を費やしていたのです。 AIが犯した間違いを修正しようとする言うまでもなく、自動化はIT部門によって導入され、運用チームは取り残されてきました。COOがAIを活用して実際に運用を改善する方法についてお話ししましょう。

DVCでは、AIスタートアップへの投資だけでなく、目にするほぼすべての新技術を早期に導入しています。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業務のあらゆる側面で活用しています。案件の発掘とスコアリング、ポートフォリオファウンダーの支援、LP（パートナー）がエンジェル投資機会の検討に使用す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で実現しています。

AI を導入する前に、次の 4 つの質問をします。

1. 明確なルールはありますか?

プロセスは具体的なガイドラインで定義できますか？もしできるなら、自動化に最適な候補です。法務ワークフロー、会計ルール、構造化されたオンボーディングなど？完璧です。これらは、アウトプットがルールに従うシステムです。AIはまさにここで活躍します。

しかし、ブランドストーリーテリングや戦略デザインなど、本質的にクリエイティブなプロセスの場合、完全な自律性は機能せず、副操縦士などを活用した人間によるプロセス設計が必要になります。ブランドマーケティングでは、ルールを破ることはしばしば 「追加した」 価値。それをエージェントにアウトソーシングしないでください。

2. このプロセスには単一の真実のソースがありますか?

CRMと注文追跡システムで表示内容が異なり、実際の更新情報は誰かの個人的なスプレッドシートに保存されているとしたら、ちょっと考えてみてください。AIシステムの性能は、入力するデータによって決まります。

作成 唯一の真実の情報源 データや知識のサイ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 にとってこれまで以上に重要です。

顧客とのあらゆるタッチポイントと履歴が統合データベースに記録されれば、AIはフォローアップを自動化し、次の行動を推奨し、正確なレポートを生成できるようになります。さらに、音声によるカスタマーサポートの提供や、顧客との面談予約のスケジュール設定も可能です。スタートアップ企業が、特に中小企業、例えばAmazonのような企業に、信頼できる情報源を組み込んだソリューションを提供することで成功を収めるケースは数多くあります。 アボカAI電気技師向けの電話アシスタントである は、CRM が組み込まれており、すべての顧客データとやり取りが一元管理され、最新の状態に保たれます。

3. 豊富なデータ履歴がありますか?

すべてのアクションは、意思決定の事例とともに記録されていますか？AIは履歴データのパターンから学習します。ログがなければ学習はできません。システムが何が起こったかを記録しなければ、 なぜパターンを生成できず、改善もできず、お金が無駄になってしまいます。

しかし、たとえすべての顧客との通話を録音し、AIで文字起こししてフォルダに保存したとしても、おそらく十分ではないでしょう。これを扱うエージェントは、この非構造化データを要約・構造化、さらにはグラフ化して関係性をより深く理解できるように設定する必要があります。そうでなければ、エージェントの集中力はすぐに限界を超えてしまいます。出勤するたびに記憶が消去される従業員を想像してみてください。あなたは超人的な速さで読み書きできますが、会社が何をしているのか、上司の指示をどのように実行すればいいのかを理解するために、何メガバイトもの会話ログやチャット履歴をじっと見つめなければなりません。優れたデータベースを持たないAIエージェントは、まさにそのような「感覚」を味わうのです。

優れたチームは、単にデータを収集するだけでなく、将来を見据えてデータを構造化し、バージョン管理します。こうして学習ループが形成され、モデルの学習を一切行わなくてもAIはより賢くなります。

ヘルスケアでは、 まとめて この原則を大規模に適用し、長年にわたる請求、支払い、患者とのやり取りに関する注釈付きデータを活用して、医療請求と収益サイクル管理を最適化しています。AIは過去の結果から学習することで、エラーを削減し、回収を迅速化します。

4. あなたの技術スタックは AI に対応していますか?

AIは本当にシステムやツールに組み込めるのでしょうか？それとも、1988年製の読み込みがほとんどできない社内ポータルに縛られているのでしょうか？社内運用ツールが時代遅れで、構造化された出力を生成できず、ましてやAPIとのインターフェースすら構築できないケースを私たちは見てきました。こうした状況では、レガシーインフラにAIを無理やり組み込むよりも、システムをゼロから再構築する方が迅速かつ効果的であることがよくありました。AIエージェントがMCPや構造化・文書化されたAPIを利用できるのであれば、インターフェースのスクリーンショットを撮影し、画像認識で処理してどのボタンを押せばいいのかを判断するよりも、はるかに優れた（そして低コスト）ソリューションとなります。

AIはインフラ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ことで初めて発揮されます。電球を設置するだけではありません。後付けではなく、再創造するのです。そして言うまでもなく、かつては開発にXNUMX万ドルもかかっていた多くの社内ツールが、今ではエンジニアの一人が昼休みに一からバイブコーディングで開発できるようになっています。

第一原理の時間。

さて、ここからが最も興味深い部分です。理想的なプロセスを設計したとしましょう。ルールが定義され、信頼できる唯一の情報源を持ち、構造化された方法でデータを収集して自己改善するプロセスです。エンジニアを説得して、昼休みの気分を味わいながら新しい社内ツールセットをコーディングしてもらうことさえできました。しかし、ここでもう一度このプロセスを見てみましょう。自動化によって、運用コストが大幅に削減されている可能性が非常に高いでしょう。では、これほどコストが削減されたら、ビジネスはどうなるでしょうか。もっと広い視野で考えてみましょう。他のプロセスも同様に改善された場合、このプロセスはどのように共存するでしょうか？AIを念頭に置いて、全体を再考する時期かもしれません。

多くの場合、事業運営を根本から考えることで、予期せぬ機会を発見することにつながります。例えば、DVCでは、取引分析、デューデリジェンス、取引覚書の作成を自動化し、6人/時間かかっていた作業をAIが3分で処理するようになりました。従来、VCは創業者と面談し、取引に6人/時間をかける価値があると確認した後にのみ、これらの作業を行っていましたが、アナリストの数は限られていました。今では、これらの作業にかかるコストが非常に低くなったため、創業者と面談する前に市場分析を行い、取引覚書を作成し、デューデリジェンスまで行っています。これにより、投資可能かつ投資したいと確信している企業とのみ電話会議を行うことができ、パートナーと創業者の両方の時間を節約できます。

しかし、私たちはこれをさらに進化させられます。事実上、アナリストの数は無制限なので、これらのツールを上流の投資家やスカウトにまで届けることができます。彼らは私たちに新しい取引機会を紹介してくれるので、彼らは時間を節約し、すべての取引をプロのVCアナリストの視点で分析し、私たちがレビュー後に取引を見送る回数を減らすことができます。私たちはすべてのデータを収集し続けます。なぜなら、それらを活用して学習し、ツールを改善できるからです。

これにより、当社規模の典型的なVCファームと比べて、生産性が約8倍向上しました。しかし、これは偶然ではありません。社内業務をマッピングし、XNUMXつの質問を適用し、根本から再構築したのです。

このフレームワークは、スタートアップのリーダーやCOOの思考を転換するのに役立ちます。「AIはここで使えるか？」という技術的な可能性を問う質問から、「使うべきか？」という問いへと転換し、戦略的価値、データの準備状況、長期的な保守性といった点をより深く検討することを促します。これは、ツールが利用可能だからという理由で導入するのと、それが正しいからという理由でプロセスを再設計するのとでは大きな違いです。