KMS TechnologyのCEO、Jason Wojahn — インタビューシリーズ

Jason WojahnはKMS TechnologyのCEOで、エンタープライズ向けテクノロジーサービス企業の構築と拡大において、およそ30年の経験を持つ。Thirderaを共同創業して率い、Cognizantによる買収まで経営を担ったほか、AccentureのグローバルServiceNow事業を率い、Cloud SherpasとIBM Global Servicesでも要職を務めた。企業変革やオペレーティングモデル、AIの進歩を測定可能なビジネス成果につなげることに取り組んでいる。

KMS Technologyは、企業のソフトウェア開発、アプリケーションのモダナイズ、データ基盤の強化、AIの本番環境への導入を支援する、デジタルエンジニアリング、データ、AIの企業です。サービスは、技術コンサルティング、プロダクトエンジニアリング、データエンジニアリング、インテリジェントなワークフロー自動化に及びます。このインタビューでWojahnは、「実行の経済（Execution Economy）」、AIのパイロット導入から本番運用への移行を妨げる壁、エージェントに与える意思決定権限、そしてエンドツーエンドの成果を通じて企業が進捗を測定する方法について語ります。

企業のテクノロジー組織を構築し、成長させてきた30年の間に、Navigisの成長やAccentureのグローバルServiceNow事業の統括、Thirderaの構築を経て、現在はKMS TechnologyのCEOを務めています。こうした経験は、企業変革に対するあなたの見方をどのように形づくりましたか。また、企業がAIネイティブへと移行するのを支援するという課題に、何があなたを引きつけたのでしょうか？

キャリアはIBM Global Servicesで、大手企業顧客向けのデリバリーを統括するところから始まりました。その後、Navigis、Cloud Sherpas、Accenture、Thirdera、Cognizantへと移り、そのほとんどをServiceNowのエコシステムで過ごしました。

繰り返し目にしてきたパターンがあります。プラットフォームの波が来るたびに変革が約束されましたが、勝敗を決めるのは、たいていテクノロジーではありませんでした。勝ったのは、組織内で仕事が実際に進む方法を変えた企業です。

ServiceNowに携わった年月を通じて、価値はダッシュボードではなくワークフローにあると学びました。30年もの間、エンタープライズソフトウェアは、何が起きているかを知らせることには非常に長けていました。しかし、それに対して何かを実行することは、あまり得意ではありませんでした。そのギャップを人が埋めていました。人々は無償の連携チームとなり、あるシステムから次のシステムへと仕事を引き継いでいたのです。

AIはその状況を変えます。知能は豊富に得られるようになりつつあります。いま希少なのは、それを連携した行動へと転換する力です。それが私をKMSへと導きました。仕事を追跡するだけでなく実際に実行するシステムを構築できる、深いエンジニアリング力があり、AIを活用するだけでなく、AIネイティブな企業へと変わる機会があるからです。

多くの企業がパイロットプログラムを通じてAIの可能性を実証している一方、初期の成功を本番規模の価値へと結びつけることに苦労しています。実験段階を超えて導入を進める際、企業が直面する最も一般的な障害は何でしょうか。また、テクノロジーの有効性が実証された後になって、こうした課題が表面化することが多いのはなぜですか？

パイロットで実証できるのは、モデルが機能することです。本番運用で問われるのは、組織が機能するかどうかです。

この2つはまったく異なる試験です。パイロットでは、選別されたきれいなデータを使い、意欲的なスポンサーと少人数のチームが、あらゆる不備を迂回して進めます。難しい部分を避けるように設計されているのです。

本番運用では、そうはいきません。エージェントは、1つではなく5つのシステムにアクセスしなければならなくなります。誤った判断をしたときに誰が結果に責任を持つのか、何を承認する権限を与えるのか、毎日の運用費用を誰が負担するのかを決める必要があります。

こうした課題がテクノロジーの有効性が実証された後に現れるのは、そのためです。もともとテクノロジーの問題ではありません。データ、連携、責任の所在、権限に関する問題であり、パイロットはそのどれもを回避できるように作られていました。

解決策は、パイロットをデモとして扱うのをやめることです。パイロットを本番導入の第1段階と捉えましょう。重要なワークフローを選び、実際のシステムに接続し、責任者を明確にして、初日からエージェントが判断できる範囲を定めます。開始までには時間がかかりますが、その分、はるかに速く拡大できます。

あなたは、競争優位性が、知能を連携した行動へと転換する組織の能力にますます左右される「実行の経済（Execution Economy）」への移行について語っています。この概念は実際には何を意味し、企業のAI投資への取り組み方をどのように変えるのでしょうか？

あらゆる仕事は、情報、洞察、意思決定、実行という同じ流れをたどります。

エンタープライズソフトウェアは数十年にわたって最初の2段階に取り組んできました。AIは最初の3段階を急速に改善しています。多くの組織が依然として行き詰まっているのは実行の段階であり、競争優位性が移りつつあるのもそこです。

実際には、「実行の経済」とは、知能がもはや希少な資源ではないということです。希少なのは、物事を成し遂げる力です。2社が同じモデル、同じデータ、同じ洞察を持つことはあり得ます。勝つのは、明確な権限と監査証跡を確保しながら、その洞察を連携した行動へと転換できる企業です。

それによって投資の考え方も変わります。現在、多くのAI予算は、コパイロット、アシスタント、高性能な検索といったツールに充てられています。こうしたツールは個人の作業を速めます。しかし、AIが10分で作成した提案書も、承認まで3日待つことがあります。個々の作業が速くなっても、成果が早く得られるとは限りません。

だからこそ、ツールではなくワークフローに投資し、問いかける内容を変える必要があります。「この従業員の生産性をどうすれば20％向上できるか？」ではなく、「人間が調整しなくても済むようにすべき仕事は何か？」と考えるのです。

AIが個々の業務を支援する段階から、ワークフロー全体を自律的に実行する段階へと進化するなか、組織は既存のプロセス、意思決定の仕組み、説明責任のあり方をどのように見直すべきでしょうか。

企業のプロセスの多くは、人間の能力の限界を前提に構築されてきました。情報の流れが遅かったため、会議を設けました。意思決定には監督が必要だったため、承認プロセスを設けました。プロセスと呼ばれるものの多くは、実際には人から人への引き継ぎです。

現状のまま自動化すれば、組織図を自動化することになります。引き継ぎは速くなっても、その回数は減りません。

見直しは、タスクではなく意思決定から始めます。各ワークフローについて、そのなかで行われる意思決定を洗い出します。エージェントには何を推奨させられるのか。何を決定させられるのか。何を自律的に実行させられるのか。どの段階で人が介入しなければならないのか。

権限を定める単位は、ワークフロー全体ではなく意思決定です。エージェントに請求書の照合を全面的に任せる一方で、一定の限度額を超える支払いには人の承認を必要とすることもできます。

説明責任がなくなるわけではありません。むしろ、より明確になります。人とエージェントが共同で実行に責任を持ちます。エージェントが業務を担い、人が権限を定め、例外に対応し、結果に責任を負います。すべてのエージェントに明確な担当者を置き、すべてのアクションを追跡可能にし、可能な場合は元に戻せるようにする必要があります。

リーダーシップの役割は、業務を調整することから、業務を実行するシステムを設計することへと移ります。

KMS Technologyでは、従来型のデジタルエンジニアリングをAIネイティブなエンタープライズ実行体制へと変革することに取り組んでいます。この変革は社内でどのように進んでいますか。また、測定可能なビジネス成果を実現するために、AI、データプラットフォーム、インテリジェントなワークフローオーケストレーションをどのように統合していますか。

まずは自分たちに、同じ考え方を適用しています。KMSはデジタルエンジニアリング企業として成長してきました。次の段階では、人とエージェントが共同で実行に責任を持ちながら、構築、モダナイズ、運用を行う、AIネイティブなエンタープライズ実行体制を目指します。その成果は、所要時間と投入労力に表れています。

構築。Evergreen Telehealthは、エージェント型AIと医療データ標準FHIRを基盤とする遠隔医療プラットフォームを求めていましたが、市場には同様のものが存在しませんでした。AIネイティブな開発手法を採用し、要件定義、設計、構築、テストの全工程にClaudeを組み込んで、当社のチームとEvergreenのエンジニアは、構想段階から本番稼働まで、75営業日で中核プラットフォームを完成させました。対象には、3つのアプリ（Web、iOS、Android）、稼働中の4つの連携機能（EHR、本人確認、決済、薬局）、本番環境で稼働する2つのエージェントが含まれます。人が主導し、AIが加速する開発モデルです。エージェントはユーザーストーリーを作成し、コードを生成して、テストを実行しました。エンジニアはアーキテクチャ、臨床データのマッピング、そして重要なすべての意思決定に責任を持ちました。

モダナイズ。別の例では、海事ソフトウェア企業が、20年以上にわたってオンプレミスで運用してきたプラットフォームの刷新を必要としていました。投資家に進捗を示す前に、従来型の長期的な再構築に取り組むことは難しかったため、期間を6週間に区切ってエージェント型の開発を実施しました。顧客の要件をコンテキストとして読み込ませたため、エージェントはコードを生成するだけでなく、仕様に沿って構築しました。チームは約800人時で、MVPのスコープの35～45％を実現しました。当初の見積もりは6,000～8,000でした。エージェントはコードと5,000件を超える単体テストを作成しました。エンジニアはガードレールを設定し、品質を評価しました。

運用。その後Evergreenは、監督役のエージェントがシステムを監視し、人が開発プロセスに関与して評価と修正を行うエージェントアーキテクチャを、事業全体に拡張しました。

私たちは、単にコードを速く書いているのではありません。チームが実行できる業務量そのものを変えています。

この3つすべてにおいて、人とエージェントが共同で実行に責任を持ちます。エージェントは反復可能な業務を担います。意思決定、例外対応、そして結果には、当社のエンジニアと顧客のチームが責任を持ちます。

同じ変化によって、デリバリーのレバレッジも高められます。これこそが、AIネイティブなデリバリーとAIを活用したデリバリーの違いです。

エンタープライズAIシステムは、分断されたレガシーアプリケーション、クラウドプラットフォーム、データ環境にまたがる情報へのアクセスに、ますます依存するようになっています。こうしたシステムを接続する課題はどれほど大きいのでしょうか。また、AI主導のワークフローを大規模に導入する前に、組織はどのようなアーキテクチャ基盤を整えるべきでしょうか。

それが最大の課題です。多くの企業が抱えているのはAIの問題ではありません。AIによって、もはや無視できなくなったシステムの分断という問題です。

現在の業務の進め方を見てみましょう。あるアプリケーションで情報を探し、別のアプリケーションで承認を催促し、結果を3つ目のアプリケーションに転記します。人がシステム間の連携を担っているのです。エージェントがこうした業務を行うには、各システムにアクセスし、コンテキストを理解し、適切な権限で操作できなければなりません。

だからこそ、基盤はモデルよりも重要です。まず整えるべきものは4つあります。

• エージェントに信頼できるコンテキストを提供する、最新のデータアーキテクチャ
• エージェントがシステムから情報を読み取るだけでなく、システムを横断して操作できるようにする連携レイヤー
• 人だけでなくエージェント向けにも設計されたID管理と権限設定
• すべてのエージェントが何を行い、なぜ行ったのかを確認できる監視機能

技術スタックもまた、より簡素化しています。データプラットフォームは業務の実行基盤へと変わり、ワークフロープラットフォームは知能を備え、アプリケーションはヘッドレス化しています。ワークフローがスタック全体を横断できるのなら、ユーザーがそうしなければならない理由はあるでしょうか。

完璧なアーキテクチャを待つ必要はありません。重要なワークフローを一つ選び、それに関わるものを近代化しましょう。それが済んだら、次に取り組みます。

AIエージェントが業務全体にわたって意思決定し、行動を実行するようになると、ガバナンス、説明責任、人間による監督をめぐる問題がますます重要になります。どの意思決定をAIに委ね、どの意思決定を人間の管理下に置くべきか、企業はどのように判断すればよいのでしょうか。

まず、問いの立て方を変えるべきでしょう。「AIにこれができるか」ではありません。その答えは、ますます「できる」になっています。より重要なのは、「行動する権限を誰が与えたのか」という問いです。

能力やアクセス権は、権限そのものではありません。エージェントが返金を承認したり、生産スケジュールを変更したり、支出を確定したりできるなら、誰かがその境界を定めなければなりません。

実務的な判断基準となるのは、コストとやり直しの可否です。大量に発生し、ルールに基づき、簡単に取り消せる意思決定は、委譲に適しています。影響が大きく、取り消せないものや、顧客との関係を左右するものは、人間が担うべきです。

委譲は、実績を積みながら進めるべきです。まずはエージェントが提案し、人間が承認するところから始めます。実績が積み上がったら、すべての行動を承認する役割から、システムを監督し例外に対処する役割へと移行します。

目指すのは、あらゆるループに人間を置くことではありません。適切なループに人間を置くことです。データが文脈を与え、モデルが推論し、エージェントが実行する。そして人間が権限を定め、その結果に責任を負います。

AccentureとCognizantで大規模なエンタープライズプラットフォーム事業を率いてきたなかで、グローバル組織全体のテクノロジー、人材、プロセスを連携させ、事業運営を拡大する必要がありました。そうした経験から得た教訓のうち、今日のAI変革に生かせるものは何でしょうか。特に、組織の抵抗や時代遅れの運営モデルが、テクノロジーそのものより大きな障壁となる場合についてお聞かせください。

何よりも多くのことを教えてくれたのは、統合の経験です。Cloud Sherpas、Accenture、そしてその後のCognizantで、私は組織を一つにまとめる仕事に何年も携わりました。異なる企業文化、デリバリーモデル、インセンティブ、地域を、一つのプラットフォーム事業として機能させる必要がありました。

制約となるのは、テクノロジーであることはほとんどありませんでした。制約は運営モデルにありました。

AI変革にもそのまま当てはまる教訓が三つあります。

第一に、抵抗にはたいてい合理的な理由があります。人は、自分の評価基準となっているものを守ろうとします。労働時間、人員数、活動量でチームを評価したままエージェントを導入しても、得られるのは形だけの遵守であり、変革ではありません。評価基準を変えれば、行動も変わります。

第二に、意思決定権限を明確にしなければなりません。どの統合でも、最も難しい話し合いは「誰が何を決めるのか」をめぐるものでした。AIによって、この問いは避けられなくなります。意思決定者の一部が、もはや人間ではないからです。

第三に、何が変わらないのかを明確にしましょう。人は、変革の理由を理解し、何が変わらないのかを把握しているほうが、変化を受け入れやすくなります。

AI変革とは、テクノロジーを伴う運営モデルの転換です。単なるソフトウェア導入として扱うリーダーは、期待を裏切られるでしょう。

従来、AIの成功指標として重視されてきたのは、導入率、生産性の向上、時間の節約などです。AIが実際に業務の遂行を改善しているかを判断するために、経営幹部はどの指標を優先すべきでしょうか。また、漸進的な効率化と、業務を大きく変える変革を、組織はどのように見分ければよいのでしょうか。

導入率や時間の節約は、投入に関する指標です。ツールが使われていることは分かっても、事業の進みが速くなっているかどうかは分かりません。

エンジニアが2時間節約できても、リリースがレビュー待ちで1週間止まったままなら、顧客にとって何も変わっていません。個々の作業が速くなっても、成果が速くなるとは限りません。

優先すべき指標は、次の三種類です。

• ニーズの発生から成果までの時間：依頼が結果につながるまでに、最初から最後までどれだけかかるか。
• 業務が滞留する箇所：意思決定にかかる時間、引き継ぎ、チーム間の待ち行列。
• 調整なしで進む業務：人間による調整なしにワークフローが進む割合。その間、人間は判断や例外への対応に集中します。

次に、これらをサービス提供コスト、品質、売上と結び付けます。

変革を見極める基準は簡単です。作業が速くなったのか、それともワークフローの形が変わったのか。漸進的な改善は、同じプロセスを速くします。変革は、もはや必要のない手順、引き継ぎ、承認をなくします。

ニーズの発生から成果までの時間を測りましょう。業務がどこで滞っているかを見つけましょう。滞留の原因を変えましょう。

今後3〜5年で、AI、エンタープライズソフトウェア、人間の働き手の関係はどのように変化すると考えていますか。AIネイティブなシステムが従来のエンタープライズワークフローを根本から置き換える未来を想定していますか。また、その移行に備えて、ビジネスリーダーは今何をすべきでしょうか。

エンタープライズソフトウェアは30年にわたり、何が起きているかを私たちに伝えてきました。これからの3～5年で、ソフトウェアはますます実際の業務を担うようになるでしょう。

AIが代替するのは調整業務です。多くの人の一日の大半を占める、催促やコピー、引き継ぎ、進捗確認といった作業です。人は判断や例外への対応、人間関係の構築、成果に対する責任を担うようになります。それは人間の専門性をより生かす方法ですが、新たな能力が必要であり、リーダーはそれを意図的に育てなければなりません。

リーダーは今、何をすべきでしょうか。まず、重要な業務プロセスを一つ選び、その中で行われる意思決定を洗い出します。その基盤となるデータを整備します。エージェントがどのような判断を下せるのかを定め、成果に責任を持つ担当者を明確にします。その後、次の業務プロセスに取り組みます。

AIをツールとして捉える企業は効率化を実現するでしょう。AIを軸に組織を再編する企業は、より大きなレバレッジを得るでしょう。AIは戦略ではありません。重要なのは実行です。

素晴らしいインタビューをありがとうございました。AIネイティブなエンタープライズの業務遂行、インテリジェントなワークフロー、そしてAIの試験導入から本番運用への移行について詳しく知りたい読者は、KMS Technologyをご覧ください。