Lokdeep Singh、Unily の CEO – インタビューシリーズ

Lokdeep Singhは、ハイグロースなエンタープライズソフトウェア企業を率いる20年以上の経験があります。最近では、Providence Equity Partnersのシニアアドバイザーとして、ポートフォリオ企業のAI戦略、オペレーショナルエクセレンス、そして市場投入の加速を支援しました。その前は、エンタープライズ向け消費者インテリジェンスのグローバルリーダーであるTalkwalkerのCEOを務め、持続可能で収益性の高い成長を実現するための変革を主導しました。また、Synchronoss Technologiesではゼネラルマネージャーを務めました。

Unilyは、大規模組織が従業員をつなげ、内部コミュニケーションを効率化し、職場ツール、知識、サービスを統合されたデジタル環境に取り込むことを目的としたエンタープライズ向け従業員体験プラットフォームです。2006年に設立され、分散型・デスクベース・フロントラインの労働力を持つグローバル企業に対し、イントラネット機能、従業員コミュニケーション、検索、分析、統合、パーソナライズを単一プラットフォームで提供しています。Unilyは、AIネイティブ技術として、ガバナンスされた人工知能を活用し、コンテンツ管理の自動化、関連情報の提示、従業員体験のパーソナライズ、そして会話型インターフェースを通じたエンタープライズアプリケーションとの連携を可能にしています。このプラットフォームは、Microsoft 365やTeamsなど広く利用されている職場システムと統合され、複雑な技術環境、規制要件、大規模な多言語労働力を抱える組織向けに構築されています。

あなたはキャリアを電気通信エンジニアリングとネットワークインフラの深い領域で始め、CTO、プロダクト、ゼネラルマネジメント、CEOの役割へと移行し、最終的にTalkwalkerを成功裏に売却し、現在はUnilyの舵取りをしています。このような経歴の変遷は、従業員がAIのような変革的技術を信頼し採用するために実際に必要なものについて、どのような見方を形成しましたか？

私のキャリアは、技術とそれを使用する人々の間に位置する視点をもたらしました。初期はインフラストラクチャに注力し、システムが信頼性・安全性・スケールで機能することを確保していました。プロダクト、ゼネラルマネジメント、最終的にCEOの役割へと移るにつれ、技術的能力は技術の成功を左右する要素の一部に過ぎないことを学びました。

従業員が新興技術を採用するのは、技術が自分の業務にどのように影響するかを理解し、それが害になるのではなく役立つと信じ、かつ予測可能に動作するという確信がある場合に限られます。

リーダーが犯しやすい最大のミスは、AI導入を単なるソフトウェア展開とみなすことです。世界で最も優れたモデルを導入したとしても、従業員が提供される情報を信頼せず、AIが何を許可されているかを理解せず、またその境界がどこか分からなければ、導入は表面的なものにとどまります。信頼は最初から従業員体験に組み込まれる必要があります。

AIの能力は驚異的な速さで向上していますが、組織内の信頼はそれに比べてはるかに遅いペースで進んでいるように見えます。AIが技術的にできることと、従業員が実際に許容できることとの間のこの拡大するギャップを引き起こしている要因は何でしょうか？

信頼のギャップは、組織がAIを高度に機能させるために多額の投資を行っている一方で、AIを理解しやすく、説明責任を持たせ、信頼できる情報に基づかせる取り組みが同等の速度で進んでいないことに起因します。

AIは現在、推論し、コンテンツを生成し、行動を起こすことができますが、多くの組織は依然として知識やコンテンツの権威ある記録システムを欠いています。従業員がAIの回答元や情報が最新かどうか、所有者が誰かを把握できないと、信頼は急速に失われます。

ギャップを埋めるには、単に優れたモデルだけでは不十分です。正確で安全、かつ最新の情報に基づいてAIが動作することを保証する、強固なコンテンツガバナンスと信頼できる知識基盤が必要です。成功する組織は、信頼をAI体験そのものの一部として組み込む企業であり、事後的なものに留めません。

企業はしばしばエンタープライズAIをモデル、統合、セキュリティ、インフラストラクチャに焦点を当てた技術導入の課題として捉えます。なぜ、最終的により困難な課題は人と組織に関わるものだと考えるのでしょうか？

AIは人と技術の関係性を変えます。従来のエンタープライズ技術は主に従業員が指示を出すのを待っていましたが、AIは意図を解釈し、提案を行い、ますます行動を起こすことができます。

これにより、AI導入は単なる技術的課題ではなく、働き方の未来に関わる課題となります。業務の遂行方法、意思決定のプロセス、チームの協働方法が変化します。組織はAIを導入すれば自動的に変革が起こると期待できません。従業員はAIが自分のワークフローのどこに位置付けられるかを理解し、効果的に活用できる自信を持つ必要があります。

最も成功したAIイニシアチブは、トップダウンの指示ではなく、草の根的な採用によって推進されます。従業員が日常業務で明確な価値を実感すれば、採用は自然に加速します。

だからこそ、AIのROIフレームワークは信頼、エンパワーメント、ガバナンスに集約されます。透明性と信頼できる知識で信頼を構築し、業務改善につながるツールで従業員に力を与え、AIが責任ある形で使用されることを保証するガバナンスを確立します。技術は変革を可能にしますが、最終的に成功を左右するのは人・プロセス・文化です。

組織はガバナンスが必要ですが、過度に制限的なポリシーは従業員を非公認ツールへ向かわせたり、実験自体を阻害したりする可能性があります。単に使用を制御するだけでなく、信頼と採用の両方を高めることを目的とした効果的なAIガバナンスフレームワークはどのようなものになるでしょうか？

適切なガバナンスは、従業員が安全により速く動けるようにするレールのように感じられるべきです。

つまり、従業員がAIを使用できる目的、AIシステムに提供できる情報、AIが許可される行動を明確に示す必要があります。これらのルールは従業員にとって理解しやすく、長大なポリシー文書に埋もれてはいけません。

ガバナンスは動的である必要もあります。AIが最初のドラフトを生成するリスクは、支払いを承認したり、従業員レコードを変更したり、顧客とやり取りしたりするリスクとは大きく異なります。人的監視のレベルは、潜在的な影響に応じて設定すべきです。

最終的に、目標はAIの使用を最小化することではなく、責任ある使用を最大化することです。

Unilyの調査によると、従業員の52％が自社にAIポリシーが存在しないと回答し、一部の従業員は非公認のAIツールに機密情報を入力したことを認めています。\”shadow AI\”の増加は、従業員の行動問題というよりも、コミュニケーションとガバナンスの失敗によるものと言えるでしょうか？

シャドーAIを従業員の問題として捉える際は注意が必要です。シャドーAIが使用される大きな理由は、未充足の需要の表れです。従業員は、組織がまだ承認したツールを提供していない問題を自らの方法で解決しようとしており、これは自然な人間の行動です。

仕事のやり方を変える技術を無視させるのではなく、従業員に安全で公式に認められた実験の道筋を提供し、明確な境界と教育を整えることが解決策です。

透明性と説明可能性は信頼できるAIに不可欠とよく言われますが、従業員が大規模言語モデルの内部仕組みを理解する必要は必ずしもありません。従業員が回答や提案を信頼すべきか判断できるように、AIシステムはどのような情報を提供すべきでしょうか？

エンタープライズAIシステムは、情報の出所、最終更新日時、使用されたソースや企業システム、そして特定の推奨がなされた理由を明確に示すべきです。

また、不確実性について正直である必要があります。最も重要な信頼シグナルの一つは、AIシステムが実質的に「十分な情報がなく、自信を持って回答できません」と伝えることです。

信頼はAIが確信を装うことから生まれるのではなく、従業員に十分な文脈を提供し、自ら判断できるようにすることから生まれます。

Unily Glassは、エンタープライズAIを質問への回答に留まらず、HR、IT、顧客関係管理プラットフォームなどのシステム横断的なアクション実行へと進化させることを目的としています。AIが情報提供から実際の行動へと移行する中で、組織はどの意思決定をエージェントが自律的に行えるとし、どれを人間の承認が必要とすべきか、どのように判断すべきでしょうか？

重要な原則はリスク比例性です。AIエージェントが会議のスケジュール調整や情報検索を行う場合、誤った行動の影響は比較的限定的ですので、より多くの自律性を付与できます。しかし、エージェントが金融取引の承認、従業員の報酬変更、アクセスの停止、あるいは重要な顧客決定を行う場合は、許容閾値を大幅に高く設定すべきです。

組織は、財務的影響、規制リスク、可逆性、人的影響といった要素に基づき、明確な自律レベルを設定すべきです。影響が大きく不可逆的な行動ほど、人間の承認が重要になります。

重要な場面で人間が実質的にコントロールできるようにすることが目的です。

企業はテクノロジースタック全体で、複数のコパイロットや専門エージェント、大規模言語モデル、AI対応アプリケーションを導入しつつあります。これがさらなる断片化の層を生むのを防ぐにはどうすればよいでしょうか。また、中央集権的な信頼・オーケストレーション層が必須になると予想しますか？

過去数十年にわたってエンタープライズソフトウェアがもたらした断片化と同様の状況が再び起こるリスクがありますが、現在は各アプリケーションが独自のAIインターフェースとエージェントを持てる点が異なります。

従業員がどのモデルがどのアプリケーションの背後にあるか、各組織のAIがどこにあるかを把握する必要はありません。仕事の文脈でAIとやり取りでき、必要な情報と機能が統合されて提供されるべきです。

ここでオーケストレーションと信頼の層がますます重要になります。これにより、異なるAIシステム間でアイデンティティ、権限、コンテキスト、データアクセス、アクションを一貫して管理できます。

すべてを支配する単一のモデルやAIプラットフォームは存在しない可能性が高いですが、組織はこれらのシステムを責任ある形で連携させる共通の層をますます必要とするでしょう。

多くの組織は従業員が AI ツールを使用する頻度を測定できますが、使用率だけでは投資が価値を生み出していることを証明できません。AI が実際に生産性、意思決定、従業員体験、あるいはビジネス成果を向上させているかを判断するために、リーダーはどの指標を追跡すべきでしょうか？

使用率は興味深い出発点ですが、結果そのものではありません。リーダーは、AI が重要なワークフローの完了に要する時間を短縮しているか、繰り返し作業を排除しているか、意思決定の質や速度を向上させているか、従業員の摩擦を減らしているかを問うべきです。

私は、ワークフローあたりの時間削減、タスク完了率、エラー率、従業員満足度、解決までの時間、そして最終的には AI を導入した特定の機能に結びつくビジネス指標などを指標として見るでしょう。

最も優れた組織は、活動自体を称賛するのではなく、AI の指標をビジネス成果に直接結び付けます。

エンタープライズ AI がコンテンツ生成アシスタントから、ますます複雑なワークフローを実行できるエージェントへと進化する中で、ビジネスリーダーが AI の能力、従業員の信頼、そして導入成功の関係について過小評価している点は何だと考えますか？

多くのリーダーは、信頼が AI 導入の上限を決定する重要な要素であることを過小評価しています。

企業はしばしば、AI の能力が高まれば自動的に価値が増すかのように語りますが、実際にはそうではありません。従業員の信頼を得られない非常に高性能なシステムは、理解され自信を持って使用できる限定的なシステムよりも低い価値しか生み出せません。

これは、企業が技術、ガバナンス、従業員体験、組織変革を一つのシステムとして捉える必要があることを意味します。AI が実際に働き方を変えるほどに信頼されるようにする方法を企業は見つけなければなりません。

素晴らしいインタビューをありがとうございました。詳しく知りたい読者は Unily をご覧ください。