マイケル・マジェスター、アーサー・D・リトル・パートナー – インタビュー・シリーズ

マイケル・マジェスター、アーサー・D・リトル・パートナーは、デジタル・トランスフォーメーション、IT戦略、イノベーション・リード・成長に関する深い専門知識を持つ、シニアの戦略とテクノロジー・コンサルタントです。ブリュッセルを拠点とし、ベネルクス地域全体で活動しています。彼は、CIOやシニア・エグゼクティブに対して、大規模な変化を推進し、計測可能なビジネス成果を達成するための20年以上の経験を持っています。アーサー・D・リトルに入社する前は、16年間アクセンチュアで勤務し、フランスとベネルクス地域のテクノロジー・リソースのマネージング・ディレクターを含むシニア・リーダーシップ・役割を務め、エネルギー、公益事業、化学、天然資源などの分野で強力なセクターの専門知識を開発しました。

アーサー・D・リトルは、世界最古のマネジメント・コンサルティング・ファームの1つで、135年以上前に設立され、イノベーション、戦略、テクノロジー・ドリブン・トランスフォーメーションに焦点を当てていることで広く認識されています。同社は、デジタル・トランスフォーメーション、イノベーション・マネジメント、運用の改善などの分野で戦略的洞察と深い業界の専門知識を組み合わせて、グローバルな組織と協力して複雑なビジネス・チャレンジを解決します。戦略、テクノロジー、実行のブリッジを強調することで、アーサー・D・リトルは、クライアントがブレークスルー・イノベーションを開発し、急速に変化する市場のダイナミクスに適応するのを支援することで評判を築いてきました。

アクセンチュアでの16年間のキャリアを経て、アーサー・D・リトル・パートナーになったあなた。組織がAIの実験から大規模な運用への変化を遂行するために何が必要かについてのあなたの視点はどう変化しましたか。

アクセンチュアでの私の経験では、同社が3万人から50万人以上の従業員に成長するのを見ました。私は、CIOのための大規模な変化をサポートするために、ITのデリバリーがどのように極端なまでに工業化されるかを直接体験しました。

しかし、時間の経過とともに、ITはビジネスの核心的な部分となり、組織がそれをコモディティとして扱うのをやめる必要性が高まってきました。

アーサー・D・リトルに移ったとき、私はコア・ビジネスの戦略的変革を内部からどのように扱うか、標準化されたプラットフォームではなくカスタマイズされたソリューションがどのように差別化を可能にするか、そしてエグゼクティブ・コミットTEEの共同の責任が価値創造のステップ・チェンジをどのように支援できるかを探求したいと思いました。

あなたの最近の視点では、イットはエージェントではなく、システムですと主張しています。マルチ・エージェント・AIは技術ではなく、運用モデルの変化についてです。なぜ多くの組織がAIを主にツールの問題として扱っているのでしょうか。

組織は、AIをツールの問題として扱う傾向があります。なぜなら、それが既存の構造、予算、所有権に適合し、クロス・ファンクショナル・チェンジの複雑さを避けるからです。これにより、迅速なパイロットと目に見える進歩が可能になりますが、しかし、しばしばスケール化や有意義なROIの達成に失敗するイニシアチブにつながります。多くのリーダーはまた、レガシーのソフトウェア・メンタル・モデルに頼り、AIを従来のITシステムのように展開できるものと考え、ワークフローと意思決定の再設計を必要としません。同時に、責任のあるオペレーティング・モデルの変化のアカウンタビリティは、技術主導のイニシアチブよりも漠然とし、管理が難しくなります。したがって、企業は、より深い変革を必要とするのではなく、ツールに頼ります。

多くの企業は現在、エージェント・AIを実験していますが、スケール化に苦労しています。組織がパイロットから本稼働への移行を妨げている最も共通の構造的な障壁は何ですか。

組織は、エージェント・AIをスケール化できないのは、エンド・ツー・エンドのプロセスではなく、孤立したユース・ケースに焦点を当てているからです。オペレーティング・モデルは、役割、意思決定権、ヒューマン・エージェントのコラボレーションの日常的なワークフローへの統合が不明確なままです。多くのイニシアチブは、ROIを示す明確なビジネス・アウトカムへのリンクが不足しています。さらに、断片化されたデータとレガシーのシステムが、エージェントが関数を跨いでシームレスに操作する能力を制限しています。最後に、弱いチェンジ・マネジメントと解決されていないガバナンスの懸念が、リスクと信頼性の周りに採用を遅らせ、スケール化を妨げます。

あなたは、オーケストレーション、個々のエージェントではなく、そこに本当の価値があると強調しています。現実の企業環境では、効果的なオーケストレーションはどのように見えますか。

効果的なオーケストレーションとは、エンド・ツー・エンドのビジネス・プロセスを設計し、個々のツールではなく、エージェントに明確な役割を割り当てることです。複数のエージェントがチームのように協力して、受け入れ、意思決定、実行、監督を行い、中央のオーケストレーション・レイヤーを通じて調整されます。これらのエージェントは、エンタープライズ・システムとデータ・ソースを介して緊密に統合されており、インサイトだけでなくリアルなアクションを可能にします。オーケストレーション・レイヤーはまた、タスクのシーケンシング、例外、ヒューマンへのエスカレーションを管理して、スムーズで制御された実行を保証します。最後に、強力なガバナンス、検証メカニズム、フィードバック・ループが組み込まれており、信頼性と継続的な改善を確保します。

組織がAIを中心にワークフローを再設計するとき、ヒューマンとオートノマス・システムの間で意思決定権はどのように進化するべきですか。オーバー・オートメーションとボトルネックの両方を避けるためには。

意思決定権は、リスクベースのモデルに進化するべきです。低リスク、高ボリュームの意思決定は自動化され、高リスクまたは不確実なケースはヒューマンの管理下に留められます。エージェントは、認識、分析、実行を担当し、ヒューマンは判断、例外、正しい結果の定義に焦点を当てます。明確なエスカレーション・パスは不可欠です。エージェントは、権限を超えて行動するのではなく、意思決定を差し控えることができます。ボトルネックを避けるために、ヒューマンの関与は例外的なケースに選択的に焦点を当て、毎ステップの完全なオーバーサイトではなく、強力なガードレール、検証メカニズム、モニタリングが、コントロールとオーバー・オートメーションの防止を確保します。

あなたの主なポイントの1つは、信頼性がエンド・ツー・エンドで設計される必要があるということです。現在、企業がマルチ・エージェント・システムを十分なセーフガードなしに展開するときに、最も大きな故障モードをみていることは何ですか。

重要な故障モードは、エラーの伝播です。1つのエージェントによる小さなミスがシステムを通じて伝播し、増幅されます。別の問題は、AIが不確実性を信号せずに、妥当だが間違った出力を生成する「ホールシネーション」と「偽の信頼性」です。組織はまた、高リスクの意思決定で適切な検証や承認ゲートなしに、エージェントに過度の自律性を与えることに苦労しています。弱い例外ハンドリングがさらに問題を悪化させ、エージェントが曖昧またはエッジ・ケースをヒューマンにエスカレートに失敗します。全体として、故障は、調整、検証、オーバーサイトのシステム全体で信頼性が設計されていないため発生します。

ガバナンスは、設計原則ではなく、コンプライアンス・レイヤーとして扱われることがよくあります。企業は、AIネイティブ・オペレーティング・モデルを構築する際に、ガバナンスをどのように再考するべきですか。

ガバナンスは、事後のコンプライアンス・レイヤーから、AIワークフローに直接組み込まれたコアの設計原則にシフトする必要があります。これは、承認ゲートや検証ステップなどのガードレールを、主要な意思決定ポイントで組み込むことを意味します。企業は、意思決定の影響と不確実性に応じて、自律性とヒューマンのオーバーサイトのレベルを調整するリスクベースのアプローチを採用する必要があります。明確なアカウンタビリティと意思決定権が定義され、エージェントが行動する時とエスカレートする時を知ることが不可欠です。最後に、継続的なモニタリング、フィードバック・ループ、信頼性を設計するメカニズムは、信頼性、パフォーマンス、スケールでのコントロールを維持するために不可欠です。

CIOやCDOにアドバイスしているあなたの経験から、AIから計測可能なROIを達成する組織と、永遠の実験に留まる組織を何が区別していますか。

ROIを達成する組織は、エンド・ツー・エンドのプロセス・トランスフォーメーションではなく、孤立したAIのユース・ケースに焦点を当てています。彼らはイニシアチブを明確な財務KPIにリンクし、AIをワークフロー、役割、意思決定構造に組み込みます。彼らはまた、スケール化を確実にしたいのであれば、チェンジ・マネジメント、採用、ガバナンスに投資します。対照的に、実験に留まる組織は、切り離されたパイロットを実行し、プロセスではなくツールに焦点を当て、明確な所有権とアカウンタビリティが欠けているため、AIを有意義なビジネス・バリューに翻訳できません。

マルチ・エージェント・システムが複雑になるにつれて、信頼性を維持するために、企業は観察可能性、モニタリング、エスカレーションについてどう考えるべきですか。

企業は、観察可能性、モニタリング、エスカレーションを、システム設計の重要な要素として扱うべきです。意思決定が理解され、検証されるように、ログ、監査証跡、検証チェックポイントの完全なトレーサビリティを確保することを含みます。モニタリングは、パフォーマンスだけでなく、結果の品質、エラー、問題がエージェントを跨いでどのように伝播するかにも焦点を当てる必要があります。明確なエスカレーション・ルールは不可欠です。エージェントは、高リスクまたは曖昧な状況でヒューマンにエスカレートすることなく、ボトルネックを生じることなく、差し控えることができます。最終的に、信頼性は、デフォルトでヒューマンのオーバーサイトを備えたシステムから生じます。

今後3〜5年で、企業のオペレーティング・モデルは、マルチ・エージェント・AIシステムがコア・ビジネス・プロセスに深く組み込まれるにつれて、どのように進化すると思いますか。

企業のオペレーティング・モデルは、ヒューマンとAIのハイブリッド・ワークフォースに向けて進化し、エージェントはコア・プロセスに組み込まれたデジタル・従業員として機能します。組織は、機能別のシロから、エンド・ツー・エンドの所有権とオーケストレーションを備えたプロセス・センターの構造への移行を進めます。意思決定は、ルーチン・タスクの自動化とヒューマンの例外的なケースへのフォーカスによって、よりダイナミックになります。ガバナンスと信頼性のメカニズムは、別々のレイヤーとして扱われるのではなく、日常的な運用に組み込まれることになります。最終的に、競争上の優位性は、企業がAIの周りにオペレーティング・モデルを再設計する能力に依存することになります。技術そのものだけではありません。

素晴らしいインタビュー、詳しく知りたい読者はアーサー・D・リトルを訪問してください。