パンチカードシステムズのマネージングパートナー、サム・ジェンキンス – インタビュー・シリーズ

サム・ジェンキンス、パンチカードシステムズのマネージングパートナーは、技術、起業、組織変革の交差点で2 десяти以上働いてきました。2016年にパンチカードシステムズを共同設立して以来、彼は会社の成長を導きながら、デジタルワークプレイス戦略、カスタムソフトウェア、人工知能、エマージングテクノロジーについて組織にアドバイスをしています。彼の以前の経験には、Startup EdmontonとWellnextの共同設立、iomer internet solutionsでのビジネス開発とMicrosoftワークプレイス技術イニシアチブのリーダーシップ、テクノロジー、ヘルスケア、公共安全、コミュニティ組織でのエグゼクティブおよび取締役職があります。この背景は、技術がどのように人々のコラボレーション、意思決定、仕事の方法を変えるかについて、幅広い視点を与えています。

パンチカードシステムズは、カナダのソフトウェアおよびテクノロジーパートナーです。スケールアップおよび中規模企業と協力して、デジタルソリューションを設計、開発、実装し、計測可能なビジネス目標に結び付けています。カナダと米国で150以上のクライアントにサービスを提供する同社の機能には、カスタムWebおよびモバイルソフトウェア、人工知能、クラウドインフラストラクチャ、データおよび分析、ユーザーエクスペリエンス設計、Microsoft 365、Azure、Copilot、Teams、SharePoint、Power Platformなどのワークプレイステクノロジーが含まれます。パンチカードは、組織が運用を近代化し、従業員および顧客のエクスペリエンスを向上させ、新しいテクノロジーを実用的なビジネスプロセスに統合するのを支援することに重点を置いています。

あなたのキャリアは、Microsoft SharePointベースの従業員プラットフォームやStartup Edmontonの共同設立からWellnextの構築、そして最終的にパンチカードシステムズの構築まで、ワークプレイス技術の進化に従ってきました。従業員が自分で操作するソフトウェアから、代わりに仕事を行うAIエージェントへの移行は、あなたの視点をどのように形作ってきましたか?

私は2003年からSharePointのようなデジタルワークプレイステクノロジーと仕事をしてきました。当時は、従業員が情報を見つける、知識を共有する、コラボレーションを行うためのより良い方法を作ることに焦点を当てていました。最終的には、従業員が仕事を行い、システムをナビゲートし、出力を生成していました。今日、AIを個人の生産性ツールとして超えて、従業員の代わりに複雑なタスクを実行できるエージェントAIの新しい時代に入っています。

これが変化している部分です。エコシステムとして、AIを個人用の生産性ツールとしてではなく、従業員の代わりに複雑なタスクを実行できるエージェントシステムとして扱うようになっています。Claude CoworkやChatGPT Workは、このエージェントアプローチをかなり一般的にしています。

私はこれまでにいくつかのテクノロジーシフトを見てきましたが、パターンは毎回同じです。勝つ組織は、新しいテクノロジーを単に導入するのではなく、それを人、プロセス、テクノロジーの協力の機会として扱います。

ChatGPT Workは、接続されたアプリケーションやファイルから情報を収集し、複数のステップを伴うタスクを完了し、完成したドキュメント、スプレッドシート、プレゼンテーションを生成できます。これは、従来これらの素材を自分で作成していたナレッジワーカーの日常的な責任をどのように変えるでしょうか?

私は仕事が「出力の生成」から「成果物の管理」にシフトしているのを見ています。これはナレッジワーカーの役割を根本的に変えますが、人間の洞察と監督の必要性を置き換えるのではなく、補完するものです。従業員は、AIが生成した出力を管理、レビュー、オーケストレーションすることに重点を置くようになります。

多くの繰り返し作業はエージェントに移行します。情報の収集、プレゼンテーションやドキュメントの作成、データの要約などです。これにより、人間は本当に必要な仕事に集中できるようになります。戦略、創造性、批判的思考、コラボレーションなどです。

価値のあるスキルは、AIに適切なコンテキストを与え、答えが見かけ上は正しくても実際にはそうでない場合にそれを認識する方法を知ることです。

あなたは「AIマネージャー」の必要性について説明しました。この役割は実践でどのようなものになり、IT管理者、プロダクトマネージャー、または従来のマネージャーの責任とどのように異なりますか?

AIマネージャーは、組織がAIを責任を持って効果的に採用するのを助ける上で重要な役割を果たします。彼らの責任は、AIが生成した作業が正確で信頼性が高く、ビジネス目標と一致していることを保証することです。

これは、インフラストラクチャや技術システムを所有する従来のIT、または製品の開発と改善に焦点を当てるプロダクトマネージャーとは異なる役割です。各部門は、AIがその特定の分野にどのように適用されるかを理解する必要があります。財務、法務、人事、運用などです。

実際のシフトは所有権にあります。現在、ほとんどの組織は、これらのシステムが価値を生み出し、受け入れられるリスク内に留まることを明確に責任を持つ人物を指名していません。このギャップは、直接責任者を特定することです。

KPMGカナダによると、AIエージェントはすでに、エントリーレベルの従業員だけでなく経験豊富な従業員の採用方法に影響を与えています。雇用主が候補者をAIに仕事を割り当て、出力を評価し、必要に応じて介入する能力で評価し始めたときに、どのようなスキルがより価値があるようになりますか?

価値のあるスキルは、人間だけが持つことができるスキルです。批判的思考、判断、コミュニケーション、創造性、問題解決、リーダーシップなどです。

技術的なAIリテラシーは重要ですが、雇用主はビジネスの環境全体にAIがどのように適合するかを理解している人を探しています。変更管理、リスク管理、戦略的思考などのスキルが含まれます。

技術的な役割と非技術的な役割の間の境界は薄れてきています。組織は、すでにスキルを持っている人を採用するのではなく、学習し、適応し、継続的にスキルを身につける人を採用する方向にシフトしています。最も価値のある従業員は、AIの機能を使用しながら、人間の判断がどこで必要かを理解する人です。

従来、多くの従業員は繰り返しのエントリーレベルのタスクを通じてプロフェッショナルな判断力を身につけていました。AIエージェントがその基礎となる仕事の大部分を吸収する場合、組織はどのようにして若い従業員が効果的な意思決定者になるために必要な経験を得ることができるようにトレーニングとキャリア開発を再設計するでしょうか?

これは私が少し心配している真実です。人々はエントリーレベルのタスクを通じて判断力と経験を積み上げてきました。エージェントがその仕事をしている場合、ランクのいくつかが失われます。

組織は、ジュニアタレントをメンターシップ、コーチング、意思決定の演習、早期のキャリアステージでのより高価値のプロジェクトへの露出を通じて意図的に構築する必要があります。

逆メンターシップの機会もあります。AIツールに精通している若い従業員がチームにこれらのテクノロジーがどのように適用できるかを理解するのを助け、経験豊富な従業員がビジネスコンテキストとAIが複製できない判断を提供し続けることができます。

目標は、人間とAIが協力する職場での学習プロセスを再設計することです。

パンチカードはMicrosoft 365や関連するワークプレイス技術の実装で豊富な経験を持っています。ChatGPT Workは、Microsoft CopilotやGoogle Geminiの競争環境をどのように変えるのでしょうか? また、組織は日常的な作業にAIプラットフォームを選択する際にどのような要素を考慮するべきでしょうか?

風景は急速に進化しています。組織には以前よりも多くの選択肢があります。決定は、組織の既存のテクノロジー環境、ワークフロー、セキュリティ要件、ビジネス目標に最も適合するソリューションに基づいて行うべきです。

Microsoft 365に既に投資している組織の場合、Copilotなどのツールは既存のアプリケーションやデータとの統合による利点を提供する可能性があります。他の組織は、自分のニーズに最も適した別のプラットフォームを見つける可能性があります。

私は、リーダーが尋ねるべき質問は「どのツール?」ではなく、「どの問題を解決するのですか? どのプラットフォームがそれを責任を持って解決するのを助けますか?」であるべきだと考えています。

私たちが最初に学んだことは、採用の成功はツールだけでは決まらないことです。私たちは、カスタムモデルを実装し、会社が実際にどのように機能するかを調整しました。すべての従業員がそれを使用していますが、それは正しい製品を選択したことによるものではありませんでした。強力なデータ基盤、ガバナンス、AIを会社の運営方法に組み込むことによるものでした。

モデルパフォーマンスは、ワークプレイスAIについての会話を支配していますが、組織は、パーミッション、データアクセス、監査可能性、説明責任についても考慮する必要があります。AIエージェントが電子メール、ドキュメント、内部データベース、ビジネスアプリケーション全体で動作する前に、どのようなガバナンスコントロールを確立する必要がありますか?

組織が犯す最大の間違いは、AIガバナンスをあとまわしにすることです。AIシステムがより能力が高くビジネスデータに接続されるようになるにつれて、組織はこれらのツールを広く採用する前に、使用方法に関する明確な原則を確立する必要があります。

それは、AIシステムがどのような情報にアクセスできるかを理解し、パーミッションが適切に範囲指定されていることを確認し、監視と説明責任に関するコントロールを確立することから始まります。

組織はまた、AIが独立して動作できる場所と人間の監督が必要な場所について明確な指針を確立する必要があります。

データとセキュリティの基盤を最初から正しく構築することで、企業はAIの価値を解放しながら、より自律的なシステムがもたらすリスクを管理することができます。

AIエージェントが単に答えを提供するのではなく、アクションを実行するようになると、間違いが運用上の結果をもたらす可能性があります。企業は、エージェント生成の作業をどのように検証し、人間の承認が必要なアクションを決定し、エージェントが不正確な結果を生成したり予期せぬアクションを実行したりした場合に責任を割り当てる必要がありますか?

AIが回答からアクションに移行すると、リスクプロファイルが変わります。すべてのタスクが同じ結果をもたらします。人間の承認の基準は、結果の重要性とともに拡大するべきです。

単純に言えば、これには明確な所有権が必要です。AIは意思決定をサポートするべきですが、責任を置き換えるべきではありません。組織は、AIのパフォーマンスを監視し、出力を検証し、結果に対して最終的に責任を負う人物を定義する必要があります。目標は、AIの効率性と人間の判断力を組み合わせて、拡張性と信頼性の両方を備えたシステムを作成することです。

多くの組織は、AIを採用していますが、まだそれを計測可能なビジネス成果に結び付けてはいません。リーダーは、エージェント型の使用例をどのようにして見つけ、投資収益率を測定し、パイロットが組織全体に拡大する準備ができているかどうかを判断するでしょうか?

通常、ギャップはシーケンシングに戻ります。チームは最初にテクノロジーを選択し、そこにどこか適合させるために探します。実際の勝利は、最初にフローを選択し、エージェントが本当に適切なツールかどうかを尋ねることから来ます。

最良のフィルタは可変性です。プロセスがルールエンジンに十分に予測可能な場合、エージェントは必要ありません。プロセスが誰も良い結果を説明できないほど開放的である場合、エージェントは苦労し、信頼できない結果になります。価値はその間、複数のシステムをまたいで判断が必要な作業にありますが、まだ境界付きで監査可能なルール内で実行されます。

私は1つのスクリーン質問を追加します。間違いをした場合のコストは境界付きで可逆的ですか? 可逆的であれば、エージェントが動作し、迅速に進みます。間違いが高価または元に戻せない場合、人間が決定に参加します。

投資収益率については、一般的な間違いは、間違ったものを測りすぎ、遅すぎることです。時間の節約はデフォルトのメトリックですが、影響を過小評価します。より大きなリターンはサイクルタイムの圧縮、エラーレートの低下、以前は制限されていた容量が利用可能になるという形で現れます。サポートチームが半分のチケットしか対応できない場合、すべてのチケットに対応できるようになれば、ビジネスは変わります。パイロット開始前にクリーンなベースラインを取得する必要があります。そうでない場合、逸話で議論することになります。コストを数える際には、完全な絵を数える必要があります。統合作業と人間の監督時間は実在する行項目であり、監督は慢性的に過小評価されています。

拡大するかどうかを決定するのは、規律が最も重要なステップです。これは、チームが急ぐステップです。クリーンな入力でのデモはあなたにあまりにも少なすぎることを伝えます。パイロットは、長い尾の汚い、現実的な入力で持続するとき、失敗モードが理解され境界付けられているとき、観察可能性が配置されており、顧客によってではなくサイレントな失敗が捕捉されるとき、そして名前の付いた人物が生産で責任を持っているときに準備ができています。

ユニットエコノミーのチェックも実行します。エージェントのコストは、ソフトウェアシートとは異なり、使用量に比例して増加します。

エージェントシステムは、従来のソフトウェアとは異なる方法で失敗します。確率的に、そしてしばしば静かに失敗します。先行する組織は、評価と監視を最初から組み込み、後で修正するのではなく、最初から組み込む必要があります。

パンチカードシステムズは、組織がAIの実験から実際のビジネスプロセスへの統合へと進むのを支援します。組織のAIへの準備度を評価し、AIが測定可能な価値を提供できるワークフローを特定し、チームがこれらのシステムを責任を持って実装し、既存の運用を混乱させないようにする方法は何ですか?

最初に、組織の現在の状態を理解することが重要です。AIの採用は単に正しいツールを選択することだけではないという最大の誤解があります。実際には、強力な基盤、データの質、明確なプロセス、定義された所有権に依存しています。

そこから、組織はAIが最も価値を生み出す場所を特定するのを助けます。通常は、影響に比べて時間がかかるワークフロー、または情報が不十分な決定です。

組織は、役割と意思決定がテクノロジーとともにどのように進化するかについて考える必要があります。テクノロジーと従業員の採用と変化管理を組み合わせることで、企業はAIを責任を持って効果的に統合し、既存のものを壊すことなく測定可能な価値を生み出すことができます。

素晴らしいインタビュー、ありがとうございます。読者がもっと学びたい場合は、パンチカードシステムズを訪けてください。