AI実験をエンタープライズインテリジェンスと価値に変える

エンタープライズAIはモデルに限定されません。企業はテストパイロットプログラムを実行し、一般的なタスクをこなし、概念実証モデルを従来よりはるかに速く導入できますが、孤立した「AI」成果を超えて進むことに失敗しがちです。

しかし問題はモデルではなく、彼らが働く環境です。データが分散していることや所有権が不明確であることなど、スケールに関する課題が多数残っています。これは主に、これらのシステムがAIがコアビジネスオプションになる前に設計されたためです。

最近の調査（Wipro と HFS Research）によると、エンタープライズリーダーの90％が3年以内に人間とAIのチームが実現すると期待している一方で、わずか18％しかその将来を支えるためにプロセスを再設計していません。同様に、87％がAIへの投資は価値が示されるよりも速く行っていると答えています。データ、ガバナンス、ワークフロープロセスの更新を優先しなければ、AIがビジネスを変革すると期待できません。

AIの能力は急速に普及しています。競争優位は、組織がデータ、コンテキスト、インテリジェンス、ガバナンス、実行をどれだけ効果的に結びつけられるかにかかっています。

パイロットは停滞しがち

たとえ価値あるデータがあっても、パイロットプログラムは失敗することがあります。例えば、少人数のチームがスプレッドシートのデータ出所を把握していれば、通常はそれを安心して使用できます。しかし、そのレベルのデータ理解を組織全体に拡大するのは困難です。エージェントAIを用いれば、複数システムから情報を取得したり、顧客への提案につながるワークフローを構築したりするのが容易になります。AIエージェントは迅速に行動できますが、データの信頼性が不明確なことが多いです。

企業が1つのAIユースケースから多数へ拡大しようとすると、懐疑的な姿勢が強まり、問題が生じることがあります。顧客情報が異なるシステムから来ている場合、元の情報がどのように取得・整備されたかを把握できないことがあります。同様に、ガバナンスポリシーは存在しても、エージェントが取得したデータセットにそれらのルールが適用されたかは不明です。

したがって、AIのスケールは魅力的ですが、矛盾が落とし穴を生みます。エージェントAIから真に価値を確保するには、企業は最初からデータとワークフローの設計を実装すべきであり、後からではありません。

信頼できるAI基盤を構築する

堅牢なAI対応基盤を構築することは、関係者とAIシステムが適切なガバナンス体制の下で、信頼できるデータを発見・アクセス・活用できることを意味します。

3つの重要な能力に焦点を当てます： 

1. データとAIに対して統合的アプローチを取ることが重要です。エージェントAIアプリケーションは、分散・非連結なシステムではなく、堅実な基盤からデータを取得する必要があります。これにより、重複するデータソースによる混乱が大幅に減少し、アクセス、品質、コンプライアンスの体系的なルール適用が容易になります。
2. システム構築時にガバナンスを組み込むことは、データ使用の管理に不可欠です。例えば、行動を推奨するエージェントは、承認された情報を参照し、定義された権限範囲内で動作し、結果に至ったプロセスを追跡可能な記録として残す必要があります。
3. 実際のワークフローやプロセスにAIを活用します。AIは、従業員がすでに摩擦を感じているワークフロー、たとえば顧客対応やITトラブルシューティングなどに組み込むべきです。

AIを単独のツールと考えてはいけません。むしろ、エージェントと人的監視、意思決定をガバナンスされたエンドツーエンドのプロセスで結びつけることに焦点を当てましょう。人的監視は重要ですが、複雑なプロセスに対する具体的な制御を持つことが本質です。

AIを実践に移す

AIが活用できるデータ基盤を構築することが鍵です。例として、消費者向けヘルスケア企業の調達から支払までの業務があります。大規模な組織では、膨大な請求書を処理し、複雑な承認プロセスを管理していますが、手動でのレビューは支払サイクルを遅らせ、問題発生箇所の可視性を制限していました。エージェントAIを請求書処理に適用した結果、70％の無人化と45％の効率向上が実現しました。このAI搭載システムは年間約100万件の請求書を処理し、約60億ドル相当の価値を生み出し、最も複雑な案件は人間がレビューするよう振り分けています。

目的は、システムが適切な情報を取得し、承認されたルールを適用し、繰り返しのパターンから学習し、必要なときだけエスカレーションするガバナンスされたプロセスを構築することです。堅牢なデータ基盤は、AIシステムに計画、分析、レポートを支えるためのコンテキストを提供し、ガバナンス体制が整っていることを保証します。

前進するためのステップ

企業を長期的に成功させるためには、AIの拡大とスケーラビリティに対して、全社的な変革プログラムと同等のデューデリジェンスで取り組む必要があります。

1. データとAI：開始前に、情報の元となるソースを把握し、次の点を問いかけます：データは不完全でしたか？ ビジネス定義は一貫していましたか？ アクセス制限によりシステムが必要なコンテキストを参照できませんでしたか？ 従業員はAIの出力を使用または検証するワークフローを欠いていましたか？
2. 基盤を構築する：初期ユースケースにとって最も重要なデータドメインを優先する堅実なデータ基盤を構築することが不可欠です。所有権を定義し、初期段階から品質管理と連動したアクセス権を適用します。目標は、信頼を築き、より良い意思決定を促す高品質でガバナンスされたデータです。
3. ビジネス課題が明確で、データが入手可能かつ成功測定が容易な重要なワークフローを数件特定します。そのワークフローに焦点を当てたエージェント（人的介入を含む）を作成し、品質を確保します。

今後の展望

次の競争優位はAIへのアクセスから生まれるのではなく、エンタープライズ全体のデータをエンタープライズインテリジェンスと測定可能なビジネス成果に規模で変換できる能力から生まれます。エンタープライズAIは、モデルがどれだけ適切に作られ、それに基づくエージェントがどれだけ責任ある生産的に運用できるかで決まります。断片的で出所不明、管理されていないデータの世界に住むことは、肯定的なビジネス成果を制限します。データ、ガバナンス、ワークフローの再設計を結びつける企業は、実験を長期的な価値に変えることができます。エージェントAIへの道は、インテリジェントな行動を可能にする運用とデータの基盤から始まります。