技術が成熟し、導入が広く進む一方で、多くの企業にとってAIの大規模展開は依然として難しい。
昨年、AIに推定1兆5,000億ドルが投資された一方で、多くの企業はAIプロジェクトの開始や拡大に依然苦慮している。
ダボス2026では、AI導入の最前線にいる企業の一部が、試験導入を超えてAIをどのように大規模展開しているかを議論した。
「新たな働き手を職場に迎え入れるときは、同じ仕事をするためにチームがどう協力するのかを考え直す必要があります。」
世界経済フォーラム年次総会2026で、ロイヤル・フィリップスの社長兼最高経営責任者（CEO）ロイ・ヤコブス氏が語ったこの言葉は、職場のチームに新しい人を迎える方法についての議論で発せられたものではない。ヤコブス氏は、業務、従業員、そして会社全体への影響を最適化するため、人工知能（AI）を事業にどう統合するかを説明していた。
「AIの大規模展開：ここからが難題 」パネルで、ヤコブス氏はAIを大規模展開するには、現在の業務プロセスを再構想する必要があると語った。働き方の再定義を伴うことから、同氏はこれをAIにとって最大の課題と捉えている。
しかし、多くの企業はこの段階に到達する道筋をどう描けばよいか、依然として見いだせずにいる。AIに1兆5,000億ドルが投資された昨年、ガートナーによると、約2,000社を対象としたマッキンゼーの世界調査では、ほぼ3分の2の企業が、全社規模でAIプロジェクトをまだ拡大できていないことが分かった。企業は、この技術がもたらす経済効果を余すところなく得るため、AIの活用を加速させたいと考えている。では、どうすればよいのか。
AIの大規模展開と、それに伴う組織上の課題は、ダボス2026の数々の注目度の高いCEOセッションで取り上げられた。AI導入の最前線にいる企業は、より大きな賭けに出て、初期の成功を超えてAIを拡大する道筋を築く方法を議論した。こうした先進的なAI利用企業によれば、試験導入を超えて成果を上げるには、新たな戦略、能力、組織設計が必要となる。各社はこのようにして、AIの大規模展開に伴う大きな課題に取り組んできた。
AI導入を考え始めるには
多くの企業でAI導入の道のりが技術とデータから始まるのは、意外ではない。アクセンチュアの会長兼最高経営責任者（CEO）ジュリー・スウィート氏は、「AIは企業が自社の技術を真剣に見直すきっかけになりました」と述べ、多くの企業がデータにも投資していると話した。「これを早くから実行したサウジアラムコや、マクドナルドのように、ごく早い段階でデータ基盤を整えた企業は、データの活用で大きく先行しています。」
世界経済フォーラムの産業のAIトランスフォーメーションコミュニティのメンバーも、組織に蓄積された知見、つまり現場の従業員や専門家の専門知識と判断力を活用する方法を変えるため、AIを利用している。こうした情報は、構造化されていないデータのまま活用されず、企業のプロセスにも十分統合されないことが多く、貴重な知見が失われている。
たとえば、機器メーカーのアライド・システムズは、リアルタイム最適化を活用し、オペレーターの知識を組み込むことで、大量生産ラインが重要な目標を達成できるようにしている。AIにより、かつて従業員の直感に頼っていたプロセスが、再現可能で教えられるものになった。
ほかのメンバー企業は、従来の分析では検出できない新たなシグナルを見つけるためにAIを活用している。S&Pグローバルは19万2,000件の決算説明会を分析し、非構造化のコミュニケーションデータを将来を見通す財務インサイトに結びつけるパターンを特定した。また、クラリョは「グローカル」モデルを通じて、企業ネットワーク全体の構造化された知見を活用しながら、各拠点固有の業務上のDNAに適応し、企業内での継続的な学習を支えている。
誰が、どのようにAIを使っているのか
データと技術が重要なのはもちろんだが、ダボスでヤコブス氏は、技術開発と同じくらいの時間を導入について考えることに充てるのがよい目安だと述べた。つまり、組織の各所で人々が実際にAIをどう使うのかを検討することだ。「最終的に成功が測られるのは導入です」と同氏は語った。「最初からそれを設計に組み込む必要があります。技術の問題というより、実際に役立てる業務を理解することがはるかに重要です。」
組織の業務フローだけでなく、仕事の性質そのものをAIがどう変えるのかを深く考えることが重要だと、メタの最高グローバル業務責任者ジョエル・カプラン氏は別のセッションで述べた。「今後数年のうちに、どの組織もこれについて考えなければなりません」と同氏は付け加えた。「成功するのは、今から考え始める組織です。」
AIの用途と利用者に焦点を当てることで、フィードバックが生まれ、AIの具体的な利点も明らかになる。たとえばJLLテクノロジーズは、要件の収集、コード生成、テストを自動化して、製品開発のライフサイクルを再設計した。同社によると、これにより開発サイクルを85％、必要なリソースを30％削減し、上級エンジニアがより複雑な業務に集中できるようになった。
グーグルの開発者は、AIをコーディングパートナーとして使い、新規コードの30％を生成するとともに、コードレビュー、テスト、移行を支援している。同社によると、これによりエンジニアリングの速度が推定10％向上し、エンジニアはほかの優先課題に取り組めるようになった。
SandboxAQのAI Co-Researcherは、階層型のマルチエージェントシステムを用いて、以前は専門家が担当していた複雑な科学研究のワークフローを自動化する。同社によると、科学者は戦略と監督に専念できるようになり、プロジェクトの完了期間は50％短縮され、対応可能なプロジェクト数は倍増した。ネスレ・ピュリナも工場運営を再設計し、ボストン・ダイナミクスのSpotロボットを使って定期点検を自動化した。同社によると、23施設でこのプロジェクトの投資収益率（ROI）を1年以内に完全に達成した。
AIを安全に大規模展開するには
AIの活用を拡大しているのは企業だけではなく、一部の政府も同様だ。AI規制に関するパネル討論で、アラブ首長国連邦（UAE）のマリアム・ビント・アフメド・アル・ハマディ国務大臣は、政府が規制の策定にAIをどう利用しているかを説明した。ただし、AI利用のための安全策が極めて重要だと同氏は警告した。UAEでは、ガードレールによって偏りを防ぎ、AIの結果を法律に直接照らして追跡できるようにし、データのプライバシー、品質、一貫性を守っている。
透明性と人間による説明責任も重要な原則だ。「現段階では、AIは助言できますが、指揮を執るのは人間であるべきだと考えています」と同氏は述べた。
規制当局も技術開発の速さについていくのに苦労していることから、自己規制は重要だ。「私たち自身のルールが必要です。どのようにテストし、検証するか、どの程度厳格に行うか、どのような慣行を採用するか、そしてどのような偏りを考慮に入れるかです」とヤコブス氏は述べた。
AIへの信頼を築くには
このように人間が関与し続けることは、AI全般への信頼を高める助けにもなる。その結果、人々がこの技術を理解し、さらに活用しようとするきっかけにもなり得る。人とAIが協力すれば、それぞれが固有の強みを発揮できる。人間は判断、監督、創造性を担い、例外を見つける一方、AIは実行、最適化、予測、パターンの統合を担える。この変化は、すでに一部の組織で始まっている。
コミュニティメンバーのマイクロソフト・リサーチは、物理環境との相互作用から学び、変化する状況に適応し、知覚を日常業務の行動に変換する身体性AIシステムを活用している。インドのIT企業HCLは、サービス担当者にリアルタイムの知見と感情を考慮したガイダンスを提供し、共感力や複雑な推論を必要とする繊細な問題に集中できるようにしている。
広告会社WPPは、AIを活用したオペレーティングシステムでクリエイティブ業務とメディア業務のワークフローを統合し、創作能力と生産性を高めている。また、投資会社ビスタ・エクイティ・パートナーズは、AIを使って顧客からの問い合わせの多くを即座に解決し、高い満足度を維持しながら業務負荷を軽減している。
AIを成功裏に大規模展開するには、仕事の再定義が必要だ。しかし、企業の技術開発の最前線にいる人々にとっては、人間らしさを保つことも意味する。ダボス2026で、アクセンチュアのスウィート氏は「人間が主導し、関与するだけにとどまらない」と述べた。「私たちは人々を鼓舞し、人々とともに企業を運営していきます。そして、彼らが活躍する技術環境はより広がるでしょう」と同氏は付け加えた。「しかし、人々が未来を描く意欲を持てるよう、語り方を根本から変える必要があります。」
以下の協力を得て作成：産業のAIトランスフォーメーション・ワークストリーム。 追加情報提供：ナタリー・マーチャント。
