人工知能（AI）は、仕事そのもののあり方を変えつつあり、従来の記録のシステムを超えて、動的な仕事のシステムへと移行させている。
従来型のシステムが捉えられるのは、すでに起きた仕事のデータを静的な形式で記録することだけだが、real value（真の価値）は動的なスタンドアップミーティングや対話の中にこそ存在しうる。
仕事のシステムを構築しようとするリーダーは、4つの主要な原則から始めることができる。
人工知能（AI）は、驚くべき速さで組織全体に広がっている。
CEOらはAIタスクフォースを立ち上げ、パイロット事業に資金を投じ、センター・オブ・エクセレンスを設立してきた。しかし、こうした取り組みの多くは依然として、AIを主にタスクの自動化や生産性向上のためのツールとして捉えている。その見方は、実際に起きていることを過小評価している。
AIは、仕事そのもののあり方を変え始めている。最も先進的な企業は、真の変革には従来の記録のシステムを超えて、新たなもの、すなわち仕事のシステムへ移行することが必要だと気づき始めている。仕事のシステムとは、人、プロセス、AIが継続的に学習し、共に進化する動的な構造のことである。
この移行は、急を要するものになりつつある。マッキンジー・アンド・カンパニーの調査によると、70%超の企業が生成AIを試験的に導入しているものの、企業のパフォーマンスに意味のある影響があったと報告しているのはごく一部にすぎない。ボトルネックは技術そのものであることはまれで、組織内の仕事がどのように設計されているかにある。
記録のシステムの限界
何十年もの間、大規模組織は記録のシステムに依存してきた。これは、財務を管理する企業資源計画（ERP）システム、顧客データを保存する顧客関係管理（CRM）システム、患者の病歴を記録する電子カルテといった企業向けプラットフォームである。
これらのシステムは組織の知識の蓄積を保全し、規制遵守を確保し、意思決定のための信頼できるデータを提供する。しかし、それらは安定性と管理のために構築されたものである。すでに起きたことを記録するのである。
実際の仕事がこのような整然とした構造に従うことはまれである。仕事は、判断を伴う場面、予期しない例外、部門横断的な非公式の協働の中で行われる。それでも、こうした瞬間こそが最大の価値が生まれる場であることが多い。
調査 ガートナーの調査によると、組織の知識の大部分は暗黙知のままであり、正式なシステムに記録されるのではなく、従業員の専門性の中に組み込まれていることが示唆されている。経験豊富な従業員が退職すると、その知識の多くも一緒に失われてしまう。
AI時代に従来のワークフロー設計が破綻する理由
多くの組織は依然として、プロセスを把握し、データを収集し、ルールを符号化するという、おなじみの方式で自動化に取り組んでいる。このアプローチは、安定性と再現性が目的であったロボティック・プロセス・オートメーションのような、初期の自動化の波では有効であった。しかしAIは、それとは異なる仕組みで動作する。
機械学習システムは、パターンを解釈し、曖昧さに対処し、フィードバックを通じて改善することができる。しかし、組織がこうしたシステムを、決定論的なソフトウェア向けに設計された硬直したワークフローに押し込めると、すぐに実際の仕事の複雑さに直面することになる。
仕事のシステムの出現は、最終的にはリーダーシップの課題である。
例外を適切に処理するワークフローであっても、変化に対応できなければ失敗する。市場は変動し、規制は更新され、企業は再編される。AI導入の初日には正確だったプロセスも、6カ月後には大きく誤ったものになっている可能性がある。それにもかかわらず、多くの組織はワークフロー設計を、開始日と終了日のあるプロジェクトとして扱っている。文書化し、導入し、そして次へ進む。その結果、基盤となる仕事が進化しても、システムは進化しないのである。
正式なプロセスと実際の運用との間にあるこの隔たりは、多くのAI取り組みが拡大に苦戦する理由の一つである。ガートナーは、組織がそれを支えるために必要なデータの実践、ガバナンス、運用体制を欠いている場合、AIプロジェクトの多くが価値を提供できないリスクがあると警告している。
仕事のシステムの台頭
先進的な組織は、人とAIを継続的なフィードバックループで結び付ける適応的な層である仕事のシステムを構築することで対応し始めている。安定性を重視する記録のシステムとは異なり、仕事のシステムは変化に対応するように設計されている。データ、人間の判断、機械による洞察が、リアルタイムで相互作用することを可能にする。
この移行の初期の事例は、さまざまな業界で現れ始めている。一部のテクノロジー系スタートアップは、大企業がワークフローの設計を見直すのを支援しており、導入後に凍結されるのではなく、AIシステムが継続的に学習するようにしている。そうした企業の一つであるReindeerは、人間がシステムと対話するにつれて改善される適応型ワークフローを構築するため、世界中の組織と協力している。
共同創業者兼CEOのヨアブ・ナヴェ氏は次のように説明している。「多くのリーダーは依然として、AIの導入を始まりと終わりのあるプロジェクトのように扱っている。プロセスを文書化し、ツールを接続し、それが永遠に動き続けることを期待している。それは自動化の発想だが、ほとんどの仕事は静的ではない。仕事は絶えず変化している。AIを使えば、組織はそうした変化を無視するのではなく、そこから学ぶことができる。」
実際には、これはAIシステムが不確実な状況に直面した際に、人間の専門家が介入して結果を修正し、その修正内容をモデルにフィードバックすることを意味する。
やり取りの一つひとつが、システムの知能を強化すると同時に、これまで個人の経験の中にしか存在しなかった専門性を取り込んでいく。時間の経過とともに、組織は事業とともに進化する生きた知識のリポジトリを構築していく。実質的に、企業は学習するシステムになるのである。
仕事のシステムを構築するための4つの原則
この移行に取り組み始める組織は、多くの場合、次のようないくつかの共通原則を採用している。
1. 小さく始め、素早く学ぶ
膨大なデータセットや完全な文書が揃うのを待つのではなく、先進的なチームは、顧客との対話、取引、業務上の事例といった、少数の実際の事例から始める。これらの事例は、実際の仕事を定義するパターンや例外を明らかにする。目標は完璧な自動化ではなく、学習の加速である。
2. 人間をループの中に残す
人間の専門性は引き続き中核をなす。AIシステムが未知の状況に直面した場合、人間の専門家へのエスカレーションによって正確性が確保されると同時に、新たな学習データが生成される。時間の経過とともに、このプロセスは、これまで見えなかった暗黙知を捉えていく。
3. 継続的な変化を前提に設計する
市場は進化し、データは変化し、モデルは劣化（ドリフト）する。仕事のシステムは変化を前提とし、組織が継続的に適応できるよう、監視と再学習の仕組みを組み込んでいる。AIを明確な終点を持つプロジェクトとして扱うのではなく、組織はAIを時間の経過とともに発展する能力として扱う。
4. 置き換えるのではなく統合する
成功する導入は、通常、既存の企業システムを置き換えるのではなく、その上に構築される。AIは記録のシステムの上位層として機能し、そのデータを活用しながら、新たな形の協働、洞察、実験を可能にする。
学習する企業のためのリーダーシップ
仕事のシステムの出現は、最終的にはリーダーシップの課題である。リーダーは、組織内で仕事が実際にどのように進行しているかに密着し続けなければならず、AIを単にタスクを自動化するためではなく、学習を加速させるために活用しなければならない。
この意味で、AIの最も深遠な影響は、実は自動化そのものではないのかもしれない。それは、リアルタイムで学習し、不確実性を洞察に、洞察を行動に変換できる組織の創造なのかもしれない。そして、絶え間ない変化によって定義される経済において、その能力こそが競争優位の最も重要な源泉の一つとなるかもしれない。
