柔軟性の高いAIツールは作業速度を向上させるものの、業務設計の見直しなしには最終的な収益向上には結びつかない。
生産性管理が不十分だと、労働力過剰と慢性的な技能不足が同時に発生する。
リーダーは、節約できた従業員の能力を、高付加価値の戦略的成長に向けて再配置することを優先すべきである。
2026年には、人工知能が労働者の業務遂行をかつてないほど迅速に支援するようになるだろう。しかし、多くの組織は、こうした時間短縮を実際の財務的利益に結びつけるのに苦労している。 BearingPointの調査 13か国の経営幹部および上級リーダー1,050人を対象とした調査によると、AIを導入した組織の27%は生産性の向上を報告しているものの、収益への目立った影響は見られないことが明らかになった。さらに、当初の事業計画に沿ってAIイニシアチブを完全に拡大できた組織はわずか13%に過ぎない。
生産性向上と実際の財務リターンのギャップが重要となるのは、AIが実験段階から日常業務へと移行したためだ。タスクを調整し、ワークフローの一部を実行できるエージェントシステムへの移行に伴い、リスクは高まっている。組織が業務の再設計や責任体制、リソースの再配分を行わずに自動化を加速させると、技術的な生産性は向上するものの、企業価値は停滞する可能性がある。
その結果、AIによる生産性の落とし穴が新たに生じつつある。技術は能力を生み出すが、その能力が成長につながるか、コスト削減につながるか、あるいは単に活用されない潜在能力となるかは、経営判断によって決まるのだ。
節約した時間がなぜ’自動的に節約できるお金という意味ではありません
AIを活用したビジネスケースの多くは、業務効率化、つまり時間短縮、タスク自動化、応答時間短縮といった指標から始まります。これらの指標は有用ですが、企業価値そのものにはつながりません。組織のコスト構造、人員配置、複雑さを変えずに、プロセスをより効率化することは可能です。
AIを活用して問い合わせ対応を迅速化するカスタマーサービスチームを例に考えてみましょう。迅速な対応によって、より多くの顧客に対応したり、顧客維持率を向上させたり、従業員の配置転換を図ったり、仕入コストを削減したり、採用ニーズを減らしたりすることができなければ、節約できた時間は実際の財務上の節約には結びつかない可能性があります。これは、財務、調達、ソフトウェア開発など、反復的な情報処理作業が中心となる他の業務にも当てはまります。
そのため、リーダーは主要なAI投資ごとに明確なバリューチェーンを把握する必要があります。つまり、タスクレベルのどのような改善が顧客、従業員、または業務成果に変化をもたらし、その結果が収益、コスト、利益率、またはその他の戦略目標にどのような影響を与えるのかを明確にする必要があるのです。
そのつながりがなければ、組織は成果ではなく活動そのものを称賛してしまう危険性がある。
AIによる過剰生産能力が新たな労働力課題を生み出している
生産性の落とし穴は、労働力において最も顕著に現れています。同じ調査では、組織の62%が、AIによって既に少なくとも10%の労働力過剰が生じていると推定しており、94%が2030年までにそのレベルの過剰が生じると予想しています。同時に、組織はAIガバナンス、エージェントオーケストレーション、データサイエンス、リスク管理、人間と機械のワークフロー設計において、深刻なスキル不足に直面しています。この不足は今後も続く可能性が高く、組織の97%が、現在、従業員の少なくとも10%がAIと協働するのに十分なスキルを備えていないと回答しており、87%が2030年までこうしたスキル不足が続くと予想しています。
人材計画も早期に開始する必要がある。組織の69%は定期的にスキルギャップを評価しているものの、戦略的な人材計画をAI変革ロードマップに組み込んでいるのはわずか48%に過ぎない。テクノロジー、ビジネス、人事の各チームがそれぞれ別々に計画を策定し、導入後に経済的なメリットが得られると期待することはできない。
人材の再配置は、AIから価値を引き出す最も迅速な方法である。
組織には、未使用の生産能力を吸収したり、大規模な組織再編プログラムを開始したりする以外にも、多くの選択肢がある。調査によると、66%がスキルアップとリスキリングを実施し、44%が社内異動を、38%が戦略的な採用凍結または採用制限を実施していると回答している。
これらの手段は連携して機能します。従業員を再配置することで、顧客エンゲージメントの向上、売上の強化、イノベーションの支援、AIを活用したプロセスの監督、あるいは新たなガバナンスやリスク管理の役割を担わせることができます。自然減や採用管理によって、徐々にキャパシティを需要に合わせることができ、必要に応じて契約社員の活用を調整することも可能です。規制、労使関係、あるいは社会的な配慮によって人員構成の変更が制限される場合、組織は成長とサービス改善を支援するAIイニシアチブを優先し、比例的な人員増加なしに需要増に対応できます。
これは、生産性を人員削減と同義と捉えるよりも、より責任ある、経済的に有益なアプローチである。その目的は、より付加価値の高い業務と測定可能な成果へと生産能力をシフトさせることにある。
コメルツ銀行 この事例は、これが実際にどのように機能するかを示しています。2030年以降、同行はAIイニシアチブによって年間約5億ユーロの追加価値が生み出され、約10%のキャパシティが解放され、その一部を営業部門の従業員が質の高い顧客アドバイスサービスに費やす時間を増やすために再配置すると見込んでいます。より広範な変革には、グループ全体で約3,000人の人員削減が含まれますが、これは特定の成長分野および将来性のある分野でのターゲット採用によって部分的に相殺され、既存の退職制度、自然減、人口動態の影響によって支えられています。
拡張性と人材準備状況を一緒にテストする
たとえ強力なローカルユースケースであっても、拡張性がなければ企業価値は限定的となる。規制の複雑さ、レガシーシステムとの統合、断片化されたデータといった問題は、パイロットプロジェクトが成功した後に初めて明らかになることが多い。AIイニシアチブを開始する前に正式に拡張性を評価する組織は3分の1にも満たないが、54%の組織は、高品質で信頼できるデータが拡張性にとって不可欠であると認識している。
大規模なAI投資を承認する前に、リーダーは次の3つの質問を自問すべきです。そのソリューションは、関連するプロセス、事業部門、市場全体にわたって拡張可能か？その運用上のメリットは、測定可能な顧客成果や財務成果に結びつくか？そして、組織は、創出された能力を活用するために、役割、スキル、リソース配分を調整できるか？
AIによる生産性低下の罠から抜け出すには、最終的には、リーダーがその能力をどこに投入し、どのように測定可能な価値を生み出すかについて、意図的な選択を行う必要がある。
