AIはどこで実験段階を超えつつあるのか？ 実際に拡大している分野について6人のリーダーに聞く

• 3月にミュンヘンで開催された世界経済フォーラムの産業戦略会合には、300人を超える企業、テクノロジー、公共部門のリーダーが集まりました。

• そこでは、AIのような指数関数的技術がビジネスモデル、バリューチェーン、そして世界的な競争力をどのように再構築しているかが議論されました。

• AIが実験段階を超えて大規模な導入へと進みつつある分野を、業界リーダーたちが実際のユースケース、生産性への測定可能な影響、そして拡大に必要な条件とともに紹介します。

人工知能はついに一つの節目を越えつつあります。企業はAIを変革的な力として長く語ってきましたが、ほとんどの取り組みはサンドボックスやイノベーションラボにとどまっていました。2026年、その構図は変わり始めています。

今月、300人を超える企業戦略のリーダーたちがミュンヘンに集まり、世界経済フォーラムの「産業戦略会合」では、議論の焦点は「AIは機能するのか」から「AIはすでにどこで、大規模に業務を変えつつあるのか」へと移っていました。

その問いに答える圧力はかつてないほど高まっています。会合での議論は、この課題の大きさを浮き彫りにしました。企業の約4分の3はAIからまだ意味のある価値を生み出せておらず、投資が増えているにもかかわらず、多くはパイロット段階で行き詰まっています。ある経営幹部が端的に述べたように、2026年は、企業がAIによって価値を生み出せることを証明しなければならない年なのです。

各産業にわたり、AI、自動化、先進的なコンピューティングを含む新興技術が、企業の中核に組み込まれつつあります。意思決定システムやサプライチェーンから、金融、顧客サービス、エンジニアリングのワークフローに至るまでです。

世界経済フォーラムの最近の報告書「AIの主権の再考：戦略的投資による競争力への道筋」では、2030年までにAIアプリケーションへの年間投資額が1.5兆ドルに達すると予測されており、2010年以降のAI投資の年間成長率は33%となっています。

各国・地域はそれぞれ異なる投資戦略を追求してきました。Image: 世界経済フォーラム

企業レベルでは、Capgeminiの調査により、パイロットからプラットフォームへの決定的な移行が明らかになっています。予算が拡大するなかで、AIのユースケースを運用に移している組織は38%に上ります。同時に、先行企業は具体的な成果を報告し始めています。生産性の向上、サイクルタイムの短縮、コスト削減、新たな収益源の創出などです。

しかし、概念実証から本番運用への道のりは、ほとんどの場合、直線的ではありません。リーダーは、信頼とガバナンスからスキルとインフラに至るまでの課題に取り組む必要があると同時に、ビジネス価値を常に最優先に置き続けなければなりません。

ここでは、さまざまな業界の経営幹部が、自社内で導入の転換がどのように見えるか、そしてAIを定着させるために実際に何が必要かを共有します。

1. 技術アーキテクチャの問い

「当社の事業において、エンタープライズ計画&実行のためのエージェント型AIは、実験段階から業務への本格導入へと移行しました。ただし、エージェント型AIソリューションの慎重な設計が必要でした」と、Ashwin Rao博士（o9 Solutions、AI・R&D担当エグゼクティブ・バイスプレジデント）。

「要するに、ニューラルAI（LLM）の強みと、シンボリックAI（深い企業知識に基づく構造化された企業データモデルおよび意思決定モデル）の補完的な強みを組み合わせたのです。

「これにより、当社のエージェントは、ニューラルAIの拡張性、適応性、学習可能性の利点を享受すると同時に、シンボリックAIの推論、精度、説明可能性の利点も得られるようになりました。その結果、企業の実務で有効に機能する信頼性の高いエージェントを構築できています。魅力的なデモやPOCを超えて実用に至らない、典型的なLLM中心のエージェントとは異なります。」

「影響という点では、企業のプランナーに大きな支援をもたらしています。たとえば、サプライチェーン計画と実績の差異に関する根本原因分析においてです。これにより、プランナーは調査にかかる時間を最大80%削減できるようになりました。

「在庫および物流においても、非接触型の実行によって大きな成果が得られています。小規模な企業でさえ、人件費を数千万ドル単位で削減できています。また、企業の俊敏性も大きく向上しました。統合事業計画（Integrated Business Planning）をAIが支援することで、部門横断的な意思決定が従来の4分の1の時間で行えるようになっています。」

2. 大規模な産業展開

シーメンスがアンベルクの電子機器工場にAIを導入した際、当初は抵抗があったと、Günter Beitinger博士（シーメンス 製造担当上級副社長兼工場デジタル化責任者）が、ミュンヘンの産業戦略会合で述べました。

「AI導入の初期段階では、特に現場や製造部門のスタッフを中心に多くの懸念がありました。『AIは私の仕事をどうするのか』という不安です……。そこで私たちがしたのは、やりたいことを少しずつ導入し、従業員を開発プロセス全体に参加させることでした。」

たとえば、X線品質保証へのAI導入では、従業員がアルゴリズムを学習させ、プロセスにおいてAIによる品質保証がもはや不要な製品を特定できるようにしました。これにより、時間を節約できています。

「製品の5%を選別できれば、それだけで経済的に成立するシナリオだと試算しました。」

時間が経つにつれ、工場チームはAIがX線品質保証を必要としない製品を正しく識別することを信頼するようになり、追加工程を省略できる製品は30%に達しています。

「現場の人々は大きな自信を持っています。最初の段階から専門家とともにAIを設計し、安全性、倫理性、説明可能性を確保してきたからです。」

AIとデータの組み合わせは3つの主要な変化を支えている、とBeitinger博士は述べました。

「私たちは効率からレジリエンス（回復力）への移行を進めています。これは私たちが求めている重要な点の一つです。かつては世界的なコスト最適化を重視していました。もちろんコストは非常に重要ですが、回復力はますます重要になっています。さらに、自動化から自律化へ、そして単一工場の最適化から生産エコシステム全体へと移行しています。AIはまさにこれらの変化を実現する助けになっています。」

「データと機械学習アルゴリズムは、AI技術を適用する基盤であり、今日では事業をますます効果的かつ効率的に管理することを可能にしています」と、Filippo Ricchetti、Eni 計画・管理・保険担当責任者。

Eniは、とりわけ鉱物資源の不確実性を低減し、業務プロセスおよび産業プラントをデジタル化し、新規事業およびエネルギーチェーンの開発を加速することができました。

「長年にわたり、Eniは多くの分野でAIツールを活用しており、探査から操業まで約300件のユースケースがあります。AIソリューションの活用により、プラントの停止時間の削減、生産の最適化、排出量の削減によって効率が向上しました。たとえば掘削分野では、掘削時間の35%削減が達成されています。こうした改善は、自動化と機械学習によってもたらされたものです。」

今後を見据え、同社は独自のコーポレートデータおよびナレッジ資産を基盤にAIエージェントを構築しています。これは最も重要なインテリジェンスを自社で管理し続けるための意図的な選択です。プロセス全体にわたって最初のアプリケーションがすでに展開されており、あらゆる段階で透明性と説明責任を確保するよう設計された責任あるAIの枠組みによって統制されています。

3. 企業にネイティブなAI

「あらゆる技術は世界をリセットします。その軌跡は常に同じです。実験、導入、依存、不可逆性。今回違うのはそのスピードであり、賭けられているものの大きさです」と、Hala Zeine、ServiceNow SVP兼最高戦略責任者。

「組織は実証の証拠を待っているわけではありません。ためらうことが構造的な不利になると理解しているため、早い段階で動き出したのです。

「しかし、実験は最初の一歩にすぎません。真の変革は、AIがワークフローの流れに組み込まれたときに起こります。企業が状況を捉え、意思決定を行い、大規模に実行する仕組みが再構築されるのです。そのとき、導入は認知的な依存へと変わり、ワークフロー内のAIは単に有用なだけでなく、代替不可能なものになります。その閾値を最初に越えた組織は、後発企業が資金を投じるだけでは追いつけない優位性を積み重ねていくでしょう。」

「ServiceNowは、まさにこの瞬間のために構築されています。AIは当社のプラットフォームに後付けされたものではなく、すでに85%のFortune 500企業のために年間800億件のワークフローと6.5兆件のトランザクションを統括しているインフラにネイティブに組み込まれています。当社のアーキテクチャは、組織を実験から不可逆性へと導くよう設計されています。すなわち、システム全体で企業の状況を把握し、事業上の責任を持って判断し、統制されたワークフローの中で自律的に行動し、監査レベルの統制によってすべてのステップを管理することです。

「成果はすでに積み重なっています。AstraZenecaは年間30,000時間を取り戻しました。Pure Storageは案件を7倍速く解決しました。Siemensは毎月210,000件のチケットを自律的に処理しています。これらは効率化の利益ではなく、大規模な認知的依存の初期兆候です。ワークフロー内のAIは、自律的な企業の実行です。競争優位性が恒久的なものになるのは、まさにそこです。」

4. 基盤としてのデータ

「S&P Globalは人工知能の最前線にあり、業界全体でデータ分析と意思決定を変革しています」と、Swati Sawjiany、S&P Global 戦略・M&A・ベンチャー担当上級副社長。

2018年にKensho Technologiesを買収して以来、S&P Globalは、AIを活用してワークフローを強化し、顧客への価値創出を推進してきました。

「当社は、顧客がどこでワークフローを行っていても、信頼性の高いS&P Globalのデータへアクセスできるようにすることに努めています。AI環境における顧客の急速に変化するニーズに確実に応えるためです。つまり、顧客が当社のデータとインサイトをGen AIのワークフローにシームレスに統合できるようにすることを意味します。その取り組みの一例が、LLMに対応したApplication Programming Interface（API）です。これにより、顧客は任意のGen AIアプリケーションからS&P Globalの多様なデータセットにシームレスにアクセスできます。」

S&P Globalは、AIイノベーションの推進に注力しており、次のような主要企業との提携により、新たなAI機能の開発に取り組んでいます：Anthropic、OpenAI、およびGoogleのジェミニ。

「これらの新たな機能は、クライアントに対して、つながりのあるインサイト、より高度な自動化、そしてより迅速な意思決定をもたらしています。

「AIは金融サービス業界の働き方を根本的に変えようとしています。戦略上の優先課題は、単に技術を導入することではなく、組織全体の人々がそれを適切に使いこなす能力を備えることです。そのためには、AIを受け入れる文化の醸成と、その変革を現実のものにするための研修およびツールの提供が必要です。」

5. 率直な評価

Cohereの最高AI責任者のJoëlle Pineau氏によると、AIには3つの世代があると考えると有益です。同氏は産業戦略会合の傍らで発言しました。

「予測AIがあります。これは、データ情報を使って、天気予報や分類など、かなり限定的な予測を行う能力です。今日では、ほぼすべての企業がこれに依存しています。事業にデジタルフットプリントがあれば、その一部を予測AIが支えているのです。

「生成AIはより新しく、2022〜23年頃に登場しました。企業がこれを試し始めているのが見えています。過去の大きな技術的変化を振り返ると、それらが本当に浸透するまでには数十年かかりました。

「エージェント型AIは2025年に登場したばかりです。研究室から業界全体への広範な導入まで1年で進むと考えるのは、かなり楽観的に思えます。AIについては、エージェント型AIを含め、非常に積極的な予測が数多くなされてきました。驚くべきなのは、この新しい技術の恩恵や成果がすでに現れ始めていることです。」

実験から展開への移行は現実のものであり、加速しています。しかしそれは主として技術の話ではありません。組織の再設計、文化的な信頼、そして確かなデータ基盤に関する話なのです。

最も速く動いている企業は、最良のモデルを持つ企業ではありません。それらを受け入れるために組織を整えるという、より困難な作業を成し遂げた企業です。

引用は、長さと明確さのために軽く編集されています。