人工知能は近年、ビジネスにおける最大級の技術的発展の一つとなったが、この分野には依然として大きな不確実性がある。期待は非常に高まっているが、企業は実際に今、何をしているのだろうか。 BCGとMIT スローン・マネジメント・レビューによる新たな報告書は、ビジネスにおけるAIの実態を明らかにし、業界での現在の導入状況を把握することを目指す。この報告書は、3,000人を超える経営幹部を対象とした世界規模の調査と、30人を超える技術専門家および経営幹部への詳細なインタビューに基づいている。その目的は、企業が自社のAIへの取り組みと意欲を比較し、今後に向けた指針を得られるよう、現実的な基準を提示することだ。
ほとんどの企業では、意欲と実行の間に大きな隔たりがある。AIを一部の製品やプロセスに組み込んでいる企業は、わずか5社に1社程度にすぎない。20社に1社だけが、AIを製品やプロセスに広範に組み込んでいる。また、この調査では、AIを理解し導入している先進企業と、後れを取る企業との間に、あらゆる業界で大きな隔たりがあることも明らかになった。大きな違いの一つは、AIに必要なデータやトレーニングへの理解と取り組み方だ。多くの企業では、今後5年間でその差がさらに広がると考えられるが、ほぼすべての企業に、依然として競争優位性を確立し、自社の業界でAIによる価値創出を形作る余地がある。
高まる期待
AIへの期待は、地域や業界、企業規模を問わず高い。大半の経営幹部は、AIが自社の製品やプロセスにもたらした大きな効果をまだ実感していないものの、今後5年間で効果が現れると明確に予想している。（図表1参照。）多くの組織は、IT、オペレーションと製造、サプライチェーン管理、顧客対応業務に大きな影響が及ぶと見込んでいる。例えば、ビジネス・プロセス・アウトソーシング企業は、近年、人件費の安い国々に移された多くの業務が自動化されると予想している。一方で、AIが新たな業務や雇用機会を生み出すことも期待している。製造業の経営幹部は、オペレーションと製造への影響が最も大きいと見ている。例えば、エアバスは新型A350プログラムに関連して、AIを活用し、生産の迅速化と改善を図っている。同社は、過去の生産プログラムのデータ、A350プログラムから継続的に得られる情報、ファジーマッチング、自己学習アルゴリズムを組み合わせ、生産上の問題のパターンを特定している。一部の分野では、このシステムにより、一見無関係な生産中断の約70%について、過去に用いた解決策との照合がほぼリアルタイムで行われる。
意欲と実行
期待はさておき、ほとんどの企業では意欲と実行の間に大きな隔たりがある。経営幹部の4分の3は、AIによって自社が新たな事業に進出できると考えている。また、約85%は、AIによって自社が競争優位性を獲得または維持できると考えている。しかし、回答者の60%超が、自社にとってAI戦略は急務だと答えた一方、そのうち実際に戦略を策定済みだと答えたのは半数にすぎない。従業員数が10万人を超える最大規模の企業は、AI戦略を持つ可能性が最も高いが、それでも策定済みなのは半数だけだ。
先進企業と後れを取る企業の間にも大きな隔たりがある。先進企業の4分の3は、AIのビジネスケースを特定している。約80%は、経営幹部がAI導入を支持していると答えている。こうした企業にとって最大の課題は、人材の採用と育成、AI投資の優先順位づけであり、AIに関連するセキュリティ上の問題も懸念され始めている。一方、後れを取る企業はビジネスケースを特定していない。50%超が、経営幹部は概してAIに関与していないと回答しており、大半はAI人材の確保の難しさにまだ直面していない。
導入状況の違いは、特に同じ業界内でも顕著になり得る。中国最大級の保険会社の一つである中国平安保険は、データサイエンティスト110人を雇用し、CEOが後援するAI施策を約30件開始している。その一部は、「今後、テクノロジーが当社の売上成長を実現する主要な原動力になる」というビジョンを支えるものだと、同社の最高イノベーション責任者ジョナサン・ラーセンは語る。一方、保険業界の別の企業では、AI施策は対極にあり、ある大手西側保険会社の幹部が自社のAIプログラムを「チャットボットを試している」と説明したような取り組みに限られている。
データ、トレーニング、アルゴリズム
先進企業と後れを取る企業の違いを最もよく示す点の一つは、データ、トレーニング、アルゴリズムの重要性への理解だ。AIアルゴリズムは生まれながらに「知能」を備えているわけではない。AIは「むき出し」のアルゴリズムから始まり、大量のデータでトレーニングされて初めて知能を持つ。大半のビジネス用途では、企業固有のデータも大量に必要となる。トレーニングを成功させるには、そのプロセスとデータの役割を十分に理解する必要がある。データの重要性は、ビッグデータや高度な分析の用途におけるものよりはるかに大きい。成功には、関連するトレーニングデータを集約し、その後、時間の経過とともに収集されたデータから得られる知見を継続的に統合できる、十分に整備されたシステムも欠かせない。AIアプリケーションの開発では、データの収集と準備に最も時間がかかることが多い。
したがって、組織が必要なデータを保有していても、複数のシステムに分散していると、AIアルゴリズムのトレーニングが妨げられる可能性がある。ウェルズ・ファーゴの全社モデルリスク担当エグゼクティブ・バイスプレジデント、アグス・スジアントは次のように述べている。「私たちの業務の大きな部分を占めるのは、テキストマイニングなどの非構造化データを扱い、膨大な取引データを分析してパターンを探ることです。顧客体験の継続的な改善に取り組むと同時に、顧客候補の発掘、与信承認、金融犯罪の検知に関する意思決定も改善しています。これらすべての分野にAIを適用する大きな機会がありますが、非常に大規模な組織では、データが分散していることがよくあります。大企業の核心的な課題は、データを戦略的に扱うことです。」調査回答者の半数未満しか、自組織がアルゴリズムのデータ要件や、アルゴリズムのトレーニングに必要なプロセスを理解していると答えていない。
内製か購入か
AIアルゴリズムを適切なデータでトレーニングする必要性は、新技術への投資に際して企業が直面する従来の「内製か購入か」という判断に広範な影響を及ぼす。AIから価値を生み出すことは、ビジネスプロセス向けのAIを単に開発する、あるいは購入するよりも複雑だ。AIアルゴリズムのトレーニングには、アルゴリズムの構築方法、トレーニング用の関連データの収集と統合方法、アルゴリズムのトレーニングを監督する方法など、さまざまなスキルが必要となる。
大手製薬会社のCIOは、AIベンダーが提供する製品やサービスを「とても幼い子ども」にたとえた。AI技術の供給企業は、「学習させるために、膨大な情報をこちらから提供する必要があります」と述べた。「AIベースのサービスを17歳、18歳、あるいは21歳まで成長させるために必要な労力は、まだ見合うようには思えません。労力に見合う成果が得られないと考えています。」AIを競争優位性につなげるには、企業が社内のスキルを高める必要がある。
マネジメント上の課題
AIに必要なのは、データを使いこなす力だけではない。企業は、テクノロジー主導の他の変革にも共通する多くのマネジメント課題に直面する。ビジョンとリーダーシップ、開放性と変化する能力、長期的な思考、ビジネス戦略と技術戦略の緊密な連携、効果的な協働などが含まれる。企業はAI特有の課題にも直面する。
最も基本的で、最も重要なのは、AIを直感的に理解することだ。運用資産が約1兆ドルに上るフォーチュン100の金融サービス組織TIAAでエンタープライズデータ管理ディレクターを務めるJ.D.エリオットは、次のように述べた。「すべての現場管理者が、ニューラルネットワークにおける深層学習と浅層学習の違いを理解する必要があるとは思いません。しかし、分析を使い、データを活用することで、直感に頼るよりも優れた、正確な結果や意思決定を生み出す手法があるという基本的な理解は重要です。」
第二の課題は、AI導入に向けた組織づくりだ。AIを広く導入するには、対人能力や組織の柔軟性がいっそう重視される可能性が高い。中央集権型、分散型、ハイブリッド型など、さまざまなモデルがあるが、最終的には、部門横断の協働を重視するハイブリッド型が最も理にかなうかもしれない。ウェルズ・ファーゴのスジアントは、「さまざまな分野の人々を集める必要があります。そして、もちろん、機械学習やAIの専門家も必要です」と述べた。「そうしたチームを全体的に率いることのできる人が、とても重要です。」組織の柔軟性は、あらゆるAIモデルの中核をなす。複数の経営幹部によると、大企業にとって、AI導入に必要な企業文化の変革は大きな難題となる。
第三の課題は、人間とコンピューターが互いの強みをどう生かせるかを見極めることだ。これは容易ではない。保険会社FWDグループの最高技術・オペレーション責任者エイミー・ホーは、企業にはデータへの優先的なアクセス（調査結果によれば、多くの企業はそれを持たない）、柔軟な組織構造の整備、人と機械を効果的に連携させる方法の習得が必要だと述べる。これらはいずれも、企業と従業員双方にとって困難な文化変革を意味する。
マネジャーは、AIの活用が現状の改善にとどまらないことも理解する必要がある。本当に難しいのは、例えば医療業界で予想されるような、バリュープール全体が移り変わる可能性を理解し、環境が変化する中で持続可能な競争優位性を築く方法を見極めることだ。（「人工知能時代の競争」、BCG記事、2017年1月、および「人工知能を実践に生かす」、BCG記事、近日公開予定を参照。）
AIと雇用
AIが雇用に及ぼす影響について最近示された悲観的な予測とは対照的に、今回の調査は慎重な楽観論を示唆している。例えば、回答者の大半は、今後5年以内にAIによって自組織の雇用が減少するとは予想していない。（図表2参照。）約70%は、AIによって自分の仕事が自動化されることを恐れていないとも答えた。同程度の割合の回答者が、現在の退屈で不快な業務の一部をAIに任せたいと望んでいる。一方、回答者の圧倒的多数は、今後5年間にAIによって従業員が新たなスキルを身につける必要が生じ、既存のスキルも拡張されると考えている。
今日、ほぼすべての企業にAIに関する計画が必要だ。大半の企業は計画を持たず、動き出しが遅れた企業には追いつくべき課題がある。始めるのに遅すぎることはないが、さらに長く待てば、競争環境はますます不利になる。報告書全文では、次に何をすべきかについて具体的な手順を示している。
