新たなOliver Wymanのレポートによると、企業の70%がAI技術を導入済み、または導入予定です。
AIに多額の資金を投じても、変革的な成果が保証されるわけではありません。重要なのは導入の進め方です。
AIによる変革を成功させるには、適切なリーダー、更新されたガバナンスモデル、「全面的な関与」の姿勢、そして迅速な成果から始まるタイムラインが必要です。
ビジネスリーダーは、生成人工知能（AI）に多額の資金とリーダーシップの注意を振り向けています。今や重要なのは、その賭けを実りあるものにするための困難な取り組みです。
多くのものがかかっています。Oliver Wymanによる新たな調査では、欧州および南北アメリカの400人のCレベル経営幹部を対象に実施したところ、70%が、AI技術を全面的に導入済みである、または導入を計画していると回答しました。すでにこれらの中堅から大企業は、固定的な先行投資として年間収益の平均2.2%を支出しています。3.5%もの金額を支出している企業もあります。
回答者全員が、AIは製品開発から顧客体験に至るまで、事業変革における重要な推進力になると述べました。当初の投資は、業務効率、労働生産性、インサイト／分析、リスク低減に重点が置かれています。
生成AIを導入するための5つの戦略
インターネットが新たな経営上の機会と課題をもたらしたのと同様に、生成AIもまたそれらをもたらしています。この技術から最大限の価値を引き出すには、企業は今の局面に適したリーダーを選び、組織変革のために新たなレベルの複雑さを受け入れ、ガバナンスを見直し、トレーニングを改善し、幅広い賛同を得るために迅速な成果を積み上げる必要があります。
生成AIの競争に参加している企業にとって、2023年は主にテスト、学習、パイロット導入の年でした。2024年の大きな課題は、測定可能な価値の創出をどう始めるかです。以下は、リーダーが生成AIへの取り組みを始めるにあたって心に留めておくべき5つの戦略です。
1. AI変革に向けて適切なリーダー構成を選ぶ。
生成AIに充てられている資金の規模を考えると、企業には中途半端な対応を取る時間はありません。利益を迅速に獲得できなければ、競合他社が獲得するでしょう。しかし、資金を投じることは、全社的な変革に取り組むことと同じではありません。後者のためには、リーダーはまず、自組織とリーダーシップが、日々の事業運営の仕方を変える準備が真に整っているという確信を持つ必要があります。
これには、いくつかの大きな問いに答える必要があります。AIはどのように私たちの成長を後押しするのか。AIは仕事の進め方をどのように変えるのか。誰が 自分のリーダーシップチームにおいて、業務を変革する能力を持ち、かつそのための管理上の余力があるのか。全社にわたって真の変革を広めるための旗振り役を担うのか。
どの機能も単独で存在するものではありませんが、多くの上級管理職は、そのような変化を可視化するために、全社を横断する十分に詳細な視点を持っていません。そのため、IT部門や個々の事業部門に任せてしまいがちです。成功する変革には、真に全社横断的な取り組みが必要です。
2. 複雑さと新しいアプローチを受け入れる。
生成AIは、多くの人々の仕事の進め方を急速に変えつつあります。組織全体で、リーダーはAIを活用する方法を学ばなければなりません。これは、技術の導入において組織全体にわたる一定レベルの複雑さを受け入れることを意味します。かつてサイロは、企業内の中核的な専門組織が発展するための最良の方法でした。しかし、サイロは生成AIによる本格的な変革の取り組みを、すぐに妨げることになるでしょう。
変革が拡大するにつれ、新しいアプローチ、新しいスキルや資源、そして新鮮な視点が必要になります。リーダーは、ボトムアップのイノベーションとトップダウンの指示のバランスを取り、最も大きなインパクトを生む領域を見極めて、その実現に向けて結集させなければなりません。
3. 人と機械の相互作用に設計原則を組み込む。
経営陣は、生成AIの機能をどのように統治するかを継続的に見直す必要があります。Oliver Wymanの調査によると、データプライバシー（25%）とセキュリティ上の懸念（22%）が、企業のAI導入を妨げる主な要因です。さらに、機械が幻覚（ハルシネーション）を起こすこともあります。機密保持や法的保護を設けたり、人間を判断のプロセスに組み込んだりするだけでは不十分です。なぜなら、機械がすでに999回連続で正しく処理した問題を、人は監視しなくなるからです。
これは単なる制御の問題ではなく、設計上の課題でもあります。複雑で自律的に動作する機械を効果的に制御するには、特に制御の引き継ぎ時に、人間中心の設計原則を慎重に用いる必要があります。これには、より迅速かつ詳細な監視システムの設計が求められます。これらの分野での経験は、それが容易ではないことを示唆していますが、実現は可能です。
4. リスキリングによってAI変革に従業員を巻き込む。
生成AIによる変革を妨げている問題の一つは、トレーニングをめぐる従業員とリーダーの認識のずれです。
完全に従業員の98%が、今後5年以内に生成AIのリスキリングまたはスキルアップが必要になると述べており、またミレニアル世代とZ世代の労働者の4人に3人は、新しいスキルを学ぶ機会が提供されなければ転職すると答えています。それにもかかわらず、経営幹部は、従業員の40%のみがAIに関するトレーニングを必要とすると考えています。
トレーニングは継続的に行われ、実際のプロジェクトでの作業を含める必要があります。2023年が試行錯誤による学習の年だったとすれば、2024年以降は実験と協働の年になるでしょう。
5. 効率化による迅速な成果を積み上げる。
AIと生成AIを、取り組みやすい低い位置にある果実（容易な課題）に適用し、企業の導入の初期段階で容易な成果を積み上げることで、管理者はより大きな変革に向けた主張を行う際に、具体的な成功を示すことができます。
さらに、コスト削減に焦点を当てた企業変革は、より成功する傾向があります。そのため、生成AIをより広範な取り組みと結び付けることが、始めるうえで適切な出発点となります。特定の業務プロセスやユースケースに取り組むことは、企業や従業員にとって想像しやすく、着手しやすいことが多いものです。こうした初期の成果は、個人や部門にとって励みとなることが多く、重要な教訓をもたらします。
最終的に、企業は具体的な価値を生み出すために、全社横断的な変革へと進まなければなりません。すでにそれを実践している企業もあります。Oliver Wymanの調査で最も成功した企業は、特にコストが関わる場合に、事業全体にわたる変革に重点を置いたと回答しています。IT主導の変革で成功と判断されたのはわずか4%でしたが、事業部門とITが共同で主導した変革では61%でした。
要するに、深いAI変革に取り組む企業が最良の成果を得ており、取り組まない企業は取り残されるリスクがあるということです。
