エージェント型AIは、根強く残る従来型のビジネス思考を打破する手段を提供します。
それは、売上と利益の双方に貢献する持続可能なビジネスモデルの創出を支援できます。
組織は、急速に変化するビジネス環境において機会を拡大するため、エージェント型AIへの投資を検討すべきです。
企業は、持続可能なビジネス慣行を通じて、多くの称賛に値する目標を達成しており、現在もその実現に向けて取り組んでいます。その中には、包装の無駄を減らした製品、より倫理的に調達された素材、製品試験における責任ある取り組みなどが含まれます。一方で、地球環境と利益の双方を同時に高めるような持続可能な慣行やビジネスモデルは、まだあまり見られません。
これは、特に調達、価格設定、製品開発に携わる人々にとって、持続可能性の原則と従来のビジネス思考がしばしば相反するためです。例えば、価格モデルが一般的に、最低限の基準を満たす製品をできるだけ安く調達することに重点を置いている場合、非線形のサプライチェーンを伴うより持続可能な製品のための価格およびコストモデルへと切り替え、それを構築することは容易ではありません。
さらに、厳格な持続可能な調達慣行を導入するために必要な仕組みは、複数の企業領域、システム、ステークホルダーにまたがる可能性があります。調達、製品開発、物流、マーケティングの各チームは、いずれも足並みを揃えて行動する必要があります。これらのチームは、通常の状況ではデータやビジネスインテリジェンスを容易に扱えるかもしれませんが、素材のトレーサビリティ、ベンダーの倫理、労働や貿易に関するコンプライアンスをめぐる課題への対応は、まったく別の難題です。
フォーラムが、リーダーがAIを理解し、責任あるイノベーションに向けて協働することをどのように支援しているか
AI卓越センターは、各分野のリーダーをつなぎ、人工知能の急速な進化と、経済および社会へのその影響を理解することを支援しています。AIの導入に関連する機会、リスク、トレードオフについて、十分な情報に基づく対話を支援しています。
信頼できる場と協働イニシアチブを通じて、センターはパートナーが共通理解を構築し、AIの革新と利用に関する責任あるアプローチについて共に取り組めるよう支援しています。
必要とされているのは、こうした根強い境界を打破する方法です。そこで登場するのがエージェント型AIです。
エージェント型AIの仕組みでは、AIシステムが協働して自律的に新たな知識を獲得し、複雑な課題に対する解決策を調整・統合します。これにより、企業が突破口を開く道が生まれます。エージェント型AIでは、AIエージェント同士が情報を共有し、学習し、推論します。これにより、人間のステークホルダーが見落としがちな新たな相関関係を見出すことが可能になります。
エージェント型AIは、解釈と推論における画期的な進歩です
自律性、学習、調整の能力により、マルチエージェントAIモデルは、企業が従来型のビジネス思考に疑問を投げかけるようなパターンを探り、感応度を見出す助けとなります。これは、環境負荷が低く、回復性が高く、ライフサイクルの長い持続可能なビジネスモデルを成功裏に設計するために必要なことです。
これらのエージェントを、特定の領域（税務ルールや輸出コンプライアンスなど）または記録システム（調達や製品ライフサイクル管理アプリケーションなど）の管理者とみなしてください。これらは、その領域から解釈し推論を導き出すよう訓練されています。
しかし、事前に定義されたルールやアルゴリズムに依存する従来のAIシステムとは異なり、これらのシステムは環境の変化に動的に適応できます。新たなデータから学習し、人間による監督を減らしつつ、十分な情報に基づいた判断を下すことができます。複数のエージェントが組織の縦割りを越えて連携し、相互作用し、調停し、プログラムによって作り出されたものではない直感的な推論を提供します。
トレーサビリティ、可視性、製品保証に関する古い考え方を超えて
マルチエージェントシステムが、持続可能でレジリエントなビジネス慣行を大きく前進させるための方法は3つあると考えます：
1. 資源の因果関係を理解する
現代の多くの企業では、原材料の調達、エネルギー使用、製品構造設計、製造計画、物流などの活動が、いずれもバラバラのシステムを通じて、縦割りの組織内で管理されています。
エージェント型AIシステムは、企業がこれらのシステム全体にわたる因果関係を特定し、学習し、強化するとともに、持続可能性の目標を達成する業務プロセスを設計する助けとなります。
例えば、「ハンドバッグの部品価格と倫理的な賃金の間にはどのようなトレードオフがあるのか？」といった問いを考えてみてください。この問いに答えるためのデータは、ビジネスの関係者が利用できる様々な領域内に存在しています。問題は、彼らが縦割りを越えてデータを横断的に見て、答えを導くための洞察を引き出すことに慣れていないという点です。
一方、AIエージェントは、ルールベースではなく自律的な方法で、複数のデータソースを照合し、相関させることができます。 推論の負担の多くはこれらのエージェントに移されるため、人間のステークホルダー間での長期にわたるやり取りの必要性が減ります。さらに望ましいことに、エージェントは人間が見落とすであろう相関関係を見出す可能性が高いです。
もう一つの問いを考えてみてください：「森林破壊によるストレスを理由に、サプライヤーAからの調達をどの程度の量で切り替えるべきか？」この問いは、専門家による分析によって一度限りであれば答えることができます。しかし、大規模な製品ポートフォリオ全体にわたり、複数の環境要因に対する管理体制を確立するとなると？それにはエージェント型AIによって可能になる自動化が必要となるでしょう。
2. サプライチェーンにおける先回りした洞察を得る
企業は一般的に、サプライチェーンのレジリエンスを確保するために、定期的な監査やサードパーティによる報告に依存しています。しかし、こうした個別の取り組みからは、潜在的な混乱について断片的な見方しか得られません。監査、検査、認証のプロセスが分断されていると、サプライの流れ全体、あるいは地政学的問題の変化によって生じうる潜在的な違反やストレスを、包括的に把握することは困難です。
マルチエージェントAIを導入して、システムや取引を監視し、パターン、閾値、異常を認識することができます。これらの洞察により、企業はより優れた先回りのシナリオ分析を通じて、サプライベースを見直し、信頼できるチェーンを育成できる可能性があります。例えば、衛星画像の解釈を訓練されたAIエージェントが、農産物の調達を管理するエージェントと連携し、森林破壊の懸念についてサプライチェーン管理者に警告することができます。
3. 多面的なコンプライアンスとガバナンスの負担を軽減する
強力なコンプライアンスおよびガバナンスの枠組みは、信頼、誠実性、長期的な持続可能性を促進します。しかし、企業は多くの場合、相互に交差する複数の枠組み、報告モデル、監査証跡への対応を迫られています。その結果、同じ記録が複数のコンプライアンス枠組みの中で提示されることがあり、またその逆もあります。ほとんどのコンプライアンス枠組みでは、複数の記録システムにわたってデータを集約することが求められます。例えば、労働コンプライアンスに関する報告は、輸出管理、持続可能性、知的財産保護、多様性に関する報告にまたがることになります。
エージェント型AIを活用すれば、エージェントが連携して、データセットを意味的に整理し、適切な種類のコンプライアンスおよび開示モデルへとまとめることができます。これにより、外部開示および報告業務の大部分を自動化できます。
例えば、環境や素材の安全性に関するデータセットは、複数の法定モデルにまたがって解釈され、多くの企業のステークホルダーによって利用される必要があることがよくあります。エージェント型AIは、専門人材への依存を減らし、人々が必要とする文脈において情報を活用できるよう、文脈に応じた回答を提供します。
加えて、企業は遵守の仕組みを構築し、そうでなければ不適合やレピュテーションリスクにつながりかねない不一致やデータまたは監査上の欠落を浮き彫りにすることができます。
エージェント型AIと持続可能なビジネスモデルの未来
エージェント型AIは、企業が持続可能性への取り組みを妨げている根強い思考様式を乗り越える助けとなります。マルチエージェントシステムは、売上と利益の双方に恩恵をもたらすことができる、自己充足的で持続可能なビジネスモデルへと拡大しうる業務プロセスを設計する、変革的な機会を提供します。
