AI とデジタル トランスフォーメーションのつながり
人工知能 (AI) とは、「知能」を持つ機械の開発に特化した研究分野です。ビジネス分野に適用されている AI は、組織のすべてのアクティビティとオペレーションの変革を含むプロセスであるデジタル トランスフォーメーション (DX) の中心となっています。
人工知能の「知能」とは、推理、問題解決、言語学習、論理的思考、分析、パターン認識など、人間の能力に似た能力を指します。 これらの技能により、機械は人間の思考を模倣することができます。AI タスクには、日常的なもの (絵を認識して説明する、文章を翻訳するなど) もあれば、決まった型に従ったのもの (プロジェクト管理やリソースの割り当てを支援する、ルービック キューブを解くなど) や、専門的なもの (サイバーセキュリティの脅威を検出する、自動運転車を操作するなど) もあります。
デジタル トランスフォーメーションは、単純にアナログの情報やプロセスをデジタル形式に変換するだけのものではなく、組織の運営方法や価値の提供方法を根本的に変えるものです。組織の中核となるプロセス、ワークフロー、カスタマー エクスペリエンス管理の全面的な見直しを伴います。デジタル トランスフォーメーションは、すべての製品、業務、部門にわたってテクノロジーを統合することにより、ビジネス環境全体を再構築します。
「この『デジタル化』の道のりは 100 年目を迎えます」と、AI 映像分析企業 Dristi (ドリシュティ) の創設者であるプラサード・アケラ (Prasad Akella) 氏は言います。「変容のプロセスがあり、デジタル化は世代によって特徴が違います。しかし、大規模な自動化を進めようとする考えに戻り、人間による作業が減少してきています。100 年前の米国では、人口の 80% が農業に関与していました。現在では 10% 未満です。それは、デジタル化の最初の波が、機械化という形で訪れたからです」。
デジタル トランスフォーメーションそのものは常に変化しています。現在訪れているデジタル トランスフォーメーションの波は、機械化だけにとどまりません。企業の機能と運営のあらゆる側面へのテクノロジーの統合が求められます。これは、文化全体に根本的な変化がもたらされるということでもあります。その影響は、企業とその自社データとの関係性、そして、従業員の個々の働き方、チームの共同作業の方法、ビジネス プロセス全体の働き方に現れています。
同じ企業は 1 つとしてないため、デジタル トランスフォーメーションのロードマップも各企業のニーズや目標に応じて多少異なります。しかし、成功しているすべてのデジタル トランスフォーメーションには、カスタマー エクスペリエンスを中心に展開しているという共通の要素があります。
しかし、トランスフォーメーション (変革) とは、何を意味するのでしょうか。 「各企業は、基本的なサービスと製品そのものを変えようとしています」と、EY India (アーンスト・アンド・ヤング インディア) のパートナー兼コンサルタントであるマヘシュ・マキジャ (Mahesh Makhija) 氏は言います。 「会社を銀行のようなものだと考えてみてください。かつて銀行は、個人のお金を預けたり、ローンを申し込んだりするための場所でした。しかし今では、デジタルの利用と分析ツールの活用により、それ以上のさまざまなエクスペリエンスが提供されています。たとえば消費者が電子商取引で体験するようなサービスがあります。住宅ローン部門では、実際の家探しを支援するサービスもあります。主体である製品を提供するだけにとどまらず、顧客のニーズを理解し、その顧客の期待に応える多数の新製品やサービスを開発しているのです」。
中小企業の場合、従来、銀行は中小企業向けローンを申し込む場所でした。マキジャ氏は言います。「しかし今では、ノート パソコンの購入から、調達、税務相談、給与計算のサポートに至るまで、全面的なサポートが提供されます。これらすべてを銀行が行っているのです。より多くの顧客を獲得し維持するために、銀行自体がこれらすべてのサービスを提供しています。これが、デジタル トランスフォーメーションの視点から見た、現在起きていることなのです」。
デジタル トランスフォーメーションには、テクノロジー、アクティビティ、境界、ゴールの 4 つの側面があります。『Business Horizons (ビジネス ホライズン)』誌に掲載された「AI 準備フレームワーク」に関する論文によると、これらは組織の生活と文化の 4 つの大まかな側面であり、それゆえに組織が変革を行う可能性のある 4 つの大きな領域でもあります。
- テクノロジー: 新しいデジタル テクノロジーは、デジタル トランスフォーメーションの固有の必要条件であり、新しいテクノロジーが組織の活動、境界、ゴールを形成します。
- アクティビティ: テクノロジーは、組織内でどのアクションが最適化、強化、または完全に変換できるかということに影響する場合があり、割り当てられたタスクや必要なスキルに影響する可能性があります。たとえば、学習アルゴリズムは組織内の専門知識の性質を根本的に変え、仕事の境界を再構築することがあります。
- 境界: デジタル テクノロジーの導入により、組織内のさまざまな種類の境界線が変化する可能性があります。物理的な製品はデジタル部品で強化され、物理的なワークスペースはリモートのワークスペースに置き換えられ、必要なスキルが大幅に変わり、組織と顧客との関係全体が変化します。
- ゴール: デジタル トランスフォーメーションには、新しいプロセス、製品、そして最終的には新しいゴールが必要です。新たなゴールは、組織のアイデンティティに多大な影響を与えます。これが、新しいデジタル技術によってもたらされるものです。
| デジタル トランスフォーメーションの側面 | 現れる形 |
|---|---|
| テクノロジー | デジタル テクノロジーにおける変化 |
| アクティビティ | デジタル テクノロジーの変化に起因する活動の変化 |
| 境界 | デジタル テクノロジーの変化に起因する境界の変化 |
| ゴール | デジタル テクノロジーの変化に起因するゴールの変化 |
デジタル テクノロジーのこれら 4 つの側面を使用して、現在の状況とキャパシティだけでなく、組織内の将来の期待とニーズを評価できます。これによりリーダーは、従業員が自信を持っている部分と不安に思っている部分を把握できます。
『California Management Review (カリフォルニア マネジメント レビュー)』で引用された調査によれば、2016 ～ 2017 年に組織/団体の 85% が AI 導入を計画しており、組織/団体の 20% はすでに導入しています。今年初めの Research and Markets (リサーチ アンド マーケット) のレポートによると、2017 年から 2025 年までにおける人工知能市場の年間成長率は 52% になる見込みです。
「AI は業種を越えてデジタル トランスフォーメーションの取り組みを促す触媒の機能を果たしています」と、『Digital Transformation in Business and Society: Theory and Cases (ビジネスおよび社会におけるデジタル トランスフォーメーション: 理論と事例)』の編集者であるバブー・ジョージ (Babu George) 氏は言います。 「AI は、膨大な量のデータを処理し、プロセスを自動化し、知見を生成するその能力で、デジタルの波を乗り越えるテクノロジーを支えます。反対に、デジタル トランスフォーメーションで生まれた膨大な量のデータによって AI の開発が促進され、正のスパイラルが生まれます」。
AI と自動化の違い
AI も自動化も、業務運用の効率化、コストの削減、タスクの迅速かつ正確な実行、データの効果的な活用を支援します。ただし、AI は学習し、意思決定を行い、時間をかけて適応していくシステムであるのに対し、自動化は一貫性を保ちながら繰り返しタスクを実行するようにプログラムされたテクノロジーです。
AI と自動化の主な特徴を以下に示します。
- プロセスの性質: 自動化とは、人間の介入なしにタスクを実行できるハードウェアやソフトウェアを作成するプロセスを指します。人工知能は、人間の知能と行動を模倣または再現する (場合によっては人間の知能と行動と競合することさえある) テクノロジーを作り出す研究分野です。
- データ量: 自動化は、明確に定義された限られた量のデータで動作するものであり、決められたプログラミングに従ってタスクを機械的に実行します。それとは対照的に、AI が機能するにははるかに膨大な量のデータが必要で、人間の脳と同じように多少の不確実性にも対応できます。
- 思考タイプ: 自動化システムは、決められた一連の直線的な手順に従ってタスクを実行します。AI システムは人間の思考と推理プロセスを模倣しようとするため、より複雑な情報パターンに対応し、認識することができます。AI は多くのテクノロジーを駆使し、数学的分析や論理的思考を用いて膨大なデータ セットを迅速に処理した後、意思決定や予測を試みます。
- 必要な監督: 自動化システムは、繰り返しのタスクで人間の労働を減らすことを目的としているため、監督が必要となることを前提としていません。AI の場合は、初めて組織やワークフローに導入する場合は特に、監督者と共同で作業を進める必要があります。
- 労働の目的: 自動化の目的はタスクを繰り返すことです。新しいプロセスを機械学習する必要も、自ら考える必要もありません。一方、AI システムは新しい状況に適応し、データと経験から学習し、状況に応じて対応し、徐々に改善していくことができます。AI は、状況の理解と推理が求められるような複雑で構造化されていないタスクも処理できます。
AI と自動化の比較 | ||
|---|---|---|
| AI | 自動化 | |
| 作業の性質 | AI は人間の知能を模倣します。 | 自動化システムはタスクを自動的に実行します。 |
| データ量 | 膨大な量のデータが必要で、不確実性も伴う場合があります。 | 有限の情報で動作することができ、明確なプログラミングを必要とします。 |
| 思考タイプ | パターンや根拠を認識し、意思決定と予測を行うことができます。 | 決められた直線的な手順に従って繰り返します。 |
| 必要な監督 | 監督者との共同作業が必要です。 | 共同作業が必要ないため、監督に必要な時間を節約できます。 |
| 労働の目的 | 経験から学び、新しい状況に適応し、状況に対応します。 | 同じ一連のタスクを繰り返します。 |
AI がデジタル トランスフォーメーションに重要な理由
企業が変化し続けるデジタル環境に適応し続け、人工知能業界が成長するにつれ、AI は成功するデジタル トランスフォーメーション戦略にとって不可欠になりつつあります。AI を採用することで収益性とカスタマー エクスペリエンスが向上し、ビジネス リーダーの意思決定能力が強化されます。
「AI はバリュー チェーン全体で人間の能力を拡張させることができるため、近い将来、デジタル トランスフォーメーションに不可欠になるでしょう」とジョージ氏は言います。「主なメリットは、ハイパーオートメーションによるコスト削減、高度な分析によるスマートな意思決定、インテリジェント プロセス オートメーションによる生産性の向上です。さらに、AI によって、予知保全、需給に応じた変動的な価格設定、ハイパーパーソナライゼーションなどの革新的なビジネス モデルが可能になり、最終的には収益性の向上と競争上の優位性につながります」。
- 分析力の向上: AI はこれまでよりも多くのデータを迅速に処理できるため、新しいつながりやパターンを示すことができ、精度の高い予測ができるよう支援します。たとえば、適切に監督されていれば、AI は医療分析企業がリスクのある患者グループを新たに特定する場合に支援できます。同様に、マーケティング会社も Web サイトの電子商取引データの AI 分析を活用し、ターゲットを絞ったキャンペーンを展開できます。
- 意思決定の強化: AI は多くのデータを迅速に処理できるため、組織は AI によって認識されたパターンや関係性に基づく多くの情報をもとに意思決定を下すことができるようになります。またその結果、企業は実用的なインサイトを得ることができ、そのインサイトを使って柔軟性と適応性を維持することができます。たとえば、財務管理会社が AI を活用して新しい機会とリスクを認識し、その情報を使用してクライアントにより良いアドバイスを行うことができます。
- 収益性の向上: コストの削減から無駄の削減まで、AI はプロセスを最適化し、ロジスティクスを改善することで、利益率の向上に役立ちます。たとえば、製造業では AI を活用して設備のメンテナンスに役立てたり、自動車整備業やホテル業では AI を活用して変動価格を設定したりすることができます。
- 顧客プロファイルの強化: 膨大なデータを処理できる AI は、顧客のニーズを深く理解できる、明確で詳細な顧客プロファイルを構築するのに役立ちます。たとえば銀行では、AI を活用して支出パターンを分析すると、特定のローンやポートフォリオなど、個人に合わせた提案ができるようになります。
- カスタマー エクスペリエンスの向上: AI は、企業がカスタマー エクスペリエンス全体を改善するのにも役立ちます。従来の企業やシステムが学習に使用できる知識や使用事例には限りがありますが、AI は顧客がまだ直面していない問題を予測することもできます。
AI の使用事例とデジタル トランスフォーメーション
AI は、創造力を駆使すればあらゆるビジネス目的に適応させることができる可能性があります。業界が違うとさまざまな理由で別の種類の AI ソリューションを使用する傾向がありますが、ほとんどのソリューションは業種を問わず適用できます。
以下に、企業によって展開されている AI の実際の使用事例の一部を紹介します。
カスタマー エクスペリエンス: AI を活用したエンジンは、顧客の購入、問い合わせ、SNS 活動、場所に関するデータを使用して、企業が顧客に合わせたサービスやおすすめを提供できるよう支援します。たとえば、Booking.com (ブッキング・ドットコム) では、機械学習モデルを活用して顧客の活動に基づくおすすめのホテルやフライトなどの的を絞った情報を顧客に提供します。また、同サイトの AI トリップ プランナーは、独自の旅行プランを検討している顧客からの問い合わせに答えます。Bank of America (バンク・オブ・アメリカ) のバーチャル アシスタントである「エリカ (Erica)」は、顧客に財務アドバイスを提供し、顧客がシームレスに取引を実行できるよう支援します。
- 不正防止: 多くの場合、不正防止では異常を特定するために大量のデータを迅速に処理してパターンを認識する必要があるため、AI はその作業に最適なツールとなります。2021 年の IBM (アイ・ビー・エム) の調査によると、セキュリティの自動化と AI により、企業のデータ侵害によるコストが大幅に削減されました。 AI を使用しなかった企業は、AI を使用していた企業の 2 倍以上の金額を支払っています。不正分析の市場は急速に拡大しつつあり、2021 年から 2023 年にかけてほぼ倍増しています。PayPal (ペイパル) は、AI ツールを使用して取引データを分析し、すべての取引にリスク スコアを割り当て、正当な取引と不正利用を区別しています。
- ジェネレーティブ デザイン: AI テクノロジーは、固定パラメーターと高度なアルゴリズムを使用して多数の製品設計オプションを生成でき、エンジニア、デザイナー、建築家がすぐに利用可能なプロトタイプから迅速に製品を開発するのに役立ちます。たとえば、航空メーカーの Airbus (エアバス) は、ジェネレーティブ デザインを使って「バイオニック パーティション」という炭素排出量を削減できる構造を開発しました。
- ロボティック プロセス オートメーション: ロボティック プロセス オートメーション (RPA) は日常的なタスクや手動のワークフローを自動化することによって企業の効率化と合理化を促進し、従業員の負担を軽減します。たとえば、IBM では人事部門において RPA を広範囲で使用しています。オンボーディングを行っている間に RPA ソフトウェアがすべての書類のスキャンと検証を実行し、新入社員の基本的なデータ入力を行います。これにより、人事スタッフはそうした作業から解放され、従業員エンゲージメントなどのより戦略的な取り組みに集中できます。保険会社の例も紹介しましょう。RPA とデータ分析を活用することで、保険会社は請求フォームの情報を検証して迅速に処理し、顧客満足度を向上させることができます。
- センチメント (感情) 分析: 自然言語処理 (NLP) によってシステムは顧客とのやり取りを分析し、その状況や感情的な背景についてのインサイトを取得できるようになるため、営業やマーケティングのキャンペーンに役立ちます。ユーザー センチメント分析では、オーディエンスの公の場での発言の背後にある思考と感情的な動機を理解し、分析結果をアクション アイテムに落とし込みます。たとえば、Amazon (アマゾン) ではカスタマー レビューのセンチメント分析を使用して全体的な満足度を評価し、製品のおすすめを改善しています。
- サプライ チェーン最適化: AI は、企業のロジスティクスの計画や最適化、サプライ チェーンの管理に役立ちます。McKinsey の 2021 年の調査では、AI を活用したサプライ チェーン管理を早期に採用した企業では、導入が遅れている企業と比較して物流コストが 15%、在庫レベルが 35%、サービス レベルが 65% 改善されたことがわかりました。AI を活用したサプライ チェーン管理の一例が UPS (ユー ピー エス) の物流プラットフォームである ORION (On-Road Integrated Optimization and Navigation、配送ルート最適化とナビゲーションのための統合システム) です。同社の国内のルートの大部分をマッピングし、車両の配送ルートの決定やスケジューリングにおける問題の解決を支援します。ORION は機械学習アルゴリズムを使用して交通パターンや気象条件などのリアルタイム情報を分析し、UPS ドライバーに最適な配信ルートを生成します。
AI デジタル トランスフォーメーションのケース スタディ
AI を組織に導入してデジタル トランスフォーメーションを推進する方法は無限にあります。デジタル トランスフォーメーションは、常に至るところで進行しています。これから、あるチームのストーリーを紹介します。
ケリー・チェン (Kelly Cheng) 氏は、ウェビナー、バーチャル サミットなどあらゆる種類のハイブリッド型イベントの開催を支援する B2B イベント プラットフォームの Goldcast (ゴールドキャスト) で、マーケティング責任者を務めています。チェン氏は、AI によってチームの働き方が根本的に変わり、時間を節約できたと言います。レイオフの嵐が吹き荒れ、どこの企業も自社収益や取り組んでいるパイプラインを維持できないことを認識しつつあるこのような時期には特に、この点が非常に重要だと彼女は言います。
「効率が求められるという点ではきわめて大きな変化がありました」と彼女は語ります。「しかし、効率優先の方針はマーケティング業務とは相容れません。マーケティング業務はクリエイティブな作業だからです。マーケティング業務は、効率的な作業ではないのです」。チェン氏のチームを含む各マーケティング チームがこだわって作成する素材の中には完成まで数か月かかるものもあり、どのチームも自分たちには時間やリソースが不足していることがわかっています。
ここが、AI の使いどころです。「マーケターにとって、AI はアイデアのブレインストーミングに非常に効果的なツールです」とチェン氏は言います。「マーケティングは、決してそっくりそのままロボットで置き換えられるような業務ではありません。もとになる考えを持っているのはあなたであり、その考えを効果的に実現するにはあなた自身が本物である必要があります。ただ、マーケティングにおいて AI を活用して少ないリソースで多くのことを成し遂げることができるのが、ブレインストーミング関連です」。
Goldcast では、チームがイベントやウェビナーのトピックについてアイデアを出し合う際に AI ツールが活用されています。その後イベントが計画され、最終的な成果物は動画形式になります。これが、チェン氏のチームがマーケティング コンテンツを作成するために使用するオリジナルの資料です。現在はリソースが限られているため、同氏のチームでは記録されたイベントからマーケティングのアイデアをすばやく見つけることができるよう、AI を活用しています。「ライブ ウェビナーやソート リーダーシップの討論会の記録など、オリジナルの本物の動画はありますが、60 分の動画をゆっくり座って見ようとする人はいません」とチェン氏は言います。「今のコンテンツの消費方法は、気軽に利用できる短いコンテンツが中心です」。
動画編集者が単独で作業する場合、重いソース素材から TikTok や Instagram スタイルのコンテンツを作成するためには多くのリソースが必要です。つまり、複数の長時間のウェビナーを繰り返し視聴して、使用すべき適切な部分を見つける必要があるのです。また、チェン氏が指摘するように「動画編集者は対象分野の専門家ではありません。どの部分をカットすべきか、オーディエンスが本当に気に入る部分がどれなのかはわからないのです」。それはマーケティング チームの専門分野です。
Goldcast では、ウェビナー、イベント、社内会議、Zoom 録画、製品デモなどのあらゆるコンテンツは指定のコンテンツ ラボに移されます。その後、AI プログラムがすべての記録の文字起こしをします。そうすれば、その後はあなたの思いのままです」とチェン氏は言います。(この取材時の通話はチェン氏のプログラムで記録され、チェン氏も私たちも編集を加える必要はほとんどありませんでした。) AI が、1 時間のミーティングや討論会の記録から 5 つの重要な部分をピックアップしてくれるため、AI を活用することで何百時間もの時間を節約できます。
Goldcast の特定のプログラムでは、そのイベントでオーディエンスだった可能性のある人、イベントを見逃したりサマリーを見たかった可能性のある人、あるいは単に LinkedIn をスクロールして眺めている人など、さまざまな顧客のエンゲージメントに使用できる 5 つの主要なビデオ クリップを素材からカットして作成できます。「長い動画から短い動画を作成することはつまり、少ないリソースで多くを成し遂げられるということです。また、元となる長い動画も活用されるので、その動画の賞味期限も延びます」とチェン氏は言います。「そのやり方でオーディエンスを確実に広げることができます」。
同社のコンテンツ ラボでは、LinkedIn に投稿する特定の動画に付けるテキストの作成、イベントに関する SEO 主導記事の概要の作成、特定のウェビナーの参加者へのフォローアップ メールの送信、社内会議後のサマリーや FAQ の作成など、特定のアウトプットを生成するよう指示することもできます。
「マーケティング チームがさらに機能的かつ効率的に使用できるようにするために、AI のプラットフォームへの適用方法について引き続き熟考を重ねています」とチェン氏は言います。「ただ、これは仕方のないことです。その結果はすべて製品に反映されますし、こうした活動も含めて人々は対価を支払っているのです」。
デジタル トランスフォーメーションのために AI ツールの導入を検討している企業やチームの場合、単純に取り組んでみることをチェン氏は勧めています。「私からのアドバイスとしては、まずは始めてみることです。作成し、使ってみて、試して、実験して、どのようなメリットがあるのかを実際に確認してください」と同氏は言います。「使い物になるまで、試し続けるのです。まだ生まれたばかりの市場です。今もまだ、多くのイノベーションが起こっています。業務を効率化したい、もっとクリエイティブな発想を得たいと本当に思うのであれば、今すぐ始めてください。そうしないと、チームが世の中のテクノロジーに追いつくのに長い時間がかかってしまうでしょう」。
AI を活用して組織のデジタル トランスフォーメーションを支援する方法
組織内で新しい AI システムを展開する際には、必ず必要な情報をすべて揃え、できるだけ多くのリソースを集めてください。次に、具体的なユース ケースを定義し、部門横断的なチームを編成して、AI モデルを開発して訓練し、既存のシステムに統合します。
デジタル トランスフォーメーションの支援に AI を使用するには、次の手順に従います。
- 目標と課題を特定する
まずは、AI で対処する具体的な目的と、AI を使用して解決する課題を特定します。これにより、組織の新しい分野への参入や日常業務の効率改善などを支援する変化やイノベーションが促進されます。
- データの準備状況を評価する
AI システムは、適切な量の良質なデータがそろっていなければ機能しません。新しい AI システムを導入する前に、そのシステムを既存のデータ インフラストラクチャでサポートできるかどうかを確認してください。サポートできない場合は、データの収集と統合を増やすところから始めましょう。
- ユース ケースを定義する
組織の目標を考慮しながら、AI の影響と価値を最大化できる特定のプロジェクトに焦点を定めます。
- 部門横断型チームを編成する
新しい AI ツールを組織で問題なく導入するためには、共同作業が必要です。データ サイエンティスト、開発担当者、アナリスト、IT インフラストラクチャ スペシャリストなど、さまざまなタイプの専門家を含むチームを構築します。AI ツールを導入する場合は、変更管理の専門家やコンプライアンス担当者などのスペシャリストも必要です。これにより、AI イニシアチブの焦点を絞り、常にビジネス目標に一致させることができます。
- AI モデルを開発する
具体的なニーズとデータに応じて、構築する AI モデルを選択します。組織に価値を付加する可能性のあるモデルの一般的な例を紹介します。
- 深層学習モデル: 機械学習の一種で、実行には膨大なデータと計算リソースが必要です。深層学習モデルは、チャットボットやバーチャル アシスタントなど自然言語処理で使用されます。
- 機械学習モデル: データからインサイトを取得したり、プロセスを自動化したりするのに役立つタイプのモデルです。傾向予測、マーケティング キャンペーンの顧客セグメンテーション、品質管理のための単純な動画分析などのタスクを強化します。
- シンボリック AI モデル: データというより人間のノウハウから直接学習するモデルです。実際の専門家によってシステムにプログラムされたルールに従います。たとえば、これらのシステムは、医療分野で診断医を支援するための画像分析に使用される場合があります。
- AI モデルをトレーニングする
AI モデルを決定したら、初期段階で定義した具体的なユース ケースに対応できるようにトレーニングし、テストを実行して評価します。必要に応じて調整します。
- 既存のシステムと統合する
新しい AI ソリューションを現在のワークフローやアプリケーションと統合して、スムーズに導入できるようにします。これには、API、コネクタ、カスタム統合の開発が含まれる場合があります。次に、実際のユース ケースでパイロット実装を実行して、ソリューションの効果と使いやすさを評価します。従業員やエンドユーザーを含むすべての関係者からフィードバックを収集します。
- パフォーマンスを監視する
AI モデルのパフォーマンスを継続的に監視し、フィードバックをもとに改良を重ねます。精度と妥当性を維持できるよう、必要に応じて主要なメトリックの追跡、異常の検出、モデルの再トレーニングのためのメカニズムを実装します。
- 組織全体に拡大させる
パイロット フェーズが成功したら、AI ソリューションをさまざまな部門やチームに広げることができます。各部門の取り組みや要件を考慮して、拡大縮小プロセスのロードマップを作成します。
- 人材に投資する
組織が AI を業務に導入する場合に長期的に必要となるのは、訓練を受け適切なスキルと知識を所有する人材です。将来デジタル トランスフォーメーションを推進する際に必要なリソースと専門知識が組織に備わっているようにするために、データ サイエンスや AI などの分野において継続的に社内機能を構築することを検討しましょう。
AI ツールキット
無料の AI ツールキットのリソースを利用して、AI の導入プロセスを開始しましょう。キットには、AI の準備状況、戦略、倫理を評価するための詳細なガイドが含まれています。
このキットには以下が含まれています。
- Microsoft Word 形式の AI 戦略フレームワーク ワークシート は、AI 戦略をビジネス目標に合致させる独自のガイドラインとベスト プラクティスを作成できます。
- Microsoft Word 形式の AI 準備状況評価 は、データ インフラストラクチャ、人材、コンプライアンスなどの要因を考慮して、組織の AI 導入の準備状況を評価するのに役立ちます。この中には、質問形式のブレインストーミング用ワークシートとチェックリストが含まれています。
- Microsoft Word 形式の AI 倫理ガイドライン プランニング ワークブック は、独自のガイドラインの作成に役立ち、倫理にかなった AI 開発および統合の取り組みを実現します。
デジタル トランスフォーメーションのための AI の使用に関する専門家のアドバイス
覚えておくべき最も重要なことは、組織のデジタル トランスフォーメーションへの投資は常に継続的なプロセスであり、AI の導入は一度きりではないということです。実験を重ねることをためらわず、俊敏さを保ち、新たなトレンドやテクノロジーに触れて、急速に変化する状況の中で継続的な改善に努める組織文化を促進しましょう。
エリアス・ハエック (Elias Hayek) 氏は、アルゴンキン カレッジでビジネス インストラクターを務めた経験を持つ、経営と戦略を専門とするフリーのコンサルタントです。ハエック氏は、自身の記事「A Leader’s Framework for AI Application in Business (ビジネスでの AI 導入に関するリーダーのフレームワーク)」の中で、AI の導入を検討する際にビジネス リーダーが提起すべき最初の質問や懸念で始まる、「AI kickstarter wheel (AI を効果的に開始する機構)」と名付けた概念を明らかにしています。
- イノベーションを起こし、競争に勝利し、ビジネス パフォーマンスを向上させるのに AI で支援できることは何か
- AI は自社の事業や業界にも役立つのか、この種のプロジェクトにはどのような能力が必要か
- どこからどのように始めればよいのかAI を展開するのに今が良いタイミングなのか
- どの程度の投資が必要で、どのように ROI を正当化するのか
- 組織にどのような影響があるのか誰が影響を受けるのか
- AI を取り巻く論争がある中で、どのような課題が予想されるか
これらの懸念を整理するため、また、ビジネス リーダーが課題を予見し解決策をブレインストーミングするのを支援するために、ハエック氏は「トリプル S フレームワーク」を考案しました。Scope (範囲)、Strategy (戦略)、Structure (構造) という 3 つの「S」の原則に従うことで、AI を円滑に問題なく導入できます。
「私自身の経験から、組織に AI を導入する際には 2 つの大きな問題が表面化します」と、ハエック氏は Smartsheet のインタビューで語っています。「1 つ目の問題は、テクノロジー活用についての中間管理職による誤解に関連しています。中間管理職の中には AI アプリケーションの知識を持つ人もいますが、大方は適切なトレーニングを受けていないか、日常業務で AI を使用するメリットを理解できていないかのどちらかです。通常はこのような人々が変化を推進します。その結果、多くのデジタル トランスフォーメーションのプロジェクトが壁にぶつかってしまいます。2 つ目の問題は、戦略の策定において上層部との間に理解の差があることに関連します。多くのリーダーが組織に AI を導入したいと考えますが、AI によってどのように価値を創出するかについてはあまり理解していません。(最新のトレンドだから、流行に乗り遅れてはいけないからというような理由で AI 導入を決定したためなのか) このようなリーダーはテクノロジーを正しく理解しておらず、結局のところ、範囲や目的がはっきりしないデジタル トランスフォーメーション戦略を策定するはめになります。実質的な導入は進まず、AI はオフィスの流行語の域を出ないままです」。
こうした潜在的な問題に対処するためのハエック氏のアドバイスは「AI の導入を検討する前に、これらの課題に対処しておく」ことです。ここで「トリプル S フレームワーク」が登場します。「範囲は、組織のあらゆるレベルのリーダーが集まって特定のケースに最適な AI ソリューションをブレインストーミングするのに役立ちます。つまり、AI によって組織で実際に何を達成したいのか、目的を決めます」と、ハエック氏は言います。「それが決まったら、次は組織目標に一致する戦略を策定します。目的と戦略が明確になったら、最後にどのような構造で実行するのかを決定します。中間管理職がプロセス全体に関与していれば、導入が容易で、変更も迅速に行われます」。
組織のデジタル トランスフォーメーションのために AI を導入する方法
AI の導入は、デジタル トランスフォーメーションの取り組みにおける最初の投資であり、最も重要な投資でもあります。AI はビジネスのほぼすべての側面を支援しますが、共同作業、メンテナンス、コミュニケーションも必要です。
企業のデジタル業務の整備には、このダウンロード可能なデジタル トランスフォーメーションのガイドで学ぶような、計画的かつ戦略的な行動が求められます。デジタル トランスフォーメーションのために AI に投資することを決めたら、次の重要なステップをおさえておきましょう。
- 問題の定義: これは、AI システムを導入する前の最も重要なステップです。AI が解決しようとしている問題が何かを明確に定義することは不可欠です。達成しようとしている目的は何でしょうか。そして、その目的を達成するために AI で支援できることは何でしょうか。また、最初の段階で評価システムを決定しておくことも重要です。導入を開始する前に、AI システムの評価にどのような要素や指標を使用するかを把握しておきます。
- トレーニングと共同作業: ビジネス リーダーは、導入中の AI システムに従業員がなじむようにする責任があります。また、部門や作業プロセスに AI を組み込む方法に問題がないことをチームに対して示す責任もあります。これには、AI によってどの職務がどのような影響を受けるかを明らかにすることだけでなく、誰もが必要に応じてトレーニングを受けてスキルアップできる体制を確保することも含まれます。
- イノベーションの促進: 従業員が新しい AI システムになじめるようにする取り組みの一環として、従業員が新たな詳細情報を見つけテクノロジーを深く理解できるよう、アイデアを共有したり探求したりできる余地を設けましょう。部門を越えた共同作業は部門間の橋渡しとして機能し、最終的には全員の効率と意欲を向上させることができます。組織内で変化していくのはプロセスやワークフローだけではありません。社員と社員の認識も変化していきます。
- 統合: 効果的な AI 導入戦略では、新しいシステムとすでに導入されているシステムを統合する方法を常に考慮します。このプロセスは可能な限り円滑で、混乱を防ぎ、生産性を向上させるものである必要があります。新しいシステムを利用する必要のあるすべての従業員が、同じ認識を持つ必要があります。
組織はさまざまな方法で、デジタル トランスフォーメーションのために AI を活用できます。組織内で改善に役立つ AI の役割をいくつか次に示します。
- カスタマー サービス: チャットボットやバーチャル アシスタントは顧客別にパーソナライズされたケアやおすすめを提供し、顧客エンゲージメントとロイヤルティを向上させます。また、AI を使用して顧客の行動やフィードバックを分析し、センチメント分析を実施して、顧客の好みを深く理解することができます。さらに、AI は、自動チケット ルーティングから多言語サポートに至るまでのさまざまなタスクを支援できるため、顧客を適切な部門や役員に簡単につなぐことができ、全体的なカスタマー エクスペリエンスが向上します。
- 財務および会計: AI によって、データ入力、簿記、請求書発行、経費管理、調整などの日常的な財務タスクを自動化できます。チャットボットやバーチャル アシスタントも財務に関する顧客や従業員からの問い合わせや懸念への対応に役立ちます。また、不正や異常な取引の検出を専門とする AI ツールもあります。予測モデリングとデータ分析によって予算編成と予測を合理化することもできます。
- 人事: 求人広告、採用活動やスクリーニングから、オンボーディングや監督に至るまで、各種の人事プロセスは AI で自動化できるため、人事部員が人材についてじっくり検討する時間を増やすことができます。これには、従業員エンゲージメントの構築、不足スキルの教育、労働力分析の実施が含まれる場合があります。
- マーケティングと販売: Goldcast の例が示すように、AI はさまざまな方法でマーケティングと販売のプロセスを合理化し、改善できます。市場調査の実施、顧客データの分析、傾向の予測、売上の予測、パーソナライズされたメッセージの作成、大量のコンテンツの管理可能なレベルへの簡略化など、さまざまなタスクを支援します。
- 運営: AI は、部門間の垣根を越えて内部プロセスを合理化し、最適化することができます。組織の業務を改善するには、データ入力、メンテナンスのスケジューリング、文書処理、品質管理などのプロセスを AI を活用して改善すると、コストを削減できます。また、AI ツールは、労働力の管理と評価、輸送コストを最小限に抑えるための物流の最適化、在庫の監視にも役立ちます。
- 製品開発: AI システムは、需要や新しい傾向の調査と予測を通じて、新しいアイデアを生み出したり新しいアイデアの糸口を見つけたりするのに役立ちます。また、設計やプロトタイピングを改善することで、製品開発のライフサイクルを加速できます。
- 研究開発: AI は、予測モデリングに基づいて、大量のデータの分析やさまざまなビジネスの意思決定結果の予測を支援します。これは、実用的なインサイト、傾向、パターンを明らかにするのに役立つだけでなく、戦略的プランニング、リスク管理、マーケット インテリジェンスに関する情報ももたらします。AI を使用して、実験を自動的に設計して実行し、その分析を実験結果に基づいてリアルタイムで調整することもできます。
- リスク管理とコンプライアンス: AI の予測機能により、リスクと変動性を効果的に検出して予測できるほか、コンプライアンスを確保することもできます。一部のツールではリスクのシナリオをモデル化し、企業がさまざまな出来事の影響を理解するのに役立てることができます。
デジタル トランスフォーメーションにおける AI の将来
結局のところ、AI はこれからのデジタル トランスフォーメーションに不可欠なものになりそうです。AI の導入段階はまだ始まったばかりですが、今すぐ AI の導入を開始する企業は、イノベーションと効率性において他社に先んじることができるでしょう。
ジョージ氏によると、AI によって可能となる「非常に直感的なノーコードのプラットフォーム」の実現は、世界中のビジネスに大きな変革をもたらします。これにより、企業はカスタムのアプリケーションを開発できるため、「あらゆる規模の組織がデジタル トランスフォーメーションを達成できるように」なります。製品や体験の顧客別カスタマイズから「継続的に適応するモジュール式の自己学習システム」の運用や「プロセス、リソースの割り当て、意思決定の最適化」に至るまで、AI はビジネスにおけるエージェンシーやリーダーシップの概念そのものを大きく変えるでしょう。
ジョージ氏は次のように感じています。「最も重要な変化は、予測的で積極的な問題解決が可能になるということです。AI によって、企業は膨大な量のデータと高度な予測分析を活用し、サプライ チェーンの混乱から顧客離れまで、潜在的な問題を予測して積極的に対処できるようになります」。
Smartsheet で AI によるデジタル トランスフォーメーションを加速化
ニーズに合わせ変化に対応できるようデザインされた、柔軟性のあるプラットフォームで、チームの能力を最大限に引き出しましょう。 Smartsheet プラットフォームなら、いつでもどこでも簡単に作業の計画、保存、管理、およびレポート作成が可能なため、チームはより効率的かつ効果的に仕事を進めることができるようになります。作業に関して主要なメトリックを表示したり、リアルタイムの可視性を提供したりするために、ロールアップ レポート、ダッシュボード、および自動化されたワークフローを作成する機能も装備されており、チーム メンバーをつないで情報共有を促進することが可能です。 やるべきことを明確にすると、チームの生産性と作業達成能力が向上します。ぜひこの機会に Smartsheet を無料でお試しください。