生成 AI 導入に伴い CIO に求められる IT 戦略の変更 | オートメーション・エニウェア

IT リーダーであれば、生成 AI に強い関心をお持ちだと思います。最初は懐疑的な見方をしていたリーダーも、今では機能を試す段階へと進んでいることでしょう。大きくもてはやされている生成 AI ですが、なかなか目に見える成果につなげることができずにいるリーダーもおられると思います。当然のことながら、新たなテクノロジーを導入する際は、喧伝されている効果やメリットに踊らされることなく、実現可能な効果を見極め、あらかじめ適切なガバナンス、管理、標準を確立することが IT リーダーの責務です。私はテクノロジー企業の CIO を務めているため、他の業種の CIO と比べて、このような新規テクノロジーの導入についていち早く検討できる機会に恵まれています。数ヶ月にわたり、さまざまな事例における生成 AI テクノロジーの適用について検証を行った結果、生成 AI により、今後 IT リーダーがどのような戦略の変更を求められることになるかについて、いくつかの結論を得ることができました。ここではそれらについてご紹介します。

アプリケーション ポートフォリオの合理化

過去数年間、ほとんどの CIO は、デジタルトランスフォーメーションの名のもとにさまざまな SaaS アプリケーションを熱心に購入してきました。特にカスタム アプリケーションを構築する場合には長期にわたり高いコストが生じることを考慮すれば、そのこと自体悪いことではありません。むしろサブスクリプションは理にかなった選択肢と言えるでしょう。しかし、実際には特定のビジネス上の問題の解決にしか役立たないポイント ソリューションが購入されています。このような状況を変え、新たな可能性を拓くのが生成 AI です。

自動化プラットフォームと生成 AI を組み合わせることにより、新たなツールを購入することなく迅速にソリューションを構築することができます。私のチームでの評価に基づき、生成 AI 機能の活用により、来年までに当社のアプリケーション ポートフォリオを 5 ～ 10% 削減できると見込まれています。

同時に、個別の問題を解決するために毎回カスタム ソリューションを構築するのは無駄になることがあります。あらゆるサプライヤーが、ポートフォリオへの生成 AI 機能の追加を目指しています。そのため、サプライヤーの掲げるロードマップを注視し、まもなくサプライヤーにより提供される機能を構築することがないよう注意が必要です。

ユーザー エクスペリエンスの変革

ここ 20 数年間で、アプリケーションはマルチテナントのクラウド プラットフォーム上で動作するようになり、モバイルへの対応も進んだため、利用しやすさが大幅に向上しています。ですが、コア アーキテクチャは変わっていません。いまだに、構造化データを利用するデータベースを基盤に、フォームを用いたユーザー インターフェースが実行されています。非構造化データを理解して人間のように回答できる生成 AI は、このような従来型のコア アーキテクチャおよびユーザー エクスペリエンスに変革をもたらします。

たとえば、営業担当者が Salesforce CRM 上で 4 つまたは 5 つの画面を操作し、15 回ものクリック操作を行って見積り作成作業を行う場合、軽く 15 分から 20 分もの時間がかかります。これと同じ機能を、よりインテリジェントなチャット機能を利用して短時間で回答を得られるようにすることができます。レポートの取得やダッシュボードの表示についても同じことが言えます。

最近私のチームでは、ミーティングを予約する、機器を発注する、見込み客の LinkedIn プロフィールを参照してセールス メールの草稿を作成するなどの基本的な作業を社員が対話的に実行できる機能を展開しました。このような機能と当社独自の自動化プラットフォームを組み合わせることで、この機能をさらに拡張し、何百種類に及ぶ日常的な作業を簡単に行えるシステムの構築を目指しています。

データ処理のシンプル化

あらゆるプロジェクトで最も面倒な作業は何かと IT リーダーに尋ねると、ほとんどのリーダーがデータの変換とクレンジングだと答えるはずです。データの変換とクレンジングを行うためには、さまざまな形式のデータをシステムが理解できる構造へと変換するため、何百行もコードを記述する必要があるからです。どのように強力な機能を備えた分析ツールでも、データを適切に変換して統合しないとその威力を発揮することができません。

LLM モデルの優れた点の 1 つとして、さまざまな形式のデータをそのまま取り込んで理解できる機能を挙げることができます。生成 AI を活用すると、データの変換やクレンジングに必要な手間を省くことで、データ分析戦略を大きく変革できることが期待されます。

チーム構造の刷新

自動化を推進する企業である当社は、インテリジェント オートメーションの開発を進めるにあたり、これまでも AI を活用してきました。しかし、生成 AI 導入を目指す場合、CIO はチーム構造を見直す必要があることが明らかとなってきています。自動化プログラムの構築と同様に、組織のあらゆる側面をサポートする AI のための組織横断的なグループを結成すると役立ちます。その目的を達成するため、当社組織のあらゆるチームに対して、それぞれの生成 AI 戦略を共有して公表するよう求めています。

スキル セットの面では、UI 開発者よりも会話デザインの設計ができる人を優先的に採用していく必要があるでしょう。同様にプロンプト エンジニアリングにより AI モデルをトレーニングするスキル セットへの投資が必要です。当社では、短期的に人材のギャップを埋めるため、パートナー戦略の見直しも実施しています。しかし、最大の課題となるのは組織の硬直化、つまりこれまでのやり方を変えたくないという力です。これに打ち勝つための唯一の方法は、チーム内のすべてのスタッフの個人的目標に生成 AI の活用を織り込むことです。

予算に対する影響への対処

新しいテクノロジーがどのような魅力的なものであれ、現在の経済状況は追加の予算を獲得するのに最適とは言えません。では、どのように AI プログラムへの資金を獲得すればよいでしょう。

まずは、最も予算を多く消費しているチーム、通常は CRM チームや ERP チームから導入を検討することをお勧めします。これらのツールの基本的な機能はもちろん必要ですが、それに加えて、ERP のコアをクリーンかつシンプルに保ちつつ、高価なカスタマイズを行うことなく容易に自動化と生成 AI を活用することができます。これらのツールの従来の使い勝手には、一切影響を与えることはありません。オートメーション・エニウェアでは、独自の Automation Co-Pilot を使用して、ERP のエクスペリエンスに生成 AI と自動化の機能をネイティブに統合しています。

新たな課題への対応

AI の潜在能力は魅力的ですが、生成 AI により下された意思決定についての説明責任という新たな課題も生じます。管理しているプロセスに対してルールセットを定義することで説明責任を明確にするのが、従来から IT リーダーがとっていた方法です。しかし、ルールが定義されていない状態でアプリケーションの振る舞いを制御するという課題は、あらゆるリーダーにとってこれまで経験したことのないものです。このことを念頭に、重要なアクションについては必ず人間を関与させるとともに、常に結果をレビューすることを強くお勧めします。

また、IT チームと法務チームがこれまでよりも広い範囲で緊密に連携することも必要です。生成 AI は既存の企業ポリシーの枠を押し広げるものであるため、経験から学んだことをもとに、ポリシーを更新していくことが求められます。企業内に AI ガバナンス委員会を設けて、AI に関するあらゆる事項について議論および意識合わせを行うことをお勧めします。

自信をもって新たな時代をリードする

生成 AI は、IT リーダーのみならず、すべての人にとって新しいテクノロジーです。しかし、組織のテクノロジーを率いるリーダーには、この新しいテクノロジーにより、顧客データや従業員データのセキュリティおよびプライバシーを侵害することなくどのようなメリットを実現できるかについて、適切な方向性を示すことが求められています。新しいアイデアを試すときには、うまくいかないこともありますが、業界全体として取り組みから学びを得て、ベスト プラクティスを確立することができるでしょう。