企業が生成AI、自律エージェント、新世代のデータツールの導入を急ぐなか、経営陣は技術を採用するかどうかよりも難しい問いに直面している。新たなコスト、リスク、組織の混乱を生まずに、どのように測定可能な価値に変えるのか。

この課題が、ニューヨーク証券取引所で開催されたFortune AIQサミットのテーマだった。テクノロジー、金融、産業オペレーション、旅行、人事分野の経営幹部が、真のAI変革と散在するパイロットプロジェクトを分けるものを検証した。一貫したパターンが浮かび上がった。最も強い企業は単にAIツールを配布しているのではない。ワークフローを再設計し、人材を育成し、ガバナンスを強化し、責任を持ってスケールするために必要なデータと運用の規律を築いている。この催しは、エンタープライズテクノロジーのより広い局面を反映していた。経営チームは、小規模な試験を超えたAIへの投資からリターンを示すプレッシャーにさらされており、この緊張が議論の多くを貫いた。

サミットでの議論は、5つの主要トレンドを中心に展開された：

• 実験からエンタープライズ変革へ
• AI対応の人材育成
• ガバナンス、信頼、リスクの管理
• 物理的・規制環境でのAI活用
• ROI測定、コスト管理、成長の創出

AIの採用から変革へ

最も重要なAIの問いは、企業がツールを導入したかどうかではなく、仕事の進め方を変えたかどうかである。

登壇者は繰り返し、AIへの広範なアクセスが自動的に生産性、事業価値、組織の成熟度につながるわけではないと警告した。

ServiceNowのフューチャーズ・ディレクターであるDiana David氏は、先進企業は技術そのものではなく、人へのコミットメントと運用の規律によって差別化されていると述べた。ServiceNowのEnterprise AI Maturity Indexによると、「ペースセター」の57%が継続的なAIスキル向上に投資しているのに対し、他の組織ではわずか4%だった。最も顕著な格差はAI人材の獲得、採用、定着であり、ペースセッターの68%がこれを行っているのに対し、他社では10%にとどまった。

「人材投資。それが最大の格差でした」とDavid氏は述べた。

同氏は、従業員へのAIアクセスの広さを成功の証拠とみなすことに対して警告した。「誰もがX、Y、Zを持っています。しかし生産性には結びついておらず、多くの場合トレーニングも伴っていません。それは成熟度とは言えません」。同氏の見解では、本当の取り組みは、リーダーシップ、明確なビジョン、透明性のあるシステム、適切なデータ基盤、そして特定のワークフローの反復的な再設計から始まる。

ServiceNowのグローバル顧客オペレーション担当社長のPaul Fipps氏は、関連する指摘を行った。最大の成果は古いプロセスを速く自動化することからではなく、新しい能力を中心に再構築することから生まれるという。「既存のプロセスを単に自動化したり自律エージェントで回したりするだけなら、多少の生産性向上は得られるかもしれません。しかし、業務プロセスを本当に再考し再構築している企業こそが、真の差を生み出しています」とFipps氏は述べた。

Fipps氏は、企業がAIを単一の部門に限定せず、人事、法務、テクノロジーといった従業員向け機能を横断して展開すべきだと主張した。同氏はStandard Charteredを挙げ、AIによって従業員要求の77%のデフレクション（対応抑制）が実現したと述べた。「そうしたユースケースで25%〜30%のデフレクションが得られれば、ゲームチェンジャーです。75%〜80%なら人生を変えるものです」と同氏は述べた。

Future Today Strategy Groupの創設者兼CEOであるAmy Webb氏は、野望と準備の間の距離についてさらに率直だった。「公平に言えば、フォーチュン500企業はかなり出遅れています。人工知能は数年前に突然現れたものではありません」。Webb氏は、企業が十分な戦略、リーダーシップ、計画なしに多額の資本をパイロットに投入し、持続的な価値を生み出せない孤立したプロジェクトを生んでいると警告した。

AI対応の人材づくり

AI変革は、本質的には人材変革である。

サミットでは、組織には新しいソフトウェア以上のものが必要であることが明確になった。確立されたプロセスを再考し、新しいスキルを学び、新しい働き方を受け入れる意欲を持つ従業員とリーダーが必要である。

HPEのバイスプレジデント兼チーフ・ピープル・オフィサーであるStacy Dillow氏は、企業は単に既存システムにAIを組み込む誘惑に抵抗しなければならないと述べた。「自分たちの考え方を変える努力をしなければなりません。働き方を変えようとしなければ、既存のプロセスにAIを後付けするだけで、別の答えは得られません」。上級経営者にとって、AIの採用と変革は中心的な経営責任になっていると同氏は付け加えた。

Palo Alto Networksでは、チーフ・ピープル・オフィサーのDanielle Gonzalez氏によれば、AIはすでに従業員体験を変えつつある。カスタムAIエージェントがITチケットを83%削減し、人事、財務、法務にわたるワークフローを支援している。従員は人事担当者やビジネス窓口に頼る代わりに、自分の役職や勤務地に応じた回答をエージェントに求めることがますます増えている。

Gonzalez氏は、企業は迅速に適応できる人材，新しいスキルを身につけるだけでなく、もはや成り立たない前提を疑うことができる人材，を採用し育成すべきだと述べた。「私たちは好奇心を求めています。主体性を求めています。そして、速いスピードで学べるだけでなく、それまで正しいと思っていたことをアンラーンして、前に進む余地を作れる人材を求めています」と同氏は述べた。

住宅大手Lennarの最高人事責任者であるDrew Holler氏は、責任は共有されると強調した。「すべてのツールは提供しますが、自分自身をアップスキルするのはあなたの責任でもあります。研修は提供しますが、個人として自らスキルを高めなければなりません」と同氏は述べた。

人材面での影響はリスキリングにとどまらない。Pelotonの最高技術責任者であるFrancis Shanahan氏は、AIによる創作には独自の課題が伴うと警告した。従業員は「文字通り何でも作れるようになったため、対応に追われている」と述べ、「バーンアウト」がますます問題になりつつあるという。

Runwayの最高執行責任者であるMichelle Kwon氏は、経営者に量を生産性と混同しないよう促した。「AIを使っているからといって、それは生産性や仕事の質の代用にはなりません」と同氏は述べた。AIは、適切に評価・統合されていない成果物で同僚を圧迫したり、追加の仕事を生んだりすることなく、人々の働き方を向上させるべきだと同氏は主張した。

ガバナンス、信頼、コントロール

AI活用の主張には、監視の主張が伴わなければならない。

規制産業やリスクの高い応用分野では、リーダーは、成功する展開は適切な技術の選択、リスクの理解、そして重要な箇所に人間の判断を残すことに依存すると強調した。

Bank of Americaの最高技術・情報責任者であるHari Gopalkrishnan氏は、企業に反射的にAIに飛びつかないよう警戒した。「私たち自身も他社も陥りがちな最大の間違いの一つは、決定論的モデルで十分機能する場合でも、AIを解決策として急ぐことです」と同氏は述べた。同行は顧客ニーズと関連プロセスの詳細な棚卸しから始め、場合によっては従来のモバイル機能やリアルタイムの意思決定ルールの方が適切なツールになるという。

Bank of Americaは、プライバシー、バイアス、人材への影響、知的財産を含む16のリスク柱を通じてAIプロジェクトを評価している。自律システムについても慎重に進めている。「ヒューマン・イン・ザ・ループで実際に人間と協働する支援型エージェントには、今こそ絞り出すべき大きな価値」とGopalkrishnan氏は述べた。銀行などの規制機関にとって、このようなフレームワークは、AIエージェントの構築と本番投入を分ける門となっている。

S&P GlobalでKenshoデータ・プラットフォーム部門のチーフ・クライアント・オフィサー兼マーケットインテリジェンス共同責任者を務めるSally Moore氏は、AIの有用性は信頼できるデータにかかっていると強調した。「データはAIの中の通貨です」と同氏は述べ、規制されたワークフローの顧客は正確性、引用、監査可能性、ソースまでの追跡可能性を必要とすると指摘した。より大きな論点は、企業は展開したい技術ではなく、解決すべき課題から始めるべきだということだった。「私は何を解決しようとしているのか。そしてこの技術は私をどこへ連れて行ってくれるのか」と同氏は述べた。

Fipps氏は、ガバナンスはイノベーションの障害として捉えるべきではないと主張した。「私はガバナンスと信頼がスピードを推進すると考えています」と同氏は述べた。数十のエージェントを構築しながら、経営陣がコントロールへの信頼を持てず展開できなかった規制銀行の例は、不十分な監視のコストを如実に示している。

Webb氏もまた、経営者に責任とリスクへの実践的なアプローチを促した。リーダーはAIを「擬人化するのをやめる」必要があると同氏は述べた。失敗は、技術が独自に知性を持ったためではなく、十分な安全策なしに設計の拙いシステムを展開した人間に起因することが多いという。

現実世界のAI

物理的・規制環境では、異なるAI展開の基準が求められる。

ビル、工場、水道システム、金融サービスでは、信頼性、安全性、コスト、レイテンシ、データ主権が、企業が責任を持って本番投入できるものを左右する。

Honeywell Technologiesの最高技術責任者であるSuresh Venkatarayalu氏は、産業顧客は「本当に99.9999%の」信頼性を求めるのに対し、フロンティアモデルは「85%程度かもしれない」と述べた。この乖離により、安全・ミッションクリティカルな環境への展開は、デスクトップワークフローにAIアシスタントを導入することとは根本的に異なるものになる。

Venkatarayalu氏は、近い将来の方向性を完全自律ではなく「半自律の世界」と表現した。「自律化は人を排除することでもありません」。商業ビルや産業施設では、ダウンタイムやシステムエラーが即座に運営上の結果をもたらすため、オペレーターは関与し続けなければならない。「ビルが1時間半停止することは許されません」と同氏は述べた。

EcolabのチーフAIオフィサーであるAJ Wijesinghe氏は、より選択的なアプローチの経済的正当性を示した。大量処理のタスクに「市場で最良のモデル」を使うと「トークノミクスが暴走する」と同氏は述べた。「場合によっては人間を使うより高くつきます」。Ecolabはモデルの利用を最適化し、トークンコストを約70%〜80%削減した。

企業は必ずしも最も先進的なモデルを必要としないとWijesinghe氏はべた。「時に最速の車は必要ない」。同氏はエージェント型AIに対して「人間がリードする」アプローチを提唱し、成果はデータ基盤、プロセスの準備状況、コスト規律のバランス維持にかかると論じた。「どちらかが重すぎると、価値は得られません」と同氏は述べた。

価値、コスト、成長

AIの次の試練は、測定可能なリターンを生み出せるかどうかだ。

サミットの財務・運営リーダーは、モデルコスト、データインフラ、成果の品質に対する規律を維持しながら、生産性と成長を追求しなければならないことで一致した。

Booking Holdingsのバイスプレジデント兼CFOであるEwout Steenbergen氏は、AIのリターンに関する不確実性は、最大のテクノロジー投資家の間でさえ広がっていると述べた。「大規模言語モデルの開発に数千億ドルを投じているハイパースケーラーでさえ、ROIがどうなるか本当に分かっていないと思います。いくつかの仮定や仮説はあるかもしれませんが、要は、後れを取りたくないわけです」と同氏は述べた。

Bookingにとっての価値への道は、無差別な支出ではなく、「白紙の状態から」プロセスを再設計することにある。Steenbergen氏によると、予約が高ブロー・シングルディジットの伸びを続けるなかで、同社の顧客サービスコストはわずかに減少し、顧客満足度は上昇している。また、同社の約9,000人のエンジニアは、テスト・品質基準をクリアしたマージリクエストを含め、約30%多くのコードを本番環境に投入できているという。

「エンドツーエンドで再設計されたプロセスにはリターンがあります。しかし同時に、その裏でコストが制御不能にならないよう注意しなければなりません」とSteenbergen氏は述べた。Bookingはこの緊張を「効果的なモデルコストルーティング」で管理しており、単純なタスクには低コストのモデルを割り当て、より深い推論を要する仕事には高価なモデルを温存している。このアプローチは、利用量に応じて増大するモデルコスト（固定のソフトウェアライセンスのように振る舞わない経費項目）が、大手公開企業の内部でどのように管理されているかを具体的に示している。

Steenbergen氏は、AIのより大きな可能性は顧客成長にあるかもしれないと示唆した。この技術は旅の本質を変えるものではない，「ホテルはホテルのままであり、航空会社は航空会社のままであり、レンタカーはレンタカーのままである」，しかし、旅行者の計画、予約、そして混乱への対応を容易にできるという。旅の各部分をつなぎ、顧客のニーズを予測することで、AIは「より多くの忠誠心、より多くの信頼、より多くのブランド価値」の創出に寄与できると同氏は述べた。

結論

Fortune AIQサミットは、AIリーダーシップは、企業が購入したツールの数、パイロットプログラムの規模、生成できるコンテンツの量では定義されないことを明確にした。先行する組織は、技術的な野心を、人材育成、プロセス再設計、財務規律、信頼できるデータ、説明責任あるガバナンスと組み合わせている。サミットで示されたデータポイントは、この転換を追跡する指標となる。ServiceNowの成熟度指数が示した人材・研修の格差が縮まるか、産業展開がフロンティアモデルの信頼性と物理的運用が求めるほぼ完全なアップタイムとの距離を埋められるかそして基盤モデルの構築に数千億ドルを投じるハイパースケーラーのROIの見通しが改善するか。AIが企業のさらなる深部へと進むなか、成功するリーダーは、既存の仕事を自動化するためだけでなく、より回復力があり、生産的で、機敏なビジネスを構築するためにAIを使う者たちである。

本記事の調査補助および文字起こしには生成AIが使用されました。本記事の事実に関する主張は記者が独自に取材・検証し、公開前に人間の編集者が確認しました。

この記事は元々Fortune.comで掲載されました。