ビジネスにおけるAI：初期導入から今日のブレークスルーへ

今朝メールを開くと、10日前に送った古いメッセージに関するアラートが表示されました。「10日前に送信済み。フォローアップしますか？」確かに、同僚に返信を促す必要がありました。この体験は、人工知能（AI）がビジネスでどこまで来て、これからどこへ向かうかを考えさせられました。

40年前の原点

私は約40年前、バークレーでAlice Agogino教授の下で学部生だったとき、この分野に魅了されました。Agogino教授は黒板にこのシンプルな図を描きました。

当時、AIシステムは「エキスパートシステム」と呼ばれました。それにより、より多くの人々がほとんどのタスクをエキスパートレベルで完遂できるようになりました。ユーザーの潜在能力を向上させ、ビジネス全体のパフォーマンス曲線をシフトさせました。これらのシステムにより、エキスパートは自分たちだけが取り組める最も困難なタスクに集中できるようになりました。

長年にわたり、「テクノロジーが大規模にパフォーマンスを拡張できる」というこの魅力的なアイデアは私の中に残り続けました。それは私の情熱を形作り、私の職業的キャリアはAIそのものの軌跡を辿ってきました。

しかし、道中にはいくつかの課題もありました。システム内のモデルはビジネスの変化に追いつかず、昨日の問題を最適に解決しても、徐々に陳腐化していきました。専任チームが使用とメンテナンスの両面で必要でした。

現在地：3つの根本的違い

今日のAIシステムは、初期のエキスパートシステムや伝統的なビジネスソリューションと、3つの点で根本的に異なります：

• 使い方が違う

• 知能への重点が「自動化」から「拡張（オーグメンテーション）」へシフトした

• AIシステムが使用から学び、ビジネスの変化に適応する

使い方の違い

伝統的なビジネスソリューションはしばしば断片化されています。一つのシステム群がビジネスが現在どう動いているかを伝え（伝統的BI）、別のシステムがビジネスをどう運営すべきかを決めるのを助け、さらに別のシステムがビジネスを運営するために何をしたかを記録します（ERP）。

ユーザーは、記述・診断分析から予測分析、デジタルツインモデルを用いた最適化へと、面倒で分断された経路をたどらなければなりません。決定したら、今度はその決定をERPに記録するために向きを変える必要があります。

対照的に、AIを使うときは、推奨アクションから直接始め、予測・診断・記述的インサイトを説明として探索できます。AIは、推奨とは異なる決定をする場合でも、アクションを実行するためのステップバイステップのガイドラインを提供します。

重点のシフト：自動化から拡張へ

伝統的なエキスパートシステムは自動化に過度に焦点を当てていました。今日のAIシステムは、ビジネスプロセスのナビゲートとオーケストレーションを支援できます。私の意見では、AIを「人工知能」ではなく「拡張知能（オーグメンテッド・インテリジェンス）」と考える方が適切です。今日、AIは私たちが訓練し、ニーズに適応させられるものとして見られています。

学習と適応

伝統的なビジネスシステムは静的で、時間とともに陳腐化しがちです。フィードバックやビジネスの変化を取り込むには、機能拡張と改訂が必要です。対照的に、AIシステムは動的です。変化するビジネスニーズに学習し適応します。使えば使うほど、時間とともにより賢く、より効果的になります。

従来のBI	AI
ユーザーは面倒で往々にして分断された経路をたどる必要がある。記述・診断分析から始まり、代替案を探り、結果を予測し、選択し、最終的にビジネスを運営するアクションを取るまで。	推奨アクションと、予測・診断・記述的インサイトを説明として探索する能力を提供。AIが通常の分析ステップすべてで重い作業を完了済み。
記述的ダッシュボード、レポート、アラートに限定される。	ユーザーの日常業務に溶け込む。そこにあることさえ気づかないかもしれない。
進化するにつれ、より広いオーディエンスを対象とするため、ますます一般化する傾向がある。	ユーザー層が広がっても、個々のユーザーの行動と嗜好に合わせて、よりパーソナルで具体的になるよう学習する。
データ分析に焦点を当てる。	意思決定に焦点を当てる。
静的で時間とともに陳腐化する。ビジネスニーズと嗜好の変化に対応するため、機能拡張と改訂が必要。	動的で、学習と変化への適応を設計されている。使えば使うほど、時間とともにより賢く、より効果的になる。

今後の展望

強力ですが、AI機能にはいくつかの課題もあります。

第一に、AIから最大の価値を引き出すには、行動とテクノロジーへの態度の両面で、入念なチェンジマネジメントが必要です。人々がテクノロジーを脅威やパフォーマンス目標の引き上げ手段と見なせば、その成功を妨害しようとします。また、AI導入がコントロールの喪失や顧客・サプライヤーとのパーソナルタッチの消失、クロスファンクショナルな思考の阻害を意味するなら、失敗します。

一方で、人々がAIを「生活を楽にし、自分を賢くし、組織横断で協働し、より多くを成し遂げる新しいツールセット」と見なせば、成功させようと働きかけます。

第二の課題はAIの倫理です。AIをより透明で倫理的にする必要があります。機械学習モデルは、教えられ、さらされたものを学習します。データにバイアスがあれば、AIにもバイアスが生じます。また、ブラックボックスからの推奨を誰も好みません。AIモデルは、推奨の理由、どの前提を置いたか、どのパターンを検知し、どの選択肢を検討したかを透明に説明できなければなりません。

最後に、AIで解決しようとしている問題が、そもそも解決すべき適切な問題か自問すべきです。AIを人間の到達範囲を拡張し、生活を改善するために活用すべきであって、コントロールするためではありません。

これまでのAIの変革は、一言で言えば「革命的」です。このテクノロジーをより受け入れ、活用し、改善すればするほど、私たちのビジネスはより良くなります。

Adeel Najmi氏はLevaDataの最高製品責任者です。