Illustration by Andy Goodman

• Xでシェア
• Facebookでシェア
• LINEでシェア
• LinkedInでシェア
• 記事をクリップ
• 記事を印刷

ビジネスの目的に立ち返って実験を設計する

　マサチューセッツ工科大学（MIT）メディアラボのNANDAプロジェクトが8月に発表した新たなレポートによれば、生成AIへの投資の95％は利益を生んでいないことが判明したという。

　このニュースの見出しは、AIが大規模な成果を生むことへの懐疑の波を煽る新たな種の一つにすぎない。オープンAIからリリースされたGPT-5が期待外れだったことも、AIの進歩が鈍化しているとの見方を後押しする材料となった。ガートナーは、テクノロジーの採用状況を示す同社の5段階のハイプサイクルで、生成AIが第3段階の「幻滅期」に入りつつあることを示唆している。

　もちろんMITのレポートは実際には、見出しに取り上げられた調査結果が与える印象ほど単純なものではない。個々人は生産性を高める生成AIツールをうまく取り入れているものの、その成果は損益計算書のレベルで測定できるものではなく、企業は全社規模での導入に苦労しているとレポートは論じている。加えて、最大のROI（投資利益率）を生む可能性が高いのはバックエンドの変革であるにもかかわらず、AIの実験への支出の大半は営業・マーケティング施策に配分されていることを執筆者らは突き止めている。

　それでも、こうした見出しはリーダーを不安にさせる。実験に投じられた数百億ドルのうち95％が価値を生んでいないのであれば、AIの実験に費やす努力は完全に無駄なのだろうか。一方で企業は実験をしなければ、AIツールの活用法をいかにして学べるというのか。このような調査結果を、リーダーはどう解釈すればよいのだろうか。

　AIを研究し、AIトランスフォーメーションとテクノロジーについて教えている筆者らの考えるところ、多くのリーダーは10年前のデジタル・トランスフォーメーション（DX）で犯した過ちを繰り返している。実験の推進はよいことだが、実験を野放図にさせるという落とし穴に陥ることで、逆効果になるのだ。

　背景として、以前のDXの波において多くのリーダーは、DXの本質と今後進むべき道に迷いを感じた時、イノベーションと実験を推し進めた。とにかく数に頼る「1万の花を咲かせよう」という形のアプローチを推進し、いくつかの実験からユニコーン級の利益が生まれることを期待した。

　ところが、焦点の欠如は過ちであったことが判明した。実際の商機との明確なつながり──つまりユーザーに有意義な価値をもたらす方法を欠いていたため、結果的にチームは焦点が定まらずリソースも足りないまま、拡大可能な成果をほとんど生まないという泥沼に陥ったのである。

　期待外れの成果を前に多くのリーダーは、デジタルの実験は失敗したと当然のように結論を下し、実験を打ち切った。代わりに型通りのやり方に戻るか、または少数のより安全な投資に目を向け直した。おそらくは古くなったITシステムの交換や、デジタル資産管理システムのような、短期間で成果が得られる取り組みだろう。

　何が間違っていたのか。実験はよいことだが、真の商機──既存および新規顧客への貢献に向けた中核的要素の変革など──に結びついていなければ、実験は必然的に願望や期待に応えられないのだ。これは明白なことのように思える。しかし、AIを革新的で破壊的なものと捉えることで、「顧客のために問題を解決する」という、ビジネスの最も根本的な目的とのつながりをしばしば見失ってしまうのである。

　この落とし穴から脱却する方法は4つある。（1）AIの現在の局面を、より大きな変革の流れの中で理解する。（2）顧客へのよりよいサービス提供を助けるAIの可能性に焦点を当てる。（3）スケール化を見据えながら、焦点の定まった一連の機会を実証するために実験を行う。（4）スケール化する。以下がその方法だ。

AIをより大きな変革の流れの中で理解する

　いまや世界中がAIを話題にしている。だが視野を広げて、AIをめぐる議論はより大きな変革の一部として近年に始まったものであることを思い出そう。皆が取り組んでいる真の変革は、組織の周縁で機能しているデジタル技術（例：かつてITの焦点はノートPCやWi-Fi、印刷、コア業務の記録用ITデータベースなどだった）から、組織の中核を成すデジタル（例：自社の生産活動自体ではなく、デジタルのワークフローとカスタマージャーニーを軸に構成される組織）への根本的なシフトである。

　言い換えれば、多くの意味で、あらゆる企業がテクノロジー企業になりつつある。人々が人間の判断と直観に基づいて業務を行うのではなく、データとAI主導で意思決定が行われる世界へと私たちは移行している。その世界では人間が監督を行うが、従業員は必ずしも業務の中核的な原動力ではない。

　例として、アント・フィナンシャルによる融資判断や、アマゾン・ドットコムによる価格決定の方法を考えてみよう。人間はそれらの活動を実行せず、監督するだけだ。これこそ真に抜本的な変革である。私たちはまだその途上にあり、最終的には何年もかかるが、組織のあり方は根本的に変わっていくだろう。

　この大局的な構図を理解することで、リーダーは焦点を再認識できる。すなわち、テクノロジーを活用して顧客へのサービスの向上、迅速化、簡便化や低価格化などを実現するために、ビジネスを変革するということだ。あらゆる形態のAI（生成AIを含む）は、この目的を達成するための数あるツールの一つにすぎない。インターネットは顧客へのサービスの「方法」を根本的に変えたが、サービスの「理由」は変わらなかったように、AIの導入を成功させるには、この目的に鋭く焦点を当てた視座が必要だ。

顧客へのよりよいサービスの提供に焦点を当てる

　AIの焦点は単純に、顧客によりよいサービスを提供することである──この認識を持つことで、リーダーは実験を通じて達成したい目標に集中しやすくなる。未来は本質的に不確実だ。私たちがどこに向かうのかを正確に知っている人はいないし、成功の指針やノウハウを教えてくれる人も（誰が何を主張しようと）いない。したがって、AIを活用して自社を変革し、顧客によりよいサービスを提供する方法を見出すためには、実験が不可欠である。

　現在のように戦略的不確実性が高く、焦点と方向性が見失われがちな局面では、「1万の花」のアプローチを取り入れたくなるものだ。しかし、そのような散漫なやり方では通常、中核的ニーズに応えることはできない。DXの焦点を見失ったのとまったく同じ形で、生成AIの奇跡を報じる見出しに翻弄され、AIトランスフォーメーションの真の可能性を見失うリーダーを筆者らは非常に多く目にする。破壊と革命を報じる見出し（10年前も同じような論調だった）が、パニックと注意散漫を招くのだ。

　あなたの会社はメタ・プラットフォームズやアマゾン、グーグルにはならないし、それを目標にすべきでもない。「AIレディ」な企業になるために従業員の8割を解雇したとされる、どこかの会社のニュースを読んで気に病むのはやめるべきだ。本当のチャンス、つまり実際に利益を生み出す機会は、自社内のオペレーションと外部のカスタマージャーニーを入念に観察し、AIツールを活用して短期間で真の価値をどう生み出せるのかを考えることから始まる。

　この視点を通して、実験の焦点を定めよう。まずは戦略の検証から始め、コア業務の変革か、新規顧客へのサービス向上のいずれかにつながる価値創出の機会を探る。筆者らはこの取り組みをしばしばAI導入の「トロイの木馬」と呼ぶ。今日にでも実質的な価値を生み、実行を通じて学習の好循環が回り始めるからだ。

　次に、その価値を最も効果的に実証するための実験を検討する。結果として、これはMITメディアラボの調査における、重要だが十分に報じられていない発見の一つ、すなわち、リーダーは中核的要素の変革を避けながら、マーケティングでのより表面的なAI活用を追求しているという課題の克服につながる。

将来のスケール化を見据えながら、価値を実証するための実験を行う

　実験をどのように進めるべきか。3つの条件を満たす必要がある。（1）真の価値創出と結びついている。（2）コストを可能な限り抑え、学習と改善のサイクルを複数回にわたって回せるようにする。（3）価値創出に向けて最終的にどうスケール化するのかを踏まえて、実験を設計する。これは単純に思えるが、実践は難しい。多くのリーダーは、どのようにスケール化できるかを考えずに実験に邁進する。その対極として、1日目から全社規模で実現可能にすることに固執し、行き詰まるリーダーもいる。

　バランスを取ることが秘訣だ。その問題は、解決に値するほど十分に大きな問題なのか。解決されたら、そのソリューションをスケール化するために何が必要となるのか。

　多くの問題が提起された場合にどれを解決すべきかを検証する一助として、筆者らはしばしばIFDのフレームワークを用いる。深刻度（Intensity：その問題はどれほど深刻か）、頻度（Frequency：どれほど頻繁に生じるのか）、密度（Density：その問題が生じるユーザー数や事例数はどれほどか）である。追求すべきアイデアの選択に取り組む既存企業を研究する中で、このフレームワークが生まれた。

　たとえば、あるイノベーターは、アパートの管理人による修理サービスの発注を助けるデジタルツールの開発を思いつくとしよう。別のイノベーターは、乳幼児の呼吸が止まった時に、親にアラートを送信するベビーモニターを発案する。これらの顧客は問題をどれほど頻繁に経験するだろうか。アパートの管理人は時折だが、親は毎晩子どもの安全を確保したい。

　問題の深刻度はどうか。アパートの管理人にとっては、すでに頼れる修理サービス業者とのつき合いがあるため中程度と思われるが、親にとっての深刻度は非常に高い可能性がある。最後に、問題の密度はどうか。ツールの導入に適した規模のアパートの管理人は、子を持つ親に比べれば圧倒的に少ない。これが、異なる問題への解決策の価値を比較検討する便利な手段となる。

ニンジャチームでスケールアップする

　実験の価値を実証したら、次はその規模を拡大する段階へと進むことができるが、それには細心の注意を要する。実験からスケール化に移行する際にはほぼ必ず、予期せぬ新たな困難が伴う。変革を引き起こす力を持つ者がプロジェクトに責任を持ち、変革を実現するための時間とリソースを確保してチームを率いる必要がある。

　筆者らはアマゾンやクアルトリクス、セブン－イレブンなどさまざまな企業のチームにインタビューしてきたが、スケール化を担うこの「ニンジャ」チームは上空援護（経営上層部による支援）を受け、リソースを得るためのコネクションを社内全体に持ち、スケール化に集中する。

　プロジェクトが適切な規模に達したら、このプロセスを繰り返す。当然ながら、全社規模での変革に必要な取り組みは他にもある。適切なデジタル基盤を築くこともその一つであり、ほとんどの企業はこれを完全には達成していない。とはいえ、このプロセスは変革の核を成すメカニズムの概要であり、企業が無駄を避け、抜本的変革の真の価値を引き出すための役に立つ。

＊　＊　＊

　AIが熱狂期を経て次の波に入りつつある中、多くのリーダーはAIの導入に伴う課題を、「AIは価値創出に使えない」という誤ったシグナルとして解釈するおそれがある。そうなれば、DXで後塵を拝した（そしていま後れを取り戻そうとしている）多くのリーダーと同じように、AIトランスフォーメーションでも後れを取りかねない。実際にはAIは価値を生み出すことができ、私たちは著しい進歩を目の当たりにしている。マルチエージェントシステムがバックエンド業務をいかに改善できるのかも、その一例だ。

　しかし価値創出の原点は常に、最初に実験を設計する場面にある。すなわち、新たなツールが顧客のためにどう価値を生み出せるのかを、チームが見極めることができる場面だ。なぜなら、今後どのような新しいツールが現れようと、顧客のために重要な問題を解決するというビジネスの目的は常に変わらないからである。

"Beware the AI Experimentation Trap," HBR.org, August 29, 2025.