外部機関のさまざまな調査でも示されているとおり、欧米と日本とではAI活用における認識に大きな隔たりがある。欧米では新サービスや製品開発といった収益向上に直接寄与する分野にAIを活用すると答える企業が多数派を占める。対する日本では業務効率化、生産性向上と答える企業がいまだ多く、AIがもたらす変革の力をビジネスの成長や新たな価値創出に向けられているとはまだまだ言えない状況だ。その要因はどこにあるのだろうかーー。
AI技術でできることを理解しビジネスにひも付けることができる人財が、日本の企業には不足していると杉本は指摘する。そうした人財が不足しているがゆえに、アナログデータをデジタル化するデジタイゼーションまでは進めたが、集めたデータをどのように活用するかまでは見通せないと言うのだ。
「以前はデータサイエンティスト育成のための分析研修の依頼が企業から多く寄せられましたが、現在はデータがあるだけでは役に立たず、データサイエンティストがいるだけでも厳しい。求められているのは、ビジネスそのものを全体から俯瞰し、そこにどうAIを組み込むかを考察し、その活用シナリオの構築と実装をデザインできるチームやデータサイエンティストの存在であり、そのことに企業も気づき始めています。そこでAIを活用してビジネスゴールを達成していくためにはどのような人財が必要かというところから、研修制度そのものを再構築して実施するケースが増えています」
人財の需要が移り変わるなか“ビジネス戦略とデータサイエンスの双方を理解する人財”への需要は今後ますます高まっていくと杉本は予見している。
「例えば、AIを使って営業活動を円滑化したい……と企業からリクエストされるケースがありますが、それだけでは何がビジネス上の課題なのか、達成したいゴールは何かが把握できません。まず『解決したい課題は何か』と『営業活動のどの部分をAI化するとよいか』、そこから一緒に考え企画を提案していかなければなりません」
つまりは、AIを技術側面から捉えるのではなく、ビジネスそのものにどう適用するのか。いまはそれを実現できる能力が問われているのだ。ここで杉本に、ある企業の取り組み事例を紹介してもらった。
「全国に何万といる営業部員とその顧客との接点となる、電話、メール、LINE、SMSなどのコミュニケーションをデジタル・データ化し、人では気づきにくい顧客の興味・関心、商品に対する潜在的ニーズを抽出し、先んじて(クライアントにとっての)顧客に商品提案したいというご要望をとあるクライアントからいただきました。具体的にどんなデータを収集し、どういうAI技術を駆使して、どのようにそのビジョンを具現化するか……実現に向けて多くの課題がありました」
こうしたケースでは、活用するデータが多岐にわたり、AIモデル開発の難易度も上がる。加えてビジョンの具体化と実現に向けた計画策定はクライアント先の社内人財だけでは難しい。そこで杉本はハンズオンによる支援を決断した。
クライアントは当初、「データも用意した、分析環境も準備した、データサイエンティストもいる。だから、社内の分析チームだけでプロジェクトを進める」想定だった。しかし、ビジョンを具現化するためには、それだけでは不十分だった。最終的には、どのようなデータを利活用してどのようなアルゴリズムでAIを開発するのかといった具体的な議論の前に、まずは体制再構築の議論から始めなければならないという結論に行き着いたという。
では、杉本はどのような体制を構築したのだろうか。
「そもそも実現したいビジョンやビジネス上のエンドバリューは何かを理解したうえで、その実現に向けどのようなAI技術を活用し、そのためにどのようなデータが必要で、AI導入後の業務の中でどのように精度を上げていくのかといった変革のシナリオを描く必要があります。データサイエンティストは当然必要ですが、データマネジメントを前提としてアーキテクチャ全体をどう描くのかといったことや、業務要求を理解してAI要求に落とすことも必要です。
AI開発チーム、AI分析・基盤構築チーム、またビジネス要件とAI要件をつなぐ業務チーム、さらにこの3つを束ねるAI PMOチーム……といった体制が求められます。まずはそういった検討から入り、プロジェクトを推進していきました」
当初は、クライアント側のデータサイエンティスト・チーム内のみで賄ってほしいというリクエストだった。大きな会社の場合、どうしても他部署を巻き込むとそれ相応の労力が必要とされるため、自チームだけで「やりきりたい」となりがちだ。
「AI開発プロジェクトを成功させるためには、データサイエンティスト・チームだけではなく、IT部門や業務部門など部門横断的な取り組みにする必要があります。とくにデータ分析チームはAIを活用する現場業務の実態を把握しきれていないケースが多いですし、現場部門の社員はデータ分析に詳しくない場合がほとんどです。私たちが第三者として入れば、ビジネス課題とAI要求をつなぎ、部署の垣根を超えた調整もある程度しやすいという発想もありました」
AIを活用する現場業務を理解した部署とデータ分析専門部署、分析環境を構築するIT部門などを横断的に巻き込む。他部署の調整をAI技術と業務の双方を理解したコンサルタントが行うことで、AIによるエンドバリューの実現方法は見えてくる。社内で横断的にビジョン、目的を一致させ、全社が同じ方向を見てプロジェクトのゴールにこだわる。これが大事だったのだ。
だが、こうした社内での合意形成は、現場のリーダー層だけでは難しく、やはり経営層を巻き込み、「私たちは顧客体験をこう変えたいから、そこにAIを実装する」という明確なビジョンやビジネスのゴールを全社で共有してもらう必要があるという。
「私たちアビームコンサルティングの強みは、こうしてお客様と一体となってゴールを達成する、“共創”にあると思っています。AIプロジェクトの難しさは、ビジネスの理解に立脚した変革シナリオの設定力、データマネジメントを踏まえたアーキテクチャのデザイン力、そして日々進化するAI技術への目利きと統計学の知識、そのすべてが必要になることです。
さらには、企業内のデータだけで得られる気づきは限られるため、外部のデータとの連携も必要になります。導き出された結果により、分析対象とするデータの見直しも必要で、プロジェクトは必然的にアジャイル型になります。
誰か一人が担えるはずもなく、またクライアント側でこういった体制をすぐに整えるのは現実的ではないでしょう。
だからこそ、私たちのように、長年のコンサルティング経験に裏打ちされたビジネスへの理解力とデジタルテクノロジーに精通した人材がチームで伴走し、クライアントと役割分担しながら実現していくことが重要なのです」
本当に必要とされるのは「クライアントのビジネスを理解したうえで、実装したAIを活用し、エンドバリューを向上させること」と杉本は強調する。AIの実用化が進むなかで、実際にAIを活用した事業を持続可能とするのが次のテーマであり、そのうえで、時代はもはやAIガバナンスを利かせたX-AIへと移っていると杉本は分析している。