全社員にAIツールを配ったのにほとんど変化が見られない企業は、たいていの場合、モデルの限界に突き当たっているわけではありません。より多く見られる障害は、最も重要な手順が一度も文書化されておらず、その手順を担う人たちが、使いたいと思う理由のないままソフトウェアを渡されていることです。こうしたプロジェクトを手がける実務者たち、たとえばAIを軸に企業の業務フローを再構築する会社のエンジニアや、Anthropicのリサーチプロダクトマネージャーは、別の道筋を示しています。専門家が実際にしていることを捉え、自動化を段階的に導入し、説得は同僚が示す実績に任せるというものです。

導入がつまずくところ

失敗した変革の大半は、モデルの弱さではなく、チェンジマネジメント、つまり人々に仕事の進め方を変えてもらう取り組みに原因があります。これは、異なる業界で6件の顧客の変革プロジェクトに携わってきた、このエンジニアの見立てです。組織と人の振る舞いに向き合わないまま、完成したAIツールを「お膳立てした状態で」従業員に渡しても、決まって失敗します。

2つ目の問題は暗黙知、つまり人が言葉にしないまま使っているノウハウです。ソフトウェアは分かりやすい対比になります。Anthropicのプロダクトマネージャーによると、Claude Codeを支えるJavaScriptランタイムのBunは、約100万行のコードベースがAIモデルによって約1週間でRustに書き換えられ、その後さらに数週間の検証とテストが行われました。こうした作業は、以前なら大規模なチームでも1年以上かかっていたはずです。うまくいった理由の一つは、ユニットテストと結合テストが、正しい挙動とは何かを厳密に定義していたことにあります。

業務フローには、そのようなテストスイートがありません。このエンジニアの推計では、分野の専門家が言葉にできるのは、日々頼りにしている考慮事項や経験則のうち約半分にとどまります。残りは本人も自覚していないことが多く、そのためインタビューやアンケートから作った業務プロセス図は不完全なものになります。

専門家が口にしようと思わないことを捉える

このエンジニアの会社が使う方法は、消費者向けソフトウェアのユーザーリサーチに似ています。誰かが従業員の隣に座り、その従業員が実際の仕事をする様子を観察します。ある文書やルールが飛ばされるなど、予想外のことが起きたら、観察者はその場で理由を尋ねます。たいていの場合、作業者にはもっともな理由があり、それは文書化された業務手順書には決して載らなかったはずのものです。

同社は手作業の観察だけに頼りたくないと考えており、こうした知識を自動的に引き出すツールを作ることを目標にしています。導入そのものが、知識を捉えるプロセスの一部になります。

  1. シャドーモード。AIは実際の本番業務を受け身で観察し、追跡するだけで、自らは動きません。
  2. 事前入力。AIがタスクを準備して操作を提案し、人がその一つひとつを確認して明示的に承認します。
  3. 修正の記録。システムがすべてのやり取りと、人が加えたすべての変更を記録し、その修正が時間をかけてモデルの振る舞いを磨いていきます。

机を真上から見た構図で、センサーが作業者を見守り、ロボットアームが書類に事前入力し、人の手が承認のスタンプを押している様子

▲ シャドーモードから人の承認までの段階的導入

関連する手法として、あらかじめ選んだシグナルを中心に作られたダッシュボードだけに頼るのではなく、業務の記録全文をAIモデルに読ませる方法があります。記録をすべて読むエージェントは、誰も探そうと思わなかった異常やパターン、ミスに気づくことができます。

従業員が自ら選ぶ定着

従来のチェンジマネジメントは、トップダウンの指示と、チェック項目を埋めるだけの義務づけに頼っています。このエンジニアは、こうしたやり方はAIについてはおおむね時代遅れだと主張し、プロダクト主導の定着に近いもの、つまり人々が気に入っているからツールを使うという形を支持しています。

それを支える設計上の選択が2つあります。

  • 人が嫌がる雑務から始める。従業員が毎日うんざりしている業務上の負担を取り除くと、ソフトウェアは好意を得られます。
  • 確認作業を軽く、やりがいのあるものにする。AIが作業を事前入力すれば、20分かかる反復作業が手早い確認のステップに縮まります。アプリ内の報酬やスコアボードがあれば、そのステップは義務的な作業という感覚が薄れます。

Anthropicのプロダクトマネージャーは、3つ目の要素を加えます。少人数の熱心な先行利用者グループに、十分なトークン上限(トークンはAIの利用量を測る単位)を与え、具体的な実績を作れるようにすることです。信頼されている同僚が否定しようのない成果を示せば、経営層が圧力をかけなくても、関心は部門を越えて広がります。

ある事例がその効果を示しています。3か月の厳しい見習い期間を設けている企業が、タスクの自動化に向けて専門家の知識を取り込むAIエージェントを構築しました。すると新入社員は、そのエージェントに質問することで目に見えて速く仕事を覚え、入社初日からそれを仕事の進め方の一部として扱いました。ツールに抵抗していた勤続20年の従業員たちも、新人が自分たちを上回る成果を出すのを見て、考えを改めました。

新入社員がアシスタント端末を使って自信を持って仕事を進め、3人の先輩社員が身を乗り出し、そのうち1人が椅子を引き寄せている様子

▲ ベテランをAIツールへ引き寄せる同僚の実績

同じ理屈は、規制の厳しい分野の懐疑的な専門家にも当てはまります。AIに何ができそうかという抽象的な話では、彼らは納得しません。しかし、本人の専門領域の狭い一部分に絞った実演であれば納得してもらえることがあります。たとえば、手間のかかる12段階の手続きを、最初から最後まで自動化された1つのワークフローにまとめてみせるといったものです。自分の分野で野心的な成果が安定して動くのを目にすると、人々の考えは個人の生産性からプロセスの再設計へと移っていく傾向があります。

一つの工程の高速化ではなく、プロセス全体を狙う

繰り返し見られる弱点は、野心の不足です。エンドツーエンドのシステム全体を自律型エージェントに任せるのではなく、既存の業務フローにAIをはめ込んでしまうのです。Anthropicのプロダクトマネージャーは、歴史のある企業との最初の一歩を、事業のどこにボトルネックがあり、どこでプロセスを単に速くするのではなく作り直せるのかを見極める診断だと説明しています。同氏は、AIを軸に業務手順を再構築した企業としてShopifyを挙げています。同社ではプロダクトマネージャーが機能を直接作り、エンジニアははるかに大きなレバレッジを得ています。

2人の実務者はどちらも、顧客の最初の要望をそのまま受け入れず、問い直します。企業は多くの場合、外部の視点から指摘されるまで、業務上の問題に気づきません。

うまくいっているかを知る

AIの導入は、本当の意味で終わることはありません。競争力のあるチームは改善を繰り返し続けるからです。成熟度は、測定のあり方に表れます。

  • 評価スイート、いわゆるeval。モデルの出力に対する再現可能なテストです。成熟したチームは、新しいモデルが登場したときにも向上を示せるよう、意図的に難しいままにしています。
  • 専門家の知識を、場当たり的なプロンプトから、再利用できるコンテキストや参照文書へ移すこと。
  • タスクあたりのコストを、もたらされる価値と照らし合わせるといったユニットエコノミクス。ソフトウェアでは、プルリクエストのレビュー1件あたりのコストを、レビューの品質やその後に発生するバグと併せて見ることを意味します。
  • エージェントが会社のポリシーの範囲内にとどまるよう、負荷をかけて検証されたガードレール。
事例 導入前 導入後
政府機関のコンプライアンス審査 外部の請負業者を使って数か月、数百万ドル Claudeを使って約1週間
約100万行のコードベースのRustへの書き換え 大規模なチームで1年以上 AIによる約1週間の作業と数週間の検証
ある企業の新入社員のオンボーディング 3か月の見習い期間 専門家の知識を学んだエージェントにより目に見えて短縮

人件費の削減が、常に最大の成果とは限りません。人の作業をゼロにすることを目指す業務フローでは、人件費は通常、モデルの推論コストの100倍以上かかるため、計算資源への支出を削ってもほとんど意味がありません。重大な結果を伴う仕事では、人件費さえ本題ではないことがあります。ある法務コンプライアンスの業務フローでは、顧客の社内評価で、ミス1件あたりのコストの中央値が$70万、テールリスクは最大$1億とされました。そこでは、エラー率を0.03%から0.01%に下げることに大きな金銭的価値があります。

恩恵は、計画していなかった方向からももたらされます。タスクのコストと時間を削ると、かつては最も高い料金を払う顧客だけに提供していたサービスを、顧客全体に提供できるものへ変えられることがあります。実務者たちはこのパターンをジェボンズのパラドックスと結びつけています。Anthropicの顧客も同様に、同社がそうした用途を想定する前から、Claudeを創薬や臨床試験の業務に取り入れてきました。

コードでは検証できない主観的な仕事については、人による抜き取り確認と、審査役を務める2つ目のモデルを組み合わせるのが実用的な方法です。エージェントが専門家より賢いと想定すべきではありません。エージェントの強みは忍耐力です。人が確認できる記録はおそらく10~100時間分ですが、自動評価なら数千時間分を調べられます。それでも、専門家がまず自分で生の資料を読み、見つけたことをevalに落とし込む必要があります。AIの投資対効果を測る手法は、まだ成熟していません。

コストについて、Anthropicのプロダクトマネージャーは、$1あたりで得られる知能が前年比でおよそ100倍のペースで向上していると見積もっています。初期の探索に多額を投じた企業がいま大きなリターンを得ているのは、そのためです。

要点と次の一手

ツールを配るのは簡単な部分です。難しいのは、専門家が知っていることを表に出し、その成果を取り入れる理由を人々に与えることです。これらの事例から無理なく読み取れるのは、定着は指示ではなく証拠についてくるということです。

導入を計画している、あるいは立て直そうとしているチームは、次のことに取り組んでください。

  • 実際に仕事をしている人の隣に座り、目にした逸脱の一つひとつについて理由を尋ねる。
  • シャドーモードから始め、AIが準備した作業を人が承認する段階へ進み、すべての修正を記録する。
  • 最も嫌がられている雑務を最初の対象にし、確認のステップを軽く保つ。
  • 少人数のパイロットグループに十分な資源を与え、その成果が同僚を通じて広がるようにする。
  • 懐疑的な人に向けて、狭い領域で野心的なエンドツーエンドの実演を1つ作る。
  • 何を測るかを早い段階で決め、人件費の削減と併せてミスのコストを評価する。