しかし、近年のAIの進歩により、その基本的なロジックが変わりつつあります。 Nvidia CEO のジェンセン・フアン氏は最近、「初めてテクノロジーによって仕事ができるようになりました」と述べました。 「（たとえば）すべてのロボタクシーには目に見えない AI ドライバーがいます。そのドライバーが仕事をしており、彼が使用するツールは車です。」
このアイデアは、現在進行中の移行を捉えています。 AI はもはや人間が使用するための単なるツールではありません。むしろ、AI は「仕事」そのものの積極的なオペレーターおよびコーディネーターとなり、予測と作成だけでなく、計画、実行、学習も行うことができます。この新興クラスの「エージェント」AI は、人工知能の次の波を表しています。エージェントは、ワークフロー全体を調整し、意思決定を行い、経験に基づいて適応できます。そうすることで、マシンとチームメンバーとの境界線も曖昧になります。
ビジネス リーダーにとって、これは、エージェント AI がテクノロジー導入を取り巻く基本的な管理計算を覆すことを意味します。彼らの仕事は、もはや単によりスマートなツールをインストールすることではなく、従業員全体が統合、分散され、継続的に進化する組織を導くことです。エージェントが参入すると、企業は仕事の設計方法、意思決定の方法、AI が自律的に動作するときに価値がどのように生み出されるかという構造自体を再考する必要があるでしょう。組織がこれらのエージェント機能を中心に自らをどのように再設計するかによって、AI がより効率的なテクノロジーになるだけでなく、戦略的差別化の新たな基盤となるかどうかが決まります。
経営幹部がこれらの変化にどのように対処しているかをより深く理解するために、BCG と MIT Sloan Management Review は、100 か国以上の 2,000 人以上のリーダーを対象とした世界的な調査を実施しました。私たちの調査結果は、組織がエージェント AI を急速に検討している一方で、ほとんどの企業は AI エージェントを日常業務に統合するために必要な全体的な戦略と運用モデルを定義する必要があることを示しています。
組織の課題: 企業の再設計
Agentic AI が認識する二重のアイデンティティ (システムとチーム メンバーの両方) は、従来の管理フレームワークでは簡単に解決できない緊張を生み出します。リーダーはこれらの緊張を完全に取り除くことはできません。代わりに、それを管理する方法を学ぶ必要があります。顕著な組織的緊張が 4 つあります。
スケーラビリティと適応性。機械は予測どおりにスケールしますが、人間は動的に適応します。 Agentic AI は両方の機能を備えており、ワークフロー全体で効率と柔軟性のバランスをとる新しい組織設計原則が必要です。エクスペリエンスと利便性。リーダーは長期的な能力を構築することと、急速に変化するテクノロジー環境で短期的なチャンスをつかむために十分なスピードで行動することを天秤にかけなければなりません。監督と自主性。エージェント型 AI では、出力だけでなく動作も監視する必要があります。組織は、いつ人間が情報を把握し続けるのか、いつエージェントが独立して行動するのかを決定し、それぞれに対する明確な責任構造を持たなければなりません。再構築と再想像。リーダーは、即時の利益を得るために既存のプロセスに AI を組み込む時期と、エージェントの可能性を考慮してエンドツーエンドのワークフローを再考する時期を選択する必要があります。
最先端の企業は、こうした緊張を完全に解決できていません。代わりに、彼らはそれを受け入れ、システム、ガバナンス、役割を再設計して摩擦を勢いに変えています。彼らは、エージェント AI の複雑さを、修正すべき欠陥ではなく、活用すべき機能だと考えています。
リーダーは今何をすべきでしょうか？
CEO にとって今の課題は、テクノロジーが人々と連携して組織を導く方法を見つけ出すことです。この新しいクラスのシステムを管理するには、これまでの AI の波とは異なるフレームワークが必要です。予測 AI は組織の分析をより迅速かつ適切に行うのに役立ち、生成 AI は組織がより迅速かつより優れたものを作成するのに役立ちましたが、エージェント AI は組織が独自に計画、実行、改善することでより迅速かつより適切に運営できるようになりました。これらの変化は従来の管理アプローチを覆し、リーダーシップのための新しい戦略を必要とします。
ワークフローだけでなくタスクも再考してください。予測 AI または生成 AI では、リーダーのタスクはモデルをワークフローに挿入することです。しかし、エージェント AI には別のものが必要です。プロセスを単に実行するのではなく、プロセスを動的に再構成します。エージェントは計画、行動、学習を繰り返し行うため、同じ目標を達成するためのより良い新しい方法を発見できます。
歴史的に、多くの作業プロセスは、人間が機械のような精度と予測可能性を模倣できるように設計されてきました。各ステップは標準化されているため、作業を確実に再現できます。しかし、エージェント システムはこの論理をひっくり返します。リーダーはインプットと望ましい結果を定義するだけで済みます。開始点と終了点の間で起こることは有機的であり、リアルタイムで最適化する生きたシステムです。
しかし、ほとんどの組織は依然として AI を既存のワークフロー上のレイヤー、つまり本質的にツールとして扱っています。エージェント AI の真の可能性を引き出すには、リーダーはまず、意思決定の速度、機能横断的な調整、学習フィードバック ループが最重要であるいくつかの高価値のエンドツーエンドのプロセスを特定し、次に人間とエージェントがどのように学習して一緒に行動できるかを中心にそれらのプロセスを再設計する必要があります。チャンスは、予測どおりに拡張し、動的に適応できるシステムを作成することです。
あなたの行動と決断を導きます。以前の AI ウェーブでは、出力の監視が必要でした。エージェント AI はその動作を監視する必要があります。これらのシステムは自律的に動作できますが、すべての動作が同じリスクを伴うわけではありません。このため、リーダーシップの問題は意思決定権限の決定よりも広範囲になります。これは、エージェントが組織内でどのように動作するか、つまりエージェントが参照できるデータ、トリガーできるシステム、エージェントの選択が組織全体にどのように、どの程度波及するかを定義します。リーダーは、どのカテゴリの意思決定を人間だけに委任できるか、どのカテゴリをエージェントに委任できるか、および両者の協力が必要なものを決定する必要がありますが、全体的な焦点はエージェントの行動に境界を設定することにある必要があります。
したがって、ガバナンスはもはや静的な政策ではあり得ません。状況やリスクに応じて柔軟に調整する必要がある。そして、リーダーが人々を指導するのと同じように、エージェントも指導しなければなりません。どのような情報が必要か、それがどのような目標に最適化されるか、不確実性をいつ人間の判断に委ねるかを決定する必要があります。ガバナンスに対するこの新しいアプローチを採用する企業は、マシンの稼働中であっても説明責任を透明にすることで、社内および規制当局との信頼を築くことができます。
構造と才能を再考してください。生成 AI は個人の働き方を変革しました。エージェント型 AI は組織の構造を変えます。エージェントがタスクと情報フローを調整できるようにすることで、監視のために構築された従来の中間層が削減されます。これは置き換えの話ではなく、再設計です。次世代のリーダーは監督者ではなく、調整者となるでしょう。つまり、ビジネス上の判断力、技術的な流暢さ、倫理的認識を組み合わせて、人間とエージェントのハイブリッド チームを指導できる人材です。企業は現在、より平坦な階層構造、定型的な役割の削減、タスクの実行ではなく調整と革新に報いる新しいキャリアパスの計画を開始する必要があります。
人間とエージェントの学習を制度化する。人間と同じように、エージェントも漂流し、学習し、そして最も重要なことに、フィードバックによって改善します。あらゆるアクション、インタラクション、修正により、能力がさらに向上します。しかし、その改善はすべてのステップを制御することではなく、システムの学習をより速く、より良くするために人々が継続的に関与することにかかっています。
これを実現するには、リーダーは人間とエージェントをつなぐ継続的な学習ループを作成する必要があります。従業員は、エージェントとの連携方法、つまりエージェントを改善し、批判し、進化する機能に適応する方法を学ぶ必要があり、エージェントは、新人研修、監視、再トレーニング、さらには「退職」を通じて同じやり取りを通じて向上します。
これを共有の開発プロセス（人々がエージェントの学習方法を形成し、エージェントが人々の働き方を強化するプロセス）とみなす組織は、最大の利益を得るでしょう。このループを管理するには、人間とエージェントの両方を学習者として捉え、継続的なトレーニング、再トレーニング、知識交換のための構造を作成する必要があります。このプロセスが正しく行われると、組織自体が継続的に改善されるシステムとなり、人間とエージェントとの対話のたびにより賢くなっていきます。
徹底的な適応性を実現します。従来のイノベーション プログラムは、予測可能性を念頭に置いて設計されています。しかし、Agentic AI の動きが速すぎて追いつけません。リーダーには、財務面、運営面、文化面で継続的に適応できる組織が必要です。しかし、エージェント時代の適応性は、より速いテクノロジーサイクルに追いつくだけでなく、組織がエージェントとともに学習するにつれて進化する準備を整えることも重要です。新しい機能ごとに、責任、意思決定フロー、さらには「良好なパフォーマンス」がどのようなものかを変える可能性があります。
リーダーは危機管理ではなく、適応力を組織原則として扱わなければなりません。これは、継続的な再投資のための予算を立て、エージェントが新しい役割を引き受けるときに機能を再構成できるモジュール構造を構築し、実験が例外ではなく標準である文化を促進することを意味します。 Agentic AI は、継続的かつ根本的な変化に依存できる組織に報酬を与えます。この種の「エージェント中心主義」とは、システム自体が学習した内容に基づいて人材を再割り当てし、プロセスを更新し、ガバナンスを刷新することを意味します。最も回復力のある企業は、適応性を防御反射ではなく、利点の重要な源泉とみなしています。
代理店会社
長年にわたり、AI の物語は自動化、つまり同じタスクをより速く、より安く、より少ない人数で実行することに関するものでした。しかし、その時代は終わりを迎えようとしています。エージェントティック AI は、組織そのもの、つまり組織がどのように学習し、協力し、進化するかを再構築できるため、価値の性質を変えます。次のフロンティアは繰り返しではなく、根本的な再設計です。
本当のチャンスは、継続的に自らを改革できる企業を構築することです。ここでは、エージェント AI が結合組織となり、知識、意思決定、適応を 1 つの生きたシステムに結び付けます。これはエージェントティック エンタープライズ オペレーティング システムの基盤であり、人間の創造性と機械のイニシアチブが共に進化して企業の働き方を動的に再設計するモデルです。こうした変化を受け入れる企業は、依然として効率性を追求する企業よりも成長するでしょう。これらの企業は、AI 時代における価値、機能、競争の仕組みを定義することになります。
フランソワ・キャンドロンによる他のフォーチュンコラムをお読みください。
フランソワ・カンデローニ氏はプライベート・エクイティ・ファンドSeven2のパートナーであり、BCGヘンダーソン研究所の元グローバルディレクターである。
アマルティア・ダスはBCGの校長であり、BCGヘンダーソン研究所の大使でもあります。
Sesh Iyer は、BCG のマネージング ディレクター兼シニア パートナーです。彼はBCGの北米議長です
Shervin Khodabandeh は、BCG のマネージング ディレクター兼シニア パートナーです。
サム・ランズボサムは、ボストン大学キャロル経営大学院の分析学の教授です。
