企業内でのAI実験は急速に進んでいるが、必ずしも順調に進むわけではない。 S&P グローバル マーケット インテリジェンスが 1,000 名以上を対象に実施した調査によると、AI 計画のほとんどを廃止した企業の割合は、2024 年の 17% から今年の時点で 42% に急増しています。データによると、全体として、平均的な企業は AI の概念実証の 46% を導入せずに放棄しています。
2 年以上にわたる急速な AI 開発とそれに伴うプレッシャーを経て、一部のビジネス リーダーは度重なる AI の障害に直面して疲労を感じ始めています。それは社員も感じています。 Quantum Workplace の調査によると、AI を頻繁に使用していると感じている従業員は、職場で AI をほとんど使用していない従業員 (38%)、または全く使用していない従業員 (35%) に比べて、高いレベルの燃え尽き症候群を報告している (45%) ことがわかりました。
もちろん、研究開発やテクノロジーの導入には失敗がつきものですが、多くのリーダーは、他のテクノロジーの変化よりも AI に対するプレッシャーが大きいと述べています。同時に、AI に関する重要な議論が職場を超えて展開されており、学校から地政学に至るまで、あらゆる場所で AI が中心的な舞台となっています。
「市場や周囲の人が最新テクノロジーに関するメッセージを大量に浴びせるたびに、それを聞くのはうんざりするのが人間の性です。」とコンサルティング会社ウェスト モンローの AI および新興テクノロジー部門責任者エリック ブラウン氏は言います。
失敗とプレッシャーが「AI疲労」を引き起こす
ブラウン氏は、クライアントの AI 実装を支援する仕事の中で、クライアントが「AI 疲労」を経験し、具体的な結果が得られない AI 概念実証プロジェクトに対して不満を募らせているという重大な傾向を観察しました。同氏は、失敗の多くは、企業が間違ったユースケースを模索していたり、業務に関連するAIのさまざまなサブセットを誤解していたりすることが原因であると述べている。例としては、問題を解決するために大規模言語モデル (LLM) を使用することが挙げられます。これは、機械学習やその他のアプローチの方が実際には適しているため、LLM が一般的になったためです。分野自体の進化が早く、複雑すぎて疲労しやすい環境になっています。
場合によっては、可能性へのプレッシャーや興奮によって、企業が十分に検討せずに大規模な変更を行ってしまう可能性もあります。 Brown 氏は、クライアントの 1 つである大規模な世界的組織が、AI を使用して製品のイノベーションを推進する方法を見つけ出す任務を負う新しい「イノベーション グループ」に数十人のトップ データ サイエンティストを集めた経緯について説明します。同氏は、非常に優れた AI ベースのテクノロジを数多く構築してきたが、ビジネスの中核的な問題を実際には解決できず、労力、時間、リソースの無駄に多くのフラストレーションをもたらしたため、それらを導入するのに苦労したと語った。
「どんな新しいテクノロジーでも、特にAIで注目を集めているテクノロジーでは、そのテクノロジーで主導権を握るのは非常に簡単だと思います」とブラウン氏は語った。 「疲労や初期の失敗のほとんどはそこから来ていると思います。」
ワークフロー自動化会社 Tines の共同創設者兼 CEO であるエオイン・ヒンチー氏は、彼のチームが 1 年間取り組んできた AI の取り組みで、最終的に成功に至るまでに 70 回の失敗を経験したと述べました。主要な技術的課題は、当社の顧客が LLM を展開するために構築した環境が十分に安全でプライベートであることを保証することでした。そのため、それを正しく構築する必要がありました。
「問題を解決したと感じた瞬間は確かにありました。はい、これです。これが私たちに必要な能力です。これは大きな一歩の変化になりますが、実際には振り出しに戻らなければならないことに気づきました。」と彼は言いました。
ヒンチー氏は、実際にテクノロジー ソリューションを開発しているチームに加えて、組織の他の部門も浮き沈みによって疲弊していると語った。特に、市場投入チームは、他のベンダーが同様の製品を発売する競争の激しい販売環境で業務を遂行しようとしていましたが、最終製品に到達するまでのスピードは圧倒的でした。ヒンチー氏は、組織の観点から見ると、製品チームと販売チームの連携が最大の課題であると述べました。
「この地味な仕事の前には、当社のエンジニア、製品チーム、営業担当者と多くの励まし、会話、そして安心感を与え、この血と汗と涙のすべてが最終的には価値があると伝える必要がありました。」と彼は言いました。
機能チームに責任を持たせる
サイバーセキュリティ企業ネットスコープの最高情報セキュリティ責任者、ジェームズ・ロビンソン氏は、期待が高まったにもかかわらず、エージェントがさまざまな技術的タスクやその他の投資を遂行できないことに不満を感じていると述べた。しかし、彼と彼のエンジニアは主に構築と実験に対する社内の意欲によって動機付けられ続けていますが、会社のガバナンス チームは深刻な疲労を感じています。 To Do リストは、新しいタスクやチームが導入したい最新の AI ツールなどの承認を競うため、すでに完了したタスクのように見えることがよくあります。
この場合、解決策は途中で見つかりました。企業は、特定の事業部門にガバナンスの初期段階の処理を依頼し、AI ガバナンス委員会に近づく前に何をする必要があるかについて明確な期待を設定することで、負担の一部を軽減しています。
「私たちが本当に推進し、模索していることの 1 つは、これをどのように事業部門に適用できるかということです」とロビンソン氏は言います。 「たとえば、マーケティングやエンジニアリングの生産性チームの場合、実際に最初のレビューを彼らにやらせます。正直に言うと、彼らはこれにより興味があり、よりやる気があるので、彼らにレビューをさせています。その後、ガバナンスチームに渡されると、ドキュメントが完成していることを確認するために、いくつかの具体的で深い質問をすることができます。」
このアプローチは、ウェスト モンローのブラウン氏が最終的に顧客を失敗に終わった「イノベーション ラボ」の取り組みから立ち直らせるのに役立ったと述べたことを反映しています。彼は、チームが事業部門に戻り、主要な課題をいくつか特定し、どれが AI ソリューションに最も適しているかを判断することを提案しました。その後、プロセス全体を通じて関連するビジネスユニットからの意見を取り入れながら、小さなチームに分かれ、AI がこれらの問題の 1 つを 1 か月以内に解決できることを実証するプロトタイプを実験および構築しました。さらに 1 か月半後、ソリューションの最初のリリースがデプロイされました。
全体として、AI 疲労を予防し克服するための彼のアドバイスは、小さなことから始めることです。
「逆効果になる可能性があることが 2 つあります。恐怖に負けて何もしなければ、最終的に競合他社に追いつかれてしまうことです。あるいは、一度に多くのことをやろうとしたり、ビジネスのさまざまな部分に AI を組み込む実験に十分に集中しなかったりすることもあり、それも圧倒される可能性があります。」と彼は言いました。 「ですから、一歩下がって、どのような種類のシナリオで AI を実験できるかを考え、それらの機能分野で小さなチームに分け、いくつかのガイダンスを受けながら小さな単位で作業してください。」
結局のところ、AI の目的は、より賢く働けるよう支援することであり、一生懸命働くことを支援することではありません。
AI 革命の最前線に立つ企業がテクノロジーが現実世界に及ぼす影響にどのように対処しているかを文書化した新シリーズ、Fortune AIQ のストーリーをさらにご覧ください。
