ビジネスリーダーが AI プロジェクトの失敗を回避する 3 つの方法

なぜこれほど多くの AI プロジェクトが失敗するのでしょうか。そして、ビジネス リーダーはどうすればそれを回避できるのでしょうか。ここでは、リーダーシップが陥りがちな 3 つの落とし穴と、AI の取り組みを成功に導くことでこれらの間違いを回避する方法について説明します。

[[373683]]

ほとんどの組織は AI (人工知能) の取り組みをどのように始めるのでしょうか?

ここでは、大手企業のリーダーたちが人工知能への進出をどのように計画しているかを紹介します。以下はマッキンゼーの最近の例です。

• 大規模組織の責任者は、会社全体のデータクレンジングの取り組みに 2 年の歳月と数億ドルを費やしました。目標は、AI イニシアチブを開始する前にデータ メタモデルを作成することです。
• 大手金融サービス会社の CEO は、人工知能の力を解き放つために、1 人あたり平均 25 万ドルのコストで 1,000 人のデータ サイエンティストを雇用しました。
• 大手メーカーの CEO は、AI 技術がテキスト、画像、ビデオ データに非常によく適合するため、非構造化データを使用する野心的なプロジェクトをいくつか挙げました。

これらすべての取り組みに共通するものは何でしょうか? すべて失敗しました。

多額の埋没コストに加え、これらのプロジェクトは高度な分析に対する組織の幻滅にもつながりました。

これは珍しいことではありません。 McKinsey の AI の現状に関する調査によると、AI を使用している組織のうち、測定可能な収益への影響を報告したのはわずか 22% でした。なぜこれほど多くのプロジェクトが失敗するのでしょうか。そしてリーダーはどうすればそれを回避できるのでしょうか。

AI を推進するリーダーのほとんどは、所有権の 3 つの側面を見落としています。これらの責任は、AI プロジェクトを計画するずっと前から始まり、プロジェクトが稼働した後も長く続きます。

AI イニシアチブが失敗する 3 つの方法は次のとおりです。

間違い1: ビジネスビジョンと一致しないAIプロジェクトを立ち上げる

McKinsey & Company の調査によると、AI 戦略を企業戦略と整合させている組織はわずか 30% に過ぎないことがわかりました。ほとんどのリーダーが AI の名の下に資金を浪費していることは衝撃的でしょうか? 組織は、興味深い、または緊急と思われる AI イニシアチブを追求することがよくあります。

企業のプロジェクトはビジネス上の問題を解決する必要があります。しかし、さらに重要なのは、これらの結果が企業戦略と一致している必要があるということです。ビジネスビジョンから始めて、データがどのようにそれを実現するかを決定します。ターゲットとなるステークホルダーが誰であるかを明確にし、彼らにとっての成功がどのようなものであるかを決定します。

次に、関係者に権限を与え、ビジネス目標の達成に近づける戦略的イニシアチブを特定します。

MIT スローン マネジメント レビューのレポートで、製薬会社ロシュの CIO であるスティーブ ギーズ氏が、人工知能が同社のビジネス モデルの変化にどのように役立つかを説明しています。製薬会社ロシュはパーソナライズされたヘルスケアの実現に取り組んでいます。ギーズ氏は、現在の薬物送達モデルではこのビジョンの達成には役立たないと指摘した。彼らは、新薬発見のペースを年間3種類から30種類に加速する必要があると考えている。ギーズ氏は、人工知能はそうした飛躍的な改善の達成に役立つ可能性があると述べた。

ロシュ・ファーマシューティカルズは、スクリーニング、診断、治療にわたる機能を構築することで、組織内で AI を主流にしようとしています。同社は、AI を活用した創薬に取り組むスタートアップ企業と提携することで、これを強化しています。こうした努力の結果、ロシュ・ファーマシューティカルズは、B型肝炎やパーキンソン病などの疾患の治療において大きな進歩を遂げました。企業ビジョンから始めて、すべての AI イニシアチブをこの包括的な目標に合わせることで、ロシュの取り組みは実を結びつつあります。

間違いその2: ローンチ後にROIの計画を待つ

組織は AI プロジェクトの投資収益率 (ROI) をいつ考慮すべきでしょうか? ほとんどの組織は、プロジェクトが稼働したときに ROI を追跡するという間違いを犯しています。リーダーは、「効率性の向上」、「ブランド価値」、「顧客満足度の向上」などの漠然とした結果に満足することで、状況を悪化させます。

結果の価値を定量化するのは簡単ではありません。しかし、それは不可能ではありません。組織は、プロジェクトを承認する前に、定量化されたビジネス上のメリットを要求する必要があります。 AI は収益を増やしたり経費を削減したりすることで価値を生み出すことができます。どちらも貴重です。プロジェクトがどのような成果を達成するかを定義します。

組織は、これらの成果を測定するために、先行指標と遅行指標の組み合わせを特定する必要があります。プロセスを更新するか、新しいプロセスを作成して、メトリックの計算に必要なデータを収集します。最後に、ハードウェア、ソフトウェア、技術チーム以外のコストによる投資を追跡します。組織の導入および変更管理イニシアチブへの支出が含まれます。この ROI メトリックは、組織のプロジェクト承認の決定における重要な要素となるはずです。

ドイツ銀行はドイツでAIを活用した消費者向け融資商品を立ち上げた。顧客がローン申請書を記入した後でも、このソリューションはローンに関する決定をリアルタイムで行うことができます。消費者は融資を拒否されると信用格付けに影響が出るのではないかと心配している。この商品は、たとえ「申請済み」のステータスに達していなくても、ローンが承認されるかどうかを顧客に伝えることで、そのリスクを排除します。

ドイツ銀行は、AIを活用したサービスを開始してから8か月で融資の実施件数が10～15倍に増加したことを発見した。当初申し込んでいなかった顧客を引き付けることで収益を獲得します。これは AI が収益の増加に貢献している明らかな例です。

間違い3: 組織文化を変えずにAI主導の変革を期待する

ガートナーは2019年の年次調査で、最高データ責任者に分析から価値を引き出す上での最大の阻害要因について質問しました。最大の課題は、データやテクノロジーとはまったく関係ありません。これが文化です。

組織文化を慎重に形成しなければ、どれほど優れた AI 戦略を立てても何も達成できません。文化の変化はゼロから始めなければなりません。リーダーはストーリーテリングを活用して、AI が組織のビジョン達成にどのように役立つかを啓発し、実証する必要があります。

リーダーは AI に対する不安を和らげ、すべての従業員のデータリテラシーを向上させる必要があります。企業は模範を示し、あらゆるレベルでデータチャンピオンを採用することで変化を維持する必要があります。文化の変化には何年もかかり、リーダーはプロジェクトが開始されてからも長期間にわたってプロジェクトに影響を与えなければなりません。

ドミノ・ピザは、テクノロジーを通じて自らを変革した企業の好例です。同社はデータ主導の意思決定の文化を採用し、販売、顧客体験、配送に人工知能を活用しています。 10年前はそうではありませんでした。

パトリック・ドイル氏が2010年にドミノ・ピザの最高経営責任者に就任したとき、この50歳のピザ職人は顧客からも投資家からも絶賛されていた。ドイル氏は、ハーベスト・レビューを上場するという大胆な一歩を踏み出した。その後、彼は内部から外部まで完全に再起動し、組織をデジタル変革への道へと導きました。彼はリスクの高いプロジェクトを引き受け、従業員に権限を与え、いくつかの AI イノベーションを社内に導入することで、テクノロジーに大胆な賭けをしてきました。

ドイル氏が2018年に引退した時点で、ドミノ・ピザは28四半期連続で売上を伸ばしており、株価収益率はグーグルを上回っていた。退任する CEO は、次のように最も的確にまとめています。「当社はピザを販売するテクノロジー企業にすぎません。」ドミノ・ピザ内での文化的変革を主導することで、ドイル氏はデータに基づく意思決定への移行を確実にし、新しい CEO に交代した後もその移行は継続されました。

AI は組織内のイノベーションのギャップをどのように埋めるのでしょうか?

技術革新を導入するのは決して容易なことではありません。 AI のような新しいテクノロジーを市場に投入する場合でも、組織内で AI を導入する場合でも、課題は同様です。

イノベーターはこの取り組みを組織内に組み込みます。アーリーアダプターは、当初の熱意とオープンな姿勢により、イノベーションを受け入れます。しかし、その後、速度が落ち、差は広がった。多くの場合、可視性の欠如、結果に関する不確実性、変化に対する広範な抵抗が存在します。

ここでほとんどの計画は失敗します。

AI のような革新的なテクノロジーがこの溝を越えて主流へと移行するには、リーダーシップの介入が必要です。リーダーは、取り組みを企業ビジョンと一致させることで AI を成功させる必要があります。 AI の ROI に関する会話を制度化することで、経済的価値を実証する必要があります。最後に、変化を促進し、AI 主導の意思決定を採用するための組織文化を形成する必要があります。