エンタープライズAIを成功させるための青写真

今最も注目されているトピックのひとつが、エンタープライズAIのブームと、それがより少ないリソースで飛躍的にビジネス成果を高める可能性です。そして、この仮説には十分な根拠があります。ある調査によると、2030年までにAIのゴールドラッシュが世界経済に15兆ドル超の経済的効果をもたらすと予測されています。

しかし、企業がこれほど大きな価値を手に入れるには、ITリーダーが組織全体でAIを統合する方法を見い出す必要があります。これには、プロセスへのAIの組み込みや、それをサポートする強力なデータ管理戦略などがあります。これらを実施して初めて、企業におけるAIの価値が最大限に発揮されるのです。

この記事では、ITリーダーがエンタープライズAI戦略を円滑にスタートさせるためのインサイトをご紹介します。また事例やAIへの投資効果を高めるためのヒント、ビジネスでAIを活用する際の考慮点や注意点もあわせて解説します。

企業はなぜ、AIに投資する必要があるのでしょうか。それは、ここに投資しなければ後れを取ってしまうからです。

AIは既に従業員の働き方を変え始めており、その変化は今後もしばらく続くと考えられます。KMPG LLP社プリンシパルのTodd Lohr氏は、次のように述べています。

【AI】は、あらゆる業界のあらゆる業務を変えます。人が働くあらゆる場所で、AIは業務を支援し、これまでしてきた業務内容を変え、人の役割にも変化をもたらします。

Amazon Web Services社のフィールドCTO兼プリンシパルソリューションアーキテクトのPiyush Bothra氏によれば、製品戦略やビジネス戦略の一環として機械学習やAIを導入している企業では、既に売上と収益の両面で成長が見られています。Bothra氏は次のように述べています。

【機械学習やAIを導入している企業】は、そうでない企業に比べて、自らを有利な成長路線に位置付けています。この差は今後数年でさらに開いていくでしょう。市場の勢力図が大きく変わる可能性があります。もし大多数の企業がAIの検討を始めなければ、主導権を握るのはごく一部の企業に限られるかもしれません。

AIを効果的に導入できなければ、目先の業務遂行能力に差が出るだけでなく、長期的な戦略の実行可能性にも支障をきたします。エンタープライズAIの導入が遅れた企業は、市場で存在感を失うリスクがあります。

ビジネス向けAIや、今日の業務運営を変革しているエンタープライズAIの応用に関するユースケースをご紹介します。

請求書や発注書の処理は、どんな業種でも欠かせない業務です。組織の拡大に伴い、手作業による請求書や発注書の処理が、他のワークフローにとって急速にボトルネックとなる可能性があります。たとえば、現在の請求・発注用アプリケーションが急速に成長する経理・購買部門をサポートしているとします。従業員数は限られているため、彼らは毎日請求書と発注書の処理に多大な時間を費やしており、その負担は増え続けています。

そこで、既存のワークフローに文書抽出のAIスキルを組み込むと、従業員の負担を軽減し、繰り返しの作業から解放して、より有意義な業務に専念できる環境を実現します。発注書や請求書は、自動文書抽出に適した文書の一種です。値に対して明確にラベル付けされた半構造化データが含まれているため、キーと値の組み合わせを容易に抽出することができます。

サプライマネジメントに特化する企業では、監査や保管のプロセスが必要な請求書を毎日数多く受け取っています。請求書はどれも同じ形式で、識別しやすい項目で構成されているため、各項目からのデータの抽出と結果の保存を、AIを活用したロボットに任せることができます（Robotic Process Automation（RPA）の動向に関する詳細はこちらをご覧ください）。

また、文書を分類し、そこから自動的にデータを抽出するようなプロセスを設計することも可能です。データベースに保存する前にデータが正しく抽出されていることを確認したい場合は、人間によるAI作業の検証を取り入れることで、品質管理と人的な監視体制を強化することができます。

さらに、文書抽出のユースケースは他にも多く存在します。文書内のデータを人が監査・確認・整理する必要があるあらゆる用途に対しても、このプロセスを適用することができます。文書抽出では項目に着目するため、請求書、記録、申込書などの書類を扱う際には、こうした機能の活用を検討してみてください。

次に、保険業界のユースケースについてご紹介します。たとえば、ある請求管理アプリケーションでは、1日に数百件もの保険金請求が届くとします。データ量が膨大なためにチームに負担がかかると、処理が遅れ、的確でない意思決定が行われるリスクが高まります。これは、AIによる保険業務の改善が可能なシナリオです。以下に、この仕組みの一例をご紹介します。

• AIを活用し、ユーザーが通常より大幅に短い時間で請求データを処理できる、請求提出用インターフェイスを迅速に設計する
• すべての請求を1つのチームで担当し、大量の補足資料を手作業で識別・分類するのではなく、AIを活用し、損害発生個所に応じて異なるチームに請求を割り当てる
• カスタムの機械学習（ML）モデルを活用して各請求に添付された文書の種類を識別し、自動化と組み合わせて関連チームへの通知や招集を行う
• 画像が添付された保険金請求の場合、コンピュータビジョンを活用して画像を分析し、破損発生個所を判断した上で請求を適切なチームに割り当てる

大手法律事務所では、集団訴訟の案件データを管理する必要があります。1つの案件に数千名の原告が関わることもあるため、原告の共通点を探し出すのには非常に時間がかかります。たとえば、集団訴訟において法務書記官が、アパートの建設に使用された材料が原因で呼吸疾患を訴える原告の人数を、手作業で調査するとします。

ITチームはこのユースケースをサポートするため、Appianのレコードチャット・コンポーネントのようなAI搭載ツールを組み込んだ、エンタープライズAIアプリケーションを構築することができます。これにより法務書記官は、プロンプトを作成しなくても、自然言語処理を利用して関連レコードを検索できるようになります。さらに、Appianのこのコンポーネントには、レコードデータに基づく質問に回答できるAIが組み込まれています。そのため、案件レコードの内容に即した質問をすると、Appianが関連レコード内を検索して迅速に回答を導き出します。

生成AIも、迅速なワークフロー生成のあり方を大きく変化させています。たとえば、Robotic Process Automation、ビジネスルール、データファブリックなどのプラットフォームで、既存のビジネス・プロセス・オートメーション技術を活用し、一連のタスクを実行するワークフローをAIに構築させることが想像できます。あるいは、自然言語でAIアシスタントにクエリを入力するだけで、組織内の全ユーザーが即座に分析結果にアクセスできるようになることが想像できます。

このような機能や類似の技術が市場に登場すると、組織の生産性はこれまでとは異なる形で変化し始めるでしょう。

このような高度なオートメーションを通じて多くのAIのユースケースやツールを導入する際には、特に次の3つのポイントを意識してください。

AIプロセスオートメーションの取り組みを成功させるには、堅牢なデータ管理をしっかり確立することが重要です。なぜなら、あらゆるAI導入の効果は、それを支えるデータの質とアクセスのしやすさに、密接に関連しているためです。AI導入で成功しているケースでは、データに即時にアクセスできるようにするだけでなく、AI主導でプロセスオートメーションを簡単に利用できるようにすることも重視しています。

…あらゆるAIの課題の根幹は、データにあります。組織がどの程度準備できているかを検討するとき、大きく左右する要因は、データエコシステムの成熟度です。- Deloitte Consulting LLP社、マネージングディレクター、Brendan McElrone氏

このため、組織は従来のデータウェアハウスやデータレイクから、データファブリックのようなよりアジャイルなデータ管理戦略へと転換しつつあります。データファブリックとは、データを保存場所から移動させることなく、企業のあらゆるデータソースを繋ぐことができる仮想データレイヤーのことです。この技術により、組織はAIが変革を実現するために必要となるデータを供給することができます。

AI導入をサポートするデータ管理戦略を策定する際は、データプライバシーを最優先に考えます。公開されているデータセットで訓練されたAIモデル（自社所有のデータのみで訓練されたものとは異なる）を利用する際のリスクを認識することが重要です。たとえば、ChatGPTのような大規模言語モデルは、ユーザーから入力されたデータを公開モデルに取り込む仕組みになっているため、従業員がAIと十分にやり取りできる範囲や、AIに提供できる情報が制限されます（詳しくは「パブリックAIとプライベートAIの比較」をご覧ください）。

自社のデータが自社のクラウド環境に留まり管理下にあるような、完全なプライベートAIソリューションを検討してください。プライベートAIモデルは、組織のデータのみを用いて専属的に訓練されます。これにより、得られた知見が組織内にとどまり、他社にデータを活用されるのを防ぐことができます。

業務要件に応じて、さまざまな処理にAIを活用することができます。ファイルのレビュー、重要なデータポイントの抽出、顧客とのやり取りの監視、契約書の手書き情報の収集やデジタル化などが挙げられますが、これらはごく一部に過ぎません。どのような状況でも、先にツールに投資してからユースケースを考えるのではなく、まずはAIが改善・解決できる課題から着手しましょう。

業績が好調な組織は、ビジネス戦略を堅持しつつ、AIを成長の加速器として活用しています。- KPMG LLP社、プリンシパル、Todd Lohr氏