dunnhumby社がテクノロジーの導入拡大に向けて、パーソナライズされたAIコーチングを3つの方法で検証
AI導入における課題の解決策は、必ずしも別のAIツールにあるとは限りません。その答えは、コーチにあるのかもしれません。しかも、そのコーチは人間ではない可能性さえあります。
『自主的な学習を強制することはできません。ですので、そのための環境とエコシステムを構築しなければならないのです。』と、dunnhumby社のリーダーシップ・学習開発担当グローバル責任者であるPrachi Prasad氏は述べています。
これが、テスコ、ウォルマート、ネスレといった誰もが知る有名ブランドを支えるグローバルな顧客データサイエンス企業、dunnhumby社における実用的な仮説です。
そのエコシステムにおいて、コーチングは中心的な役割を果たしていました。しかし、25カ国にまたがる3,000人の従業員に一貫してコーチングを提供することは、人間のコーチだけでは対応しきれない規模でした。
『自主性は確かに非常に力強い概念ですが、それはサポートのないエンパワーメントに過ぎません』とPrasad氏は述べました。『時には孤独に感じられることもあります。そこで私たちはコーチングに注目し、「この課題はスケールアップできるはずだ…。人間だけでは一貫した品質を提供することはできない。数字的に見ても無理だ」と考えたのです。』
そこでdunnhumby社は、スキル開発を補完するためにAIを活用したコーチングに目を向けました。チームは、市販のツール、社内で独自に開発したシステム、専用に構築されたソリューションなど、あらゆる手段を試しました。Prasad氏は、Degreedのイベント参加者に対し、テクノロジーとそれを活用する従業員が持つ能力とのギャップを埋めるためにチームが実施してきた3つのAIコーチング実験について解説しました。
実験1：市販のAIコーチング
最初の実験は、従業員がピッチやプレゼンテーションの練習、あるいは難しい会話の対応を行う様子を録画できる、シンプルな市販のAIコーチングツールでした。AIコーチは、話し方や内容を分析し、フィードバックを提供するとともに、掘り下げた質問を投げかけます。
初期の結果は有望でした。Dunnhumby社はこれをテクニカルおよびデータサイエンスチームに導入したところ、人間による評価を受けずに練習できる点を高く評価しました。NPSは高く、反応も圧倒的に好意的でした。クライアントへのピッチにおいても、パフォーマンスの向上が目に見えて確認できました。
問題はインターフェースにありました。有意義で実用的なフィードバックを提供する点で一貫性が欠けていたのです。また、この製品には設定や改善の余地がほとんどありませんでした。そこで、dunnhumby社は次の段階へ進む決断を下しました。
結果：AIコーチ自体は機能しましたが、インターフェースが機能しませんでした。好評ではありましたが、必要な価値を一貫して生み出すことはできませんでした。
実験2：社内開発によるオーダーメイド型AIコーチング
2つ目の戦略は、DIY（自作）アプローチでした。dunnhumby社は、「Change the Conversation」という独自のAIコーチングツールを開発しました。このコーチは、同社独自の4Dフレームワークに基づいており、Microsoft Teamsに直接導入されました。
練習シナリオは完全にカスタマイズ可能であり、dunnhumby社独自の文脈とフレームワークに基づいて構築されていたため、従業員から信頼を得ることができました。従業員の関与は確かなものでした。NPSは60を超えました。
しかし、ゼロから構築するコストは莫大であり、特注ツールの維持には継続的な注意と投資が必要でした。
『時間と資金の両面での投資が必要でした』とPrasad氏は指摘しました。
構築と維持の両方において、学習曲線は急峻でした。ゼロから構築する場合、その運用を支えるあらゆる要素、つまり組織としての利用準備態勢も含めて、すべてに責任を負うことになります。
結果：独自に構築されたモデルは高い信頼を得て、頻繁に利用されました。しかし、構築コストも維持コストも高額でした。
実験3：Degreed Maestroを活用したキャリア開発AIコーチング
3つ目の取り組みは現在も進行中ですが、Prasad氏によると、『人々がどのように、あるいは何になるかを考察するという点において、私たちが目指している姿に最も近いものです』とのことです。
この取り組みは、Degreed Maestro上のキャリア開発コーチです。汎用的なAI駆動型ツールとは異なり、Maestroはdunnhumby社の事情を熟知していました。能力フレームワーク、キャリア開発リソース、70:20:10のメソッド、そして従業員がすでにDegreed上に保有している学習データがすべて組み込まれていました。文脈がしっかりと整っていたのです。
従業員はこのキャリア開発コーチを活用して、自身のスケジュールに合わせて、スキルギャップを特定し、アクションプランを策定し、上司との面談に備えることができます。この導入により、コーチングは必要な時にいつでも、どこからでも利用できるようになりました。
『キャリア開発に関する対話から人間を排除しようというわけではありませんが、夜11時にキャリアへの不安を感じた時、相談できる相手がいると分かっているのは心強いことです』とPrasad氏は述べました。
結果：まだ進行中ですが、オンデマンドでのアクセスと組織の深い文脈の組み合わせにより、すでにシームレスなキャリア開発体験が実現しつつあります。
AIコーチングのユースケースに関する実験
Prasad氏によると、「適切なユースケースから始めているか？」というのが、最初に問うべき質問です。どのようなテクノロジーを試すにしても、適切なユースケースから始めなければ、正しい結果は得られません。その後、Prasad氏は以下の質問を投げかけることを推奨しています。
ワークフローはAIにとって十分に明確か？
AIは実際にどのような役割を果たすべきか？
どのシステムと連携する必要があるか？
ガバナンスと制御の層はどのようなものか？
それが機能しているかどうか、どのように判断するのか？
dunnhumby社にとって、コーチングは、コンテンツだけではチームがスケールさせることができなかった自律学習の問題に対する答えでした。同社が行った3つの実験を通じて、より具体的な問いが導き出されました。『どのツールなら、有用となるだけの組織的な文脈を伴い、オンデマンドで、かつ大規模にコーチングを提供できるのか？』
これは、実行可能な成果をもたらすAI実験です。
うまくいかなかったことを共有することは、うまくいったことを共有することと同じくらい価値があります。真のAI能力を構築している組織は、最も華やかなツールを選んでいるわけではありません。最も簡単なツールを選んでいるわけでもありません。彼らは、適切なツールが見つかるまで、徹底的な検証を繰り返しているのです。それが、dunnhumby社が行ったことです。
Emily Gerson
Tuesday, July 7th, 2026
