AIの実験をビジネス成果につなげるためのガイド

DISCE
4 日前
読了時間: 8分

原文「Your Guide to Turning AI Experiments Into Business Outcomes」

多くの企業がAIツールの試験導入を行っていますが、IBM社によると、AI導入プロジェクトのうち期待通りのROIを達成しているのはわずか25%に過ぎません。AIによる変革の多くは、試験運用中またはその直後に失敗に終わっています。本格導入や成果が出るずっと前の段階でのことです。

こうしたプロジェクトが失敗するのは、技術的な問題が原因ではありません。失敗する理由は次の通りです。

人が追いつけない。企業は技術に注力しがちですが、欠けているのは「人の能力」です。「70:20:10の学習モデル」をご存知でしょうか？Forbes社とBoston Consulting Group社は、AIに関連するこのフレームワークの最新版を発表しました。彼らは、AIの導入を成功させるには、アルゴリズムが10％、技術が20％、そして人とプロセスが70％を占めると指摘しています。技術はパズルのほんの一部に過ぎません。はるかに大きな割合を占めるのは、人とプロセスなのです。
パイロットプロジェクトはスケールできない。小規模なグループでのテストは重要ですが、パイロットでの成功が、自動的にグローバル企業全体での成功につながるわけではありません。概念実証（PoC）の段階を超えるためには、AIへの投資を、再現可能なプロセスやシステムへと転換する必要があります。それらは、ワークフローや技術スタックに適合している必要があります。
AIイニシアチブがビジネスや学習者のニーズと整合していない。AIが一貫してビジネス成果をもたらす、企業レベルでの最適化へと飛躍を遂げた企業はごくわずかです。その理由は、ステークホルダーの賛同が得られていないこと、そしてイニシアチブが、測定可能な組織全体の目標や課題と整合していなかったことにあります。どのような成果も、せいぜい抽象的あるいは定性的なものに留まってしまうでしょう。

では、現実の世界において、これらの課題に対処するために何が有効なのでしょうか？

LENS 2026イベントでは、実験段階から実践段階への移行に成功したYara社、HubSpot社、Pearson社、GSK社のリーダーたちによるパネルディスカッションが行われ、彼らの知見が共有されました。実践から得られた重要な教訓と、最終的に最大のインパクトをもたらした取り組みについてご覧ください。

AIイニシアチブは理想論ではなく、ビジネスの課題に基づいて構築する

AIができることに夢中になりがちですが、導入を成功させるには、ビジネスが実際にAIに求めていることから始める必要があります。技術的な機能や誇大広告から始めると、取るに足らない問題にAIを適用してしまう可能性が高いでしょう。一時的な盛り上がりは生むかもしれませんが、成果は得られないでしょう。

Yara社のグローバルラーニング＆デベロップメント責任者であるLeanne Jefferson氏は、AIイニシアチブを実際のビジネスの課題と整合させることの重要性を強調しました。例えば、『Yaraのようなグローバル企業において、コーチングのような質の高いリーダーシップ支援を拡大することは課題です。』

そのため、コーチングはAIの能力を検証する絶好の機会となりました。このケースでは、Degreed Maestroを活用しました。単なる「驚き」ではなく、ビジネスに響くユースケース、具体的にはリーダーシップ能力開発に基づいて、AIツールの承認を得ることができました。

明確な課題の解決に焦点を当て続けたという選択こそが、絶え間ない組織の変化やリスク回避的な傾向がある中でも、最終的に必要なステークホルダーの賛同と熱意を確保することにつながりました。

L&Dを統合されたAIシステムへと変革する

AIが成熟するにつれ、L&Dの役割も進化しなければなりません。なぜなら、ビジネスの成功にとって、学習はこれまで以上に重要になっているからです。McKinsey社によると、リーダーの90％近くが、従業員育成の方法に大きな変革を求めています。

『AIの世界の未来がどのようなものになるかは分かりませんが、人材開発を伴わない好ましい結果などありません』と、Pearson社のラーニング＆デベロップメント責任者であるZoe Botterill氏は述べています。

先見の明のある企業は、万人向けの画一的なバーチャル学習から離れ、自社で設計したレスポンシブなシステムを採用しています。HubSpot社では、この変化が非常に劇的であったため、2024年4月以降、従来のeラーニングコースは一切作成されておらず、従来の職務内容さえも変化しています。

『かつてラーニングエクスペリエンスデザイナーだった私たちの多くは、今やAIラーニングシステムアーキテクトとなっています。なぜなら、彼らはもはやeラーニングを作成していないからです』とJackson氏は述べています。この新しい役割は、すべてを自分一人でこなそうとするのではなく、システムを連携させ、社内のアーリーアダプターたちの取り組みを後押しすることに重点を置いています。

スケーラブルなシステムを構築する一環として、学習コンテンツの制作と配信も、絶えず進化する変化に追いつくために適応しなければなりません。学習体験の基盤となる情報が急速に進化し、ビジネスのタイムラインが光速で動いているため、質の高い学習体験を準備する時間はますます短くなっています。

この課題に対処するため、Botterill氏は、専門家がコンテンツをその場で調整できる、より反復的なワークフローへの移行を提案しました。『私たちはローンチし、プロダクトマインドセットを定着し、進めながら反復と学習を行っていくつもりです。』

新興のAI機能は、自動的に更新されるレスポンシブな学習体験やコンテンツライブラリを通じて、この新しい働き方を支えています。

スキル実践のための「ジム」を作る

AI機能の、特に人材開発における過小評価されがちな利点の一つは、練習の場として心理的安全性を提供できることです。従業員がスキルの応用練習を必要としているものの、実地での本番さながらの高いプレッシャー環境に挑むには、まだ少し準備が整っていない場合、AIロールプレイやマンツーマンコーチングといったツールは、そのギャップを埋めるための優れた選択肢となり得ます。

『誰だって、人前でロールプレイの練習をするのは好きではありません。解決策は、まるでジムのように利用・練習できる方法でした』と、HubSpot社のラーニングイノベーション＆テクノロジー担当シニアマネージャー、Antonia Jackson氏は述べています。

従業員がDegreed Maestroを難しい状況の中での会話の練習に使用した際、AIからのフィードバックは中立的で非批判的であるため、マネージャーからのフィードバックよりも受け入れる姿勢がより強くなったとJackson氏は指摘しました。

『失敗できる環境が必要です。なぜなら、失敗の中にこそ目標や宝物、そして教訓が見つかるからです』とJackson氏は語りました。

この安全な練習環境により、人々は気兼ねなく失敗したり、「前向きな失敗」を経験したりすることができ、同僚や上司の前でスキルを試すという不安を感じることなく、より能力を高めることができます。この反復的で安全な練習は、より効果的であるだけでなく、能力開発に費やす管理職の貴重なコーチング時間を削減することも可能です。

https://www.youtube.com/watch?v=dg8VUL_dutw

ガバナンスこそがスケールアップの秘訣

革新的なAIパイロットプロジェクトに関して、多くのリーダーはガバナンスを障害と見なしています。しかし、堅牢なデータプライバシーとリスク評価こそが、大規模な導入に必要な信頼を築くのです。権限や統合に関する初期段階での不整合は、プロジェクトが組織全体にスケールアップされ展開された際に、混乱を招く可能性があります。

GSK社のラーニングテクノロジー＆タレントテクノロジー部門グローバル責任者であるCarlo Jose氏は、技術的なパイロットプロジェクトこそが、ガバナンスやシステムをプレッシャーテストし、それらをより拡張可能なものにする絶好の機会だと述べています。『私は、テスト段階にある今のうちに問題点を洗い出し、そこからどう進化させるかを考え出すことができるよう、あえて今、問題を起こすことを推奨しています。』

彼の「後回しにするより、今壊したほうがいい」という考え方は、ツールが全社的に展開される前に、多様な職務を担う人々を巻き込み、その欠点を見つけ出すことを含んでいます。ガバナンスやテクノロジーシステムの欠点は、本格導入前に修正する方がはるかに容易であるだけでなく、十分に練り上げられたシステムとガバナンスを大規模に導入することで、従業員の成功を後押しすることにもつながります。

現代の働き方に必要なスキルを再考する

スキルは変化しており、その能力開発や測定方法も同様に変化しています。

AI変革という視点からスキルを見つめ直すことは、企業が重視するスキルや、その構築における優先順位付けを根本的に変えます。例えば、Botterill氏は、Pearson社がAIの世界に向けて3つの「パワースキル」に焦点を当てていると述べています。

学ぶことを学ぶ：深く効果的に学ぶ方法を理解すること。
AIリテラシー：日常業務にAIワークフローを組み込むこと。
適応力：テクノロジーの進化が加速する中でもパフォーマンスを維持すること。

Yara社のラーニング部門は、リーダーシップ能力開発はビジネス上の成功事例であり、「人材とプロセス」への投資における優先事項であるだけでなく、最も肯定的な反応を得た取り組みでもあることを再発見しました。Jefferson氏によると、Maestroを用いたパイロットプログラムの終了時点で、Maestro Leadership Coachが最も高く評価された機能でした。

AI導入とビジネス成果の整合における現実

真の成果を上げている企業は、単に実験を増やしているわけではありません。仕事、テクノロジー、そして能力がどのように組み合わさるかを、体系的に再設計しているのです。

AIトランスフォーメーションは、「一度やれば終わり」というプロジェクトではありません。Pearson社のように迅速な立ち上げを目指す場合でも、GSK社のように徹底的なテストアプローチを取る場合でも、これらすべての組織に共通する要素は「整合性」です。戦略を望ましい成果と整合させ、テクノロジーを日々のワークフローと整合させ、学習を実際の業務と整合させる必要があります。

AIの実験を行う場合でも、人材育成こそが最も重要な要素です。テクノロジーだけでは、拡張性も持続可能性も得られません。AIの価値を大規模に引き出すには、従業員の学び方と働き方を変革するための、計画的なアプローチが不可欠です。