同氏によれば、大企業の場合、本当にAIを導入すれば利幅が上がるのか、最終的にIR資料で市場に示せるかという問いかけがブレーキになるという。その結果、プロジェクトが急に止まることもあると指摘する。

　中堅・中小企業においても、AIであろうと他のツールであろうと考え方は同じだ。どの効果測定方法で、どの期間で、どの程度の成果を出すのかを明確にし、財務的なゴールを設定した上で責任者を決め、プロジェクトを進めるのが最善だ。

　では、具体的に目標はどのように設定すればよいのか。

　原田氏によれば、基本方針はBIツールやMAツールと同じだ。企業がAI導入をアピールする際、近ごろは「生成AIツールの使用率」を円グラフで示すことが多い。例えば「1週間に10回以上使用している人が○○％」のように表現し、自社の先進性を示す。作業時間の削減率を示す場合もある。「会議後の議事録作成にかかる時間を○○時間削減」といった表現だ。

　「IR資料で会社の先進性をアピールする目的なら、例えば従業員の80％がAIを活用していると示すのもあるかもしれません。その上で、『その結果、○時間業務効率化し、財務的に○円削減できました』と定量評価も示せば違和感は少ないでしょう」（原田氏）

　重要なのは、投資家や銀行、株主に説明できるかどうかだ。「Googleの『Gemini』を導入しました」といった報告は通用しない。実際には、月額利用料や削減できる作業時間、追加で得られる利益を試算し、最終的にどの程度のプラス効果があるかまで考える必要がある。ツールがAIかどうかは、この点では問題にならない。

　原田氏はさらに「IR資料の来期予想に載せられるか、その目標で市場から『素晴らしい』と言ってもらえるかが重要です」と語る。

　ここでの課題は、目標を設定する人の具体性（解像度）が低いことだ。トップが「目標はGeminiを導入する」だけしか示せない場合、議論は具体的に進まない。情報システム部門ができるのは、「予算をこれだけ使えばAI導入自体はすぐ達成できるが、成果を測るためには、もっと具体的なゴールを設定すべきではないか」と提案し、トップの考えを具体化してもらうことだ。

課題選定の3つの観点

　第1回の記事で、AI導入プロジェクトが失敗する理由の一つとして「生成AIを適用するべきではない課題に適用している」点を挙げた。

　近ごろは、生成AIを使ってイラストや音楽、動画などを作る人も増えている。だが、そうした作品を見て「AIは絵を描いてないで確定申告をしてくれ」と嘆く声もよく聞かれる。だが、確定申告のようなタスクは生成AIには適していない可能性が高い。

　生成AIには「ハルシネーション」と呼ばれる、誤った情報を出したり、うそをついたりする問題がある。確定申告のように正確性が求められる業務でハルシネーションが起きてはならない。AIを使うべきか判断する際に参考になる観点を、原田氏は次の3つとして挙げる。

　1つ目は「100％か99.99％じゃないといけないかどうか」だ。自動運転や医療などの分野では、AIを使った結果、事故やミスが発生した場合、人間が責任を取らざるを得ない。それでも問題が完全に解決されるわけではない。

　2つ目は「失敗がゼロかマイナスか」だ。AIを使って収益を上げたり、作業負担を軽減したりする業務であれば、失敗しても即座に致命的にはならない。だが、失敗がミッションクリティカルになる場合は、AIを適用しない方が安全だ。

　3つ目は「人間がやることに意味があるか」だ。芸術的な作業だけでなく、謝罪や丁寧なあいさつ文など、マナーや倫理、気持ちの部分が大きい業務も同様だ。

　言い換えれば、AIが関わることで「失礼になるかどうか」を考える必要がある。ただし、人間が書いた文章のチェックやアイデア出し、話題の相談といった補助的な用途であれば、AIの活用には十分な意味がある。

「とりあえずAI」への処方箋

　トップが「AIで何かやれ」と言い出した場合、現場はどう対応すべきか。全3回の記事をまとめると、ポイントは以下の通りだ。

• 「AIで何かやれ」は予算獲得のチャンスである
• 情報収集を行い、知識やノウハウを蓄えておく
• 社内でコミュニケーションを取り、課題を整理しておく
• トップの要求と現場の現状をつなぐ翻訳家になる
• 「IR資料に書けるか」をキーワードに具体的な目標を設定する
• AIで解決可能な課題かどうかを見極める

　情報システム部門がやるべきことは、勉強とコミュニケーション、そして翻訳であるとも言える。

　この結論は、今後登場するあらゆる技術にも応用できる。これまでIoTやDXで同様の流れがあったように、AIの次に新しい技術が登場しても、トップは「○○で何かやれ」と指示を出すだろう。

　その際も、トップに言われる前に勉強して知識を持っていること、現場の課題を把握していること、指示を受けた瞬間に予算獲得のチャンスだと考えられること、IR資料に書ける目標を設定できること。これらは変わらず重要だ。

インタビューイー：原田博植（グラフ 代表取締役）

シンクタンク、外資ITベンチャー、リクルートにて、データベースの収益化に貢献。データサイエンス組織の立ち上げを企画から組成まで完遂し、リクルート初のチーフデータサイエンティストに就任。多数の成長事業のデータベース改良やアルゴリズム開発施策を歴任。2014年よりデータ分析業界団体「丸の内アナリティクス」を設立し主宰し、2015年には日経BPよりデータサイエンティスト・オブ・ザ・イヤーを受賞。同年、データ利活用のための戦略コンサルティングとアルゴリズム開発・実装を事業とする株式会社グラフを設立。2016年より、経済産業省の「第四次産業革命に向けた競争政策の在り方に関する研究会」の委員を務める。 著作：データサイエンティスト養成読本（技術評論社） 連載：日経ビッグデータ「統計を極める」（日経BP社）他