AI導入の成功事例
こんにちは。今回はですね、共有していただいたオープンAIのレポート、【AI in the Enterprise】について深く掘り下げていきたいと思います。
はい。
これ、AI導入の最前線にいる企業の実践記録みたいなものですよね。
そうですね。実際の事例に基づいていますから。
彼らがどうやってAIをうまく活用して、どんな学びがあったのか、その確信に迫っていきましょう。
レポートには7つの教訓が挙げられているんですが、今日は特に気になった点をいくつか、まず評価、エヴァルズから始める。
モルガン・スタンレーの例ですね。これはかなり慎重な感じがしますけど。
おっしゃる通りです。特に金融みたいに機密性の高い情報を扱う分野では、これはもう不可欠なステップと言えますね。
ふんふんふん。
ここで言う評価というのは、AIモデルが特定の仕事でどれだけちゃんと使えるかというのを客観的な指標で厳しく測るプロセスなんです。
なるほど。
モルガン・スタンレーの場合だと、例えば翻訳の精度であるとか、情報の要約がどれだけうまくできるかとか、そういう点を徹底的にテストしたわけです。
それでまずAI導入への信頼をちかためしたと。
まさに信頼が第一歩です。
その結果はどうだったんですか?
それがですね、今ではもうアドバイザーの98%が日常的にオープンAIの技術を使っていて、情報検索にかかる時間がもう劇的に短縮されたそうです。
98%。それはすごいですね。
ええ。結果として、より多くの時間を顧客との対話、関係構築に使えるようになったと。
これはしっかり評価することが実用的なメリットにつながるという非常に良い例だと思いますね。
早期導入の効果
なるほどな。あとやっぱり企業が導入する上では、そのデータの扱いも重要ですよね。
オープンAIはデータの所有権はあくまでユーザーにあって、モデルの学習には使わないこと。
それからSOC2 Type2っていう厳しいセキュリティ認証にも準拠している点を強調しています。
これも信頼の基盤になっていると。
信頼とセキュリティ、そこがしっかり担保されてるからなんですね。
一方で、また別の教訓として早く始めて早期に投資するというのもありますよね。
決済サービスのクラウナの例、これはなんかさっきのモルガンスタン例とは対照的にも見えますが。
ええ、アプローチは違いますね。クラウナは顧客サービスにかなり大胆にAIアシスタントを導入したんです。
顧客サービスにですか?
はい。問い合わせ対応のかなりの部分を自動化しまして、その結果、解決までの平均時間が以前は11分かかっていたのが、なんと2分に短縮されたと。
11分が2分に。それは大きい。
ええ。で、これによって年間で4000万ドルもの利益改善が見込まれるって言うんですから、これはもう驚きですよね。
すごい効果ですね。でも早く始めるメリットって単にコスト削減だけじゃないんですよね。
まさにそこがポイントなんです。早期に導入したことで、組織全体でこれ従業員の90%がAIを使ってるらしいんですが、AIへの理解が深まった。
組織全体で慣れていくと?
そうです。習うより慣れろじゃないですけど、改善のサイクルがどんどん加速していったんですね。
初期の小さな成功体験とか学びが次の改善を生んで、その効果がまあ雪だるま式に増えていく。
レポートではこれをAIの価値が副利で増えるなんて表現してます。
現場主導のアプローチ
へー、副利ですか。経験そのものが資産になっていくわけですね。面白いな。
次にですね、専門家の手にAIを委ねるBBBA銀行の事例。これはどちらかというと現場主導っていう感じでしょうか?
その通りです。BBBAはまず法務部門なんかと連携して、責任ある利用のためのルール、ガイドラインをしっかり固めた上で、全従業員にChatGPT Enterpriseを開放したんです。
全従業員に?
ええ、トップダウンでこう使いなさいって決めるんじゃなくて、現場の専門家である従業員自身に価値ある使い方を見つけてもらうというそういうアプローチですね。
なるほど、現場に任せると聞こえはいいですけど、なんかこうコントロールが難しくなったり、想定外の使われ方したりとかそういうのはなかったんですかね?
そこがまた面白いところでして、結果は本当に驚くべきものだったようです。わずか5ヶ月で従業員たちが2900以上ものをその特定の業務に特化したカスタムGPT、つまり専用AIツールを作ったんですよ。
5ヶ月で2900以上?
そうなんです。例えば、信用リスク評価専用のアシスタントとか、ホーム関連の質問に答えるボットとか、丈に渡る分野で活用されてるんですね。
具体的な業務にどんどん応用されていったわけですね。
ええ、これによって以前は数週間かかっていたような作業が数時間で終わるケースも出てきたと、まさに現場の知識とAIの組み合わせがいかにパワフルかというのを示してますね。
うーん、すごい。現場のポテンシャルが引き出された感じですね。最後に、オープンAI自身の取り組みとして大胆な自動化目標を設定する。これはどういうことでしょう?
これはオープンAI自身のサポートチームの話なんですが、問い合わせ対応の中で発生する提携業務、例えば関連情報を集めたり、回答のメールの下書きを作ったり、そういう作業を自動化する社内ツールを開発したという例です。
ああ、自分たちの業務を自分たちの技術で効率化すると。ドッグフーディングみたいな。
ええ、まさに。しかも既存のワークフロー、例えばGメールとか、そういう普段使っているツールの上で動くように作られているんですね。関連情報の検索からメール作成、チケット発行までかなり自動化されているようです。
それは便利そうですね。
これによって毎月数十万件ものタスクが自動処理されるようになった。結果、チームのメンバーはもっと複雑で価値の高い、人間じゃないとできないような問題解決に集中できるようになったということです。
なるほど。
ここでのポイントは、非効率な作業を仕方ないコストだよねって諦めなかったこと。最初からかなり高い自動化の目標を掲げて取り組んだことですね。
これらの事例をつなぎ合わせて考えてみると、AI導入を成功させるには、まず小さくてもいいから試してみて、くらるな。でも、同時にちゃんと効果を評価して、モーガンスタンレイ。現場の専門家の力を信じて任せてみて、BBBA。そして、常に大胆な効率化を目指し続ける、オープンAI。そういう複数の要素が大事だってことですかね。
まさにおっしゃる通りだと思います。これは単に新しいツールを導入するっていう話じゃなくて、組織の文化とか働き方そのものを変えていく、一種のパラダイムシフトと言えるのかもしれません。
パラダイムシフトですか。
実験的なマインドセットで評価をしっかり行い、現場を巻き込んで反復的に改善し続けること、これが鍵になるんでしょうね。さて、これらの教訓を踏まえて、少し皆さんの状況で考えてみていただきたいんですが、ご自身の仕事やあるいは日常の中で、これなんか繰り返しの作業でもっと効率的にできそうだなって感じているプロセスありませんか。
今回触れた原則、例えば小さく評価から始めてみるとか、専門家、それはご自身かもしれませんが、その判断に任せてみるっていう考え方を、もし一つでも適用してみるとしたら、そのプロセスってどういうふうに変わり始める可能性があるでしょうか。ちょっと想像してみるのも面白いかもしれません。
なるほど。自分事として捉えてみるわけですね。今回の話が皆さんにとってAI活用の何かヒントになれば嬉しいですね。
そう願っています。
今日はどうもありがとうございました。また次回お会いしましょう。
ありがとうございました。
