パート 1: 歴史とその類似点
1990 年、元 MIT コンピュータサイエンス教授の Michael Hammer が Harvard Business Review に記事を寄稿しました。彼はすでに、コンピュータに巨額の資金を投じながら ROI をほとんど得られていない企業で長年過ごしており、その理由を初めて明らかにした人物の 1 人でした。
「情報技術への多額の投資は期待外れの結果をもたらしている。その主な理由は、企業がテクノロジーを従来のビジネスのやり方を機械化するために使う傾向があるからだ。既存のプロセスをそのまま残し、コンピュータを使って単にそれらを高速化しているに過ぎない。」
これは実際の引用です。冗談でしょう？「情報技術」を「AI」に置き換えれば、明日にでも Business Insider の一面に掲載できる内容です。同じ記事で彼は、「牛の通り道に舗装をするのをやめる時が来た」とも書いています。それから 36 年が経ちましたが、私たちは今も同じことをしているのです。
注：「牛の通り道に舗装をする」とは、既存の非効率なプロセスを、本来あるべき姿に再設計するのではなく、自動化・形式化・固定化することを意味します。Claude に聞きに行く手間を省きました。どういたしまして。
一方で、AI の構築に 1 兆ドル以上の設備投資が費やされ（Microsoft、Alphabet、Amazon、Meta だけで 2025 年に 4,100 億ドルを支出。驚くべき金額です）、実際に企業が AI の利用に費やしたのはわずか 370 億ドルでした。これが実際に意味すること：英国のビジネス・貿易省は Microsoft 365 Copilot のトライアルを実施し、その結果を公表しました。3 か月間で 1,000 ライセンスが展開され、1 ユーザーあたりの 1 日あたりの Copilot アクション数は平均 1.14 件でした。PowerPoint スライドの作成は 7 分速くなりましたが（18 分から 11 分へ）、品質スコアは半分に低下しました。Excel 分析は実際にはより時間がかかり（品質も低下）、メールの時間節約は「極めて小さい」と引用されています。彼らの結論をそのまま引用すると：「時間節約が生産性向上につながっているという確固たる証拠は見つからなかった」。それでも、72% のユーザーが満足または非常に満足と回答しました。
要するに：人々は気に入ったものの、以前とまったく同じものを生み出していたのです。Ethan Mollick（ウォートン校准教授、AI 研究者）が最も適切に表現しています：「個人のパフォーマンスを向上させる AI の使用は、自然に組織のパフォーマンス向上にはつながらない」。この記事では、その理由を掘り下げ、私たちが実際に効果を確認した解決策を提供します。
背景として、私は @varickagents の CEO、Vas です。私たちは非常に大規模な企業（収益 5 億ドル〜1,000 億ドル、従業員 1,000 人〜10 万人）と協力し、AI 導入を支援しています。一般的な戦略からプロセス再設計、エージェントの構築・展開・管理までをカバーしています。この記事は、私たちが導き出した知見に基づいています：失敗する AI パイロット（測定可能な ROI なし）と成功する AI パイロット（作業の 80% 以上をエージェントが完全に処理し、時間とコストを節約）を分けるものは何か。
これが繰り返し起こる理由は、単なる愚かさではありません。もちろんそれもありますが、大部分は慣性と設計の問題です。今日 AI 契約に署名する人は、ツールとベンダーの選択権を持つかもしれませんが、プロセスを所有しているわけではありません。そのチェーンの中で、例えば財務部門に「14 ステップのプロセスは実際には 5 ステップで済むはずだ」と言える権限を持つ人は誰もいません。だから誰もやりません。代わりに、現在のものに「AI を適用」して、より速いクソが出来上がるのです。
AI は「適用」されるべきではありません。それは機能しません。「塗料の塗布」はできます。あまりにも多くの人が AI を新しい塗料の層のように考えていますが、塗料は下地を修正しません。「クラウドを適用した」とか「デジタルを適用した」とは誰も言いませんでした。代わりに、デジタルトランスフォーメーション、クラウドモダナイゼーションと言いました。なぜなら、それらが変革であり、テクノロジーはその一部に過ぎないと誰もが理解していたからです。AI も同じ形をとります。
Hammer に戻ります：彼の最も優れた数字は、彼が研究した保険会社のものです。ある申請が事業を通過するのに 22 日かかりました。その 22 日のうち、誰かが実際に作業に費やした合計時間は 17 分でした。仮に、今日、あなたの AI 担当者がそのプロセスに世界最高のモデルを導入し、個々のステップをすべて 2 倍速にしたとします。彼は 8 分半を節約しました。それを 50% の時間節約として報告し、昇進とボーナスを得て、夕日に向かって去っていきます。たった 8 分です。
節約は申請の作業自体にはありませんでした。節約は、キューと引き継ぎ、他のチームの待機時間、そして 2 回目のレビューにありました。17 分を高速化することにエネルギーを費やすのは、何もしないより悪い結果をもたらします。予算を使い果たし、取締役会に「AI は機能しない」と証明しただけです。これは 90 年代の遺物だと思うかもしれませんが、そうではありません。私たちは、まさにこの問題を自社のシステムログから経験した企業と協力しました。新しいクライアントケースを開くには、実際の作業で 25 分かかりました。ケースが入力されてからアクティブになるまでの経過時間は、2 日から 2 週間の範囲でした。作業は数分でも、プロセスは数週間かかることがあるのです。
私が「ほとんどの AI プログラムはクソをより速くしている」と言うとき、それは文字通りの意味です。プロセスがクソなのです。AI はそれをより速くしているだけです。これに対して、「私たちは大企業だから、明らかに正しいことをしている。変える必要はない」という声を聞いたことがあります。「適応するか、滅びるか」は今日も健在で、かつてないほど重要です。そして、これこそが AI がデジタルやクラウドと異なる点です。適切に使用されれば、AI は競合他社に、これまでのテクノロジーが決して与えなかったレバレッジを与えます。コストで競合を下回る、処理要員を増やさずに無限にスケールする、リードリストを作成する前に全世界にアプローチするなど、彼らはあなたを打ち負かすでしょう。最良のケースでも、あなたは成長を続け、今度は人員が指数関数的に増加します。3 人のアナリストが 6 人になり、6 人にはマネージャーが必要になり、2 つのチームになったので、以前は存在しなかった引き継ぎが必要になり、その引き継ぎにはステータスミーティングと PM などが必要になります。これが、従業員 1 人あたりの収益が上がらないのに、人員チャートが上方に曲がる理由です。「適応するか、滅びるか」ですが、AI が起こっていないふりをしてはいけません。競合他社はこれを理解するために手段を選びません。
パート 2: 今日すべきこと
あなたのデータは混乱しており、システムは相互に連携していません。そのため、最初の直感は、他のことに触れる前にこれを修正することかもしれません。1 つの ERP、1 つの CRM、1 つのデータプラットフォーム、そしてその上に AI があればいい。理論的には素晴らしいように聞こえますが、IT 専門家はこれが決して単純ではないことを理解しています。これに実際にかかるコストを、金額と時間の両方で見てみましょう。
TSB は中核銀行システムの移行に 3 億 1,800 万ポンドを費やし、インシデントコストとしてさらに約 2 億ポンドを負担し、2022 年 12 月に FCA と PRA から 4,865 万ポンドの罰金を科され、520 万人の顧客の銀行取引を停止させました。80 億ドルのメーカーである Zimmer Biomet は、2025 年 9 月に Deloitte に対して 1 億 7,200 万ドルの請求を申し立てました。これは、失敗した「移行と統合」により、製品の出荷、顧客への請求、機能的な販売レポートの作成といった基本的な機能を実行できなくなったためです。そして、これらはニュースになった 2 つの例に過ぎません。このようなインシデントは、考えられているよりもはるかに一般的です。
代わりに焦点を当てるべきは、プロセスです。過去 20 年間に 9 社を買収したとします。つまり、9 つの子会社で同じプロセスが 9 つの異なる方法で実行されていることになります。会社全体に AI を「適用」したい場合、同じエージェントを 9 つの異なる方法で構築し、その後、9 つのエージェントセットすべてを永久に維持することを強いられます。この煉獄を避けるためには、まず、グローバルに実行される単一のプロセスを定義し、それを組織全体に展開してから、その上に AI を適用することを考える必要があります。
逆に、1 つの ERP は必要ありません。確定的な統合は、2 つのシステムがベンダーレコードについて意見が合わなくなった瞬間に壊れていました。しかし、エージェントはこの不整合を許容するため、既存のシステム間にまたがるオーケストレーションレイヤーこそが、バラバラなシステムへの解決策です。システムは単に相互に通信する必要があるだけでなく、お互いの欠点を許容しながら、幸せに結婚している必要があります。
マッピングを始める
ビジネスを再設計するには、まずそれを理解する必要があります。単一のワークフローを選び、8 週間かけて何かを完璧にしようとしても、それが上流の姉妹プロセスによって妨げられていることが判明し、ROI が実質ゼロになる可能性があります。このレベルの理解には到達できません。
同時に、ビジネス全体を一度に取り込むことはできません。どこかから始めなければなりません。部門レベルから始めましょう。完璧ではありません。財務は、収益認識が販売方法に依存するたびに販売に影響を与えます。人事は、新入社員が入るたびに IT とオペレーションに影響を与えます。しかし、少なくともこの方法で、同じ部門にフィードするワークフローの「バンドル」を特定し（例えば、財務には AP、AR、FP&A、請求、銀行、照合などが含まれます）、以下の 7 つの詳細のマッピングを開始できます：
- 「ハッピーパス」：このワークフローは何を担当し、最も理想的なシナリオでは何が起こるか。ほとんどの企業では、これだけが完全に文書化されています。
- 例外：ここにほとんどの時間が費やされます。何が起こるかを説明するだけでなく、どの程度のボリュームがハッピーパスから外れるか、どこに行くか、誰が関与するか、これらの例外が処理されるまでのサイクルタイム、そしてここでのエラーのコストを計算してください。
- このワークフローの上流と下流は何か？ 各ワークフローで遅延や問題が発生した場合、このプロセスはそれらとどのように相互作用するか？
- 関与するすべての記録システムは何か？ 2 つのシステムが矛盾した場合、どちらが優先されるか？
- これは地域、エンティティ、子会社、買収経路によってどのように異なるか？
- タッチタイムと経過時間は？ 各ステップでそのギャップはどのように変化するか？
- 機能内のすべての人の AI 対応能力は？ 将来の AI システムに対して、どの程度の所有権を持つべきか？（これは主観的で大きく異なります）
上記の情報を抽出するには、2 つの手順が必要です：
- 記録システムに対するプロセスマイニング：アクション、タイムスタンプ、スループット、編集、および文書と一致しない現実を収集します。
- インタビュー：上記はデータを提供しますが、オペレーターとの会話は、どこに問題があるかを正確に教えてくれます。組織の現実は、この特定の会社でこの正確な作業を何年も行ってきた 10〜20 人の頭の中に存在します。そして、最終的には、AI が効果的に機能するためには、これらの人々に採用される必要があります。
これらのステップのいずれかだけを行うと、不完全な全体像しか得られず、AI 発見が失敗する最大の理由です。応用 AI 企業が「AI インタビュー」やエンジニアをインタビューに派遣することで近道をしようとするのを見てきました。これは機能しません。仕事の半分は、オペレーターとの強固な関係を構築し、何を構築し、どのように展開するかをよく理解して帰るために、どのような質問をすべきかを知ることです。
機能するエージェントは単なる LLM 呼び出しではない
プロセス再設計は、ソフトウェアと AI の経験を必要とする仕分け作業です。すべてのステップは、3 つのバケットのいずれかに分類されます：
確定的（Deterministic）。判断を伴わない、もし X なら Y。例えば、請求書が一定の金額しきい値を下回り、PO と入庫伝票に一致する場合、支払います。開示事項が競合他社を指名している場合、コンフリクトチームにルーティングします。これらのアクションは、プレーンな古き良きソフトウェアとして行うのが最適です。通常のコードでできるのであれば、派手な LLM 呼び出しは必要ありません。コードは安価で、監査可能で、確定的（幻覚を起こさない）で、高速です。
エージェンティック（Agentic）。人間が判断を下した過去の例が数千件あり、その結果が記録されており、このステップのリスクが十分に低い場合（例えば、ディールデスクの承認や GL コード化）、判断に LLM を使用するべきです。特に、出力がはい/いいえ、このチームにルーティング、フラグ/フラグなし、一致/不一致の場合、エージェントと一緒に出荷し、すべての出力を測定します。一方、必要な出力が、人間がとにかく全文を読んで検証しなければならない 5 ページのドキュメントである場合、アプローチをハイブリッド化する方が良いでしょう。ここでは、思考の難しさではなく、アクションの難しさを判断する必要があります。
ヒューマンインザループ（Human-in-the-Loop）。リスクが高すぎるステップ、または十分な履歴コンテキストがないステップについては、エージェントがアクションを誤るコストが高すぎるため、人間をループに残しておく方が良いでしょう。代わりに、人間が決定する瞬間に、関連するすべての証拠をその人間の前に提示します。例えば、エージェントは請求書と発注書の不一致を検出し、人間に 3 つのオプションを提示します：とにかく承認する、明確に拒否する、またはフィードバックを提供して他の誰かにルーティングする。エージェントは、人間がメール、請求書レコードなどを探し回る 40 分を節約し、代わりに 30 秒で決定を下せるようにします。しかし、最終的なアクションは依然としてその人間によってゲートされています。
すべてのステップを上記の 3 つのバケットのいずれかに分類したら、25 ステップのプロセスを、前後に確定的なステップを持つ 3 つのエージェントのクラスターに変え、最後にアンブロックするための 2 つのヒューマンインザループアクションポイントを設けることができます。このプロセス再設計作業は、エージェント自体と相まって、すべての ROI が存在する場所です。
この後、何かを構築する前に KPI のベースラインを設定します。目標は、解決しようとしているプロセスの背後にある数値を計算することです。これには、それらの数値が現在どこでどのように測定されているかも含まれます。それができない場合、このプロジェクトは失敗する運命にあります。12 か月後に振り返って、「以前は X だったが、構築したエージェントのおかげで、今は 3 倍、10 倍、100 倍になった」と言える必要があります。そうして初めて、このプロジェクトは真の成功だったと言えます。
最後に、構築の優先順位を付け、順序を決めます。まず、最も多くの引き継ぎがあるワークフローに取り組みます。これはおそらく、最も明確な結果が見られる、最も簡単な成果です。重要な違いは、これは必ずしも最もボリュームが多いワークフローと同じではないということです。
実際にはどのように見えるか？
私たちは、毎月 300 以上の銀行口座を照合するグローバルビジネスを再設計しました。そのうちの 3 分の 2 はオフショアチームが処理し、残りは他の 2 つの地域で 3 つの異なる形式で分割されていましたが、すべて Excel でした。12,000 以上の未照合項目があり、毎月初めの 4 日間は明細書の取得に費やされていました。彼らの照合プロセスは、毎月、ほぼ 1 か月全体を費やしていました。
再設計前の彼らのワークフローは次のとおりです（そして、彼らを笑う前に、あなたの会社にもこれと同じか、それ以上のプロセスがあることを認識してください）：
- 各銀行から明細書を追跡して収集する（提供される形式は問わない）
- 地域のワークブックに正規化する
- 元帳エクストラクトを取得する
- 明細行ごとに照合する
- 一致しないものをフラグする
- フラグされた項目のコンテキストについて地域のコントローラーにメールする
- 返信を待つ
- 未回答の場合は返信を催促する
- ようやく返信を受け取り、調整を転記する
- 地域を統合ファイルにロールアップする
- 他の 2 つの地域のそれぞれについて、ステップ 1〜10 のプロセス全体を、それぞれの形式で再度実行する。
- クローズする。
これらの各ステップを高速化すれば、照合は速くなります。問題は、照合が問題ではなかったことです。明細書を待つ 4 日間、別のタイムゾーンのコントローラーへのメール、返信にまだ 3 日かかること、これらが問題でした。照合を高速化することで、週単位で測定されるプロセスから数時間を削減できるでしょう。
代わりに、私たちは彼らのプロセスを 3 ステップに再設計しました。
- 明細書は、追跡される代わりに、コンベヤーベルト方式でフィードに到着します。これは AI とはまったく関係ありません。
- ルールに基づいて照合できるものはすべて自動的に照合され、そうでない場合は、エージェントがケースをエンドツーエンドで組み立てます：項目自体、過去の分類、さまざまな記録システムから収集された証拠、および提案された次のステップ。
- 最後に、人間は、ERP やスプレッドシートに散在するデータを手動でふるいにかける代わりに、レビューのために準備された証拠を使用して、例外のキューを処理します。
追跡、メール、待機、再入力、地域ロールアップは完全に排除されました。これが、数分から数時間を節約するエージェントシステムと、数週間を節約するエージェントシステムの違いです。
パート 3: なぜこれがもっと一般的ではないのか？
あなたは嘘をつかれました
あなたが受けた AI の売り込みは、最初から誤解を招くものでした。ポイントソリューションとして採用された AI から価値を引き出すことはできません。IT だけではできませんし、100 万ドルの予算と権限ゼロの「イノベーション機能」からもできません。4 つの部門にまたがるプロセスを再設計するには、4 つの部門すべてにプロセスが変更されると伝えられる人物が必要です。会社でこれを実際に実行できる人はごくわずかです。トップから来なければなりません。
しかし、別の複雑さもあります：現在実際に作業を行っている人々、例えば買掛金責任者、財務部門全体のオペレーターやアナリストも含める必要があります。彼らが新しい AI システムを望まなければなりません。なぜなら、彼らがそれを採用し、明日推進しなければならないからです。彼らは、自分たちを置き換える可能性があると考える情報を開示したがる必要があります。たとえ、ほとんどの場合そうでなくてもです。
そして最も重要なことに、AI の採用はリスクがあると見なされています。現状維持はほとんどの人にとって「安全」であり、AI が機能しても昇進は得られませんが、機能しなければ解雇されます。たとえ現状維持が会社を時間の経過とともにゆっくりと死なせることを意味していてもです。
再設計は非常に難しい
Hammer と Champy 自身の 1993 年の推定では、プロセス再設計を試みた組織の 50% から 70% もの多くが、意図した結果を達成できませんでした。（明らかに 90 年代からあまり変わっていません）。Hammer 自身は後に、自分は「人間的側面を十分に評価していなかった」と述べています。彼が意味したのは、当時「引き継ぎを排除する」ことは、その引き継ぎを担当していた人を解雇し（それが彼らの仕事のすべてでした）、他の全員に仕事の変更を求めることを意味し、当時の「ソフトウェア」はそのような変更をサポートしていなかったということです。つまり、コンサルタントが来て去った後、組織構造とプロセスはすぐに元の状態、つまり非効率とエラーが蔓延した状態に戻りました。
しかし今日、2 つのことが根本的に異なります。第一に、AI ネイティブなツールは、前例のない流動的なソフトウェア状態を提供します。つまり、周囲の変化に適応できる状態です。記録システムに常駐するエージェントは、かつて人に依存していた引き継ぎを実行でき、確定的なソフトウェアからの矛盾を同時に処理でき、人間に共通するばらつきの影響も受けません。第二に、最初に排除する作業は、ほぼ完全に調整作業です。つまり、追跡、待機、エスカレーション、トリアージなどです。これらのプロセス改善と真の AI 変革の後、残るのは高度な判断力とレバレッジの効いた作業だけであり、これはあなたの最高の人材がとにかくすべての時間を費やすべきものです。
勇敢な新しい世界
従来のコンサルティング会社はプロセス作業が得意です。それは認めます。確かに、10 か国、3 つのエンティティにまたがる 15 ステップのプロセスの精巧な図解が欲しいなら、ありきたりのコンサルティング会社は、これまでに見た中で最も美しいスライドを 30 万ドルで作成するでしょう。このコンサルティング会社ができないのは、後半のより重要な部分、つまり、モデルが何を信頼でき、何を信頼できないか、月に 40,000 回実行されるエージェントのコスト、どのタスクスタイル（GL コード化 vs ディールデスクルーティング）にどのモデル（Fable 5.1 vs Gemini 3.8 Flash）を使用するか、特定のプロセスに最適な評価スイートを設計する方法、プロセスの特定のステップが上記の 3 つのバケット（確定的、エージェンティック、HITL）のどれに本当に属するか、を知ることです。したがって、このルートを進むと、再設計は、経験豊富な AI ネイティブな戦略家や FDE ではなく、推測しているコンサルタントによって作成され、6 か月後にパイロットが墜落した理由を不思議に思うことになります。
一方、AI ラボや企業は逆の問題を抱えています。彼らはエージェントを構築できますが（少なくともほとんどの場合）、財務とオペレーションの両方と一緒に座って、両部門が所有権と誰が誰の上流かをめぐって意見が一致しないワークフローを分解したことがありません。そのため、壊れたプロセスに AI を貼り付けて自動化したと呼ぶだけで、何ヶ月も前に行うべきだったようにそのプロセスを根本的に見直し、再設計することはありません。さらに、OpenAI（DeployCo）や Anthropic（Ode）のような最大の「応用 AI」ラボは、あなたのモデルを生涯にわたって独占的に使用することを強制します。会社全体のインテリジェンススタックを単一のプロバイダーに賭けることは自殺行為です。明日、彼らがレート制限、量子化、値上げ、そしてあなたが実行しているモデルの廃止を行うと、あなたは混乱と請求書だけを残されます。エンドポイントを Claude から GLM や Gemini や DeepSeek に交換するのと同じくらい簡単だと思うかもしれませんが、そうではありません。評価を再実行し、モデル呼び出しごとに使用する思考レベルを再決定することは骨の折れるプロセスであり、ラボはこれを支援してくれません。
代わりに必要なのは、両方の長所を組み合わせたものです：実際に財務、オペレーション、営業、または人事機能を運営した経験を持つ人々と、Microsoft Dynamics のような ERP や Salesforce のような CRM にプロダクショングレードのソフトウェアを出荷するエンジニアリングタレントと、組み込みのエンタープライズレベルのガバナンスと評価スイートを備えたモデルに依存しない企業向けハーネスを構築できる AI エンジニアを組み合わせたものです。これらの人々を「フォワードデプロイドエンジニア（FDE）」と呼ぶ人もいますが、実際には、今日のほとんどの FDE は平凡なエンジニアであり、平凡なコンサルタントであり、AI 能力はまったくなく、結局は何も適切に行われないことになります。
正しく行うとどうなるか？
AI で企業を変革する際に重要なレバーは 4 つあります：コスト（理想的には削減）、収益（理想的には増加）、時間（理想的には短縮）、リスク（理想的には低減）。私たちの導入事例全体（その約半数は上場企業）において、レバーごとに実際に動いた例を以下に示します：
- 時間。 月末の決算処理期間を 18～22 日から 7～9 日に短縮しました。サプライチェーンの混乱も、数日かかっていたところを 6 時間以内にトリアージできるようになりました。
- 収益。 案件は平均 23 日間も滞留していましたが、現在は平均 6 日になり、営業担当者の管理業務時間は週の 38% から 14% に削減されました。この時間はすべて営業活動に直接充てられました。
- コスト。 買掛金の例外処理件数は、月 600～800 件から 50 件未満に減少しました。マーケティング部門では、従来月末にしか発覚しなかったペーシングエラーからメディア予算の 8～12% を回収できるようになり、四半期あたり数百万ドルを節約しています。
- リスク。 給与計算の修正件数が 90% 減少しました。これは、複数システム間の照合が給与計算の後ではなく前に行われるようになったためです。従業員サポートの問い合わせの 80% は自社のポリシードキュメントから回答され、複雑なケースのみが人事担当者にエスカレーションされるようになりました。
これらの一連の導入によってもたらされた価値は、合計で 1 億ドルを超えました。何より素晴らしいのは、この数字がお客様と共に創り上げられたものであり、私たちが一方的に主張しているのではなく、実際に計測されたものだということです。
真の AI トランスフォーメーション企業とはどのようなものか？
上記のすべてが、Varick での私たちのやり方であり、これまで AI を導入してきた企業で唯一成功してきたアプローチです。これらは非常に大規模な企業であり、何千人もの従業員、数十のシステム・オブ・レコード、そして無限の複雑さを抱えていますが、プレイブックは同じであり、毎回機能します。
私たちのストラテジストとエンジニアからなるチームは、部門レベルでまず、業務が実際にどのように行われているかをマッピングします。文書化された通りに受け入れるのではなく、プロセスマイニングとインタビュー、経過時間とタッチタイムの計算、例外、上流・下流への影響のマッピング、そして誰が何を担当しているかの理解を組み合わせて行います。このプロセスを数か月ではなく、わずか数週間で完了し、その時点で、再設計されたプロセス、獲得すべき価値、カスタムのベースライン KPI、そしてエージェントを構築する優先順位を受け取ることができます。次に、エージェントの構築を開始します。これらのエージェントには、エンタープライズレベルのガバナンス、監査可能性、評価スイート、およびモニタリングが標準装備されています。
私たちは、売上高 5 億ドルを超える企業と協力し、製品、財務、営業、調達、オペレーション、人事など、最も困難なワークフローに取り組んでいます。これを自社のプロセスの一つに当てはめてどのようなものかを見たい方は、こちらからウェブサイトで通話を予約し、最も気に入らないワークフローと、それがなぜ複雑なのかについて話し合う準備をしてお越しください。また、このコンテンツが役に立ったと思われた方は、ニュースレターを購読してください。そこでは、「応用」AI の最新情報と、私たちが実践を通じて学んだすべてのことを毎週発信しています。
まとめ
- 現在、企業における AI 支出のほとんどは、既存のプロセスと全く同じものの上に適用されています。つまり、悪いプロセスをただ速く動かしているに過ぎません。マイケル・ハマーは 1990 年に IT についてこのことを述べており、英国政府は 2025 年に 1,000 の Copilot ライセンスでそれをほぼ証明しました。ユーザー 1 人あたり 1 日あたり 1.14 アクション、生産性向上は確認できず、それでもユーザーの 72% は満足していました。
- 時間は決して作業自体にあるのではなく、待ち行列と引き継ぎにありました。ハマーの保険申請は、処理に 22 日間も滞留し、実際の作業時間は 17 分でした。たとえ作業を 2 倍速くしても、節約できるのは 8 分です。
- まずシステムを統合する（1 つの ERP、1 つの CRM、1 つのデータプラットフォーム）ことは、1 ドルの価値も見る前に 2 年と 9 桁の費用を失うことが十分に文書化された方法です。実際に必要なのは、プロセスの 1 つの定義と 1 つの責任者です。なぜなら、エージェントは互いに矛盾するシステムを許容できますが、決定論的な統合は決してできなかったからです。
- 部門レベルから始め、システム・オブ・レコードをマイニングし、オペレーターにインタビューし、すべてのステップを 3 つのバケット（決定論的ソフトウェア、エージェント、または証拠が準備された状態で人間が関与する）のいずれかに分類します。適切に行えば、25 のステップからなるプロセスは、2 つの人間によるチェックポイントを持つ 3 つのエージェントになります。
- この方法で行ったとき、月末決算は 18～22 日から 7～9 日に、買掛金例外処理は月 600～800 件から 50 件未満に、給与計算修正は 90% 減少し、導入全体の合計はお客様と共に測定して 1 億ドルを超えました。
- これらはすべて、トップからの指示があり、オペレーターが実際にそれを望み、そしてあなたが雇う人がプロセス担当者、ソフトウェアエンジニア、AI エンジニアをすべて同じ部屋に集められる場合にのみ機能します。そして、これら 3 つすべてを備えている企業はほとんどありません。
