人事
AI 導入から成熟度：あらゆるリーダーが問うべき 7 つの質問
企業のリーダーたちが AI の導入から全面的な投資回収へと舵を切る中、コーチングの対話で最も頻繁に聞かれる質問を以下に紹介します。
Sara Braun
人事担当編集ストラテジスト
Workday
AI はあらゆる分野に普及していますが、その真価はまだ得られていません。
長年、AI の利用者数、パイロット プロジェクトの実施数、ツールを活用している部門数など、AI の導入指標だけで十分でした。今日、リーダーには、AI への投資対効果をより説得力のある形で示し、その導入が実際にビジネスの成果に貢献していることを証明することが求められています。
Workday の調査によると、AI を活用したワークフローを導入している組織は、時間の大幅な節約を報告する確率が約 2 倍に増加することがわかっています。しかし、AI をコア ビジネス プロセスに直接埋め込んでいる組織は、全体の約 4 分の 1 (27%) にとどまっています。
この課題は、コーチングの対話や、サンフランシスコで開催された「Workday Elevate」などのエグゼクティブ フォーラムでも浮き彫りになっています。それらの会合でリーダーたちは、現代のワークフォースを「ヒューマン API」と評し、日々の大半の業務がいまだに情報をある場所から別の場所へと移し替える作業に費やされていると指摘しています。
最高ラーニング責任者 (CLO) の Chris Ernst が的確に表現しているように、AI の真価は、この状況を根本から変えることにあります。つまり、単調な業務から人を解放し、AI をワークフローを強化する迅速かつ知的なツールとして活用することで、判断力や創造力、リーダーシップを自由に発揮できるようになることです。
エグゼクティブ コーチであり、Censia 社 Executive Intelligence 代表の Monica Bua 氏は、リーダーたちは今、この変革を主導する立場にあるとし、単なる「指揮官」から、エンドツーエンドのワークフロー、テクノロジー、チームを統合・調整し、状況の変化に応じて迅速かつ継続的に適応させていく「システム アーキテクト」へと役割を移行させていると指摘しています。
では、リーダーはどのようにして、AI の導入から、真の AI ネイティブ オペレーションへと移行できるのでしょうか？最近のリーダーシップやキャリア コーチング セッションにおいて、これが最大の問題の 1 つに挙げられています。
レポート
AI エージェントが台頭—ただし AI エージェントが全決定権を持つわけではない
リーダーたちは、指揮官から、ワークフロー、テクノロジー、チームを統合・調整するシステム アーキテクトへと移行しつつあります。
1.社員のロールをどのように AI に合わせるべきでしょうか？
社員は意欲的で、自身の業務に強い思い入れを持っていますが、多くの場合、時代遅れのロール設計に縛られています。Workday の調査によると、社員の 10 人中 8 人が調整に多くの時間を費やしていると回答している一方で、AI を活用している社員の 97% は、日々の業務を肯定的に評価しています。
このギャップは、モチベーションの問題ではなく、ロールの問題を示しています。リーダーたちからは、単に既存の業務に AI を加える段階から、AI の新たな能力を前提として業務を再設計する段階への移行方法について、さらに多くの質問が寄せられています。
まず AI と人間の責任を明確にすることが重要です。チームには、各ワークフローで「誰が何を行うのか」について共通の回答が必要です。つまり、AI が自動化や支援を担う領域と、依然として人間の判断が不可欠な領域を明確にすることです。
リーダーたちは移行する中で、AI で拡張された新しいワークフローを構想します。古いプロセスにツールを付け加えるのではなく、まず望ましい成果を起点としてワークフローを逆算的に設計し、その実現に最適な社員と AI の組み合わせを判断することができます。
2.ワークフォースにはどのようなスキルが必要でしょうか？
社員はすでに AI を活用して業務の摩擦を解消 (43%) し、手作業を削減 (46%) していますが、スキルやトレーニングへのアクセスの不均衡が、依然としてその価値を制限しています。AI がオペレーティング モデルの中核となるにつれ、社員やリーダーも、どのような能力が最も重要かを探っています。
基盤となりつつある能力には、AI リテラシー、基本的なデータ スキル、プロンプト作成、日常的なシステムに埋め込んだ AI ツールによる作業能力などがあります。これらは、誰もが AI 支援型ワークフローに円滑に参加できるようにするものです。
同時に、リーダーは AI の普及に伴い、人間ならではのスキルの価値がさらに重要になっているとの考えを Workday と共有しています。AI が普及した環境においても、問題解決、コミュニケーション、システム思考、リーダーシップは依然として極めて重要です。
Bua 氏が指摘しているように、判断力や創造力などの「暗黙のスキル」は、その大規模な評価がますます困難になっているまさにその時に、重要性を増しています。
どのようなスキルを評価や報酬の対象とするかを明確に伝え、さらにラーニングやコーチング、能力を高める機会への投資によってそれを裏付けるリーダーは、AI は人を不要にするものではなく、成長への道筋であるという強力なメッセージを社員に伝えることができます。
AI の普及に伴い、人ならではのスキルがさらに価値あるものになっています。
3.AI はキャリアパスをどのように変えるでしょうか？
社員は依然として組織の目的とのつながりを感じており、88% が自分の業務がより大きな成果にどのように貢献しているかを理解していると回答しています。しかし、彼らが業務で使用している多くのシステムは、AI が普及する前の世界を前提に設計されたものです。
しかし、キャリアの構造は徐々に変化し始めています。組織はより流動的に変化しており、リーダーたちは狭い機能別サイロではなく、マネジメント階層を縮小し、より広範な権限を持つ小規模な部門横断的チームを求めています。
「AI と人間」を組み合わせた新たなロールも登場しています。AI 製品のオーナーから AI 自動化アーキテクトに至るまで、該当する分野の専門知識と AI に関する高い理解力を兼ね備えたロールが、極めて重要になっています。
キャリアパスもまた、梯子型から格子型へと変化しつつあります。社内タレント マーケットプレースや AI を活用したギグワークの機会により、社員は部門の枠を超えてスキルを習得できるようになっています。例えば Workday では、6,000 件を超える社内ギグ ワークによって、社員の流動性を 43% 増加し、参加者の長期的なキャリアに対する意識を 13% 向上しています。
AI 時代の今後のキャリアパスを、技術職だけでなくあらゆる職務において明確に描き、発信するリーダーは、不確実性を払拭し、優秀な社員を保持することができます。
4.どうすれば AI を有意義に自動化し、拡大できるでしょうか？
繰り返しになりますが、AI をコア ワークフローに直接埋め込んでいる組織は全体の約 4 分の 1 にとどまりますが、これらの組織では、時間の大幅な節約を報告する確率が約 2 倍に増加することがわかっています。
Chris Ernst 氏は、慎重な見解を示しています。3 年前、Fortune 500 に名を連ねるこの平均的な企業は、AI エージェントを使用していませんでした。アナリストは、2030 年までに 15 万以上のエージェントが稼働すると予測しています。単にエージェントを「後付けする」だけでは、社員を戦略的な貢献者ではなく、ボットの調整役に変えてしまう恐れがあるため、機能しないと警告しています。
実際の恩恵を得ている組織は、別の道を進んでいます。彼らはまず、最も摩擦の大きいワークフローに着手し、AI が業務フローの「上」ではなく、その「内部」に組み込まれるような形に再設計しています。
最後に、有意義な拡大には、より広範な成功の尺度が必要です。リーダーは、時間の節約だけでなく、意思決定の質、カスタマー エクスペリエンス、社員エンゲージメントの向上も追跡しています。Bua 氏が強調したように、目標は単なる効率化ではなく、業務の「高度化」です。つまり、人を事務作業から解放し、高度な判断や大きな影響を及ぼす業務へとシフトさせることです。
ワークフローに AI を埋め込んでいる組織は、時間の大幅な節約を報告する確率が約 2 倍に増加します。
5.どのような場合に人間の監視が依然として不可欠でしょうか？
人、資金、リスク、ブランドに重大な影響を及ぼす意思決定など、極めて重要な局面では、人間による監督が不可欠です。社員はこれを直感的に理解しています。
基盤となるシステムやデータを社員が信頼している場合、87% が「AI により意思決定への自信が高まる」と回答しています。また、運用および IT の専門家の 89% は、「信頼できるオペレーショナル コアで実行する AI は価値がより高くなる」ことを指摘しています。
同時に、データの品質の低さ、AI の利用時期に関する指針の不明確さ、既存のポリシーと矛盾する出力などの障壁が、価値を制限しています。そのため、リーダーには、どの意思決定を自動化し、どれを人間主導のままにするかを見極めるための明確なフレームワークが必要です。
意思決定はおおむね次の 3 つのカテゴリーに分類されます。
- 大部分が自動化されているもの：処理量が多く、影響が小さく、エラーの修正が可能で、かつルールが明確なタスクです。
- ヒューマン イン ザ ループ (Human‑in‑the‑loop)：AI が提案し、人がレビューおよび承認する場合で、特に判断や文脈の理解が重要となる場面で用いられます。
- ヒューマン イン コマンド (Human-in-command)：法的、財務的、倫理的、または人に影響を及ぼす意志決定については、AI はあくまで情報を提供する役割にとどめ、最終的な判断は人が下します。
具体的には、人事、財務、法務、顧客サービス、マーケティング部門などリスクの高い部門には、明確な防御策が必要です。例えば、AI は連絡文書の草案を作成することはできても配信はできない、求職者をスクリーニングすることはできても、自分で不採用を決定することはできないなどです。金融の分野では、AI は経費の異常やフォーキャスト シナリオを提示し、方針の例外や巨額の資本配分は人が決定するべきです。
また、意思決定時だけでなく、AI イニシアチブのライフサイクル全体を監督することが不可欠です。プライバシー、セキュリティ、コンプライアンスの専門家は、最終的なチェックポイントとして関与するのではなく、当初から参画すべきであり、時間の経過とともにパフォーマンスを監視および評価するチームの一員となるべきです。
これにより、継続的な AI 最適化の中心にガバナンスが据えられ、AI が安全に主導できる領域と、人間が確実に主導権を維持すべき領域が明確になります。
6. どのような AI ツールが当社の事業に最適でしょうか？
多くの社員が、ツールの乱立に圧倒されています。AI の拡大を進めている組織であっても、社員の 82% は依然としてプロセスやシステムの扱いにストレスを感じており、半数近くが基幹システムを完全に回避して業務を行わざるを得ない状況にあります。
自社のビジネスにとって最適な AI ツールとは、摩擦を増やすのではなく、軽減するものです。それらは特に、以下の 3 つに対処できるものです。
- AI の一般的なユース ケースを検証するのではなく、人材採用の短期化、決算処理の迅速化、顧客の課題の早期解決など、自社の状況に適した具体的かつ価値の高い課題を解決する。
- 信頼できるシステムやデータと統合することで、シャドー プロセスやコピーアンドペースト業務を増やすだけの補助的ツールではなく、コア プラットフォームで業務を行う。
- 社員がすでに時間を費やしている実際のワークフローに直接組み込まれるため、ツールやチーム間で情報を交換する際の事務作業の負担を軽減する。
Bua 氏が指摘したように、取締役会は単に「AI を使用してどのように効率を高めるか」を考えるべきではなく、むしろ「情報が希少なものでなくなったときに、自社をどう考えるか」を問うべきです。こうような思考の転換により、リーダーたちは「システムレベルの選択」に目を向けます。つまり、優れているように思えても実際には仕事のやり方を変えることがない単発的なツールの寄せ集めではなく、統合された信頼できるオペレーティング コアを強化する AI の選択です。
7. 大規模な環境で、どのようにプライバシーとコンプライアンスを実現できるでしょうか？
AI が人事や財務部門など機密性の高いプロセスへの関与を深めるにつれ、データ セキュリティ、規制上のエクスポージャー、レピュテーション リスクに対するリーダーたちの懸念は高まります。AI が信頼できるオペレーショナル コアで稼働する場合、強固なガバナンスが単なる処理速度ではなく、意思決定の整合性を守るため、その価値は確実に高まります。
プライバシーとコンプライアンスを広範に確保するには、まずガバナンスの位置を検討します。成熟した組織では、法務、セキュリティ、コンプライアンス部門を最終的なチェックポイントとして扱うのではなく、ユース ケースの定義、データソースの選定、AI が自律的に動作する領域と推奨される領域のみの決定など、AI 設計の初期段階からこれらの部門を関与させています。
初期段階から関与することで、チームは AI が利用するシステムにポリシー、承認、監査要件をエンコードでき、その結果、コンプライアンスに準拠した動作が、後付けではなくデフォルトのパスとなります。それ以降は、防御策を実際に使用できるものにする業務となります。
法務やセキュリティ以外のチームにも、どのようなデータをどの目的で使用できるか、AI が意思決定の判断材料となる場合にどのような透明性が求められるか、何らかの懸念が生じた際にどのようにエスカレーションすべきかについて、明確かつ実践的な指針が必要です。
ガイダンスをツールやワークフロー自体に組み込んで、プロンプトやロール ベースのアクセス権限、承認フローなどを表示することで、AI を利用するたびに個別の規則があることを覚えておく必要はなくなります。
最終的には、AI が基幹業務システム、データ、人とどのように関与するかを決める「設計因子」としてプライバシーとコンプライアンスを扱うことで、拡張可能になります。質問は、「AI が規則を破らないようにするにはどうすればよいか？」から、「AI をどのように設計すれば組み込まれた規則に従うか？」へと移行しています。
AI が信頼できるオペレーショナル コアで稼働する場合、強固なガバナンスが意思決定の整合性を守るため、その価値は高まります。
ワークフォース プランニングからケイパビリティ プランニングへ
Bua 氏は Elevate で「ワークフォース プランニングをやめ、ケイパビリティ プランニングを始めよう」という大きな課題をリーダーたちに投げかけました。
AI ネイティブの世界では、この課題は次のような意味を持ちます。
- 今日、この組織をゼロから作り上げるとしたら、どのように業務を設計しますか？
- 人間と AI のどのような能力が必要であり、どこで使用するべきでしょうか？
- 単なるアウトプットではなく、人の「判断」こそが最も重要となるシステムをどのように構築すればよいのでしょうか？
Ernst が指摘したように、今日のリーダーたちは「かつてないほど精神的および知的な課題に直面」していますが、この課題は同時に、前例のない機会でもあります。
人事、財務、IT部門、ビジネスリーダーには、単に AI 導入を追跡するのではなく、AI の優位性を構築する段階へと進む機会があります。この段階では、テクノロジーがコア ワークフローに組み込まれ、社員が判断力を要する新たなロールへと成長し、信頼があらゆる意思決定の基盤となります。
まさにそれが、AI の導入から真の成熟へと至る道であり、今、これらの質問への答えを見つけ始めたリーダーたちは、長期的なビジネスへの影響を実証することになります。
レポート
AI エージェントが台頭—ただし AI エージェントが全決定権を持つわけではない
分断された業務を、人がつなぎ続ける限界。