AIを「イノベーション」と呼ぶのをやめて初めてスケールする

ほとんどの企業にはAIを扱うチームがあるが、AIを完全に運用化できているところは少ない。実験とエンタープライズレベルの展開の間のギャップこそ、多くの組織が立ち往生する場所である。彼らはコンセプトの証明を繰り返しながらも、決して顧客に届けることはない。現在進行中の変化は、AIをプロダクトとして出荷するための運用規律に関するものである。

シュナイダーエレクトリックの最高AI責任者フィリップ・ランバック氏は、AIをスケールさせる企業は、他のあらゆる機能と同じプロダクト開発の厳格さを適用していると語る。ゲートレビュー、ポートフォリオ管理、そして本番稼働に責任を持つチームが必要である。シュナイダーエレクトリックはエネルギー管理と産業オートメーションのグローバルリーダーであり、2つの中核事業（エネルギー管理技術と産業運営の自動化）は、顧客がより少ないリソースと炭素集約型エネルギーで効率を高める手助けを中心としている。

ランバック氏は社内のAI組織をゼロから構築し、400人のチームは顧客向け製品へのインテリジェンス組み込みと内部運用の大規模改善に均等に配分されている。同氏は、AIネイティブとはAIがアプリケーションの価値提案の完全な一部であり、AIなしでは製品に価値がないか、ほとんどの価値を失うことだと強調する。これは「付加型」から「ネイティブ型」へのシフトであり、「とてもエキサイティング」から中核的な価値の提供へと移行することである。

組織面では、ランバック氏はハブ＆スポークモデルを考案した。各ソリューションは事業部門が所有するビジネスケースから始まり、AI専門家、顧客対応担当者、IT統合、ビジネス側のソフトウェア開発者、営業トレーニング、価格設定など、本番規模での展開に必要なあらゆるリソースを備えたスクラムチームが結成される。このチームは技術的実行可能性を証明したり、1つの概念実証を提供したりした時点では止まらず、ソリューションが本番稼働し、サポート段階に移行するまで続ける。プラットフォーム面では、シュナイダーのような企業でAIネイティブをフルスピードで進めるには、何千もの異なる技術ソリューションを持つことはできない。彼らは会社全体で単一のコア技術セットを定義し維持するチームを設立した。現在、Databricksがそのプラットフォームで重要な役割を果たしており、インフラ、データ、データの流れを管理することで、ビジネスロジックと解決すべき問題により多くの時間を割けるようにしている。

ランバック氏は、企業はAIをイノベーションとして扱うのをやめ、製品開発として扱い始めるべきだと強く主張する。これが最も重要なシフトである。彼らは他の製品と同様に、ゲートレビューを伴うプロセスを持ち、構想、探求、インキュベーション、産業化、運用へと進む。各フェーズの間、同氏とビジネス側のカウンターパートは、技術的に準備ができているか、商業的に viable か、ビジネスプランが成立するかを判断してから前進する。四半期ごとに全ロードマップとポートフォリオを見直す。AIを他の製品とまったく同じように扱っている。それが違いを生む。

クロスファンクショナルチームの整合性を保つために、ランバック氏はユースケースとビジネスバリューから始めることが最善だと述べる。どのテクノロジープロバイダーが最善かについて永遠に議論する代わりに、顧客のニーズから始める。さらに、説明責任の構造も重要である。多くの企業では、一方のチームが概念実証を構築し、別のチームがそれを産業化する責任を負うが、これら2つのチームは目標が大きく異なり、不一致が生じる。シュナイダーのモデルでは、同じチームがアイデアから大規模展開までの全行程を所有する。

Databricks Genieによる自然言語データアクセスについて、ランバック氏は、社内ではまだリリースされたばかりだが、期待は非常に大きいと述べる。人々は分析を依頼し、1時間後や1日後に欲しかったものと違う結果を受け取ることに疲れている。自分で自然言語でデータを取得できることは、働き方の大きな改善である。精度を確保する必要があり、Databricksと緊密に協力しているが、潜在的な支持は非常に強い。

外部モデルの使用に関して、ランバック氏はモデル単体では決して完全なソリューションではないと指摘する。コンテキスト、ガードレール、ユーザーインターフェース、場合によっては古典的な分析AIと大規模言語モデルの組み合わせ、あるいは複数のLLMが異なる基準で意思決定を行う複数のエージェントを駆動する必要がある。彼らはエージェントが協力するだけでなく時に競合するマルチエージェントシステムを構築している。例えば、EcoStruxureマイクログリッドアドバイザーでは、顧客が複数の建物（大学キャンパスなど）を持ち、太陽光パネルと風力発電を備えている。すべてのサイトデータを高頻度で取り込み、エネルギー生産と需要を正確に予測し、AIが48時間先に基づいて15分ごとに最適化する。それは1つのモデルではなく、予測、最適化、リアルタイム意思決定が顧客自身の運用データ上で連携するものである。このようなソリューションにより、エネルギーコストを最大20%削減できる。

最後に、ランバック氏はこの取り組みの初期段階にあるリーダーへのアドバイスを述べる。第一に、テクノロジーではなくビジネスケースから始めること。第二に、人材を訓練し、AIと大人の関係を築くこと。AIは素晴らしいことをするが、万能ではなく、人々が考えるほど怖くない。第三に、既に知っていることを忘れないこと。AIプロジェクトはまずプロジェクトであり、まず変革である。企業は長年にわたり変革管理を学んできた。AIプロジェクトの大部分はまさにそれである。一部は再発明が必要だが、すべてではない。

ランバック氏の最も意図的な選択は、AIを特別なものとして扱うことを拒否することである。可能性は巨大だが、管理方法においては特別ではない。ハブ＆スポークモデル、ゲートレビュー、単一プラットフォームとエンドツーエンドのチーム所有権の主張は、AI戦略ではなく、製品戦略である。AIをイノベーション機能としてまだ運営している経営陣にとって、この挑戦は受け止める価値がある。AIを大規模に展開している企業は、最も創造的なプロトタイプを持つ企業ではなく、それをイノベーションと呼ぶのをやめ、プロダクトとして出荷し始めた企業なのである。