人工知能導入における生産性のパラドックスと評価手法

多くの企業で人工知能の導入が進んでいますが、内部的な生産性の向上感がある一方で、顧客側では変化が実感されないという現象が起きています。内部では申請フローの効率化や回答速度の向上、役割削減による通信コストの低減、監視ダッシュボードの整備などが進んでいますが、顧客満足度や顧客維持率の向上には結びついていない状況です。

調査によると、人工知能は組織内部の生産性を大幅に向上させるものの、顧客にとっての価値や投資収益率は現状維持にとどまっています。WRITERによる経営者向けの調査「AI Adoption in the Enterprise」では、人工知能を積極的に活用するユーザーの生産性は、活用できていないユーザーに比べて5倍高いと評価されています。しかし、個人の生産性向上が必ずしもビジネス価値の創造に変換されず、広範な投資回収に至っていないことが指摘されています。

また、人工知能で生成された文書や報告書が、見た目は良いものの価値を付加せず、単に確認すべき資料を増やすだけの「ワークスロップ」となり、結果的に受信者のコストを増大させているという問題も報告されています。これは、企業の焦点が「回答の速さ」という量的指標に置かれ、「問題の解決率」という質的指標に置かれていないことが原因の一つと考えられます。

こうした課題に対し、導入すべき施策を選択するためのフレームワークとして、2軸の行列による評価が提案されています。一方の軸では、コスト削減や業務効率化などの「企業側の生産性」を0から10の段階で評価し、もう一方の軸では、機能提供の速度や安定性、価格など、顧客が実感できる「顧客価値」を0から10の段階で評価します。企業内部と顧客の両方に効果が及ぶ「変革」の状態を目指すことが理想的であるとされています。