AI ファーストは規律であり、スローガンではない
ChatGPT の登場から直近の決算説明会までのあいだに、「AI ファースト」は技術的な表明であることをやめ、衣装になりました。洗濯機を売る会社、保険を扱う会社、会計サービスを提供する会社が、いまや自らを AI ファーストと称しています——しかも、本番環境にモデルが一つもないことも少なくありません。この言葉はほとんど無料です。その背後にある運営の規律は、決して無料ではありません。この記事で扱うのは規律です。AI ファーストが意味すべきこと、普通の企業にとってなぜ重要なのか、そして誠実に実践されたときにどう見えるのかを述べます。
「AI ファースト」が意味すべきこと
AI ファーストの企業とは、AI を頻繁に口にする企業ではありません。インテリジェンスを設計の素材として扱う企業です——プロダクトや業務プロセスの意思決定の最初の段階でそれを検討し、他のあらゆるエンジニアリング上の選択と同じ厳密さで評価し、効果が実証される場面でだけ使う企業です。
本物の AI ファーストの実践と、飾り付けとを分ける特徴は三つあります。
- 仕事から始まり、モデルからは始まりません。 分析の単位は、片づけるべき仕事です——サポートチケット、営業のフォローアップ、引受審査——そして問いは、モデルがそのコスト、速度、品質を変えるかどうかです。
- 証拠のループがあります。 AI の価値についての主張は、デモではなくベースラインのデータに対して検証されます。
- 人間が責任を持ち続けます。 モデルは提案し、下書きを作り、自動化します。人が決め、承認し、結果に責任を負います。
どれも、売るための AI プロダクトを必要としません。必要なのは、AI を、普通のインフラでありながら通常とは異なる性質を備えたものとして扱うマネジメントシステムです。
もはや仮定の話ではない
マーケティングの言葉だけを読んでいれば、AI を誇大広告として片づけるのは簡単です。しかし、普通の仕事から出てきた証拠は、そう簡単には払いのけられません。
- 普及は、これまでのどの技術よりも速いものでした。 ChatGPT は 2023 年の提供開始から約 2 か月でおよそ 1 億人のユーザーに到達しました——記録に残る消費者向け製品として最速の普及です。使われていることはビジネス価値の証明にはなりませんが、顧客がソフトウェアに何を期待するかという基準をリセットしました。
- ソフトウェア開発は、測定できる形で変わりました。 2023 年に GitHub で行われたランダム化実験では、GitHub Copilot を使った開発者が、対照群より 55.8% 速く課題を完了しました（arXiv:2302.06590）。コーディングは、生産性への効果が主張ではなく対照研究で測定された、最初のナレッジワーク領域でした。
- カスタマーサポートは、測定できる形で変わりました。 カスタマーサポートツールに関する 2023 年の研究（Brynjolfsson, Li & Raymond、NBER working paper 31161）では、生成 AI アシスタントによって 1 時間あたりの解決件数が平均で約 14% 増え、経験の浅い担当者ではおよそ 34% 増えました。重要なのは、誰が最も恩恵を受けたかという点です。モデルが圧縮したのはタイピングの時間だけでなく、学習曲線そのものでした。
- 資本も追随しました。 Microsoft は 2024 年、AI 事業が年換算売上 100 億ドルを超えたと報告し、これを同社史上最速でその規模に到達した事業だと説明しました。また 2025 年には、最大手のテクノロジー企業各社が AI 関連の設備投資として年間数百億ドル規模の見通しを示しています。バブルかどうかの見方がどうであれ、予算は実在します。
これらは SF の数字ではありません。普通のサポート業務とエンジニアリング業務の内側で測定された、生産性とコストの効果です。したがって、AI 企業ではない企業にとっての戦略的な問いは、「AI プロダクトをつくるべきか」ではありません。そうではなく、「私たちと同じ種類の仕事を再設計する競合に、コスト曲線、応答品質、スピードで追いつけるか」です。
なぜ多くの「AI ファースト」の取り組みは失敗するのか
よくある失敗は技術的なものではありません。組織的なもので、しかも見覚えのあるパターンをたどります。
- サブスクリプションを契約し、ウェブサイトにチャットボットを載せ、勝利を宣言します。それ以外は何も変わりません。
- どこでも実証実験を走らせ、どこでも測りません。ベースラインと指標がなければ、実証実験は期限付きのデモにすぎません。
- モデルの調達と戦略を混同します。ベンダーの選定が議論のすべてになり、モデルが改善すべき本来の業務は一度も再設計されません。
- 責任者も予算枠もありません。AI の仕事はどの部門のものでもないスライド資料の中に置かれ、IT、プロダクト、オペレーションのすき間で飢えていきます。
- 遅れを取って見えることへの恐れから、本番環境に存在しない能力を実績として主張してしまいます。
共通しているのは、AI を仕事のやり方の変化ではなく、買い物として扱っていることです。だからこそ、印象的な資料と、本番環境には何もない「AI 劇場」がこれほど一般的で、これほど安く量産できるのです。
AI ファーストをうまく実践するには
以下は、変革に至る五つの手順を並べたレシピではありません。実際の予算とぶつかっても生き残ることを、私たちが実際に見てきた運営上の習慣です。
1. モデルを選ぶ前に、仕事を選ぶ
頻度が高く、コストがかかり、判断を多く含む業務を選びます——トリアージ、下書き作成、要約、振り分け、一次レビューなどです。何かを作る前に指標を定義します。対応時間、チケットあたりのコスト、不具合率、コンバージョン率です。まずベースラインを測定します。指標を言葉にできないなら、始める準備はできていません。モデルがそれを動かせる見込みがないなら、別の業務を選びます。
2. モデルを交換可能な部品として扱う
フロンティアモデルは急速に進歩しており、価格は多くの企業が計画を更新する速度よりも速く下がっています。それに合わせて行動します。
- モデル呼び出しを小さな社内インターフェースの背後に隔離し、ベンダーの差し替えが書き直しではなく設定変更で済むようにします。
- ベンチマークは、別の何かを測っているリーダーボードではなく、自社の業務サンプルで行います。
- ベンチマークは定期的に再実行します。昨年いちばん良かったモデルが、今年は次点の選択肢になっているかもしれません。
- データに関する規定、レイテンシ、コストが重要な場面では、小型モデルやオープンモデルも検討します。フロンティアが常に正解とは限りません。
ベンダーロックインは、選ばないという選択ができる類の選択です。
3. インターフェースだけでなく、ループを再設計する
最も大きな効果は、人間とモデルの仕事の分け方を変えることから生まれます。入力フォームをチャット画面に置き換えても同じではありません。モデルがどこで下書きを作り、人間がどこで承認するかを決めます。信頼度のしきい値を設定し、エスカレーションの経路を設計します。結果に責任を持つ人が各段階で特定できるようにします——法的、規制上、そして実務上の理由から、モデルに責任を負わせられない結果については、誰かが責任を負わなければなりません。
4. データと評価の配管に投資する
モデルは速く良くなりますが、それが自社にとって良くなっているかを知る力は、それ以上に速く良くならなければなりません。そのためには、本番のすべての呼び出しを結果ラベル付きで記録し、実際の利用からゴールデンセットを構築し、存在するユーザーフィードバックを取り込み、評価を担当する小さなチームを維持します。失敗した AI プロジェクトのほとんどは、ここで失敗します。デモはできるが、測定ができないのです。
5. 確率的な失敗を前提に設計する
モデルは、仕事が速く、自信があり、ときどき間違える後輩です。それを前提につくります。
- 可能なところでは、出力をスキーマに対して検証します。
- フォールバックと再試行を用意し、モデルの失敗でワークフローが止まることがないようにします。
- 呼び出しあたりのコストとレイテンシを、エラー率と同じくらい注意深く監視します。
- 予算とアラートを設定します。モデルへの支出は、想定より速く積み上がります。
誤った回答は、発見して驚くものではなく、あらかじめ設計で対処すべきインシデントの一種として扱います。
6. 組織として整える
AI の仕事には、実際の予算を持つ単一の責任者を置きます。中核チームは小さく保ちます。実際に仕事が起きている事業部門の中に組み込みます。全社の AI リテラシーの底上げを図ります——経営層も含みます。経営層は、ベンチマークとデモの違いを見分けられるべきです。進捗は四半期ごとに事業指標に照らしてレビューし、うまくいかなかったことを公開の報告で正直に伝えます。AI で信頼を得る企業は、成功と同じくらい日常的に失敗を報告する企業です。
うまくいっている状態とは
外から見ると、AI ファーストの企業はほとんど退屈です。AI はプレスリリースの中ではなく、ワークフローの中にあります。サポートの応答時間は短くなり、品質への苦情は増えません。開発者は、定型コードではなく設計に時間を使えるようになります。引受審査、商談の質の判定、文書レビューでは、単価の曲線が四半期ごとに下がり続け、その裏付けとして外部の人間でも検証できる評価レポートがあります。
AI で勝つ企業は、最も優れたスローガンを持つ企業ではありません。最も優れたフィードバックループを持つ企業です。明確な問題、測定されたベースライン、人間が責任を負う形でループに入ったモデル、そして最初の試みが期待に届かなくても反復を続ける規律です。AI ファーストは、自社の野心についての表明ではありません。自社のオペレーティングシステムについての表明です——そしてそれは、証拠によって勝ち取らなければならない主張です。