AI導入ロードマップは小さく分けてください:大きなプロジェクトほど失敗しやすい理由

全社的なAI変革を1年がかりの大型プロジェクトとして始める会社ほど、途中で止まりがちです。小規模プロジェクトの成功率61%に対し超大規模は6%というデータをもとに、AI導入ロードマップを「方向・四半期目標・2~4週間の課題」の3層に分ける方法、課題の選び方、分けるときに陥りやすい落とし穴をまとめました。

AXAI変革導入戦略ロードマップ

AI導入の計画書は、たいてい大きく始まります。 そして、たいていその大きさのせいで止まります。

「1年以内に全社AI変革」

経営陣向けのAI導入計画書によく出てくる一文です。「全社業務のAI化」「顧客対応の全面自動化」「統合AIプラットフォームの構築」。目標は大きく、期間は1年、予算も大きいものです。

こうした計画は報告にはうってつけです。しかし実行段階では、ほぼ同じ道をたどります。要件整理に3か月、ベンダー選定に2か月。最初の成果物が出るころには現場の関心は冷め、その間にAI技術は一世代進んでいます。この流れは失敗するAIプロジェクトで詳しく取り上げました。

うまくいく会社のロードマップは形が違います。方向は大きく、課題は小さく設定されています。

大きなプロジェクトは実際に失敗しやすい

数字で見ると明らかです。

スタンディッシュ・グループの2015年CHAOSレポートによると、小規模なソフトウェアプロジェクトの成功率は61%、超大規模プロジェクトは6%でした。10倍の差です。

2011~2015年のソフトウェアプロジェクトの成功率を比べた棒グラフで、小規模プロジェクトは61%、超大規模プロジェクトは6%が成功したことを示しています。
規模別のソフトウェアプロジェクト成功率。出典:The Standish Group, CHAOS Report 2015

グーグルのDORA研究チームによる2019年のレポートも同じ傾向を示しています。小さく頻繁にデプロイする上位の組織は、下位の組織に比べてデプロイ頻度が208倍高く、障害からの復旧は2,604倍速く、変更失敗率は7分の1でした。

AIプロジェクトでは、この差がさらに広がります。一般的なソフトウェアは要件どおりに作ればおおむね動きますが、AIは実際のデータと実際のユーザーの前に置いてみるまで結果がわかりません。1年後に初めて確かめるということは、1年分のリスクを一度に負うということです。

1年がかりの大型プロジェクトは1年後に一度だけ結果を確かめるのに対し、2~4週間の課題に分けたロードマップは課題が終わるたびに結果を確かめることを示すタイムラインの図です。
同じ1年でも、結果を実際に確かめる回数が違います。課題の長さを4週間と仮定して描いた概念図です。

ロードマップを3つの層に分けてください

おすすめする構造は3層です。

層期間例
方向1~2年「営業部門が顧客対応に使う時間を半分に」
四半期目標3か月「商談の準備資料をAIが自動で作る」
課題2~4週間「顧客企業の最新ニュースを1枚に要約し、営業1チームに毎日送る」

方向は、数字1つで書けるくらい具体的でなければなりません。「AI変革」は方向ではなくスローガンです。

課題は終わりを目で確かめられる大きさであるべきです。2~4週間で実際に動く成果物が出て、完了したかどうかを誰もが判断できる必要があります。

大きすぎる課題分けた最初の課題
顧客対応を自動化するよくある質問20件の回答案を作る
社内の知識をAIで検索する人事規程の文書1つについて答えさせる
報告書作成を自動化する週次売上報告書1種類の記述部分だけを書かせる

そして前の課題が次の課題の材料になるように順番を組みます。質問20件に答えさせた経験が次の50件の土台になり、人事規程1つを扱った仕組みはほかの規程文書にそのまま広げられます。

課題を選ぶ4つの基準

四半期目標の下に候補となる課題がいくつもあるなら、次の4つで点数をつけてみてください。

1. 方向につながるか? この課題が終わったら、方向の数字が少しでも動くか。動かないなら、簡単でも後回しにします。

2. 効果を測れるか? 処理時間、件数、エラー率のように、前後を比べる基準があるか。測り方はAI導入後の成果を測る方法にまとめています。

3. 間違えたときに元に戻せるか? 初期の課題は、人が結果を確認する仕組みにすべきです。顧客にそのまま届く課題は後に回します。

4. 次の課題に広げられるか? この課題の仕組みを、別のチームや別の文書に再利用できるか。広がる課題が利子を生みます。

小さな成功が組織を動かします

小さく分ける効果は、スケジュールとリスクだけに表れるわけではありません。人にも表れます。

ハーバード・ビジネス・スクールのテレサ・アマビールの研究チームは、7社238人の業務日誌約1万2千件を分析しました。社員の日々のモチベーションを最も大きく高めたのは、大げさな報酬ではなく意味のある仕事での小さな前進でした。

AI導入に当てはめるとこうなります。1年後に完成する「統合AIプラットフォーム」は、現場にとっては他人事です。今週、議事録の要約が実際に動くのを見た社員は、次に自動化する仕事を自分から探し始めます。AIを使う人を育てるでお話ししたように、定着を生むのは研修よりも自分でやってみた経験であることが多いのです。

経営陣の説得も同じです。「スモールウィン(small wins)」という考え方を提唱した心理学者カール・ワイクは、目に見える成果が積み重なると周囲がその流れに加わり、反対していた人も考えを変えると述べました。最も強力な説得材料は計画書ではなく、すでに動いている成果物です。この話はAI導入を経営陣に納得してもらう方法でさらに詳しく取り上げました。

分けるときに陥る2つの落とし穴

落とし穴1:簡単な課題ばかり選んでしまう。 小さく分けると、手をつけやすい課題から選びがちです。文書の要約や文章の手直しのような課題はすぐ終わり、成果報告もしやすいものです。ところが「現場は本当にこれを毎日使うのか」「これでコストは下がるのか」といった難しい問いは、ずっと先送りされます。四半期ごとに問いかけてください。重要なものを分けているのか、分けやすいものだけを分けているのか。

落とし穴2:ステップが形式になってしまう。 外科医アトゥール・ガワンデが提案した手術チェックリストは、8か国の病院で術後死亡率を1.5%から0.8%に下げました。ところがカナダ・オンタリオ州の101の病院がこれを義務として導入した後に分析したところ、死亡率は有意には下がりませんでした。チームが実際に立ち止まって確認するのか、欄を埋めるだけなのかの違いだと考えられています。AIロードマップも同じです。課題を「完了」にすること自体が目的になった瞬間、業務は何も変わりません。完了の基準は成果物ができたかどうかではなく、現場が実際に使っているかどうかであるべきです。

四半期ごとの点検項目

四半期の終わりに、次の3つだけを確認してください。

  • 今四半期の課題は方向の数字を動かしたか?
  • 終えた課題のうち、現場が今も使っているものはいくつあるか?
  • 先送りした難しい問いは何で、次の四半期にどう分けるのか?

3つ目の問いに答えがないなら、ロードマップが簡単なほうへ流れているサインです。

おわりに

AI導入計画書をもう一度開いてみてください。最初の課題が数か月がかりなら、大きすぎます。今月中に終わりが見える1マスに切り分け、そのマスがどの方向を向いているのかを1行で書いておいてください。

大きな成果は、目標に掲げたからといってやってくるものではありません。小さな成功を方向に沿って積み重ねた組織に、結果としてついてきます。どこから始めればよいか迷っているなら、まずはAI導入前のチェックリストを1枚埋めてみることをおすすめします。

このテーマを実際に試した記録は、小さな成功を繰り返す方法(1)分けることが最も古い正攻法(韓国語)にまとめています。

参考資料