なぜあなたの会社で、生成AIが活用されないのか？どこで活用すべきか？

ChatGPTが発表された2022年末から、約3年の月日が経ちました。

たった3年ですが、AIの進化スピードにおいては『10年分』に匹敵するような激動の期間だったと言えます。

この状況を見て、多くの大手企業を中心に、生成AIを業務に入れなければならないと考え、CopilotやChatGPTを社内に導入し、全社的なAIリテラシー教育を行ってきました。

しかし、実際のビジネスの現場を見ると、「いつも使っている人」と「全然使っていない人」に二分されているのが現状です。（しかも、大抵は後者です）

いくら教育費をかけてもAI利用が進まない理由

AI企業のホームページには、「先進的な企業」として高い利用率が声高に示されています。

その一方で、多くの企業は、大金を払ってAIリテラシー教育を行っても、利用は全く進みません。ライセンス費用だけがかさみ、「全社員にライセンスを付与する意味があるのか？」という疑問にぶつかっています。

なぜ、こんな状態が起きるのでしょうか？

結論からいうと、『AIを使うこと自体は、皆さんの本業ではないから』です。

皆さんの仕事は『成果を出すこと』であり、面倒なプロンプトを考えることではないはずです。

皆さんの会社では生成AIを「何に」役立てろとしているでしょうか？それは「なぜ」必要だと考えられているのでしょうか？

この問いをぶつけた時、大抵の企業で明確に答えることができません。

なぜなら、導入のほとんどが、「AIを使いこなさないとヤバいから」という、なんとも表面的な理由で決めていることがほとんどだからです。

では、なぜ、表面的な理由でAIを導入する決断をしているのでしょうか？

それは、「世界的にそう言われているから」であり、「思考停止している自分がわかっていないだけで、識者はわかっている」という、まるで「王様の耳はロバの耳状態」となっているからです。

「なぜ？」と「何を」を考えて、生成AIの使い所を知る

では、職種や業界において、どんなシチュエーションで生成AIを活用することができるのでしょうか？

経営者やマーケティング、セールスといった職種別、製造業・物流業・小売業といった業種別で見た時に、代表的な利用シーンを挙げてみます。

まずは、こういう使い所があるのだということを説明していきます。具体的にどのようにAIを活用したら良いかについては、次の項目でお話しします。

経営者・マネージメント

経営者や意思決定が必要なマネージメントにとって、生成AIは「戦略的意思決定の壁打ちパートナー」となってくれます。

中長期的な経営計画や新規事業案に対し、リスクの洗い出しや別視点からの反論を行わせることで、意思決定の精度を高めることができます。

よく「計画を考えて」という使い方をする方は多いのですが、個人的には「特にターゲットとなる顧客視点での反対意見」を挙げてもらう使い方を推奨しています。気づかなかった視点が得られるからです。

また、「人が足りない」などの断片的な要望が現場から上がってきた際に、その課題を財務データや市場トレンドと突き合わせることで、「事業の再現性向上やスケールアウト」といった経営レベルの課題解決策へ変換・再定義させることも可能です。

他にも日々のインプットとして、膨大な業界ニュースや社内報告書から、自社の経営戦略に影響を与える「予兆」や「文脈」を抽出させるといったことも可能です。

マーケティング

マーケティングには、4P（Product（製品・サービス）、Price（価格）、Place（流通）、Promotion（販売促進））と呼ばれる要素があるのですが、生成AIはこれらの要素全てで活用可能です。

今回は特に、顧客との接点である「Promotion（販売促進）」や「Product（商品開発）」の視点での活用例を見てみましょう。

例えば、30代女性など、単なる属性だけでターゲットを識別しているケースを見かけますが、SNSが当たり前の昨今、いつ手元に届くかわからない紙に印刷されたDMやチラシなどとは異なり、ターゲットとのコミュニケーションもほぼリアルタイムに可能です。

そうなると、シチュエーション別のコミュニケーションが可能になるので、「雨の日で気分が落ち込んでいる時」といった「文脈」をAIに設定し、その瞬間に刺さるコピーや画像、メール文面を大量に生成してもらいます。

その中から良さそうなものを選んだり、さらにブラッシュアップしたりすることで、良質な顧客コミュニケーションを実現するのです。

また、過去の顧客データやレビューを学習させたAIを「仮想顧客」として設定し、新商品に対する反応や懸念点を知るための壁打ちに活用することもできます。

さらに、Web上のトレンド情報、SNSの口コミ、競合のプレスリリースを収集・分析し、自社にとっての機会と脅威を自動的にレポートにすることも可能です。

セールス

セールスの改善でよく使われる手法が、成績の良い人の特徴を抽出して、マネをさせる、というものです。

これも生成AIで実現可能です。

例えば、成績優秀な営業担当者の商談ログや提案書を学習させ、若手営業マンが顧客情報を入力すると、「この顧客にはこのアプローチが効く」という提案骨子やトークスクリプトを生成してくれます。

また、顧客の課題と自社のソリューションを箇条書きにするだけで、顧客ごとの業界事情や課題背景を補完した、説得力のある提案書の下書きを作成してくれたり、AIを「気難しい顧客」や「予算を気にする顧客」になりきらせ、商談のロールプレイングを繰り返し行うことで、交渉力を磨くことなども可能です。

製造業

製造業における問題といえば、人不足や技術継承の問題でしょう。

熟練工が肌感覚で捉えていた「設備の音の微妙な違い」や「ラインの流れるテンポ」を感じ取った時の対応などは、長い年月をかけないと習得することができません。

そこで、そういった現場の違和感をAIに学習させ、予知保全や品質管理に活かすことができます。

また、現場のデータをIoTなどで取得していた場合、不良品が出た際の温度や湿度、材料の滞留時間やロット情報など複数の変数を蓄積することで、それをAIに分析させ、「なぜ品質がばらついたか」という因果関係を特定します。

「明日は雨で湿度が高いから、ラインの速度を調整する」といった、環境変化に応じた最適な製造パラメータをAIが提示することで、品質低下を防ぎ、生産計画を最適化させるといったことも可能になります。

物流業

物流業は、トラックでの運搬と倉庫の業務に分かれます。

まずトラックでの運搬では、過去の走行データと現在の天候・交通状況を組み合わせ、「このエリアはこの後渋滞する」といった未来のコンディションを予測し、配送ルートを再構築することが可能になります。

また、荷物のサイズ、重量、納品先の制約条件（時間指定や駐車場の有無）などを考慮することで、熟練ドライバーが行っていたような「無理のない、かつ効率的な」積み合わせプランを作成することも可能となります。

一方で、倉庫内作業については、「この作業順序だと30分後にピッキングエリアが混雑する」といった未来のボトルネックを予測し、作業員の配置や動線を事前に変更するよう指示を出すことができます。

小売業

小売業の肝となるバイヤー業務では、過去の売上だけでなく、天候予報、地域のイベント、SNSのトレンドなどの「文脈」を加味し、「来週はこの商品がこれだけ売れるはず」という、未来を想定した発注が可能になります。

また、店内にカメラやセンサーを置くことで、その映像やデータから「レジが混みそうだ」「特定の商品棚が乱れてきている」「店頭に商品がなくなりそう」といった状況になる前に、その状態を予知し、スタッフに品出しやレジ応援の指示を出すことができます。

他にも、インバウンド客や複雑な問い合わせに対し、商品知識を学習したAIアバターやボットが、24時間多言語で接客対応を行うことも可能になります。

エージェントによる、シゴトに使えるAI

AIエージェントを味方につけることで、仕事は自動化され、生産性が大きく向上します。

これらの例を見て気づいた方も多いと思うのですが、シゴトに使えるAIは、いわゆるChatGPTなどのような、フォームに入力すれば答えが返ってくるものではないのです。

巷では、「プログラムのような『プロンプト』を、書けるようにならないといけない」と主張している人もいますが、そんなことはありません。

確かに、これらの例でも、自然言語でプロンプトを書いて生成AIから答えを引き出すという工程はあり、そこではプロンプトの技術は必要になるでしょう。

しかし、これは誰にでもできることではありません。

例えば、「プログラムが書けたら、誰でも簡単にWebサービスが作れる時代になった」と言って、多くの人はプログラムを書けるようになるでしょうか？

自然言語だから、誰でもできると思い込んでいるのかもしれませんが、文法を覚えて、正しく使いこなすには、そもそもの論理能力や言語化能力が必要で、それでは気軽に、日常的に活用することはできないのです。

では、どうすれば、シゴトに活用できるのでしょうか？

それは、企業単位、部門単位などで「AIエージェント」を作ることで実現できます。（個人的に作るわけではないことが重要です）

AIエージェントというのは、「企業の中のさまざまなデータ」「参照すべき外部データ」「どんなアウトプットを期待するかのフォーマット」を明確にして、生成AIがそれらを参照することで動く「エージェント・サービス」のことです。

どんなアウトプットを期待するか？を明確にする際には、プロンプトを書く必要があるのですが、利用者は、すでにプロンプトが組み込まれたエージェントを使うだけなので、難しい呪文のようなプロンプトを書く必要はありません。ただ「これやって」と頼むだけで、裏側でAIが適切に処理してくれるのです。

どちらかというと、どんな業務で、どんなAIエージェントが必要になるかをきちんと定義して、必要なデータをAIに参照させることの方が重要になるのです。

生成AIは実は、長文をちゃんと全部読んで、理解して動作するということが案外できていませんでした。

大量のデータを使う場合は、データに対する前処理が必要となり、案外そこに時間とノウハウが必要でした。

しかし、最近の生成AIは、長文もちゃんと読みこなすことができるので、AIエージェントを作る人は、どのデータが、どんなことについて書かれたデータなのか、という情報を追加して情報の整理をすることが必要です。

これをせず、単に大量のデータだけをどかっと準備しても、全部を読み込んで、自力で情報を分類して、状況に応じて参照するデータを使い分けるということをやるのは案外難しいのです。

ただ、「ある業務」を自動化したり、聞けば必要な答えを返してくれる、みなさんの企業専用のAIエージェントを作る時に参照するべきデータは、当然その業務に関連したものだけで良いわけなので、「なにもかも」を整備しようとすると大変ですが、「特定の業務（例えば、日報作成など）」に必要なデータだけに絞れば、データの特定や仕分けはそれほど難しくありません。

こうやって、AIエージェントを作ることで、みなさんの業務の多くの部分を自動化したり、気の利いた回答を瞬時にくれるようになるわけなのです。