生成型AIの導入が急速に進展する中、企業全体でAI転換を重要な経営課題として認識する動きが強まっている。多くの企業がチャットボット、文書要約、データ分析、業務自動化など様々な分野でAIの適用を試みているが、実際にAXプロジェクトを進めてみると、AIを導入したという事実だけでは全社的な普及や実質的な業務変化がすぐに生まれるわけではない。
この現実は、グローバルな調査結果でも確認されている。昨年11月に2000社以上のグローバル企業を対象に行われた調査によれば、回答した企業の62%がAIエージェントを実験中だと答えた。一方で、特定の機能においても本格的な全社的普及段階に達した企業は10%未満にとどまった。AIへの関心と実験は急速に増加しているが、これを実際の業務に定着させることは依然として容易ではないということを意味する。
私はその理由が単に技術の限界にあるとは考えていない。むしろ、今企業が直面している最大の課題はAIモデルを選択することではなく、AIが組織内で持続的に機能する業務構造と運営体系を設計することに近い。
初期の生成型AI導入の議論では、どのモデルを使用するか、どの機能を実装できるかが主要な関心事であった。しかし最近、企業がAXプロジェクトで問うている質問は変わってきている。現場の構成員が実際の業務でAIをどのように活用し内在化できるか、どの業務から適用すれば投資効果（ROI）を生み出せるか、持続可能な運営体系はどのように構築すべきかという悩みが大きくなっている。
同じモデルを使っても精度が異なる理由：知識システム
この違いを最も明確に示す領域が企業の知識システム、つまりAIが企業内部文書をどれだけ正確に読み取り、検索して回答するかである。多くの企業が最新モデルを導入すれば正確な回答が得られると期待しているが、実際に精度を左右するのはモデルではなく、その前段階の設計である。社内文書がどのような形で存在するかを把握し、これを損失なくデータに変換し、質問の意図に合った情報を見つける検索パイプライン（RAG）をどのように設計するかが最終的な回答の品質を左右する。
特に国内企業環境ではこの問題がさらに厄介である。実際の企業の文書フォルダを開くと、テキスト階層が生きている電子文書だけでなく、スキャンされた契約書、撮影された通帳のコピー、登記簿謄本、利害関係者の書類のように画像としてのみ存在する韓国語の金融・法律文書が相当数を占めている。
こうした文書では、単純なテキスト抽出方式のツールがハングルを壊したり、表構造を崩したりして、事実上使用できない結果を生み出す。一方、画像自体を精密に認識する方式は、原本の書式や数字、ハングル情報をはるかに高いレベルで保持できる。同じ文書、同じモデルであっても、どのような処理体系を設計するかによって、結果が業務にすぐに活用可能なものと活用が難しいものに分かれる。
レッドブリックが文書パースとRAGパイプラインに継続的にR&Dを推進し、エンタープライズ環境で高い精度と信頼性を持つ知識システムを構築しようとする理由がここにある。実際の企業文書に含まれるスキャンベースの韓国語文書を対象に、さまざまな処理方式を精密に比較・検証した結果、文書の種類によって最適な処理経路が完全に異なることが確認された。
現場でAIが機能するための条件
企業現場でAIが実際に機能するためにはいくつかの条件が必要である。まず現場の業務フローを正確に理解する必要がある。AIを適用できる業務とそうでない業務を区別し、優先的に成果を上げられる領域を選別しなければならない。その後、企業内部データと既存システムを接続し、ユーザー権限、セキュリティ、監査ログ、運営ポリシーなどを共に設計する必要がある。AIが特定の機能にとどまらず、組織の業務方式に根付くためには、このような運営設計が不可欠である。レッドブリックがFDEベースのアプローチを適用する理由もここにある。FDEは単に企業の要求事項を聞いてソリューションを提供する方式ではない。現場の業務フローとデータ構造を共に分析し、AIが実際の業務環境で機能できるように適用領域、システム連携、運営体系まで共に設計する実行中心のAXアプローチである。前述の知識システム設計もこのFDEアプローチの一環であり、技術導入に先立って「この企業の文書はどのような形で、どのように読めば正確か」といった質問から共に解決する方式である。
実際の成果：香港のEコマースPoC
最近、レッドブリックは香港のEコマース企業とFDEベースのAXプロジェクトPoCを実施し、意味のある生産性改善効果を確認した。該当企業は商品選定およびプロモーション推薦プロセスをAIベースで高度化し、より効率的で迅速な意思決定体制を構築しようとした。核心はデータに基づいて今後のグローバル各地域でどの商品が高い需要を示すかを予測し、これを推薦プロセスに反映する構造を作ることであった。PoCの結果、従来は4人で約5日間かかっていた業務をAXプラットフォーム導入後、1人が1日以内に処理できるようになった。単にAI機能を適用しただけでなく、データ分析と推薦プロセス、業務フローを共に再設計したために可能だった結果である。前述の知識システムが正確なデータを供給する基盤であれば、この事例はその上で業務フロー全体を再設計した際に現れる成果を示している。
このようにAI適用範囲が実際の業務環境に拡大する中で、AXプロジェクトが扱う領域も広がっている。企業環境では単に最新のAIモデルを適用するだけでは不十分である。AIが組織内で安定的に機能するためには、業務目的と特性に応じたデータ構造設計と既存システム連携に加え、企業環境に適したマルチ-LLM構成やRAGベースのデータ活用体系、ユーザー別権限管理や監査ログなどAI運営環境全般を考慮する必要がある。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
