本動画では、AIと自動化の専門家であるパスカル・ボルネが、20年以上にわたる実装経験をもとに、エージェント型AIが企業や職場をどのように変革していくかを解説している。大規模言語モデルの登場により、従来の自動化技術は「提案するだけ」の段階から「実行できる」段階へと進化し、感知・計画・実行・反省という4つの機能を持つAIエージェントが誕生した。ボルネは、企業がこの技術を成功裏に導入するには人間を変革の中心に据えることが不可欠であると強調し、真の創造性、批判的思考、社会的真正性という3つの「人間固有の能力」を磨くことが、AI時代において人間が価値を生み出し続けるための鍵であると説く。また、経営層の明確なビジョン、段階的な信頼構築、人材への投資、そして小さく始めて大きく見据える戦略が、AIエージェント導入の成功要因として挙げられている。
AIエージェントがもたらす職場革命
そして私が思うに、これが20年以上にわたってこれらの技術を実装してきた中で得た最も重要な成果なのですが、成功する企業は、その変革の中心に人々を据える企業だけなのです。
WorkLabへようこそ。Microsoftのポッドキャストです。ホストのモリー・ウッドです。
WorkLabでは、AIと働き方の未来について専門家と対話します。この技術がどのように人間の能力を飛躍的に高めるのか、そしてどのように組織全体を変革できるのかについて話します。今日のゲストはパスカル・ボルネさんです。ボルネさんは人工知能とインテリジェント・オートメーションの分野で世界的に認められた専門家です。McKinseyとEYでAI変革を主導し、AIに関するベストセラー書籍を執筆してこられました。
パスカルさんは「Agentic Artificial Intelligence: Harnessing AI Agents to Reinvent Business, Work and Life」という新刊書の共著者でもあります。簡単に言えば、パスカルさんはAIがどのように仕事を自動化し、高度化できるかについて深い理解を持っています。これらのインテリジェントエージェント、デジタルの同僚のようなものと考えてください、これらが職場をどう変革しようとしているのか、そして決定的に重要なことに、ビジネスリーダーがどのようにそれらを活用して競争優位性を磨くことができるのかについて掘り下げていきます。
パスカル、WorkLabへようこそ。ありがとうございます。ありがとうモリー。一緒にいられて嬉しいです。
お会いできて本当に嬉しいです。差し支えなければ、まずはあなたの歩みについて少しお聞かせください。あなたは20年以上にわたってAIと自動化に焦点を当ててこられました。その間に多くの変化を目の当たりにされたと思います。簡単に経歴を教えていただけますか。はい、もちろんです。
私は20年間のコンサルティング経験から来ています。EYとMcKinseyで自動化を実装し、インテリジェント・オートメーションのプラクティスを構築してきました。つまり基本的に、世界中の企業にこれらの技術を実装してきたのです。本当に世界中でという意味です。なぜなら私はもともとフランス出身で、私のアクセントからお分かりだと思いますが、アジアに約10年間住んでいて、この7年間はアメリカに住んでいます。
そうですね、私が見てきたもの、つまり、これらのインテリジェント・オートメーション変革を実装してきた経験について言えば、まず第一に、それは何を意味するのでしょうか。ロボティック・プロセス・オートメーションについて聞いたことがあると思います。スクリプト自動化です。これらは私たちがかつて持っていた古いタイプのエージェント、基本的には人間のために行動を実行するために自律的に動いていたものです。
そして今、私たちは、確実にこれについて話すことになると思いますが、新しいレベルの知能へと移行しています。大規模言語モデルのおかげで、それらは私たちがかつて行っていたこれらの自動化と融合していて、私たちがAIエージェントと呼ぶものを生み出しています。
基本的には私たちを助けてくれる存在で、文脈を理解でき、目標を理解でき、行動を計画でき、それらの行動の結果から学び、時間とともに自らを改善できるものです。そして大きな、大きなトリガーは、基本的に2020年代初頭に登場した大規模言語モデルでした。そうですね。
そして、人々が大規模言語モデルと言うときに何を意味するのかを理解していると思います。あなたはもちろん、エージェントの概念に非常に早くから取り組んでおられて、今ではエージェント型人工知能について話しています。これらの言葉の一部はちょうど現れたばかりで、一部の人々にとっては少し新しいものだと思います。エージェント型人工知能、あるいは単にエージェントをどのように定義されますか。はい、はい、はい。
大規模言語モデルについて話すとき、私はChatGPTのような形の生成AIについて話しています。つまり、大量のデータで訓練されたこれらのチャットボットは、質問に答えたり、創造的であったり、物事を計画するのを助けたりできます。つまり、私たち全員がそれらを試したことがあり、それらのチャットボットが得意なことは、計画を立てること、私たちの質問に答えることです。あなたもきっと試したことがあると思います。
ニューヨークでの週末を計画してみてください。あなたは尋ねます。「素晴らしい食体験をしたい、これをやりたい、美術館に行きたい、子供たちのためにこれをしたい」などなど。そうすると素晴らしい計画を全部立ててくれます。「ええ、これをして、この誰も知らない素晴らしいレストランに行って、それから」という具合にです。
そしてあなたがそれらを予約しようとすると、これらの大規模言語モデルはあなたのために予約できないからです。何もできません。ただ提案するだけです。そして予約しようとすると、今は利用できない、3ヶ月前に予約が必要だ、改装のために閉まっている、などなどということが分かり、当然ながらがっかりします。これが2022年にChatGPTが誕生して以来の、生成AI大規模言語モデルの時代です。
それに対する大きな不満は、まず第一に、すべてを予約する必要があるということです。つまり基本的に言語モデル、それは楽しいことで、調査して素晴らしいアイデアを見つけ、創造的で、すべてを私たちに、計画を私たちに与えてくれます。そして私たちは予約し、私たちがやりたくない、やりたくない、人間にやってほしくない物流的なことをすべてやる必要があります。
つまり最初のことは、やるべきつまらないことをすべて私たちに与えているということです。つまり情報はありますが、まだ行動が必要なのです。その通りです。そして情報というのは、よく考えてみると、行動のない情報は与えられるインパクトが非常に限られています。
先ほどの例に戻ると、ホテルが改装のために閉まっていることを事前に知っていたら、まったく違うことをしたでしょう。そしてこれが実行可能な、実践的な知能であり、私たちの人間世界で必要なものなのです。そうですね。
そしてエージェントは私たちに、提案するだけでなく、行動し、私たちが期待しているインパクトに到達する能力を与えてくれます。
休暇の予約の例を取りましたが、簡単にデータ入力、請求書作成、顧客関係管理について考えることができます。つまり、挙げればきりがないほど、ユースケースの数は無限です。驚異的です。そうですね。
それで、あなたはこうも言っていますね。確かにユースケースは無限で、エージェントはやって来ます。あなたは、すぐに「それにはアプリがある」とは言わなくなり、「それにはエージェントがある」と言うようになるだろうとおっしゃいました。
そうです。どれくらい早くそうなると思われますか。2007年にiPhoneが最初のアプリストアと最初のアプリで発売されたと思います。基本的に。それらは私たちがサービスにアクセスする方法を変革しました。そしてエージェントはそれよりもさらに重要なことをしようとしています。
ご存知のように、それらのアプリは人間がそれらの使い方を学ぶ必要があります。本当ですね。これらのエージェントは、私たちにサービスを提供する方法を学びます。つまり基本的に、それらは私たちの代わりにそれらのアプリを使うのです。人間が技術に適応する代わりに、これは大きなパラダイムシフトだと私は思います。ついに技術が人間に適応しているのです。
私たちは携帯電話に何十もの異なるアプリが必要な世界から、あなたが尋ねることに基づいてすべてを調整できる1つのインテリジェントエージェントがあるだけの世界へと移行しています。
では、これをビジネスの世界に持ち込みましょう。そうですね。ビジネスリーダーの視点から想像してみてください。なぜこれがビジネスの未来にとってそれほど重要なのでしょうか。そして、私たちが過去に扱ってきたモデルとどう違うのか、探究を続けましょう。
私はエージェントを、それが機能する4つの主要な機能によって説明し定義するのが好きです。まず第一に、エージェントは環境を感知します。つまり私たちを理解でき、基本的に私たちの声を聞くことができます、あるいは何かを見ることができます。
見たものに基づいて、達成する必要がある目標に従って行動を計画します。それは、最初のステップはこれをすることだ、と言います。2番目はそれをすることだ。それから私はこれとこれとそれをする、という具合に。
そして、この計画に基づいて行動します。そして最後に振り返ります。つまり基本的に、私の目標はこの成果を達成することだった、私はその成果を達成した、と見ます。それとどれだけ違うのか、そこから何を学べるのか。そして考えてみると、それは私たち人間がやることと非常に似ています。
例えば、何か料理したい、パスタを作りたいとします。あなたは言うでしょう。「さて、キッチンで私の周りを感知しよう、どんな材料があるかな。ああ、パスタがある、トマトソースがある」それが感知です。そしてあなたは言うでしょう。「さて、まずお湯を沸かす必要がある、それからパスタを入れる、それから」という具合に、異なるステップです。
それがレシピです。つまりそれが計画です。そしてあなたは行動します。つまり基本的にそれを実行します。そして最後に、それを作って味見をして、あなたは言います。「さて、次回はもう少し長く調理しよう、もう少し塩を入れよう、これを違うようにやろう」これが基本的に、私がクライアントに強く推奨しているフレームワークで、SPARフレームワークと呼んでいます。これはリーダーがエージェントができることをよりよく理解するのを助け、エージェントを設計するときに、それらで何ができるかを全体的に理解するのに役立ちます。感知から、計画、行動、振り返りへと。
そして異なるベンダーや異なる技術を比較するとき、より良い視点、基本的により良いフレームワークを持つこともできます。理解するために。これまでにこれを実装したビジネスリーダーから何を見てきましたか。確かに、本当に戦略的なオンボーディングが必要とされているように聞こえますが、価値を示すエージェント型AIの実例を見たことはありますか。ああ、はい、もちろんです。
それらのいくつかを共有していただけますか。それとも秘密ですか。もちろん、もちろん、もちろん。つまり、私のお気に入りは、例えばPets at Homeについてたくさん話すつもりです。Pets at Homeは英国最大のペットケア企業です。彼らはアンビエントデジタルスクライブで獣医診察を書き起こすことで99%の精度を達成しました。
つまり基本的にエージェントは診察の間そこにいて、起こっているすべてのメモを取り、その背後にあるすべての取引作業を実行し、準備し、つまり、患者のデータと接続します。そう、獣医の時間の80%を占めるこのすべての物流作業を行います。そしてこの時間を患者に再び集中できるようにします。同じ会社、Pets at Homeは、いくつかのエージェントを作成しました。
もう1つは不正検出エージェントです。基本的に人間には見えないパターンを配置します。たとえば、払い戻しを要求する人々によって複数回使用される可能性のある同じ破損したパッケージの写真です。これらを照合し、これは詐欺だと識別します。私たちはお金を払い戻しません。
彼らはまた保険統合エージェントも持っています。基本的に獣医診察中にリアルタイムで保険適用範囲を自動的にチェックするエージェントです。
また、店舗同僚アシスタントもあり、スタッフに彼らの特性に基づいたパーソナライズされたガイダンスを提供します。たとえば、水族館の専門家は、自動的に物事を行うための関連する運用手順を受け取ります。
意味のある、意味のある。そうです、そうです。このユースケースは本当に、そうですね、全体にわたってユースケースを想像できますね。
私が現在取り組んでいるエージェントで頭に浮かぶものは、請求書支払いエージェントです。基本的に受け取った請求書を読み、それらの請求書を発注書に照合し、承認し、特定の条件に基づいて支払うことができるエージェントです。候補者を調達し、履歴書をスクリーニングし、面接をスケジュールする採用エージェント。
パフォーマンスと役割に基づいて従業員のためのトレーニングパスをパーソナライズする学習エージェント。リアルタイムでマルチチャネルマーケティングキャンペーンを設計、テスト、最適化するマーケティングキャンペーンエージェント。クライアントの離脱リスクを検出する保持エージェント、そして、本当に素晴らしいですねパスカル。
プロアクティブな保持オファーを開始します。
ちょっと待ってください。明らかに素晴らしいのは、一部のビジネスリーダーがユースケースを想像するのに苦労していると思いますが、あなたには無限のリストがあるということです。それが、それが本当にこれらの技術の魔法です。あらゆる機能とあらゆる業界に適用できることです。そうですね。
本当に全体にわたって、本当に全体にわたってであり、そして結果は、つまり、それらから、これらからあなたの会社にエージェント型人工知能を実装することから期待できるものについて少しだけお伝えすると、JPMorganは詐欺を70%削減しました。McKinseyは顧客オンボーディングのリードタイムを90%削減しました。得られるビジネスインパクトの例をいくつかお伝えしたところです。
すごい。さて、例については納得しました。今度は、リーダーがこれらの決定を行う際について気になります。そうですね。
たとえば、Microsoftの最新のWork Trend Indexは、調査されたリーダーの80%以上がこれを行う計画だと指摘しました。彼らはAIとエージェントを使用して、需要と人間の従業員が提供できるものとの間のこの能力ギャップを埋める計画です。
その数字は正確だと思いますか。80%の採用を見ていますか。使用する計画、間違いなく。つまり私は、多くの牽引力、多くの企業を見ています。つまり、すべての企業が実装したいと思っていると思います。彼らは皆それを行う野心を持っています。そのうちの一部はそれを行っています。正しい方法でそれを行っていて、期待している結果を得ています。そのうちのいくつかについて話しました。
他のものは試していますが、正しい方法でやっていないので失敗します。彼らは、いくつかの問題に陥ります、例えば、適切な設計なしに構築されたエージェントで、たとえば、行動やプロセスを正しい方法で実行していない。
あるいはそれらを処理していますが、期待される適切なセキュリティと適切なガードレールではない。1つのユースケース、1つの機能だけに焦点を当てている企業を見ます。全体に、さまざまな部門に持ち込んでインパクトのスケールを増やし、規模の経済も生み出す代わりに。つまりそれらは、そしてリストは非常に長いです、実装する必要がある重要な成功要因の。
そして私はこれらの問題を企業で何度も繰り返し見てきたので、自分に言いました。なぜこれを本にまとめないのか、そうすればこれらの企業のオフィスに来る必要がないですから。そうですね。これらすべてを共有するために。私はここにいます。私と私のチームだけ。だから私たちは本を書きました。数ヶ月前に出版されたAgentic Artificial Intelligenceです。それについて話しています。
この技術はどこにいるのか。そこに到達するための重要な成功要因は何か。そしてこの技術を使用してビジネスインパクトにどのように到達するかについての実践的な経験を共有しています。おめでとうございます、ところで。素晴らしい、素晴らしい可能性です。ありがとうございます。素晴らしい、素晴らしい可能性です。しかし正しい方法で行う必要があります。そうですね。絶対に。そして私が貢献してきて、そしてこれは、私が思うに、20年以上にわたってこれらの技術を実装してきた中で得た最も重要な成果なのですが、成功する企業は、その変革の中心に人々を据える企業だけなのです。
つまり人々を中心に据えるということは、彼らに情報を提供するということです。それは何を意味するのでしょうか。会社にこの技術があるとはどういうことか。それぞれの人々の役割にとってそれは何を意味するのか。彼らに対して透明であること、そしてそれぞれの人々に対して具体的であること。あなたの役割にとってそれは何を意味するのか、どのように変革されるのか。そして情報の後には教育です。つまり基本的にそれらの人々に、この技術とは何か、メリットの観点から何を期待できるのか、そして彼ら自身の仕事でどのように実装するのかを理解する能力を与えることです。
それはあなたにとってとてもリアルで現実的なもので、異なる組織全体でそれがどのように展開されているかを見ているのだろうと思います。Microsoftでは、フロンティア企業について話す傾向があります。事後的にこれを追加したり、古いシステムに組み込んだりする必要が必ずしもない企業です。彼らはAIファーストです。そうですね。
まさにあなたが言ったことを行うのに苦労していて、エージェントと人間をペアにし、彼らが可能なすべての効率性と成長を解き放ちます。そうです。それらを見ていて、彼らの競争優位性について話していただけますか。間違いなく、それらの企業を見ていて、私の見解では、彼らは4つの主要な特性を共有しています。
1つ目は、自動化を超えて考えるということです。「何を自動化できるか」と尋ねる代わりに、「この技術を活用することで、どのようにビジネスを再考できるか」と尋ねます。
それは、現在人間と行っていることをコピー&ペーストしてエージェントに渡すことではなく、どのように物事を行う新しい方法を再発明できるかということです。つまり最初のことは、自動化する前にさえ改善することです。そして新しいやり方について考えることです。
2つ目は、人間と技術のコラボレーションに投資することです。彼らは単にエージェントを展開するだけでなく、人間の能力とエージェントの能力の間のコラボレーションを最適化するために作業を再設計します。
3つ目は、エージェントエコシステムを構築することです。サイロに閉じ込められたまま期待できる高いインパクトを提供しない孤立したポイントソリューションではなく、専門化されたエージェントのネットワークを作成し、それらが互いに協力し学び合うことができるようにします。
そして最後に、そしてこれが最も重要だと思うのですが、そしてこれが、すべての企業、80%だけでなく100%が、ビジネスのためにこれらの技術について考えるべきだと私が思う理由です。それは大規模にすぐに実装する必要があるという意味ではありませんが、少なくとも彼らはその旅を始める必要があります。そして私たちはここで旅について話しています。これは一度きりの変革ではありません。
本当に継続的な変革についてであり、それは決して終わりません。なぜならこれらの技術は常に洗練され続けるからであり、企業は時間とともに構築した自動化を改善できるようになります。
この1つは、私が複利的知性優位性と呼ぶものを構築することについてです。つまり基本的に、静的な利益を提供する従来の技術とは異なり、これらのAIエージェントは継続的に学習し改善します。
つまり複利的知性優位性を生み出します。つまり基本的にアーリーアダプターは一時的な利益だけでなく、これらの技術から得られる短期的な利益だけでなく、彼らの後ろにいる競合他社に対して克服不可能な学習ギャップも構築します。
つまり複利効果は、各エージェントの相互作用がデータを作成し、その特定のエージェントだけでなく、エージェントエコシステム全体を改善する可能性があるということです。そうですね。
そして早期に始める組織は競争上の堀を構築しています。それは複製することがますます困難になります。つまり基本的にそれは、できるだけ早くこの種の変革を開始することによって、エージェントを通じてデータを生成することによってだけでなく、人々を慣れさせ、ハイブリッドデジタルチームでどのように働くか、それらのエージェントをどのように管理し調整するかを学ぶことによって、あなたが学ぶことを学ぶことです。これは非常に貴重です。そしてそれは大きな利点です。
絶対に。市場において。それでは、その人間の側面について少し話しましょう。エージェントと人間が並行して働くことについてもっと多くのことをお聞きしたいのですが、あなたの他の本、あるいはあなたの他の本の1つ、そうですね。Irreplaceable、はい。では「humics」という概念について話していますね。そうですね。機械が完全には再現できない、人間ができる独自のことの種類です。
それらのスキルの例をいくつか挙げていただけますか。そして、それらがなぜ今とても重要なのかについて話してください。あなたは一部の人々が抱くかもしれない懐疑について言及しましたから。
私が「humics」と呼んだ人間固有の能力は非常に重要です。なぜなら、AIが存在する過去50年間、私たちは常にAIが決して奪うことのないスキルがあると考えてきたからです。
そして、最後の1つは創造性だったと思います。AIは人間ほど創造的ではないだろうと思っていましたが、これらの生成AI技術がそこに到達しつつあるのを見ています。それでは私たちに残されているものは何でしょうか。私たちを人間たらしめるものは何で、どのようにしてこの技術で冗長にならないようにできるでしょうか。そしてそれが重要な質問です。
冗長にならないようにするには、できるだけ異なる必要があります。人間のエッジとは何かを見つける必要があります。その技術は決して私たちと同じようにうまく達成できません。そして私の研究から、私は3つの人間固有の能力を特定しました。まず第一に、AIは決して私たちと同じようにうまく達成できないという3つの能力です。
そして第二に、私たちと技術の間に真の補完性を作り出し、冗長性を回避するものです。そして私はこのように示すのが好きです。これが私たちの能力であるとしたら、これがAI能力であるとしたら、このようにここに重複があれば、私たちは負けます。私がカバーする全体的な領域は、この冗長な領域で失われています。
しかし完全に何か異なるものを作成すれば、もしあなたがオーディオだけを聞いているなら、彼が手を使った種類のベン図を作っていることを知っておくべきです。そうです。冗長性を避け、最大の価値を創造するために。
そして、人間固有の能力、私が実施した研究に基づいて、そして私が本Irreplaceableで提示しているものは3つです。1つ目は真の創造性です。
つまり基本的に、大規模言語モデルができるように既存のアイデアを再結合するだけではなく、私たちの人間固有の生きた経験、感情、個性に基づいて真にオリジナルなアイデアを生み出すことです。
2つ目は批判的思考です。そしてこれはAIが非常に得意なデータ処理を超えています。それは微妙な判断、仮定に疑問を呈することを含みます。基本的に、私たちは正しい質問をすることの王者である必要があります。それはまた、人間だけが理解できる倫理的複雑さをナビゲートすることについてでもあります。本物に、それらは私たちによって構築されているからです。「私たち」だけが倫理的価値観を構築できるのです。
そして3つ目は社会的真正性です。これは真の共感、コミュニケーション、共有意識を通じて深い信頼に基づく関係を構築することについてです。
AIがシミュレートできるが、決して本物として再現できないものです。これら3つの「humics」は、いくつかの理由で私たちが取り組む必要がある最も重要なことです。1つ目は、私たち全員がそれらを持って生まれてきたということです。
幼稚園に行けば、子供たちが一緒に遊んでいるのが見えるでしょう。彼らは遊び、砂で城を作っています。これは創造性の実践です。彼らはゲームのルールについて議論するでしょう。いや、これをすべきではない、それをすべきではない。いや、それは大丈夫だ。それは批判的思考の実践です。
そして最後に、新参者が周りにいるとき、彼らは言うでしょう。「さあ、さあ、一緒に遊ぼう!」それは社会的真正性の実践です。
つまり私たち全員がそれらを持って生まれてきました。これら3つの人間固有の能力は。だから私たちは皆平等です。それが2番目のポイントです。私たち全員が最大限にそれらを開発し構築できるのです。
これら3つの人間固有の能力はまた、構築できるという特性を持っています。そして、どれだけ構築できるかに制限はありません。私たちは創造性、批判的思考、社会的真正性を高めることができます。
それでは、これら2つのことを一緒にし始めるとどうなるでしょうか。あなたには、うまくいけば開発し続けるこれらのユニークなスキルを持つ人間がいます。そしてエージェントがいます。そして今、彼らは文字通りビジネス内で同じチームにいます。それはどのように見えますか。
つまりそれは2つのことを意味します。まず第一に、関連性を保つために、私たちと私たちのチームメンバーは、これらのhumicsを最大限に構築する必要があります。なぜなら彼らは、これらのhumicsによって、AIで最高の価値を創造するからです。だからエージェントだけに投資するのではなく、人間のスキルにも投資して、従業員を失ったり関与を失わせたりしないようにしてください。
その通りです。ありがとうございますモリー。まさにそれです。
そして私たちが見てきたように、これはあなたのビジネスを他のビジネスから差別化する価値を創造する方法でもあります。なぜなら数年後には、AIは商品になるからです。誰もが同じAIを使用するとき、誰もがある意味で同じサービスを提案し、同じ能力を持つとき、他から差別化するものは、正しい方法で、それらの人間の能力とそれらのエージェントの能力を組み合わせることができる人々でしょう。
異なるものを創造するために。あなたが説明していることは、興味深い管理の問題でもあります。デジタル従業員と人間従業員を持つ可能性があるマネージャーの役割について話してください。そして同時にエージェントから最高のものを引き出してください。つまり、誰もがある意味でマネージャーになっています。
マネージャーが焦点を当てる必要があると私が考えていることをお話しします。最高のコラボレーションは、人間とエージェントがまったく異なる責任を持っているときに起こります。そして人間は中核的価値を推進し、感情的知性を必要とする活動に焦点を当て、エージェントは調査、ルーチンタスク、プロセス調整を処理します。
マネージャーはよりオーケストレーターになります。ご存知のように、彼らは人間-エージェントのワークフローを設計します。焦点はタスク割り当て、あなたはこれをする、あれをすべきだ、から目標設定と境界定義へとシフトします。つまり基本的に私はこの仕事をこのエージェントに与えます。そして私はこれらの時間制約とこれらの条件でそれを達成してほしいのです。
だから今、マネージャーの重要な役割は、チームメンバーとエージェントの間の信頼を構築することです。そしてここで価値が創造されます。基本的に、ここで彼らは最高の価値を得るでしょう。
どうすればそれができるでしょうか。明確性を作り出すことでそれができます。つまり、人々とエージェントの役割を、そして人々とエージェントの中でそれぞれの役割を明確に定義することです。ここでの目的は、重複と混乱を防ぐことです。
2つ目は、非常に透明であることです。
つまり基本的に、誰もが他の人の能力と限界を理解する必要があります。特に私たち人間は、デジタルの同僚の能力と限界を理解する必要があります。そして私たち全員、信頼は獲得されるものだということを知っています。一晩で起こるものではありません。
だからリーダーにとって非常に重要なことは、段階的なコラボレーションを通じてです。この信頼を作り出すことです。まず第一に、チームメンバーに、この特定のタスクを行うためにエージェントを使用するように依頼します。それは小さなタスクで、クライアントと接続することです。
そしてチームメンバーが信頼を構築し、エージェントが何をしているかを理解し、それが行ってきたことをレビューすることができ、それがうまくやっているとわかったら、次のステップへと拡大します。だからクライアントと接続するだけでなく、文書も渡します。
そして段階的に拡大していきます。ベビーステップです。そうです。ベビーステップです。その通りです。私たち人間は、信頼を構築するためにこの段階的なアプローチが必要なのです。私たちはこれをやります、つまり、家に10代の子供がいて、そのうちの1人が16歳になり、彼女は私の車を運転したがるでしょう。私はこのように鍵を渡しません。まあ、それは大丈夫です。
だからそれは本当に、まず第一に、彼女は高速道路では運転しないでしょう。家の周りだけで運転します。1日1時間以内です。そして信頼が構築されたら、もっと任せます。そしてこれがまさに、リーダーとして私たちがチームメンバーと行う必要があることです。
とても、それはとても戦術的で、私はそれが大好きです。そしてあなたは別の重要なポイントに言及しました。それは彼らの成功を測定することです。
そしてそれは、つまりそれは良いマネジメントの鍵です。エージェントのためのKPIと指標をどのように構想するか、お考えをお聞きしたいです。そうですね。
私たちはエージェントの指標を包括的にレビューする必要がありますが、人間の指標もです。ハイブリッドチームで働く文脈における人間の指標をレビューする必要があります。
たとえば、人間がもっとテストし、もっと試し、もっと失敗するように、基本的にこれらの異なる技術を使用することでインセンティブを与えたいのです。そして、それらを試し、何が起こっているかを観察し、彼らに与えられる新しい機会は何かを理解し、仕事の一部を自動化することに、より多くの時間を費やします。しかしまた、新しいスキル、判断力、創造性、つまり人間固有のものであると私たちが話したスキルを構築することに焦点を当てることです。
だから人間の側でこれらの指標が必要で、エージェントの側では、私たちはアラートを設定する必要があります。彼らが物事をうまくやっているかどうかを理解するために、ユーザーフィードバックを収集する必要があります。彼らが決定を下すときに決定の質を監視し、彼らが正しい方法でそれを行ったかどうかを理解し、それを監査し、それが正しい方法で行われることを確認する必要があります。
しかし、全体的なハイブリッドチーム指標では、質的指標と量的指標を組み合わせることが非常に重要だと思います。ご存知のように、私たちは非常にしばしば、特にビジネスの文脈では、コストを削減し、時間を削減し、効率性を削減する、基本的に生産性に焦点を当てる傾向があります。
しかし視界から外してはいけません。顧客体験、従業員体験の改善です。つまり、より満足度の側面、これらのより質的な側面です。だから、これらの指標の正しい組み合わせを、質的なものと量的なものを持つ必要があると思います。それを持つことが非常に重要です。
面白いことに、あなたはある種、エージェントと人間が並んで働いているということを説明しています。そして機械型の指標と人間型の指標も並んでいるのです。その通りです。これの変革管理部分と変化の速度に追いつくことについて簡単に話しましょう。
本を書くのはあなたにとってストレスに違いありません。なぜなら本が出る間に非常に多くのことが変わるかもしれないからです。それでリーダーは、技術が彼らの足元から変化しながら実装しようとしているという事実をどのように管理するべきでしょうか。
私たちは皆、未来の3つのコンピテンシーを構築する必要があると思います。未来の3つのコンピテンシーについて、私たちはすでに1つについて議論しました。それは人間準備ができているということで、それは人間固有の能力を構築することについてです。
他の2つは変化準備ができているということです。それはすべてそれについてです。変化、世界、つまり私たちの世界における変化は加速しています。規模においても、頻度においても、そしてますますそうなっていて、私たちはそれを感じることができます。私たちにはより多くの情報が来ています、毎日新しいモデルが新しい能力、新しい特性と共に来ています。
だから、重要なことと些細なことをどのように識別するのでしょうか。これをどのようにフィルタリングするのでしょうか。未来の3つのコンピテンシーの3つ目はAI準備ができているということです。そして特にこれらの技術とそれらが私たち自身と私たちのビジネスにもたらすことができるものについて話すとき、それはテストして使用する価値のあるこれらの技術を識別できることです。
つまり基本的に、私の仕事と人生において私にとって意味があるかもしれないものを識別し、それらを試すことです。なぜなら、本当にあなたが得られる利益を理解するために、実践的にそれらを試す以外に方法はないからです。
そしてそれは何を意味するのでしょうか。それはリーダーである私たちにとって、チームメンバーにこの時間を与える必要があるということです。だから私が推奨するのは、チームメンバーに労働時間の約20%を与えることです、何が起こっているか、AI世界で何が新しく出てきているかを認識し、彼らにとって何が意味があるかを識別し、それからそれらを試し、もちろん失敗しますが、時には成功します。
だから、そしてそれはもはやについてではありません。そして私はこれが、私たちがチームに与える必要がある新しいタイプの教育だと思います。もはや学校、教室タイプのトレーニングではありません。あなたが言ったように、今日真実であることは、とにかく変わるでしょう。教室プログラムが、リリースされるときには、すでに時代遅れになっているでしょう。
それは私たちがチームに与える必要があるAIリテラシー、マインドセットです。そうですね。私たちがチームに与える必要があるマインドセット、そして私たちは彼らにこの時間、それを行う能力を与える必要があります。
つまり基本的に彼らはそれをどのように行うかを学ぶ必要があり、最後に、私たちはそれについて彼らにインセンティブを与える必要があります。つまり基本的に、彼らが失敗したから、試したから、時間を費やし、時には時間を無駄にしたかもしれないが、しかしそれを試す価値があり、それは素晴らしかったということで報酬を与えます。そうですね。
つまりあなたが言っているように聞こえることは、結果から始めるということです。必ずしも出てくるすべての新しいツールを追いかけるのではありません。結果を念頭に置いて始めますが、組織として実験する意欲を持ってください。それは柔軟性と時間を組み込むための本当に重要なポイントです。
その通りです。その通りです。さて。あなたは非常に戦術的で具体的で、私はそれが大好きです。だからこれは尋ねる絶好の機会です。私がCEOだとして、これに納得していて、どこから始めればいいかわからないとしましょう。
あなたは私たちに、ここで何を言うかのかすかな光を与えてくれました。しかし、この旅を始めてそれを正しくするためのあなたの青写真は何でしょうか。まず第一に、トップからの明確な視点がなければ、このような変革が成功するのを見たことがないと思います。
C-レベル、取締役会、または会社のマネージャーは、この技術が会社を変革するために何をするかについてある種のビジョンを持つ必要があります。
そしてここでは、最新の輝く技術を使用するためだけに技術を適応させることについてではなく、本当に解決する必要があるビジネス上の問題、ユースケースに答えることです。それが最初のことです。
2つ目は、人々と才能に投資することです。つまり基本的に、私がセンター・オブ・エクセレンス、あるいはAI人材グループ、あるいは何でも呼ぶものを作成することです。
それはまず第一に、これらの技術を知っていて、経営陣からの委任の下でこのプログラムを立ち上げ、会社のさまざまな機能がさまざまなユースケースを識別するのを助け、これらをすべてまとめて経営陣に戻り、会社で与える準備ができている投資のレベルはどれくらいか理解し、基本的にビジネスケースを構築する、つまり私たちが期待できる変革からの利益は何かを理解する、1人の人間である可能性があります。
そして最後に、この人は開発者と技術者のチームを構築し始め、これを構築し、この変革を実装するために必要な人々のチームを構築します。
人々に投資することはまた、私が前に言ったように、人々に情報を提供し、人々を教育し、インセンティブを与え、適切なツールへのアクセスを与えることで彼らに力を与えることです。
そうですね、それらが、それは素晴らしいです、つまり、それは。そして小さく始めて、しかし大きく見据えることだと思います。だからそれは本当に、会社にビジネスインパクトを提供する技術の能力を実証するパイロットから始めることです。そしてこれに十分な可視性を与えて、それが本当に会社にダイナミックを作り出し、誰もがそれに参加したいと思うようにします。
その一部になることです。大好きです。再度、パスカル・ボルネさんに感謝します。著者でAI専門家、最近の本Agentic Artificial Intelligence: Harnessing AI Agents to Reinvent Business Work and Lifeの共著者です。パスカル、お時間をいただきありがとうございました。ありがとうございます、モリー。本当にありがとうございます。
私はあなたのホスト、モリー・ウッドです。WorkLabを聞いていただきありがとうございます。ポッドキャストについてもっと知りたい方はmicrosoft.com/WorkLabへ。
質問やコメントがある場合は、worklab@microsoft.comにメールをください。そしてMicrosoftのWork Trend IndexesとWorkLabデジタル出版物をチェックしてください。そこでは私たちのすべてのエピソードと、今日のAI時代でビジネスリーダーがどのように成功しているかを探る思慮深い物語を見つけることができます。これらすべてはmicrosoft.com/WorkLabで見つけることができます。
このポッドキャストについては、評価し、レビューし、聞く場所でフォローしてください。それは私たちにとって非常に助けになります。
WorkLab Podcastは、専門家が彼らの洞察と意見を共有する場です。働き方の未来の学生として、Microsoftは多様な声からのインプットを価値あるものとします。とはいえ、私たちのゲストの意見と発見は彼ら自身のものであり、必ずしもMicrosoft自身の研究や立場を反映するものではありません。
WorkLabはMicrosoftによってTrifilmと共に制作されています。Sharon KallanderとMatthew Duncanが、Jon Eilenbergからの編集サポートを受けてポッドキャストを制作しています。Jessica VoelkerはWorkLabの編集者です。
コメント