AIとの“協働”が求める価値創出の設計力【第2回】

　AI（人工知能）技術は既に、多くの企業が業務に組み込み始めている。文章作成から問い合わせ対応、コード生成などは、個人や部門の生産性を高める上で有効であり、AI技術活用の重要な第一歩である。

　しかし、これからの企業の競争優位を左右するのは、AI技術を単体のツールとして導入することでもなければ、どの業務に適用するかを考えることでもない。企業に求められるのは、AI技術の活用を前提に、解くべき課題を見極め、どのような価値を生み出し、どのような方針で運用するのかを設計することである。

AIは自律化し、物理世界へ広がる

　生成AI技術の普及以降、AI技術は非常に速いスピードで進化している。LLM（Large Language Model：大規模言語モデル）の性能向上に加え、Agentic AI（エージェンティックAI）、Embodied AI（エンボティドAI）、Physical AI（フィジカルAI）など、新たな関連概念や用語も次々と登場している。

　ただし、これらは、明確に分断された技術領域として捉えるよりも、生成AI技術以降のAI技術が、どのような能力を獲得しつつあるのかを、異なる側面から捉えた概念と見るべきだ。

　その中で、直近のAI技術の進化において、特に注目すべき方向性は大きく2つある。1つは、AI技術の自律化だ。「AIエージェント」という文脈で語られることが多い。AI技術の概念と共通用語を定めた国際規格「ISO/IEC 22989」はAIエージェントを「自動化された主体であり、環境を感知して応答し、自らの目標を達成するために行動を取るもの」と定義している。

　従来の生成AI技術は、人の問いや指示に対して回答を返す“応答型”で使われてきた。これに対しAIエージェントは、与えられた目的に基づき、タスクを分解し、必要に応じて外部ツールや業務システムを使いながら、より自律的にタスクを完了する存在として発展している。

　もちろん、これは人の関与が不要になるという意味ではない。むしろ、AI技術に何を任せるのか、どの範囲で自律的に動かすのか、どの時点で人が確認するのかを設計する重要性が高まるということだ。

　もう1つは、AI技術がデジタル空間にとどまらず、物理世界と直接相互作用し、その環境の中で機能するようになっている点である。「フィジカルAI」という文脈で語られることが多い。フィジカルAIによりAI技術は、情報システムと現場設備・オペレーションの境界をまたぎ、物理法則に従いながら現実世界に直接影響を及ぼすようになる。

　そのため誤判断や制御ミスは、単なる画面上のエラーではなく、安全性や品質、設備稼働、人の行動に影響を与え得る。シミュレーションや合成データはリスクの予測に役立つが、最終的には実環境での安全性・信頼性の検証が不可欠になる。

　AIエージェントとフィジカルAIは、別々の進化ルートというよりも、生成AI技術以降のAI技術が獲得しつつある能力を異なる側面から捉えたものだと言える。今後のAI技術は、一定の自律性を持ち、デジタル空間と物理世界の双方と相互作用する“知能”として、業務や現場にますます入り込んでいく可能性が高い。企業もまた、その変化を前提に、AI技術の活用のあり方を検討する必要がある。

個別業務の効率化から構造的な産業課題の解決へ

　多くの企業はこれまで、AI技術の活用は主に個別業務の効率化として語ってきた。しかし、AIエージェントやフィジカルAIの進化を踏まえると、AI技術の活用を従来のソフトウェア導入と同じように、既存業務へ後付けするだけでは不十分だ。目前の業務課題を解消し、短期的には分かりやすい成果をもたらすかもしれないが、企業が直面している構造的な課題を解くとは限らず、将来の競争優位に直結するとも限らないからだ。

　重要なのは、視点を「課題を抱えている個々の業務」から「自社にとって重要な構造的な産業課題」へと移すことである。サプライチェーンを例に考えてみたい。企業がAI技術による需要予測アプリケーションを導入すれば、販売予測の精度は高まり、在庫計画や調達計画も一定程度改善できる。

　しかし、本当に直面しているのが、サプライチェーン全体の不確実性という構造的な課題であれば、需要予測の精度向上だけでは根本的な解決にはならない。予測がより正確になっても「生産能力が追いつかない」「サプライヤーの納期が不安定だ」「拠点間の在庫が偏在している」など別のボトルネックが顕在化する可能性があるからだ。

　つまりAI技術は“予測”という一部の課題を改善するものの、供給の不安定さや納期遅延、在庫リスクといった構造的な課題そのものを解消するとは限らない。むしろ、問題の所在が別の工程や関係者に移るだけになりかねない。