アクセンチュア：AI が 16 の業界と 12 の経済に与える影響

インテリジェント オートメーション: AI は従来のオートメーションに比べて大きな利点があります。たとえば、時は金なりというサプライ チェーン管理業界では、サプライ チェーンを 1 日短縮すると、平均的な Fortune 100 企業では 5,000 万ドルから 1 億ドルのキャッシュ フローが節約できます。世界的な統合ネットワークに依存しているテスラやジョンソン・エンド・ジョンソンなどの企業は、サプライチェーンの合理化を図るため、AI スタートアップのサプライチェーン管理プラットフォームである Elementum にサプライチェーン管理を導入しています。同社は、一回限りのイベントを監視および分析し、輸送を追跡し、製造出力を記録することで、リアルタイムのサプライ チェーンの可視性を提供します。

Elementum は、1 日あたり 1,000 万件を超えるイベントと 25 兆ドル相当の製品をリアルタイムで分析することにより、潜在的な問題を早い段階で警告し、代替ソリューションを提案することができます。たとえば、2014 年に中国のシステム メモリ カード工場で火災が発生したため、当時の世界の供給にかなりの圧力がかかり、約 25% 減少しました。ほとんどのメーカーがこれに気づくのに数日かかりましたが、Elementum の顧客は数分以内にこの事態を明確に理解し、不足によって価格が変動する前に独自のメモリ カードの供給を確保しました。

インテリジェントな自動化の恩恵を受けられるのは生産チェーンだけではありません。販売活動でも、潜在顧客を追跡するために貴重な時間とリソースが必要になります。人工知能の登場により、営業活動は大きな変化を遂げました。 LE (Lattice Engines) は、人工知能を使用して販売プロセスをより合理的にすることに重点を置いています。企業の購買パターンを学習することで、潜在顧客を人気度に応じて上から下へと並べ替えることができます。 Dell のヨーロッパ マーケティング部門は、Lattice の人工知能プラットフォームを使用して販売目標を 50% 削減し、販売効率、効果、財務収益を 2 倍にしました。

労働力と資本の拡大: AI は、付加価値の低いタスクを機械に移管することで労働者の生産性を向上させ、従業員が本来のタスクに集中できるようにします。 AI の応用は、従来非常に時間のかかる作業であったビジネス リサーチなど、知識と批判的思考が長らく重視されてきた分野にまで拡大しています。 Conatix の半自動ビジネス インテリジェンス システムは最近、機械学習機能が向上し、クライアント企業がこれまで組織構造外にあった非構造化データや情報を検出、調整、構造化、共有できるようになりました。 Conatix のアルゴリズムは研究者と緊密に連携することで、人間からのフィードバックに基づいてコースを調整し、高品質の情報を提供することができます。

AI は、企業が資産を最大限に活用するのにも役立ちます。エネルギーや製造業などの重工業では、多額の先行投資が必要となるため、ダウンタイムによる収益損失の影響を特に受けやすくなります。風力タービンを例に挙げてみましょう。予期せぬダウンタイムが発生すると、機器、保守要員、スペアパーツの調整が必要になり、最終的には経済的損失につながります。

たとえば、ギアボックスの故障の場合、1 回の故障で最大 2 週間のダウンタイムが発生する可能性がある場合、資産の使用率を高めることでダウンタイムが短縮され、損失が削減されることは間違いありません。そのメリットは明らかです。人工知能のスタートアップ企業NEMは、人間の免疫システムに基づいたアルゴリズムを使用して、主に停電を予測し防止することで風力発電所の生産性を向上させています。このプラットフォームは、まず風力タービンの故障を分析してその症状を理解し、次にタービンをリアルタイムで監視して同様の症状があるかどうかを確認し、潜在的な問題を特定します。

アクセンチュア リサーチのマネージング ディレクター、マーク パーディ氏は次のように語っています。「新たな生産要素として、人工知能は少なくとも 3 つの重要な方法で経済成長を促進できます。まず、人工知能は新しい仮想労働力、つまりインテリジェント オートメーションを生み出すことができます。次に、人工知能はスキルを補完および強化し、既存の労働力と物理的資本の使用効率を向上させることができます。3 つ目は、これまでの他のテクノロジーと同様に、人工知能は経済革新を促進することができることです。人工知能は時間の経過とともにゆっくりと社会の大規模な構造変化の触媒になります。なぜなら、人工知能の使用は物事を変えるだけでなく、何か違うことをするからです。」

イノベーションの拡大: 人工知能は、新製品の開発を加速することでイノベーションを推進する態勢が整っています。このイノベーションにより余分なコストが削減され、新たな収入源が生まれ、企業の収益性が向上します。新薬の開発はその典型的な例と言えるでしょう。現在、医薬品の開発は主に理論的仮説に基づいた発見方法に基づいていますが、最終的に承認される新薬は 10% 未満です。 BergHealth は、がん細胞と非がん細胞の両方に関する数兆個のデータポイントを使用して、人工知能を使用してがんの進行を追跡します。同社はこの方法を用いて新たな抗がん剤を開発し、現在臨床試験を行っている。この新しい医薬品開発アプローチにより、医薬品の開発コストが 26 億ドルから 13 億ドルに削減されると推定されています。

AI は、設計目標と制約に基づいて新しい製品を作成することもできます。これは、Autodesk がコンピューター支援設計システム Dream Catcher で先駆的に採用したアプローチです。 「ドリームキャッチャー」は、人工知能アルゴリズムを使用してクラウドから何千もの仮想プロトタイプを作成し、その機能、コスト、材料を特定の基準と比較し、理想を満たすモデルエンティティを生成します。最後に、素材を彫刻します。パフォーマンスが劣化したり向上したりする材料の記憶を保持し、アルゴリズムが各材料が全体にどの程度貢献しているかを理解できるようにします。ヘルスケア業界では、「ドリームキャッチャー」は、回復と組織の再生を加速できる顔面インプラントの設計に使用されています。

産業利益の可能性

ビジネスリーダーには、次の 8 つの戦略を採用する機会があります。

1. AI 戦略とリーダーシップ:多くの企業や業界では、AI への勢いと関心は依然として、テクノロジーに触れ、AI の発展を望み、非常に興奮しているデジタル愛好家たちから、企業の中間層や下層層に生まれています。しかし、当社のアナリストは、AI から真の価値を得るには、企業トップの賛同と積極的な行動が必要であり、重要な第一歩は AI の利点を企業トップに可視化することだとアドバイスしています。

これは、実際の AI マシンを操作し、対話し、質問し、テストすることに時間を費やすことを意味します。専門家が研究し、アイデアがテストされ、プロトタイプが開発される AI ラボやイノベーション センターを訪問することに代わるものはありません。今後の同社の発展には、人工知能開発のロードマップが不可欠となるだろう。 AI を主要な推進力として組み込むことは、企業のビジネス成長計画の一部となるべきです。

したがって、ビジネスリーダーや戦略プランナーは、既存のビジネスプランを効果的に変更し、重要な意思決定ポイントを定義し、正しい投資決定を導くために、AI を完全に習得する必要があります。

2. HR を HAIR (AI 人材) に変える: AI は仮想労働者であるため、人間の同僚と同じようにスタッフと対話し、貢献し、価値を付加します。最高人事責任者の役割は、従業員を管理するだけでなく、人工知能従業員、つまり HAIR (Human Resources with Artificial Intelligence) を管理することです。

これにより、次のようないくつかの疑問が生じます。企業はどのようにして業績評価基準を再構築できるのでしょうか?人工知能と人間の労働力の需要関係を最適化するにはどうすればよいでしょうか?要点: CHRO はビジネス戦略とイノベーションにおいてより大きな役割を果たすようになり、AI テクノロジーとそれが仕事の未来にどのような影響を与えるかについての技術的理解が深まります。人事部門自体も、採用から退職まで、業務のあらゆる側面に AI テクノロジーを組み込む必要があります。

たとえば、SAP の成功要因は、企業が人事管理を「孤立したセルフサービスからインテリジェントなサービスへ」変革するのに役立ちます。 Microsoft が使用するこのアプリケーションは、標準手順を同期し、従業員のコラボレーションのためのプラットフォームを提供し、作業データから実用的な洞察を引き出し、リソース決定がビジネスの他の領域に与える影響を予測します。

3. 機械による学習:人工知能の潜在能力を最大限に引き出すには、人間の知能と機械の知能を密接に統合する必要があります。労働力においては、既存の技術的専門知識を超えた新しいスキルを開発し、機械的なスキルを補完するために、判断力、コミュニケーション能力、創造的思考力といった人間の能力を再び重視することが必要になります。

人工知能は、人々が何を学ぶかだけでなく、どのように学ぶかも変えるでしょう。従来、キャリアパスは、エントリーレベルから経験者レベルまで直線的なプロセスをたどってきました。しかし、人工知能が人間に代わって通常の低付加価値の業務を遂行するようになると、若い専門家と年配の従業員の間にスキル格差が生じ、職務経験のある従業員の方が熟練するようになるだろう。企業が変化する自然な学習プロセスと従業員のトレーニング プロセスに適応するために、ビジネス リーダーは従業員のニーズ、特に柔軟なスキルの開発に重点を置くことができます。

たとえば、マスターカードは、経験豊富な従業員の知識を活用してスタッフがより優れた販売員になれるように支援する AI ソフトウェアを試験的に導入しています。このソフトウェアは、人間からの洞察とビッグデータを組み合わせることで、経験豊富な人々の専門知識をチーム全体に拡張し、大規模なトレーニングチームの必要性を軽減します。集中化された知識と経験の入力 AI は、営業チームの各メンバーに対してパーソナライズされたアドバイザーとして機能し、各メンバーの販売戦略を最適化します。

4. 最高データサプライチェーン責任者を任命する: AI のパフォーマンスは、利用可能なデータの品質と量に直接依存します。アクセンチュアの調査によると、ほとんどの経営幹部はデータ分析プロジェクトから得られるビジネス成果に確信が持てず、これは企業データがまだ十分に活用されていないことを意味している可能性があります。多くの大企業が最高データ責任者 (CDO) を経営幹部に加えていますが (ガートナーは、2019 年までに大企業の 90% に CDO が置かれると予測しています)、これらの幹部の主な焦点は、データの管理やデータによる AI の進化的サプライ チェーンの形成ではなく、データのセキュリティ、規制、ガバナンスにあります。

最高データ サプライ チェーン責任者は、内部データ ソースと外部データ ソースのバランスを考慮しながら、完全なエンドツーエンドのデータ サプライ チェーンを構築する必要があります。会社の日々のデータは何ですか?データはどこに保存されますか?弊社ではどのようにしてデータへのアクセスを簡素化できるでしょうか?このような質問です。

5. オープンな AI 文化の創出:企業文化は、人間と機械が協力し、教え合い、互いに学習する新しい AI 労働力のイメージに適応する必要があります。これには、あらゆるパートナーシップと同様に、信頼、オープン性、透明性が必要です。たとえば、人々は、欠陥がどこにあるのか（人間か機械か）を特定して改善するのではなく、最初はパフォーマンスの低下や誤った出力の原因を機械のせいにするかもしれません。不調和な人間関係や敵対的な取引関係と同様に、これは、コンピューターを助けることで最終的に私たち自身を助けるのではなく、困難を共に克服し、共有価値を最大化する上での障害となるでしょう。

AI が雇用保障、賃金、プライバシーに与える影響は、従業員の態度や職場での AI の行動をどう受け入れるかにも影響します。リーダーには、ハイブリッドな労働力に伴うリスクと機会を説明する責任があります。しかし、リスクを最小限に抑え、機会を最大化するための文化やガイドラインを形成することもできます。企業は、AI 自体を積極的に活用して職場文化を改善することで、さらに一歩進むことができます。たとえば、自然言語処理を通じて感情的なストレスや従業員の燃え尽き症候群を検出し、管理者が職場の文化や満足度を形成し、改善するのに役立つ AI ソリューションはすでに存在しています。

6. 自動化を超える:これまで、自動化はビジネス戦略の鍵となってきましたが、人工知能技術の進歩により、企業は自社の能力を超えて、インテリジェントな動力、自己学習、自己管理機能を備えたマシンを活用する必要があります。

アクセンチュアの調査によると、AI の潜在的なメリットは過去の自動化の影響よりもはるかに大きいことがわかっています。たとえば、1993 年から 2007 年の間に、従来の自動化システムは年間 0.9% の追加成長を生み出したと推定されていますが、これは先進国における 0.9% と比較して高い数字です。しかし、フィンランドでは、AI の将来的な影響は従来の自動化よりも 70% 高くなる可能性があるのに対し、米国では 50% です。したがって、AI を導入することで、企業は強力な競争優位性を確立することができます。たとえば、ボッシュは AI をビジネスの最前線に据えています。現在、ドイツのボッシュ自動車工場で展開されている同社の「考える工場」は、AI搭載の機械が技術的な欠陥を自己診断し、交換部品を自動的に注文し、修理の必要性を予測できるように設計されている。

全体として、ボッシュは、スマート システムとマシンの広範な使用により、2020 年までに 20 億ドル以上の追加収益と節約が生み出されると予測しています。

7. 大衆をクラウド テクノロジーに取り込む:過去 10 年間、企業は大衆の力を活用して革新的なモデルを開拓してきました。同時に、クラウド テクノロジーはコンピューティング コストを迅速に削減する機会を提供し、社内の IT 構造によって制限されません。イノベーションの次のステップは、クラウド内のクラウドソーシングされたデータと AI の機能を組み合わせて、新しい破壊的なビジネス チャンスを生み出すことです。このため、Google Cloud Platform や Amazon Web Services などのクラウド プラットフォームではすでに利用が始まっています。

8. アルゴリズムを使用して収益を測定する:生産要因を測定する従来の要素には、資本利益率 (ROC) と従業員のパフォーマンス指標が含まれます。新たな生産要素として、人工知能は新たな、あるいは適応的な対策を講じるでしょう。従来の資産の減価償却とは異なり、人工知能資産は自己学習技術により時間の経過とともに価値を増し続けることができます。この複合的な資産評価効果により、初期の人工知能に投資する企業はより高い収益を得ることができます。

さらに、AI の応用には明確な成果がある一方で、AI の学習特性により、多くの利点はまだ確定していないため、資本投資を追跡するための従来の手段は AI 時代には時代遅れとなり、CFO は「AI の収益率」を測定するための新しいツールボックスが必要になります。おそらくそれは、各アルゴリズムによって生成される価値、または初期支出と継続コストの計算に関するものとなり、利益とコストの大部分は将来の期間に発生し、投資家はそれに対する信頼に基づいて将来の価値を評価することになるでしょう。この複雑さは人間の投資家を怖がらせる可能性があり、資本支出と評価モデルに関する新しい考え方と新しい用語の緊急の必要性を浮き彫りにしています。おそらく AI 自体が AI に関するより正確な予測を計算するために使用されるでしょう。

「AIのチャンスをつかむには、企業は今すぐ行動を起こし、人間を中心に据えたAI戦略を策定し、道徳的・倫理的価値観に沿った責任あるAIシステムの開発に取り組み、前向きな成果を導き、人間が最も得意とする想像、創造、革新に取り組めるようにする必要がある」とアクセンチュアの最高技術・イノベーション責任者、ポール・ドーハティ氏は述べた。

AIのGVAへの影響のモデル化

1. 私たちの結果は、労働市場全体において AI の影響を受ける業務の割合を調査した研究から得たものです。将来、個々の職業が自動化される可能性がどの程度あるかを推定します。次に、対象国の労働統計を使用して、これらの職業の業界レベルおよび国レベルでの分布を調べます。このように、AIの影響度と各国・業界の職業分布をマッチングさせることで、各国・業界におけるAIの吸収率を判定することができます。

2. 1990 年から現在までのソフトウェア、ハードウェア、ロボット工学、クラウド コンピューティングの価格データを参照して、AI の品質の経時的向上を測定します。

3. AIの普及によって期待される追加的なイノベーション効果を全要素生産性（TFP）指標の観点から決定する。私たちは、情報通信技術（ICT）がTFP成長に及ぼす影響に関する過去のデータを参照し、業界全体におけるAIへの投資と国家経済が新しい技術を吸収する能力に関するデータでこの数字を強化します。

こうした対策を講じることで、各国や業界における AI の経済的可能性が見えてきます。国別の結果については、国ごとに 16 の業種ごとの結果を集計し、業種別の結果については、業種ごとに 12 か国のデータを集計しました。当社の収益予測はGVAの結果に基づいています。利益の代理値を得るために、GVA から労働報酬を差し引きます。これにより、各産業の営業総余剰 (GOS) が得られます。これは、労働要素の投入を差し引いた後の営業活動によって生み出される残りの余剰を表す利益の近似値です。収益性をより正確に測定するために、資本減価償却に関するデータにデフレーターを含めます。