WEBVTT

00:00:00.000 --> 00:00:08.480
ビジネス界における最大の神話はコパイロットを導入すれば即座に生産性が向上するというものですが現実にはAIを最も活用しているチームほど生産性が低い傾向にあります

00:00:08.480 --> 00:00:13.000
彼らは価値を拡大しているのではなく崩壊したプロセスを超人的なスピードで増幅させているにすぎません

00:00:13.000 --> 00:00:18.080
成功するためには単なる人の管理者ではなく協調型システムの設計者になる必要があります

00:00:18.080 --> 00:00:22.260
デジタルインターンというメンタルモデルこそがロイを損なう最大の要因です

00:00:22.260 --> 00:00:25.980
AIを新人アシスタントのように扱うならばその時点で意向の失敗は確定しています

00:00:25.980 --> 00:00:30.720
なぜそうなのかお話ししましょうなぜ共同作業者への意向が停滞しているのかその実態についてです

00:00:30.720 --> 00:00:34.600
コパイロットの登場はゲームのルールを変えましたが多くの経営人はその重要性を理解できていません

00:00:34.600 --> 00:00:38.220
これは単なるチャットボットではなく単純な質疑応答の時代は終わったのです

00:00:38.220 --> 00:00:44.740
これはエージェント型システムでありただ話すだけでなくマイクロソフト365エコシステム全体で計画し推論し実行します

00:00:44.740 --> 00:00:51.700
このシステムは計画と実行のアーキテクチャに基づいて構築されておりカレンダー受信トレイドキュメント間でタスクを同時に調整します

00:00:51.700 --> 00:00:56.540
しかしこの劇的な能力向上にも関わらず多くの組織で移行が停滞しています

00:00:56.540 --> 00:00:58.180
壁に突き当たっているのです

00:00:58.180 --> 00:01:01.560
その理由は私がプロンプとして修正する罠と呼ぶものです

00:01:01.560 --> 00:01:08.820
マネージャーは現在10分かけてプロンプトを作成しその後20分かけて矛盾や誤情報不完全な形式の出力を修正するというループに陥っています

00:01:08.820 --> 00:01:12.860
彼らはAIを人間のインターンを管理するのと同じ方法で管理しようとしています

00:01:12.860 --> 00:01:16.960
曖昧な指示を出しドラフトを待ちその後手作業でエラーを修正しているのです

00:01:16.960 --> 00:01:21.800
しかし問題はその手作業の負担がAIによって節約された時間をすべて打ち消してしまうことです

00:01:21.800 --> 00:01:26.000
マネージャーがクライアント向けにファイルを修正しなければならないならそのシステムは破綻しています

00:01:26.000 --> 00:01:29.860
効率化できたのではなくただ厄介な仲介役を朝の業務に加えただけなのです

00:01:29.860 --> 00:01:31.660
データがその苦境を裏付けています

00:01:31.660 --> 00:01:35.940
最新の調査ではAIパイロットプロジェクトの約80%が本格的な導入に至っていないことが示されています

00:01:35.940 --> 00:01:37.660
これは驚くべき数字です

00:01:37.660 --> 00:01:44.140
組織が失敗しているのは技術のバグではなくライセンスの購入を組織の成熟度の代わりとして扱ったからです

00:01:44.140 --> 00:01:47.280
車を設計し直すことなく鍵だけを配ったのです

00:01:47.280 --> 00:01:52.200
300人にコパイロットライセンスを与えれば自然と生産性が向上すると考えたのです

00:01:52.200 --> 00:01:55.020
その結果得られたのは野良自動化の蔓延でした

00:01:55.020 --> 00:01:57.560
従業員がサイロ化した状態でAIを使っています

00:01:57.560 --> 00:01:59.880
あるものは出席していない会議の要約に使い

00:01:59.880 --> 00:02:03.200
別のものは会社のブランドイメージとは程遠いメールの下書きに使っています

00:02:03.200 --> 00:02:04.740
そこには基準がありません

00:02:04.740 --> 00:02:06.980
ロジックに対するバージョン管理もありません

00:02:06.980 --> 00:02:11.040
ワークフローの構造的な見直しがないため出力が矛盾してしまうのです

00:02:11.040 --> 00:02:13.560
ある日はAIが素晴らしいレポートを作成したかと思えば

00:02:13.560 --> 00:02:16.180
翌日にはシェアポイント内の基盤データが乱雑だったために

00:02:16.180 --> 00:02:18.240
重要なデータポイントを3つも取りこぼしてしまう

00:02:18.240 --> 00:02:21.600
AIをインターンとして扱うと自然と学習してくれることを期待しがちですが

00:02:21.600 --> 00:02:22.940
AIには直感などありません

00:02:22.940 --> 00:02:25.460
AIにあるのはあなたが用意した環境だけです

00:02:25.460 --> 00:02:28.900
その環境が混沌としていればAIはその混沌を拡大させるだけです

00:02:28.900 --> 00:02:31.400
AIは惜しいレベルの成果物を大量に生成し

00:02:31.400 --> 00:02:33.920
それがレビューのサイクルを滞らせ新たなリスクを生み出します

00:02:33.920 --> 00:02:36.740
その結果管理不能なアプリのライブラリや重複したロジックが残り

00:02:36.740 --> 00:02:38.720
従業員はかつてないほど多忙であるにも関わらず

00:02:38.720 --> 00:02:40.480
以前より意義のある成果を生み出せなくなります

00:02:40.480 --> 00:02:43.040
多くの管理職はこの状況を見てツールを非難します

00:02:43.040 --> 00:02:45.820
AIの準備ができていないあるいはまだ賢くないからだと言います

00:02:45.820 --> 00:02:48.760
彼らは次回のモデル更新が問題を解決してくれるのを待っているのです

00:02:48.760 --> 00:02:50.760
しかしボトルネックはモデルではありません

00:02:50.760 --> 00:02:54.060
ボトルネックはAIは人間のように管理できるという思い込みです

00:02:54.060 --> 00:02:57.300
AIの自律的なループをハルシネーションの責任として追求することはできません

00:02:57.300 --> 00:03:00.680
システムと一対一の面談をしてパフォーマンスについて話し合うことなどできないのです

00:03:00.680 --> 00:03:04.380
M365全体で見られるこの失敗は技術的な転換の問題ではありません

00:03:04.380 --> 00:03:06.020
それはマネジメントの失敗です

00:03:06.020 --> 00:03:08.160
私たちは1990年代の管理モデルを使って

00:03:08.160 --> 00:03:10.720
2026年レベルのエージェント型システムを運用しようとしているのです

00:03:10.720 --> 00:03:13.440
この停滞を打破するにはもう一段階深く掘り下げる必要があります

00:03:13.440 --> 00:03:17.720
管理職、データ、そしてマシンの間の根本的な関係性を変えなければなりません

00:03:17.720 --> 00:03:21.460
対人関係のモデルから全く異なる何かへと移行する必要があるのです

00:03:21.460 --> 00:03:23.940
管理することをやめ構築することを始めなければなりません

00:03:23.940 --> 00:03:26.080
そこからアーキテクトへの転換が始まります

00:03:26.080 --> 00:03:29.340
監督という考え方からシステムアーキテクチャという考え方へ

00:03:29.340 --> 00:03:32.940
この新時代におけるリーダーシップの厳しい真実を認めなければなりません

00:03:32.940 --> 00:03:36.560
それは従来の管理モデルがもはや完全に死んだということです

00:03:36.560 --> 00:03:39.720
何十年もの間マネージャーの仕事は比較的単純でした

00:03:39.720 --> 00:03:43.900
適切な人材を雇い、適切なタスクを割り当て彼らが働く姿を見守るだけで良かったのです

00:03:43.900 --> 00:03:45.420
あなたは個人を管理していました

00:03:45.420 --> 00:03:49.300
進捗を確認し、フィードバックを与え、最終的な成果物に対して彼らに責任を持たせていました

00:03:49.300 --> 00:03:51.900
そのモデルは、人間がエンジンであることを前提としています

00:03:51.900 --> 00:03:55.980
しかし、コパイロットのようなエージェント型システムを導入すれば、もはや人間はエンジンではありません

00:03:55.980 --> 00:03:57.540
システムこそがエンジンなのです

00:03:57.540 --> 00:04:02.160
人間を管理するのと同じ方法でAIを管理しようとすれば、幽霊を管理しようとしているようなものです

00:04:02.160 --> 00:04:08.800
アルゴリズムの目を見て努力を促すことはできませんし、大規模言語モデルにクライアントを思いやるようインスピレーションを与えることなど到底不可能です

00:04:08.800 --> 00:04:10.180
ここで変革が起こります

00:04:10.180 --> 00:04:13.940
人間を管理するのではなく、コラボレーションの摩擦を設計する側へ回らなければなりません

00:04:13.940 --> 00:04:15.880
これこそがアーキテクトへの転換です

00:04:15.880 --> 00:04:18.860
自分の仕事はアウトプットを管理することではないと気づくことです

00:04:18.860 --> 00:04:22.000
重要なのは望む成果が必然的に生まれる環境を設計することです

00:04:22.000 --> 00:04:25.160
従来の上司が不完全なレポートをどう扱うか考えてみてください

00:04:25.160 --> 00:04:29.260
部下と向き合って問題点を説明し、次は改善してくれることを期待します

00:04:29.260 --> 00:04:32.980
しかし、アーキテクトは同じレポートを見て別の問いを立てます

00:04:32.980 --> 00:04:34.880
データの流れはどこで途切れたのか

00:04:34.880 --> 00:04:37.760
人を責めるのではなく、システムを診断するのです

00:04:37.760 --> 00:04:43.920
AIがハルシネーションを起こしたのは、基盤データが構造化されていなかったか、指示が曖昧だったからだと理解しています

00:04:43.920 --> 00:04:48.240
AIは単にミスをするだけでなく、既存の欠陥を超人的なスピードで拡大させてしまいます

00:04:48.240 --> 00:04:52.620
もし社内のシェアポイントが古いPDFのデジタル墓場なら、コパイロットはそれを拾い上げてしまいます

00:04:52.620 --> 00:04:57.460
境界を設計していないせいで、2018年のポリシーを2026年の指針として扱ってしまうのです

00:04:57.460 --> 00:04:59.840
これは責任の所在を大きく変えるものです

00:04:59.840 --> 00:05:03.140
かつての時代なら、プロジェクトが失敗すれば責任者を探しました

00:05:03.140 --> 00:05:06.960
新しい時代において、リスクを負わないAIエージェントに責任を問うことはできません

00:05:06.960 --> 00:05:10.220
したがって、マネージャーはシステム設計そのものに責任を持たなければなりません

00:05:10.220 --> 00:05:13.980
タスクの結果ではなく、タスクを支配するロジックに責任を負うのです

00:05:13.980 --> 00:05:18.760
つまり、誰が担当か、ではなく、意図がどうデータとして流れるかに焦点を移す必要があります

00:05:18.760 --> 00:05:21.700
AIと共同する時代において、意図こそが燃料となります

00:05:21.700 --> 00:05:25.340
人間への指示が曖昧でも、相手は直感で穴を埋めてくれます

00:05:25.340 --> 00:05:28.380
彼らは文脈を理解し、暗黙のルールを知っているからです

00:05:28.380 --> 00:05:29.920
AIには直感がありません

00:05:29.920 --> 00:05:33.380
ワークIQやプロンプト集を通じて提供される文脈だけが頼りです

00:05:33.380 --> 00:05:36.820
意図が曖昧であれば、システムの実行結果は混沌としたものになります

00:05:36.820 --> 00:05:39.620
アーキテクトの仕事は、その意図を強固にすることです

00:05:39.620 --> 00:05:45.900
AIの逸脱を防ぐガードレールを築き、どこで機械を止め、どこから人間が引き継ぐかを冷静に決断しなければなりません

00:05:45.900 --> 00:05:48.380
私はこれを、摩擦のエンジニアリングと呼んでいます

00:05:48.380 --> 00:05:50.500
多くのリーダーは、摩擦は悪いものだと考えています

00:05:50.500 --> 00:05:52.220
彼らはシームレスな自動化を求めています

00:05:52.220 --> 00:05:54.880
しかしAIエージェントの世界では、シームレスであることこそが危険なのです

00:05:54.880 --> 00:05:57.260
それは未確認のミスや、静かな失敗を招きます

00:05:57.260 --> 00:06:00.420
アーキテクトは戦略的に、ワークフローに摩擦を再導入します

00:06:00.420 --> 00:06:02.700
確認と承認のゲートを設計するのです

00:06:02.700 --> 00:06:05.720
重要な意思決定には、必須の検証ループを組み込みます

00:06:05.720 --> 00:06:09.060
彼らはワークフローをトゥードゥリストとしてではなく、青写真として扱います

00:06:09.060 --> 00:06:13.280
監督者からアーキテクトへの転換は、レースを見る側からコースを建設する側への転換です

00:06:13.280 --> 00:06:15.960
コースが壊れていれば、どんなに速い車でも意味がありません

00:06:15.960 --> 00:06:18.480
ほとんどのマネージャーは、未だにドライバーを指導しようとしています

00:06:18.480 --> 00:06:20.880
アーキテクトは外に出て、路面を整備しているのです

00:06:20.880 --> 00:06:24.440
データを整理し、プロンプトを反管理し、能力のギャップを埋めています

00:06:24.440 --> 00:06:28.060
彼らは、境界線が明確な時にのみ自立性が拡大することを理解しています

00:06:28.060 --> 00:06:32.020
アーキテクチャがなければ、非常に高価で非常に高速に間違いを犯す手段を手にするだけです

00:06:32.020 --> 00:06:35.260
では、現実世界で失敗すると実際にどうなるのかを見てみましょう

00:06:35.260 --> 00:06:38.080
ケース1、何も拡大しなかったパイロットプログラム

00:06:38.080 --> 00:06:41.300
この失敗が実際の企業環境でどのように現れるかを見ていきます

00:06:41.300 --> 00:06:46.200
ある中規模の金融サービス企業が、最近300人の従業員を対象にパイロットプログラムを開始した例を考えます

00:06:46.200 --> 00:06:49.180
書類上では、展開は技術的に大成功でした

00:06:49.180 --> 00:06:54.220
IT部門は全ての展開マイルストーンを達成し、利用率は極めて高い状態でした

00:06:54.220 --> 00:06:59.000
ある火曜日には、ライセンス保有者の90%近くがコパイロットとやり取りしていました

00:06:59.000 --> 00:07:02.380
ラッシュボードの観点からは、この投資は大成功のように見えました

00:07:02.380 --> 00:07:06.720
しかし、経営人が実際のビジネスへの影響を確認するために集まった時、会議室は静まり返りました

00:07:06.720 --> 00:07:09.260
ローン処理のサイクルタイムは全く短縮されていませんでした

00:07:09.260 --> 00:07:11.680
クライアント向けレポートの作成量も増えていませんでした

00:07:11.680 --> 00:07:14.300
それどころか、レポートの品質が低下し始めていました

00:07:14.300 --> 00:07:17.940
過度に堅苦しいものもあれば、重要な規制上の面積事項が欠けているものもありました

00:07:17.940 --> 00:07:20.160
パイロットプログラムの担当マネージャーは困惑しました

00:07:20.160 --> 00:07:22.260
彼らはツールの展開に最適化していたのです

00:07:22.260 --> 00:07:25.040
ログイン数、クリック数、アプリの滞在時間を追跡していました

00:07:25.040 --> 00:07:30.280
彼らは意向を単なるソフトウェアのアップグレードのように扱い、まるで人により早いシャベルを渡せば自動的に優れた増援家になるかのように考えていました

00:07:30.280 --> 00:07:32.300
これこそが典型的な管理の罠です

00:07:32.300 --> 00:07:36.020
マネージャーは、人々がツールを使っているから仕事の質が向上していると思い込んでいました

00:07:36.020 --> 00:07:40.640
しかし、構造的な見直しがなければ、従業員は単に間違った作業をAIで高速化しているだけでした

00:07:40.640 --> 00:07:45.740
削除すべきメールを要約させたり、誰も読まない社内メモを作成させたりしていたのです

00:07:45.740 --> 00:07:49.420
見かけ上の利用率は高かったものの、経済的価値はゼロでした

00:07:49.420 --> 00:07:55.080
マネージャーが活動量を測定している間にも、システムは論理や基準の数千もの小さな隙間から効率を漏らしていました

00:07:55.080 --> 00:07:58.560
アーキテクトであれば、このパイロットプログラムには異なるアプローチを取っていたでしょう

00:07:58.560 --> 00:08:02.860
300個のライセンスに注目するのではなく、300個のワークフローに注目したはずです

00:08:02.860 --> 00:08:07.220
アーキテクトが介入した時、最初に言ったことはプロンプトの研修セッションではありませんでした

00:08:07.220 --> 00:08:09.840
それはグラウンディングデータの大規模なクリーニングでした

00:08:09.840 --> 00:08:15.240
彼らは、シェアポイントの構造が乱雑であるために、AIが会社の予診方針の3つの異なるバージョンから情報を取得していることに気づきました

00:08:15.240 --> 00:08:16.940
AIが失敗していたのではありません

00:08:16.940 --> 00:08:19.640
AIは、組織化されていない環境を正確に反映していたのです

00:08:19.640 --> 00:08:21.980
アーキテクトは次に、意図の標準化へと進みました

00:08:21.980 --> 00:08:24.440
彼らはバージョン管理されたパターンライブラリを構築しました

00:08:24.440 --> 00:08:28.320
これは、テストされ、精査され、固定されたゴールドスタンダードのプロンプトを収める中央リポジトリです

00:08:28.320 --> 00:08:31.880
アナリストがリスク要約を必要とした場合、ゼロからプロンプトを考案することはありませんでした

00:08:31.880 --> 00:08:34.520
彼らはライブラリからアーキテクトが設計したパターンを引き出したのです

00:08:34.520 --> 00:08:37.460
これにより、ハルシネーション、幻覚に繋がるばらつきが排除されました

00:08:37.460 --> 00:08:41.100
創造的な当てずい量ゲームが、再現可能なエンジニアリングプロセスへと変わったのです

00:08:41.100 --> 00:08:46.220
最後に彼らはエラーを人為的なミスではなく、システムのバグとして扱うフィードバックループを確立しました

00:08:46.220 --> 00:08:51.320
AIがデータポイントを見逃すたびに、アーキテクトはユーザーにもっと頑張るよう指示するようなことはしませんでした

00:08:51.320 --> 00:08:55.680
彼らはメタデータタグを調整するか、共有ライブラリ内のプロンプトのロジックを改良しました

00:08:55.680 --> 00:09:00.140
その結果、単なる見せかけの利用から、信頼できる産業レベルの出力システムへと移行しました

00:09:00.140 --> 00:09:03.360
彼らは生産性を期待することをやめ設計することを始めたのです

00:09:03.360 --> 00:09:06.460
彼らはパイロット運用を拡大することは、ユーザーを増やすことではないと気づきました

00:09:06.460 --> 00:09:09.320
それは、ユーザーが利用するシステム自体を強化することなのです

00:09:09.320 --> 00:09:12.880
この転換により、企業は実験段階から実行段階へと進みました

00:09:12.880 --> 00:09:17.620
これは、単なる管理ツールは経費に過ぎませんが、設計されたワークフローは資産になることを証明しました

00:09:17.620 --> 00:09:20.900
2つ目の例として、パワープラットフォームの乱立によるカオスを取り上げます

00:09:20.900 --> 00:09:23.940
現代の業務インフラを、もう一段深く掘り下げてみてみましょう

00:09:23.940 --> 00:09:30.480
最近、あるグローバル物流企業で、M365エコシステムにおいて非常に一般的になりつつある罠に陥っている事例を目の当たりにしました

00:09:30.480 --> 00:09:33.360
その罠とは、管理されない自立性の拡大です

00:09:33.360 --> 00:09:38.820
AI対応を目指す取り組みの中で彼らは管理職に対し、全部署が独自のソリューションを構築できるように支援するよう推奨しました

00:09:38.820 --> 00:09:40.420
彼らが求めたのはスピードでした

00:09:40.420 --> 00:09:42.300
彼らが求めたのは俊敏性でした

00:09:42.300 --> 00:09:48.380
経営陣は各チームに対し、パワープラットフォームとコパイロットスタジオを使って、手に入るあらゆるものを自動化する許可を与えました

00:09:48.380 --> 00:09:51.460
そして半年も経たないうちに彼らはモンスターを作り上げてしまいました

00:09:51.460 --> 00:09:55.380
組織は突然、管理されていない何百ものアプリと自動化フローで動くことになったのです

00:09:55.380 --> 00:09:58.100
その結果、至る所でロジックの重複が発生しました

00:09:58.100 --> 00:10:05.460
3つの異なる部署が、全く同じコンテナデータを追跡するための個別のツールを作りましたが、それぞれ到着予定の計算式が微妙に異なっていました

00:10:05.460 --> 00:10:08.740
中央の監視がなかったため、データは食い違い始めました

00:10:08.740 --> 00:10:13.220
あるマネージャーが順調であると示すダッシュボードを見ている一方で、別のマネージャーは赤い警告を見ていました

00:10:13.220 --> 00:10:15.340
彼らは効率化を実現できていなかったのです

00:10:15.340 --> 00:10:18.120
代わりに、大規模なアーキテクチャ上の負債を抱え込んでしまいました

00:10:18.120 --> 00:10:21.360
この失敗は、古い管理マインドセットが直接的な原因でした

00:10:21.360 --> 00:10:27.880
経営陣は導入のスピードを最適化しようとし、創造への障壁を取り除くことで、会社の動きを早められると考えていたのです

00:10:27.880 --> 00:10:30.020
彼らはシステムの整合性を軽視しました

00:10:30.020 --> 00:10:35.900
彼らは新しいアプリができるたびに、複雑で壊れやすいネットワークの新しいノードではなく、孤立した成功事例として扱いました

00:10:35.900 --> 00:10:40.940
シェアポイントの列名が変わってフローが壊れた時、誰が修正を担当すべきか誰も知りませんでした

00:10:40.940 --> 00:10:46.420
システムはシャドウITのブラックボックスと化し、日常業務には不可欠でありながら、統制は不可能な状態でした

00:10:46.420 --> 00:10:49.420
ここでアーキテクトのアプローチが、軌道を大きく変えることになります

00:10:49.420 --> 00:10:53.920
介入が始まった時、最初のステップはアプリを停止することではなく、ケーパビリティマップを作成することでした

00:10:53.920 --> 00:10:57.000
そのアーキテクトは、何を作れるか?と問うのをやめました

00:10:57.000 --> 00:10:59.940
代わりに、何が存在すべきか?お問い始めたのです

00:10:59.940 --> 00:11:04.140
彼らは中核となる業務機能を洗い出し、成果を出すために真に自動化が必要な箇所を特定しました

00:11:04.140 --> 00:11:07.140
その結果、カスタムビルドしたツールの9割が不要であることに気づきました

00:11:07.140 --> 00:11:09.280
彼らは新しい問題を解決していたわけではありませんでした

00:11:09.280 --> 00:11:11.220
古い問題を焼き直していただけだったのです

00:11:11.220 --> 00:11:14.220
そこでアーキテクトは、厳格な環境戦略を導入しました

00:11:14.220 --> 00:11:19.300
無法地帯のようなやり方から脱却し、データの操作場所と方法について明確な境界線を引いたのです

00:11:19.300 --> 00:11:21.880
彼らは新規作成よりも再利用を優先させました

00:11:21.880 --> 00:11:27.700
この新しいモデルでは、チームが新しい追跡ツールを作りたい場合、まず既存の設計済みコンポーネントのライブラリを確認しなければなりません

00:11:27.700 --> 00:11:31.560
単一の管理された信頼できる情報源、ソースオブトゥルースを基盤として構築することが義務付けられました

00:11:31.560 --> 00:11:35.420
その結果、自立性がようやくスケールできる、管理されたエコシステムが生まれました

00:11:35.420 --> 00:11:39.220
境界が明確になったことで、ロジックの重複というリスクが消滅しました

00:11:39.220 --> 00:11:47.160
アーキテクチャ上の負債は解消され、すべての自動化フローに明確な所有者と文書化された目的を持つ、無駄のない整合性の取れたシステムに置き換わりました

00:11:47.160 --> 00:11:50.960
会社は俊敏性を失うどころか、信頼性を手に入れたのです

00:11:50.960 --> 00:11:55.420
彼らは、管理された混沌の状態から、設計されたパフォーマンスの状態へと移行しました

00:11:55.420 --> 00:11:58.560
無闇に物を作るのをやめ、正しい物を作るようになったのです

00:11:58.560 --> 00:12:00.720
これこそがアーキテクトの新骨頂です

00:12:00.720 --> 00:12:06.440
真のスピードとは早く走ることではなく、進むべき道が実際に開かれていることを確認することから生まれるのだと彼らは理解しています

00:12:06.440 --> 00:12:09.400
事例3、ガバナンスの空白か、ゲートキーパーか

00:12:09.400 --> 00:12:12.880
3つ目の失敗のポイント、ガバナンスの綱引きについてお話ししましょう

00:12:12.880 --> 00:12:16.700
私は最近、2つの悪い選択肢の間で麻痺していたヘルスケアテック企業に関わりました

00:12:16.700 --> 00:12:19.060
一方には、無法地帯という選択肢がありました

00:12:19.060 --> 00:12:23.440
これは初期のパイロット運用の際、チェックなしで誰もが自分のデータソースをコパイロットに接続できるようにしたケースです

00:12:23.440 --> 00:12:26.980
スピード感はありましたが、3週間以内に大規模なデータ漏洩を引き起こしました

00:12:26.980 --> 00:12:31.940
AIはホルダ構造を気にしないため、機密性の高い患者の請求データにマーケティングチームが突然アクセスできるようになってしまいました

00:12:31.940 --> 00:12:35.120
AIが判断基準とするのは権限のみであり、その権限管理は非常に混乱していました

00:12:35.120 --> 00:12:37.960
もう一方には、ゲートキーパーによる対応という選択肢がありました

00:12:37.960 --> 00:12:41.020
セキュリティチームはパニックに陥り、すべてをロックダウンしました

00:12:41.020 --> 00:12:46.260
彼らは新しいAIエージェントやカスタムコネクタを作るたびに、7ページの手動承認フォームを要求しました

00:12:46.260 --> 00:12:50.520
彼らはAIを防護服を着て扱わなければならない危険な化学物質のように扱ったのです

00:12:50.520 --> 00:12:53.140
その結果、AIの導入率はゼロまで落ち込みました

00:12:53.140 --> 00:12:58.260
従業員はAIの使用をやめたわけではなく、個人のスマートフォンでチャットGPTのアカウントを使って仕事を始めただけでした

00:12:58.260 --> 00:13:02.160
公式システムが遅すぎて役に立たないため彼らはシャドーAIへと流れたのです

00:13:02.160 --> 00:13:05.600
このシナリオにおけるマネージャーは、ガバナンスを制御ゲートとして捉えていました

00:13:05.600 --> 00:13:09.780
彼らは自分の仕事を安全性が証明されるまでドアの前に立って、NOと言い続けることだと考えていたのです

00:13:09.780 --> 00:13:13.580
しかし、エージェントシステムの世界では、手動のゲートは人々が乗り越えてしまう障害にすぎません

00:13:13.580 --> 00:13:16.860
ガバナンスがワークフローの外側にある限り、それは常に負担とみなされるでしょう

00:13:16.860 --> 00:13:20.240
あなたは人間の規律を使って構造的な設計上の問題を解決しようとしています

00:13:20.240 --> 00:13:21.740
それは決してうまくいきません

00:13:21.740 --> 00:13:26.220
アーキテクトはこうした状況を見て、ガバナンスとはゲートではなく、システム設計の機能であると気づきます

00:13:26.220 --> 00:13:30.280
アーキテクトが介入した時彼らはエージェント565を使って中央制御プレーンを構築しました

00:13:30.280 --> 00:13:32.300
彼らは許可証を求めることはしませんでした

00:13:32.300 --> 00:13:35.440
その代わりに、安全なデフォルト設定を環境に直接組み込みました

00:13:35.440 --> 00:13:37.900
彼らは事前承認済みのデータゾーンを作成しました

00:13:37.900 --> 00:13:42.740
エージェントが公開された社内データのみを使うゾーン1内に止まる場合、自動承認される仕組みです

00:13:42.740 --> 00:13:50.200
ゾーン3の機密性の高い請求データが必要な場合、システムはエージェントの実行前に必要な暗号化と監査ログをコードに自動的に埋め込みました

00:13:50.200 --> 00:13:54.260
彼らはポリシーをPDFドキュメントから実際のデータフローへと移行させました

00:13:54.260 --> 00:14:01.120
マイクロソフトパービューを使って機密ファイルを自動ラベル付けし、コパイロットがユーザーの目に触れる前に個人情報を自動的に編集するようにしました

00:14:01.120 --> 00:14:02.960
ガバナンスは目に見えないものとなりました

00:14:02.960 --> 00:14:05.220
それは出席しなければならない会議ではありませんでした

00:14:05.220 --> 00:14:07.380
それは、あなたが走るためのアスファルトでした

00:14:07.380 --> 00:14:11.360
ポリシーをワークフローに組み込むことで彼らは組織のスピードを実際に向上させました

00:14:11.360 --> 00:14:16.400
その結果、データがクリーンで境界線がハードコード化されているため、手戻り率が激減するシステムが実現しました

00:14:16.400 --> 00:14:20.020
AIは制限されたファイルに基づいて幻覚、ハルシネーションを起こすことがなくなりました

00:14:20.020 --> 00:14:25.860
設計段階から安全なシステムであるため、全ての出力に対して手動レビューを行う必要性は消滅しました

00:14:25.860 --> 00:14:30.820
彼らは、システムを制御する最善の方法は速度を落とすことではなく、より良いトラックを構築することだと悟りました

00:14:30.820 --> 00:14:33.940
適切に設計されたガバナンスは、車を停止させるものではありません

00:14:33.940 --> 00:14:37.400
それは、崖を心配することなく、ドライバーがより早く走れるようにするものです

00:14:37.400 --> 00:14:41.900
これによって、最も大きな変化、つまりこれらが機能しているかをどう測定するかという点に至ります

00:14:41.900 --> 00:14:45.500
オーケストレーション、それはアーキテクトのための新しい儀式と指標です

00:14:45.500 --> 00:14:50.280
監督者からアーキテクトへ転身したいなら、時間の使い方を変える必要があります

00:14:50.280 --> 00:14:56.460
ほとんどのマネージャーは現在、終わりのないステータス会議に縛られ、部屋に座って進捗を尋ねるループに陥っています

00:14:56.460 --> 00:15:02.640
エージェントが作業を行うエージェントの世界では、ステータスはシステム上で可視化されているため、これはリソースの大きな無駄です

00:15:02.640 --> 00:15:07.840
何が起きたかを聞く会議は不要ですが、システムがなぜそのように振る舞ったのかを理解するための儀式は必要です

00:15:07.840 --> 00:15:11.600
最初の大きな転換は、ステータス会議を終時のシステムレビューに置き換えることです

00:15:11.600 --> 00:15:14.000
これは人の問題ではなく、ループの問題なのです

00:15:14.000 --> 00:15:17.100
そしてアーキテクトとして、あなたは報告書が完成したかを尋ねることはありません

00:15:17.100 --> 00:15:24.380
その代わりに、人間がAIの判断を上書きしなければならなかった場所や、エージェントチェーンでどのような失敗パターンが生じているかを見つけ出すための診断的な問いかけを行います

00:15:24.380 --> 00:15:32.180
もしAIが一貫して特定の規制要件を見逃しており、それが従業員のパフォーマンスの問題でないなら、それはシステムアーキテクチャのバグです

00:15:32.180 --> 00:15:35.820
機械と人間が一致しなくなった摩擦点を探しているのです

00:15:35.820 --> 00:15:40.960
この習慣によって、あなたはプロンプトやワークフローを、生きたバージョン管理された資産として扱うようになります

00:15:40.960 --> 00:15:48.520
古いモデルでは上司がチームメンバーに口頭でアドバイスする程度でしたが、アーキテクトモデルではそのアドバイスがプロンプトやパターンライブラリへの高級的な更新となります

00:15:48.520 --> 00:15:55.440
あなたは従業員の離職にも耐えうる集合値を構築し、組織の意図が7日ごとに洗練されるようにしているのです

00:15:55.440 --> 00:15:59.680
こうして、生産性が破綻する前にアーキテクチャ上の負債を返済していくのです

00:15:59.680 --> 00:16:04.280
この習慣を効果的にするには、成果に繋がらない見せかけの指標を追うのをやめる必要があります

00:16:04.280 --> 00:16:09.820
多くのリーダーが削減した時間や送信したプロンプトの総数を自慢しますが、これらの数字は実際には無意味です

00:16:09.820 --> 00:16:15.600
もし従業員がAIを使って5時間節約しても、その後の修正に6時間かかれば、実際には後退していることになります

00:16:18.520 --> 00:16:20.940
1つもできなければ、単なるデジタルノイズを生み出しているにすぎません

00:16:20.940 --> 00:16:25.580
これらは忙しく感じたい管理職のための指標であり、効果を出したいアーキテクトのための指標ではありません

00:16:25.580 --> 00:16:29.920
その代わりに、システムが拡張していることを実際に証明する4つの厳格な指標に取り組まなければなりません

00:16:29.920 --> 00:16:34.640
1つ目はサイクルタイムで、これは最初の要求から最終的な検証済み出力までの合計時間です

00:16:34.640 --> 00:16:39.640
もしこの数値が20%以上低下していないなら、あなたのアーキテクチャは重すぎて、スリム化する必要があります

00:16:39.640 --> 00:16:45.500
2つ目は手直し率で、AIが生成した出力のうち、人間が介入して誤りを修正する必要があるものの割合です

00:16:45.500 --> 00:16:48.640
適切に設計されたシステムであれば、これはゼロに向かっていくはずです

00:16:48.640 --> 00:16:52.540
もし停滞したままであれば、その原因はグラウンディングデータにある可能性が高いでしょう

00:16:52.540 --> 00:16:58.900
3つ目は意思決定の遅延で、人間による承認や説明を待つためにタスクが保留されている時間を測定します

00:16:58.900 --> 00:17:04.100
遅延が大きいということは、ガードレールが厳しすぎるか、機械が扱うにはあなたの意図が曖昧すぎることを意味します

00:17:04.100 --> 00:17:09.720
最後に、レポート内の幻覚による事実の誤りからコンプライアンス違反に至るまで、全てを含むインシデント率を追跡しなければなりません

00:17:09.720 --> 00:17:16.180
これらのシステムに対して明確なアーキテクチャ上の責任を割り当てている組織は、2年間で重大なインシデントが40%削減されています

00:17:16.180 --> 00:17:18.320
彼らはあなたよりも運が良いわけではありません

00:17:18.320 --> 00:17:20.780
単に、設計に対してより規律があるだけなのです

00:17:20.780 --> 00:17:23.360
この意向には新しいテクノロジーのレイヤーが必要です

00:17:23.360 --> 00:17:26.080
なぜなら、見えないシステムを設計することはできないからです

00:17:26.080 --> 00:17:30.380
これが、ワークIQのようなツールが現代の企業にとって不可欠なインテント層になりつつある理由です

00:17:30.380 --> 00:17:37.860
ワークIQを使えば、人、データ、タスクの関連性をリアルタイムで把握でき、コラボレーションの摩擦がどこで実際に起きているかを可視化できます

00:17:37.860 --> 00:17:41.260
推測に基づく判断から、エンジニアリングに基づく判断へと移行できるのです

00:17:41.260 --> 00:17:47.060
ワークIQを基盤にすることは、単なるツールの導入ではなく、拡張性のある自律的なエンジンの構築を意味します

00:17:47.060 --> 00:17:55.720
マネージャーがあらゆる決定のボトルネックとなる必要のない世界を作り、AIが高い信頼度で行動できるよう、境界線が明確なシステムを構築するのです

00:17:55.720 --> 00:17:58.700
人間が介入するのは本当に重要な時だけ

00:17:58.700 --> 00:18:01.120
これこそが未来のオーケストレーションです

00:18:01.120 --> 00:18:06.760
業務を管理する立場から、業務を実行するマシンを構築する立場へと変わるべき時です

00:18:06.760 --> 00:18:10.640
AIへの移行は技術の転換ではなく、リーダーシップの進化です

00:18:10.640 --> 00:18:15.300
AIの試験運用が停滞しているなら、ソフトウェアではなく、あなたの管理モデルを見直してください

00:18:15.300 --> 00:18:18.540
エージェントが活躍する世界は監督するものではなく、設計するものです

00:18:18.540 --> 00:18:21.720
人を管理するのはやめて彼らが効果的に働けるシステムを構築しましょう

00:18:21.720 --> 00:18:26.700
この話で役割に対する考え方が変わったなら、リンクトインで私、ミルコピータースをフォローして、構造的な明快さを手に入れましょう

00:18:26.700 --> 00:18:28.520
今すぐ、その軌道を作り始めましょう
