パイロットからプログラムへ：AI とエージェントをスケールさせ、真のビジネス価値を実現するための体系的なアプローチ

※本ブログは、米国時間 10 月 23 日に公開された ‛From Pilots to Programs: A Structured Approach to Scaling AI and Agents for Real Business Value’ の抄訳です。

多くの企業が抱えているのは、AI の問題ではありません。実験プロジェクトの問題です。Copilot、エージェント、AI アプリのパイロットがいたるところで行われているにもかかわらず、本番環境で稼働しているものはごくわずかで、容易に把握・統制できる数を超えるエージェントが存在しています。パイロットが成功した後でさえ、「どうすれば、何も壊さずにこれを全社で運用できるのか」という 1 つの問いが、すべてを停滞させてしまいます。

私のチームは、まさにこの段階にあるお客様と共に取り組んでいます。私たちはシンクタンクではなく製品エンジニアリング チームであり、ここで紹介する内容は机上の空論ではありません。いずれも、AI エージェントと機能拡張に関わる 1,000 件を超えるお客様とのエンゲージメントにおいて、私たちが実際に目にしてきた成功例、そして失敗例に基づいています。そこで繰り返し見えてくる知見が 1 つあります。多くの場合、テクノロジーは主な制約ではないということです。それよりも、オペレーティング モデルが制約となっていることのほうが多いのです。

Microsoft Work Trend Index 2026 も同じ方向を示しています。10 の市場で業務に AI を使用している 20,000 人のナレッジ ワーカーを対象に 2026 年初めに実施された調査では、報告された AI のインパクトにおいて、文化、マネージャーによるサポート、人材施策などの組織的要因が占める割合は、マインドセットや行動などの個人的要因の 2 倍を超えていました。あるいは、Microsoft の Copilot 担当 EVP である Jacob Andreou が LinkedIn に書いているように、「新たなボトルネックは普及」なのです。

大半の AI 導入が停滞する理由

多くの業界で、同じような失敗パターンが見られます。

• スケールしない孤立したパイロット：印象的なデモはあるものの、本番環境への道筋がない状態
• ゲートキーパーとしてのガバナンス：あらゆる申請がレビュー委員会の審査待ちの列に並ぶ状態
• IT 部門だけのプロジェクトとしての AI：成果に責任を持つビジネス オーナーが不在
• 説明責任の欠如：エージェントが何を変えるはずだったのかを、誰も説明できない状態

私たちの経験では、スケールに成功する組織はその逆を行っています。目指すビジネス成果を最初に明確にし、ガバナンスを活用して迅速に動いても安全な状態を確保し、ビジネス部門と IT 部門が真のパートナーとして連携し、本番稼働時ではなく初日からチェンジ マネジメントに取り組んでいます。これらは主にオペレーティング モデルに関する意思決定であり、テクノロジーだけに関する意思決定ではありません。

どこから始めるか

この取り組みから、3 つのフレームワークが生まれました。変革パターン、Agentic AI Maturity Model、そして Agentic Center of Excellence (CoE) です。これらを順番に活用することで、何を構築するのか、どの程度の準備が必要なのか、そして誰がそれを運用するのかという問いに答えることができます。

ただし、何かを構築する前に、業務そのものを再設計してください。引き継ぎが 9 回、承認が 4 回あるプロセスでは、エージェントは非効率なやり方をそのまま、より速く実行するだけになりかねません。また、エージェントによってまったく新しいことが可能になる場合は、超えるべきベースラインが存在しないため、構築を進めながらあるべき姿を定義していくことになります。

フレームワーク 1：変革パターンを選択する

変革パターンとは、エージェントと共に業務をどのように進めるかについての設計上の選択です。つまり、誰が作業を行い、誰が意思決定し、どのように統制するかを決めるものです。Frontier Firms（人とエージェントで構成されるハイブリッド チームを中心に構築された組織を指す Microsoft の用語）は、支援、実行、変革という 3 つのモードにわたって、こうした選択を意図的に行っています。これらは段階ではなく選択肢であり、多くの組織が複数を並行して運用しています。

モード	パターン	役割	お客様事例
支援 AI が人の能力を拡張する	従業員の AI 活用推進	組織全体の人々がより多くのことを実現できるよう支援する	Commonwealth Bank：Microsoft 365 Copilot ユーザー 10,000 人のうち 84% が、Copilot なしの働き方には戻りたくないと回答
	ビジネス エキスパートのエンパワーメント	各分野の専門家が持つ判断力をスケールさせる	Clifford Chance：かつては何時間もかかっていた請求対象外の定型業務が、今では数分で完了
実行 エージェントがアクションを実行する	職場と IT サービス	社内サービスを AI で運営する	mobilezone：IT の問題解決にかかる時間を 50% 短縮
	コア ビジネス プロセス	バリュー チェーンそのものにエージェントを組み込む	Dow：エージェントが貨物輸送の請求書を分析し、請求の不一致を指摘
変革 エージェントがこれまで不可能だったことを実現する	外部エンゲージメント	顧客やパートナーに直接サービスを提供する	Virgin Money：同社の顧客向けアシスタントである Redi のジャーニー完了率は 97%
	AI ファーストの機能	このテクノロジーなしでは存在し得なかったものを構築する	Quantum Capital Group：フィールド開発計画の策定にかかる時間を、シナリオあたり 3 週間から 20 分に短縮

パターンがガバナンスを決定します。エージェントが人の支援から業務の実行へと移行すると、明確に指名されたオーナー、問題が発生したときの対応計画、エージェントに許可される行動の明確な制限といった新たな要件が生じます。全社的な Copilot のロールアウトと、自社ブランドの代弁者として顧客と接するエージェントに、同じ統制を適用すべきではありません。

フレームワーク 2：自社の成熟度を把握する

さて、パターンが決まりました。次は、自社の成熟度を把握しましょう。Agentic AI Maturity Model は、AI 戦略、ガバナンス、組織文化などの中核となる能力の柱ごとに組織をスコアリングし、選択したパターンに対する準備がどの程度整っているかを示します。最も大きな底上げにつながる柱を 1 つ見つけ、そこから始めてください。一度にすべてに手を付けようとしないでください。

Microsoft が 13 か国の大企業 500 社を対象に実施した Agent Readiness Survey（2025 年 9 月）では、自社が AI に対して部門横断的な統一されたアプローチを取っていることに強く同意した回答者は 31% にとどまり、説明責任を負う経営幹部スポンサーがいることに強く同意した回答者も 32% にとどまりました。対照的に、セキュリティとガバナンスの成熟度は、他の準備状況の柱と比べて全般的に高い結果となりました。解決策は、ガバナンスを弱めることではなく、戦略を強化することです。つまずきやすいポイントの例としては、次のようなものがあります。

• 従業員の AI 活用推進：文化と利用の定着
• 外部エンゲージメント：ガバナンスとセキュリティ
• コア ビジネス プロセス：破綻したプロセスを自動化するのではなく、プロセスそのものを再設計すること

今週 1 つだけ実行するなら：経営陣が同席する場で、aka.ms/AgentReadiness の Agent Readiness Assessment を実施してください。多くのチームにとって、それをきっかけに始まる議論は、得られるスコアと同じくらい価値のあるものになり得ます。

フレームワーク 3：Agentic Center of Excellence を構築する

十分に早い段階で次の問いを投げかけるチームは、あまりにも少ないのが現状です。それは、実際に誰がこれを運用するのか、という問いです。3 か月後のある火曜日を想像してみてください。本番環境では 30 のエージェントが稼働しています。そのうちの 1 つが、ある従業員に育児休業の取得資格について誤った情報を伝えてしまいました。HR 部門が先週ポリシーを更新したのに、エージェントが古いバージョンのままだったためです。誰がそれに気付くでしょうか。その人は誰に連絡するでしょうか。最初の 15 分間に何が起こるでしょうか。どこかでギャップを感じたなら、それこそが CoE によって埋められるギャップです。

CoE は、月に一度集まってはノーと言うだけの委員会ではありません。多くの場合、次の役割を担う 2、3 人のメンバーから始まります。

• リリース ゲートと監査証跡を用いてエージェントを統制する
• テンプレート、トレーニング、確立された標準手順によって作成者を支援し、簡単な構築方法がそのままコンプライアンスに準拠した方法になるようにする
• 各エージェントのライフサイクル全体を通じて、品質、コスト、価値を最適化する
• 1 つのチームでうまくいったことを、全員が利用するプロセスへとスケールさせる

そのうえで、すべてに 1 つのルールを適用するのではなく、エージェントが伴うリスクに見合った監督を行います。

• 情報提供や生産性向上のためのエージェント：簡易的な承認
• アクションを実行するエージェント：セキュリティ レビュー、データ アクセス レビュー、ビジネス オーナーによるレビュー
• 規制対象の業務や影響の大きい業務：重要な意思決定は人が承認する、完全なガバナンス

書き留めておく価値のあるテストがあります。チームは低リスクのユース ケースを 2 週間未満で立ち上げられるでしょうか。できないのであれば、それはガードレールではありません。ゲートです。

プログラムとして実行する

エージェントは、テクノロジーだけではスケールしません。人、オーナーシップ、運用の規律によってスケールするのです。チケット管理ソフトウェアを買い増しても IT ヘルプデスクをスケールさせることはできないのと同様に、エージェントをただ数多く構築するだけでは、エージェントをスケールさせることはできません。デリバリーはプログラムとして運営し、焦点を定めつつも本当の意味で完了することのない 3 つのフェーズで進めてください。

フェーズ 1：基盤を構築する

AI には全体像を、すべての人にはそれを活用する力を。

• ビジネス部門の幹部をスポンサーとして指名します。1 つか 2 つのパターンを選んで書面に残し（書面に残していない選択は、選択とは言えません）、各パターンに、チームではなく個人をオーナーとして割り当てます。
• 成熟度評価を実施し、すでに稼働しているものを監査して、最低限のガードレールを設定します。ガードレールは後からいつでも追加できます。
• コネクタと、エージェントをツールやデータに接続するためのオープン標準である Model Context Protocol (MCP) を通じてデータを接続し、ガードレールの範囲内でユーザーがエージェントを構築・共有できるようにします。

データの準備状況も重要です。Kantar の HR チームは AI エージェントを使用して、4,000 件の資料を 6 週間で 400 件のポリシー文書にまとめ、現在 60 か国からの質問に回答している HR エージェント向けにコンテンツを整備しました。

フェーズ 2：価値の高いシナリオを実現する

専門知識をスケールへ、ワークフローを成果へと変える。

• 専門家のノウハウを、Microsoft 365 のスキル、つまり再利用可能で役割に特化したワークフローとして取り込みます。
• 重要な判断は人が下す形で、ビジネスを動かすプロセスを再設計します。
• Copilot Studio で 1 つか 2 つのエージェントをリリースし、最初のインシデントが起きてからではなく、初日から Microsoft Agent 365 で監視します。

計画に 60 日も費やすのはやめましょう。何かをリリースしてください。その効果は大きなものになり得ます。PwC では、136 か国の 364,000 人超を対象に Copilot を含む Microsoft 365 へ移行した結果、Copilot の使用によって 1 億 5,000 万ドル相当の時間を削減して従業員に時間を還元したほか、プラットフォームの統合によって 2,500 万ドルを超えるコストを削減しました。

フェーズ 3：うまくいっている取り組みを拡大する

同じ問題を二度解決しない。

• 確立された標準手順と事前承認済みのコネクタを公開し、最も速いルートがそのままコンプライアンスに準拠したルートになるようにします。
• Microsoft、パートナー、カスタムのプラグインをまとめた、IT 部門承認済みの単一のカタログであるプラグイン レジストリを活用します。一度公開すれば、Copilot 全体で再利用できます。
• 作成者コミュニティを育成し、3 番目のエージェントで得た学びによって 30 番目のエージェントがより良いものになるようにします。
• エージェントは、プロジェクトではなく本番サービスとして扱います。成熟度を再評価し、次に何をスケールさせるかを決め、スケールしないものは廃止することもいとわないようにします。

「目標は、より多くのエージェントを構築することではありません。組織にできることを変えることです。最も大きなインパクトを得ているお客様は、AI を単なる新たなテクノロジーの導入としてではなく、新しいオペレーティング モデルとして捉えているお客様です」

Rima Reyes、Microsoft CAPE テクニカル ストラテジー リード

初日から信頼を組み込む

CISO から「どのエージェントが、どのデータを使って何をしたのか」と問われたときに備えて、答えを用意しておく必要があります。バランスが重要です。CISO 主導に偏ったモデルでは、安全ではあっても、生まれるエージェントはゼロという結果になりかねません。作成者主導に偏ったモデルでは、100 のエージェントと 1 件のインシデントが生まれることになりかねません。

人に対して適用しているのと同じ厳格さで、エージェントを統制します。

• ID、データ保護、脅威防御、監査証跡、eDiscovery の適用範囲をエージェントにまで拡張します。これには、Agent 365 SDK を通じて接続する、他のプラットフォーム上で構築されたエージェントも含まれます。Amazon Bedrock や Google Vertex AI 上のエージェントも、可視化のために Agent 365 のレジストリに同期できます。
• Autopilot in Microsoft Copilot（現在プライベート プレビュー中）などのエージェントに独自の ID、アクセス許可、監査証跡を付与し、Microsoft 365 admin center で従業員と並べて管理します。

具体的な方法については、まず Copilot コントロールの概要と Microsoft Agent 365 のドキュメントをご覧ください。

取締役会が問うべき質問に答えられるよう、準備しておきましょう。まずは、Microsoft の 6 つの責任ある AI の原則から導き出した次の 4 つの質問から始めます。

• 公平性：意思決定に偏りはありませんか？
• 透明性：結果を説明できますか？
• 説明責任：失敗の責任は誰が負いますか？
• プライバシーとセキュリティ：データは保護されていますか？

P&L の言葉で ROI を証明する

価値をどのように語るかによって、次も予算を獲得できるかどうかが左右されることがあります。利用状況ではなく成果を測定し、私たちが「ソフト」と「ハード」と呼んでいる 2 種類の削減効果を区別してください。

• ソフトな削減効果：節約された時間や、サイクル タイムの短縮です。出発点としては申し分ありませんが、その実態は正直に認めましょう。これは捻出された余力であり、現金ではありません。
• ハードな削減効果は P&L に反映されます。過払いの防止、監査費用やコンサルティング費用の削減、トランザクションあたりのコストの低減、継続的なコンプライアンスによる罰金の回避などです。

両方を報告しつつ、予算を求める際はハードな削減効果を前面に打ち出しましょう。ソフトな削減効果は、儀礼的にうなずかれるだけで終わることが少なくありません。信頼できる財務上の根拠に裏付けられていれば、ハードな削減効果は、捻出された余力の見積もりよりも予算や予測に組み込みやすい場合があります。FinOps（財務オペレーション、つまりテクノロジーへの支出を、それがもたらす価値に照らして管理するプラクティス）は、その支出を成果に結び付けておくのに役立ちます。

今後 30 日間で行うべき 5 つの意思決定

1. どこから始めるか？価値が高く、比較的リスクの低いユース ケースを 2、3 件。20 件では取り組みが分散してしまいます。1 件では、学びを得る材料がありません。
2. 誰が責任を持つか？IT 部門だけでなく、指名された幹部スポンサーが責任を持ちます。ビジネス部門が成果に責任を持たなければ、誰も責任を持たないことになります。
3. どのようなガバナンスにするか？画一的なルールではなく、各エージェントにできることに見合ったリスク階層を設けます。
4. どのように投資するか？ライセンスや構築だけでなく、オペレーティング モデルとチェンジ マネジメントにも投資します。これは、多くの組織で予算が不足しがちな項目です。
5. どのように測定するか？効率、品質、利用状況、リスクを、開始前に定義しておきます。

今後 30 日間でこれらの意思決定を行えば、多くの同業他社より先を行ける可能性があります。それは、これらの意思決定が難しいからではなく、多くの組織が明確な形で意思決定を行っていないからです。

意図をインパクトに変える

必要なのは、より大きなモデルではありません。より優れたオペレーティング モデルです。テクノロジーの能力は大きく進歩しました。問題は、組織がそれを活用できる体制になっているかどうかです。適切なリーダーシップ、ガバナンス、スキル、投資があれば、多くの組織はその転換を実現できます。自社が実現するかどうかは、リーダーシップの判断にかかっています。

自社は現在、どの段階にあるでしょうか。基盤の構築、価値の高いシナリオの実現、それともうまくいっている取り組みの拡大でしょうか。

詳細情報

• Agentic Transformation Patterns Playbook
• Microsoft Learn のエージェント型変革パターン
• Agentic AI Maturity Model と Agent Readiness Assessment
• Microsoft Learn の Agentic Center of Excellence の構築
• 財務、マーケティング、オペレーションの各部門リーダー向けの役割別エディション
• Microsoft Work Trend Index

これらの変革パターンの背景にあるフレームワークと構造の形成に協力し、お客様から得られた知見を、組織が自らの AI ジャーニーに適用できる実践的なアプローチへと落とし込む手助けをしてくれた Manuela Pichler に、心より感謝します。