従業員カウンシルによる AI の展開: Microsoft の IT プレイブック

※本ブログは、米国時間 10 月 29 日に公開された ‘Deploying AI with employee councils: An IT playbook from Microsoft’ の抄訳です。
このガイドの内容
- はじめに: AI に関する意思決定に従業員の声を取り入れる
- 第 1 章: AI 継続的改善カウンシルで AI を正しく活用する
- 第 2 章: 戦略カウンシルを立ち上げ、最も重要なことを見極める
- 第 3 章: イネーブルメント カウンシルを活用して AI をスケーラブルにする
- 第 4 章: データ カウンシルを設置し、AI の信頼性と再利用性を確保する
- 第 5 章: 責任ある AI とコンプライアンスのカウンシルを構築し、信頼を拡大する
- 第 6 章: 測定カウンシルで価値を証明し、意思決定を改善する
- まとめ
AI に関する意思決定に従業員の声を取り入れる
エンタープライズ AI の初期段階は多少混沌とすることもありますが、それで構いません。チームは実験を重ね、組織全体でアイデアが生まれ、勢いが急速に高まっていきます。そうしたエネルギーと熱意は重要ですが、それだけで全社的な価値が生まれるわけではありません。
当社の IT 部門である Microsoft Digital では、AI を効果的にスケールさせるには、重要なことを見極め、実行を支援し、データの準備態勢を強化し、プロセスを改善し、責任ある AI のプラクティスを取り入れ、成果を一貫して測定する、相互に連携したオペレーティング モデルが必要であることを学んできました。
だからこそ私たちは、社内での AI の展開に向けて、カウンシルを基盤とするモデルを構築しました。これは平たく言えば、部門横断的なリーダーのネットワークを活用して、優先事項の足並みをそろえ、障害を取り除き、その他さまざまな形で Microsoft 全体での AI の導入を導いているということです。
「AI に関する私たちの意思決定と方向性は、ビジネス戦略に根差したものでなければなりません。AI カウンシルは、組織に指針と支援を提供することで、AI への投資がビジネスに具体的なメリットを確実にもたらすようにしています」
当社のさまざまな AI カウンシルは、互いに連携しながら、私たちが最も重要な AI 活用シナリオに力を注げるよう支援しています。これらのカウンシルは相互につながった 1 つのシステムとして機能しており、各カウンシルがそれぞれ固有の役割を担っています。
- 戦略カウンシルは、私たちが最も価値の高いシナリオに集中し続けられるようにします。
- イネーブルメント カウンシルは、方向性を再利用可能なプラクティスとスケーラブルな実行へと変えます。
- データ カウンシルは、AI の土台となる基盤を強化します。
- 継続的改善カウンシルは、チームが業務を自動化する前に、その業務自体を改善できるよう支援します。
- 責任ある AI とコンプライアンスのカウンシルは、当社のデリバリーに信頼、説明責任、レビューの規律を組み込みます。
- 測定カウンシルは、AI 投資の価値を時間をかけて定義、追跡、精緻化していくことで、ループを完結させられるよう支援します。
チェンジ マネジメントは、当社のすべてのカウンシルを貫く共通のテーマです。AI による変革が定着するのは、何が変わるのか、それがなぜ重要なのか、そして自分たちがそれをどのように取り入れることを求められているのかを、人々が理解したときに限られるからです。
この IT プレイブックでは、皆様が自社独自の AI カウンシル体制に導入できる主要な構成要素について説明します。これにより、自社の AI 投資からより多くの価値を引き出せるようになります。また、当社自身の経験と背景を踏まえて、これらの各カウンシルが担うべき役割を明確にし、皆様が実験の段階から、より再現性の高い AI イネーブルメントのモデルへと移行できるよう支援します。
「AI に関する私たちの意思決定と方向性は、ビジネス戦略に根差したものでなければなりません」と、Microsoft Digital のプリンシパル グループ プロダクト マネージャーである Myron Wan は述べています。「AI カウンシルは、組織に指針と支援を提供することで、AI への投資がビジネスに具体的なメリットを確実にもたらすようにしています」
第 1 章: AI 継続的改善カウンシルで AI を正しく活用する
AI で持続的な価値を生み出したいのであれば、まずは業務そのものから始めましょう。当社の経験から言えば、それはつまり、チームが AI を上乗せし始める前に自社の業務ワークフローを厳密に検証できる、継続的改善 (CI) カウンシルを設置するということです。
当社の継続的改善カウンシルは、オペレーショナル エクセレンスを推進しながら、実際のビジネス課題に取り組みを集中させています。AI ソリューションを構築するすべてのチームに、次のものを提供しています。
- 体系的な問題解決
- 優先順位付け
- 価値の実現
- コーチング
- 学習
「継続的改善はプロセスに関するものですが、人に関するものでもあります」と Wan は語ります。「CI カウンシルのような導き手の存在によって、この 2 つの要素の足並みを確実にそろえることができるのです」
こうした規律が重要なのは、AI は、正しいことと同じくらい簡単に、間違ったことも加速させてしまう可能性があるからです。そうした事態を防ぐため、当社では「AI の前に CI」というマインドセットを採用しています。
Microsoft では、どのチームであっても、AI でプロセスを自動化する前に、業務がどこで滞っているのか、どこにムダがたまっているのか、実際にどこで価値が生み出されているのか、そして自動化後に成功をどのように測定するのかを分析することを求めています。実際には、現場ウォーク、カイゼン イベント、ボウラー カード、月次ビジネス レビューといったツールや定例の取り組みを活用して、摩擦を浮き彫りにし、機会に優先順位を付けてきました。
当社の CI カウンシルは、AI が孤立したイノベーションの流れになってしまうのを防ぐ役割も担っています。チームには、どの新しい AI 機能が面白そうかを問うのではなく、どの業務上の課題が解決に値するのか、そしてどのような形の AI がその解決に役立つのかを問うよう促しています。ここでは、当社自身の経験からいくつかの例をご紹介します。
- 資産管理の取り組みでは、チームは登録やデータの正規化に AI を適用する前に、継続的改善を活用して、業務を付加価値作業と非付加価値作業のカテゴリーに分けました。
- 指定責任者の業務に関する取り組みでは、チームはまずワークフローを見直し、そこで得た理解をもとに、要約、引き継ぎ、レポート作成を支援できる多機能エージェントを形にしました。
重要なポイント
カウンシルを通じて次の原則を適用し、プロセス改善を常に AI の展開の中心に据えましょう。
- 自動化する前にワークフローを改善しましょう。継続的改善カウンシルは、チームがムダを特定し、価値の高い変更に優先順位を付け、うまく機能していない手順を自動化してしまうのを避けるための手段となります。
- 体系的な手法を用いて、AI に関する意思決定を実践的なものにしましょう。定期的なレビューを行うことで、AI が役立つ領域と役立たない領域についてのエビデンスを得ることができます。
- 価値の実現をプロセス設計の一部として扱いましょう。プロセスに関する取り組みは、AI による改善が期待されるビジネス成果に直接結び付いている必要があります。
詳細情報
Microsoft での取り組み
その他のガイダンス
第 2 章: 戦略カウンシルを立ち上げ、最も重要なことを見極める
当社の戦略カウンシルは、個々の AI イニシアチブの集合体を、全社として統合されたビジョンへと変えることを可能にしています。このカウンシルはビジネスとテクノロジーのリーダーを結集し、AI 投資が戦略的なビジネス成果と整合し、最大の価値をもたらし得るシナリオに集中するようにしています。
「戦略カウンシルは、最優先の AI 活用シナリオを特定するのに役立っています。これにより、私たちは最も重要な取り組みとニーズを非常に明確に把握できます。このカウンシルは、私たちが取り組んでいる事柄と、達成しようとしている目標とが 1 対 1 で整合していることを検証しています」
このカウンシルを通じて、私たちは最もインパクトの大きい AI の機会を特定して優先順位を付け、成功を測定するための重要業績評価指標 (KPI) を定義し、組織全体にわたるさまざまなイニシアチブの相対的なインパクトを評価しています。このプロセスは、どこに投資し、どこをスケールさせ、どこで導入を加速させるかについて、十分な情報に基づいて意思決定を行うのに役立っています。
同様に重要なのは、戦略カウンシルが当社の AI ポートフォリオについて共通のナラティブを生み出していることです。投資、優先事項、成果を結び付けて一貫したストーリーにまとめることで、リーダーが意思決定を導き、優先事項を伝え、自信を持って AI 戦略のかじを取るために必要なコンテキストとインサイトを提供しています。
「戦略カウンシルは、最優先の AI 活用シナリオを特定するのに役立っています」と Wan は述べています。「これにより、私たちは最も重要な取り組みとニーズを非常に明確に把握できます。このカウンシルは、私たちが取り組んでいる事柄と、達成しようとしている目標とが 1 対 1 で整合していることを検証しています」
こうした取り組みは、時間をかけて進化してきました。
当社の初期の AI の取り組みには、チームの実験と学習を後押しする、イネーブルメント、責任ある AI、データに関する活動が含まれていました。戦略のレイヤーが生まれたのは、どの AI 活用シナリオが最も重要で、それらが戦略目標や KPI とどのように結び付いているのかを判断する方法が必要になったときです。重心は、「AI に何ができるのか」から、「どのビジネス成果が、優先的に取り上げ、定期的にレビューし、意図的にリソースを配分するに値するほど重要なのか」へと移りました。
実際の経験から、戦略カウンシルにはいくつかの明確な運営ルールが必要であることがわかりました。
- AI の取り組みを、組織の運営方法を反映した少数の重点領域にまとめる必要があります。当社の場合、それは IT 向けの AI やコーポレート部門向けの AI といった主要な業務領域を軸に、取り組みを区分することでした。そのうえで、AI イニシアチブを、従業員エクスペリエンス、サポート、テナント管理とセキュリティ、ネットワークとデバイス、関連するビジネス機能など、さまざまなドメインに分類しました。この構造によってポートフォリオ全体が可視化され、重複やギャップを見つけやすくなります。
- 実行はプロダクト オーナーに任せましょう。当社の戦略カウンシルは方向性を定めますが、デリバリーを担うのはプロダクト マネジメント チームです。
- 組織にとっての価値の姿を表す、一貫した共通言語を作りましょう。これにより、チームは期待しているインパクトを、リーダーがチームや製品をまたいで比較できる形で説明できるようになります。
組織の運営リズムも重要な役割を果たします。チームとして、予測可能で透明性の高いサイクルでチェックインと進捗報告を行うことで、足並みをそろえ続けることができます。当社の戦略に関する話し合いは、負担が少なく、定期的に行われ、チームが必要に応じて参加しやすいものになったことで、前進するようになりました。
また、当社のチームは、KPI に対する進捗をリーダーに報告するための、より負担の少ない方法を生み出すことで、摩擦を軽減しました。これにより戦略カウンシルは、チームにとって「宿題をチェックされている」ように感じられる階層から、全社としての一貫したストーリーを伝えるうえで中心的な役割を担う組織へと進化しました。
重要なポイント
戦略カウンシルは、組織における AI を、プロジェクトの集合体から統合されたビジネス戦略へと変革するのに役立ちます。
- AI の機会を評価する前に、ビジネスの優先事項を定義しましょう。組織にとって最も重要な成果に焦点を当て、そのうえで AI が最大のインパクトを生み出せる領域を特定します。
- AI ポートフォリオの全体像を共有しましょう。イニシアチブを共通の重点領域に整理することで、リーダーは投資を比較し、重複を減らし、より良い意思決定を行えるようになります。
- ガバナンスとデリバリーを切り分けましょう。戦略カウンシルが方向性を示して説明責任を担い、プロダクト チームが実行と結果に責任を持ちます。
詳細情報
Microsoft での取り組み
- 当社の戦略カウンシルが Microsoft における AI の展開をどのようにかじ取りしているのかをお読みください。
- カウンシルを活用して AI の展開を導くという当社の戦略について、詳しくご覧ください。
その他のガイダンス
第 3 章: イネーブルメント カウンシルを活用して AI をスケーラブルにする
AI 戦略カウンシルは、何が重要かを決めることはできます。しかし、それだけでは、重要なことを実現するためのソリューションを構築するチームの力を高めることはできません。そこで出番となるのが、イネーブルメント カウンシルです。イネーブルメント カウンシルは、戦略と実行を結び付け、チームによる共通のプラクティスの導入を支援し、ガバナンスを強化し、能力をスケールアップさせます。当社では、これを AI Center of Excellence (CoE) と呼んでいます。
「私たちは、AI をめぐるコミュニティづくりと機運の醸成において、多くの有意義な取り組みを行ってきました。しかしある時点で、進化を遂げ、それまでに築いてきたものをより体系化することが必要になりました」
当社自身の AI 展開の歩みにおける重要な転換は、コミュニティ志向の AI モデルから、より実行を重視したモデルへの移行でした。
当初、当社の CoE は、チームが AI ツールを試し、すばやく学び、機運を高められるよう支援していました。これは有益な勢いを生み出しましたが、同時に、取り組みの重複、ガバナンスのばらつき、レポートの抜け漏れにもつながりました。時間の経過とともに、CoE はその形を変えていきました。個々のイニシアチブを横断的に見渡し、標準、重なり、再利用、スケールへの準備状況などに関する、より広範な問いに答えられる調整レイヤーとなったのです。
当社の AI Center of Excellence は、次の主要な領域を対象としています。

こうした取り組みは、戦略、アーキテクチャ、ロードマップ、文化という 4 つの中核機能を軸に構成されています。具体的には、当社の CoE カウンシルは、チームに共通の受付・優先順位付けのプロセス、再利用可能なパターン、より明確な標準、そして現場レベルの実験を全社的な学びへと変える仕組みを提供しています。
「私たちは、AI をめぐるコミュニティづくりと機運の醸成において、多くの有意義な取り組みを行ってきました」と Wan は語ります。「しかしある時点で、進化を遂げ、それまでに築いてきたものをより体系化することが必要になりました」
また、当社のカウンシルは、チームがより早い段階からガバナンスについて考えるうえでも役立っています。たとえば社内のエージェントに関する取り組みでは、議論は「何を構築したのか」から、「何が稼働しているのか、誰が所有しているのか、何がコンプライアンスに準拠しているのか、何をスケールさせるべきなのか」へと移りました。こうした可視性によって、チームは管理性、セキュリティ、準備状況をより早い段階で考慮できるようになりました。
これは、文化が実際に大きな影響を与える領域でもあります。当社のイネーブルメントの取り組みでは、チームがどのようにアイデアを提案し、パターンを学び、知識を共有し、責任を持って AI を導入すべきかについての期待事項を定めています。チャンピオン プログラム (当社の Copilot Champs の取り組みなど) やコミュニティ フォーラムも重要です。チームが孤立して学んでいると、AI の導入はすぐに断片化してしまうからです。
重要なポイント
イネーブルメント カウンシル (または Center of Excellence) は、孤立した AI プロジェクトから、再現性のある全社規模の導入へと移行するのに役立ちます。
- 組織全体での AI のスケールを支援する中央チームを設けましょう。AI Center of Excellence は、標準、ガイダンス、学習リソース、共有のプラクティスを提供できるため、各チームが同じ問題を個別に解決する必要がなくなります。
- 成功した実験を再利用可能なパターンにしましょう。うまくいったことを記録し、ベスト プラクティスを文書化して幅広く共有することで、チームがゼロから始めるのではなく、実証済みのアプローチを土台にして構築できるようにします。
- 開発プロセスにガバナンスと準備態勢を組み込みましょう。ソリューションを大規模に展開する前に、チームがオーナーシップ、コンプライアンス、セキュリティ、運用サポートについて検討できるよう支援します。
詳細情報
Microsoft での取り組み
- 当社の AI Center of Excellence が Microsoft における AI の展開をどのように支えているのかをお読みください。
- 当社が Agent 365 と Copilot コントロールを使用してエージェントをどのように管理しているのかをご確認ください。
- 当社が Champs Community を通じて Copilot の導入をどのように推進しているのかをご覧ください。
その他のガイダンス
第 4 章: データ カウンシルを設置し、AI の信頼性と再利用性を確保する
AI は、アクセスできるようにするだけではスケールしません。信頼でき、見つけやすく、ガバナンスが適用されたデータも必要です。そこで出番となるのが、Microsoft の AI データ カウンシルです。
Microsoft のデータ カウンシルは、次の事項を担当しています。
- 全社的なデータ戦略の策定
- ガバナンス ポリシーと統制の確立
- AI へのアクセスを保護する方法の改善
- データ品質の向上
- データ リネージと透明性の強化
- データ リテラシーの向上
- データへの投資の優先順位付け
「社内での AI ツールの導入と活用を加速させるには、高品質で、適切にガバナンスが適用されたデータが不可欠です。データの品質、アクセス性、ガバナンスは、AI システムが効果的に機能するための必須条件であり、その認識が当社のデータ戦略を前進させる原動力となっています」
当社のデータ戦略は、多くの企業が直面しているのと同じジレンマ、すなわちスピードと統制のバランスを取る必要性と向き合いながら進化してきました。これまでに分散型と集中型のモデルを経て、現在は、よりフェデレーション型でデータ メッシュ指向のアプローチを採用しています。
これにより、各ドメイン チームは自分たちが最もよく理解しているデータを引き続き身近で扱うことができ、その一方で、共有プラットフォームによってガバナンス、メタデータ、セキュリティ、相互運用性に関する標準が適用されます。当社のカウンシル モデルでは、このようにしてドメイン オーナーシップと全社的な一貫性のバランスを取っています。
具体的には、当社の AI データ カウンシルは、基盤となる次の 3 つの側面に注力してきました。

AI 対応のデータは、利用可能で、完全かつ正確であり、最新の状態である必要があります。また、セキュリティを損なうことなく、見つけやすく、アクセスしやすい状態であるべきです。さらに、人とシステムの両方が見つけたデータを信頼できるよう、リネージ、ポリシーの適用、透明性も必要です。
当社のデータ活用の取り組みでは、Microsoft Purview がガバナンス、分類、監視、リネージ、ポリシーの適用を支えています。Microsoft Fabric は、サイロ化されたデータを、分析と AI のシナリオを支える共有のメッシュ アーキテクチャに統合するのに役立っています。また、カタログ モデルをデータ検出のためのレイヤーとして使用しており、従業員と AI システムが正規のデータセットを見つけ、その所有者、鮮度、ガバナンス上の制約を把握できるようにしています。
「社内での AI ツールの導入と活用を加速させるには、高品質で、適切にガバナンスが適用されたデータが不可欠です」と、Microsoft Digital のプリンシパル PM マネージャーである Miguel Uribe は述べています。「データの品質、アクセス性、ガバナンスは、AI システムが効果的に機能するための必須条件であり、その認識が当社のデータ戦略を前進させる原動力となっています」
データ リテラシーは、このカウンシルが担うもう 1 つの主要な機能です。
当社のデータ カウンシルは AI Center of Excellence と連携して、ラーニング パス、認定資格、コミュニティ プログラムを作成しています。これらは、従業員がデータを意識する段階を超えて、データと AI を実践的に活用できる能力を身に付けられるようにするためのものです。これが極めて重要なのは、組織が信頼できる AI を構築するには、アーキテクチャだけでは不十分だからです。信頼できる AI を生み出せるのは、データがどのように成果を生み出す原動力となるのか、そしてガバナンスがスピードを妨げるのではなく、どのようにスピードを後押しするのかを、チームが理解している場合に限られます。
重要なポイント
信頼でき、ガバナンスが適用されたデータが、組織の AI に関するあらゆる意思決定を最初の段階から方向付けるようにするために、当社の AI データ カウンシルが拠り所としている原則をいくつかご紹介します。
- 信頼できるデータをカウンシル レベルの責任にしましょう。AI 対応のデータには、プラットフォームに関する作業だけでなく、戦略、ガバナンス、見つけやすさ、優先順位付けが必要です。
- 共通の標準を備えたフェデレーション型モデルを採用しましょう。データ メッシュ指向のアプローチなら、ドメイン オーナーシップを維持しながら、全社的な信頼も担保できます。
- データ リテラシーを準備態勢の一部として扱いましょう。従業員が AI システムを責任を持って構築・運用するには、データが AI システムをどのように支えているのかを理解する必要があります。
詳細情報
Microsoft での取り組み
- データ カウンシルが Microsoft の統合データ戦略をどのように推進しているのかをご覧ください。
- Microsoft が AI 対応のデータによってエンタープライズ AI の基盤をどのように構築しているのかをご覧ください。
- AI エージェントのガバナンスを大規模に実現するための当社のアプローチを、こちらのプレイブックでご確認ください。
その他のガイダンス
第 5 章: 責任ある AI とコンプライアンスのカウンシルを構築し、信頼を拡大する
AI ガバナンスには、チームが認識し、理解し、ともに取り組むことができる組織上の拠点が必要です。当社の責任ある AI とコンプライアンスのカウンシルは、次の役割を担っています。
- 責任ある AI の原則を徹底する
- コンプライアンスとリスクのフレームワークを定義する
- レビューと監視のプロセスを監督する
- AI のデリバリーを、Microsoft 全体のガバナンスに用いている、より広範な標準やポリシーと常に整合させる
「Office of Responsible AI は、明確な原則と、段階的な評価のフレームワークおよびツールを確立しました。私たちの責任は、このプロセスに厳格に従い、当社の製品とイニシアチブの全体にわたってコンプライアンスを確保することです」
Microsoft におけるこの取り組みの基盤となっているのは、Office of Responsible AI と Microsoft Responsible AI Standard です。この組織が、責任ある AI の標準を、全社のプロジェクトに具体的に求められる事項へと落とし込んでいます。
当社の社内 IT 部門では、リーダー層の方向性の一致、部門レベルでのオーナーシップ、そして設計時やリリース評価時にチームを支援するチャンピオンのネットワークを組み合わせることで、責任ある AI の取り組みを具体化しています。
つまり、当社のカウンシルは、集中型であると同時に分散型でもあるように、意図的に設計されています。
同様のカウンシルを構築するお客様に向けて、当社が得た最大の教訓をお伝えすると、責任ある AI は最後に後付けするのではなく、デリバリーに組み込まなければならないということです。当社の場合、チームは作業を開始する前にワークフロー ツールでプロジェクトを登録して初期評価を完了し、その後、シナリオで必要な場合は、より踏み込んだリリース評価を受けます。
チャンピオンはレビュー担当者やアドバイザーとして参加しており、これによってチームは、プロジェクトのライフサイクルの早い段階で、影響、緩和策、ドキュメントについて十分に検討できるようになります。その結果、当社の多種多様な AI プロジェクトやエージェントの種類全体にわたって、一貫したレビュー記録が作成されます。
「Office of Responsible AI は、明確な原則と、段階的な評価のフレームワークおよびツールを確立しました」と、プリンシパル エンジニアリング マネージャーであり、Microsoft Digital の責任ある AI チームの共同リードでもある Naval Tripathi は述べています。「私たちの責任は、このプロセスに厳格に従い、当社の製品とイニシアチブの全体にわたってコンプライアンスを確保することです」
自社の責任ある AI カウンシルでは、組織内の AI に関する取り組みを監督する際に、次の原則を徹底する必要があります。
- 公平性
- 包括性
- 信頼性と安全性
- 透明性
- 説明責任
- プライバシーとセキュリティ (Microsoft のより広範なフレームワークの一部として)
体制は企業によって異なりますが、全体的なパターンは共通しています。それは、標準を一元的に定義すること、現場ではチャンピオンに活躍してもらうこと、チームが実際に使えるレビュー ワークフローを作成すること、そして規制やポリシーの更新内容がトレーニングや開発のプラクティスに継続的に反映されるようにすることです。
重要なポイント
レビュー、説明責任、ガイダンスが業務に組み込まれていれば、責任ある AI はスケーラブルなものになります。自社でこの領域に対応する際に役立つヒントをいくつかご紹介します。
- 責任ある AI を運用に落とし込むカウンシルを構築しましょう。原則は重要ですが、チームにはワークフロー、レビュー担当者の役割、意思決定の支援も必要です。
- チャンピオンを活用してモデルを拡張しましょう。一元化された標準は、現場の各分野の専門家がその解釈と適用を支援することで、よりスケールしやすくなります。
- レビューを設計プロセスの一部にしましょう。責任ある AI は、チームが早い段階から継続的に取り組むことで機能します。
詳細情報
Microsoft での取り組み
- 責任ある AI が重要である理由と、Microsoft が社内の AI プロジェクトに責任ある AI をどのように取り入れているのかをご覧ください。
- Microsoft が社内で Microsoft 365 Copilot のガバナンスにどのように取り組んでいるのかをご覧ください。
その他のガイダンス
第 6 章: 測定カウンシルで価値を証明し、意思決定を改善する
AI ガバナンスとは、どこに投資するかを決めることです。また、それらの投資によって重要な何かが変わったかどうかを証明できることも意味します。だからこそ、AI 測定カウンシルは、自社のオペレーティング モデルの周縁ではなく、中心に据えるべきなのです。
当社の組織では、このカウンシルが次の事項を担当しています。
- 統一された KPI フレームワークの定義
- 価値の実現状況の測定と報告
- 月次および四半期ごとのレビューの実施支援
- 優先順位付けのための情報提供
- 成熟度の追跡
- 組織全体への進展の拡大
「6 つの価値領域は測定のフレームワークとなりますが、測定を実用的なものにするには、測定の起点となる場所で情報を観察し、収集する必要があります。チームは、作業にどれくらいの時間がかかるのか、どれだけのリソースが関わっているのか、AI の導入前後でワークフローがどのようになっているのかなど、影響を受けるプロセスを理解する必要があります」
当社独自の価値フレームワークが生まれたのは、AI が生み出し得る幅広い成果を、単一の指標では捉えきれなかったためです。現在は、次の 6 つの領域で価値を整理しています。
- 収益への影響
- 生産性と効率
- セキュリティとリスク管理
- 従業員と顧客のエクスペリエンス
- 品質の向上
- コスト削減
すべてのイニシアチブが、すべての領域に貢献する必要はありません。重要なのは、価値について一貫した共通言語を持ち、シナリオに合った測定指標を選び、それらの指標をどのように観測するかを事前に決めておくことです。
「測定に用いる情報源は、AI イニシアチブの種類によって異なります」と Wan は述べています。「6 つの価値領域は測定のフレームワークとなりますが、測定を実用的なものにするには、測定の起点となる場所で情報を観察し、収集する必要があります。チームは、作業にどれくらいの時間がかかるのか、どれだけのリソースが関わっているのか、AI の導入前後でワークフローがどのようになっているのかなど、影響を受けるプロセスを理解する必要があります」
測定カウンシルは、基本的な削減効果を主張するだけにとどまらず、さらに踏み込む必要があります。当社の価値に関する取り組みの第 1 フェーズでは、次の指標を重視しました。

次のフェーズでは、より難しい問いを投げかけました。削減された時間と費用はどこに再投資されているのか、そしてその再投資によってどのようなビジネス成果が生まれたのか、という問いです。この転換が重要なのは、削減された時間は、取り戻した余力によって次に何が可能になったのかを組織が説明できてはじめて、有力な指標となるからです。
具体的な仕組みも重要です。当社では、価値と労力を比較するスコアリングを用いて、サポート ワークフロー内で AI を活用できる機会を特定しています。その際には、反復性、自律化の可能性、時間の削減効果、データの可用性、複雑さ、実装にかかる時間などの要素に着目します。このアプローチは、AI が測定可能な価値を生み出せる特定のサブプロセス (チケット管理におけるフォローアップ作業など) に優先順位を付けるうえで役立っています。
また、ベースラインの設定と、時間・動作分析による比較も重視しています。AI によって、チームが既存のワークフローを十分明確に測定できていなかった部分が浮き彫りになることが多いためです。当社の経験では、測定は投資の意思決定そのものに組み込むべきものです。チームがリリースまで待っていると、テレメトリやベースライン データが不足していたり、オーナーシップが明確になっていなかったりする可能性が高くなります。
測定カウンシルは、より幅広い運用指標も常に可視化しておく必要があります。これには、責任ある AI の遵守状況、AI とデータの習熟度、プレイブックとツールキットの使用状況、公開済みのユース ケース、データ モダナイゼーションの進捗状況、再利用可能な AI コンポーネント、サービス単位でのエージェント化、役割単位での導入状況が含まれます。こうした幅広い視点により、カウンシルはビジネスの成果と照らし合わせて、組織の準備状況とスケールを測定できます。
重要なポイント
AI の価値を早い段階で定義し、その後は一貫した測定を通じて、時間をかけて意思決定を改善していきましょう。この領域で当社が得た教訓をいくつかご紹介します。
- リリース前に AI の測定方法を設計しましょう。チームには、投資の意思決定の一環として、ベースライン、明確なテレメトリ、合意済みの測定指標が必要です。
- 削減効果以外も測定しましょう。再投資、品質、リスク、エクスペリエンス、成熟度を示すシグナルは、いずれも AI の価値の一部です。
- 一定のリズムで結果をレビューしましょう。月次および四半期ごとのレビュー サイクルは、リーダーが投資を比較し、前提を検証し、より迅速に調整を行うのに役立ちます。
詳細情報
Microsoft での取り組み
- Microsoft が IT における AI 投資のインパクトをどのように測定しているのかをお読みください。
- Microsoft が社内で Microsoft 365 Copilot とエージェントの価値をどのように測定しているのかについて、詳しくご覧ください。
その他のガイダンス
まとめ
組織にカウンシル モデルを導入しても、AI の管理がシンプルになるわけではありません。全体としての目標は、エンタープライズ AI の一貫性を高めることです。相互に連携した一連のカウンシルは、何が重要かを見極め、その背後にあるワークフローを改善し、信頼できるデータを生成・管理し、実行力を強化し、責任を持ってガバナンスを行い、何が変わったかを測定するうえで、組織の助けとなります。
このようにして、AI の取り組みは、散発的な実験ではなく、再現可能なオペレーティング モデルに近いものになっていきます。
「ここまで私たちを導いてきたやり方では、次に目指すべき場所にはたどり着けません。私たちは幅広い実験から始めましたが、現在は、スケール、ビジネス目標との整合、そして投資が確実に適切な成果をもたらすようにすることを視野に入れて、継続的に進化しています」
当社の経験から得られた最大の教訓は、これらのカウンシルは、連携したエコシステムの一部として機能するときに最も効果を発揮するということです。イネーブルメントを伴わない戦略は停滞します。データを伴わないイネーブルメントでは、成果が弱まります。責任ある AI を伴わないデータでは、信頼が損なわれます。測定を伴わないプロセスでは、説明責任が薄れます。
この相互依存性こそが、このモデルを有用なものにしています。また、モデルに適応性ももたらしています。具体的なカウンシルの名称や報告系統は当社とは異なるかもしれませんが、それでも各機能を担う拠点は必要です。そして、柔軟性と改良は欠かせません。
「ここまで私たちを導いてきたやり方では、次に目指すべき場所にはたどり着けません」と Wan は語ります。「私たちは幅広い実験から始めましたが、現在は、スケール、ビジネス目標との整合、そして投資が確実に適切な成果をもたらすようにすることを視野に入れて、継続的に進化しています」
重要なポイント
これらの原則は全体として、互いに連携した AI カウンシルが、エンタープライズ AI の展開のための一貫したオペレーティング モデルとなり得ることを示しています。当社の経験から得られた主な教訓をいくつかご紹介します。
- カウンシルを連携したシステムとして活用しましょう。各カウンシルはそれぞれ固有の課題を解決すべきですが、このモデルが機能するのは、さまざまなカウンシルが互いに補強し合う場合に限られます。
- AI の機能ではなく、ビジネス上の課題から始めましょう。戦略で「何を」と「なぜ」を定義し、AI は「どのように」の実現を支援するべきです。
- AI をスケールさせる前に、ワークフローとデータを改善しましょう。プロセスの規律、信頼できるデータ、ガバナンスはいずれも、AI が持続的な価値を生み出す可能性を高めます。
- 統制だけでなく、学習も視野に入れて構築しましょう。AI カウンシルは、重複を減らし、再利用可能なパターンを生み出し、組織が時間とともに賢くなっていけるよう支援する必要があります。
- 一定のリズムで成果を測定しましょう。AI に関する説明責任は、価値の定義、レビューのサイクル、再投資の明確さ、継続的な改良にかかっています。
詳細情報
Microsoft での取り組み
- Microsoft が一連の従業員カウンシルによって AI の展開をどのように導いているのかを紹介した Inside Track の記事をお読みください。
- 戦略カウンシルによる AI の展開のかじ取りに関する当社の知見をご確認ください。
- Microsoft が Center of Excellence によって AI の技術的な確かさをどのように支えているのかをご覧ください。
- データ カウンシルが Microsoft の統合 AI データ戦略をどのように推進しているのかをご覧ください。
- 当社が継続的改善と AI によって Microsoft をどのように変革しているのかをご覧ください。
- 責任ある AI の原則を Microsoft 全体に浸透させるための当社のアプローチについて学びましょう。
- Microsoft で AI 投資のインパクトを測定するために用いている手法をご覧ください。
Join the conversation