[イーデイリーShin Yeong-bin 記者] 産業界における人工知能への転換（AX）が加速する中、これを成果に結びつけるケースが増えています。こうした状況下で、業務を再設計し、AI導入前後の成果を体系的に測定すべきだという声が高まっています。

KAIST（韓国科学技術院）コンピュータ科学部のキム・ジュホ教授は、最近エデイリーとのインタビューで、「AI導入から2～3年目を迎えた企業は、今こそ投資対効果を立証すべき時期だ」とし、「AI導入がツールの普及段階から成果管理段階へと移行したことを示すシグナルだ」と述べました。

キム教授は、国連の独立国際AI科学パネルの委員であり、Multicampus Corporation(067280) の社外取締役でもあります。今回のインタビューには、マルチキャンパスのCTO兼AXラーニング革新センター長であるコ・ミンジョン氏も同席しました。コCTOは、サムスンSDSの情報戦略グループ長やマルチキャンパスのプラットフォームチーム長を歴任しました。

AIコードの生存率はわずか19％…検証のボトルネックが成果を左右する

キム教授は、トークンの使用量やAIライセンス数、プロンプト件数のように集計しやすい指標だけでAXの成果を判断するのは難しいとの見解を示しました。AIを活用して実際の業務におけるボトルネックが解消されたか、処理量と成果物の品質が改善されたかを検証する必要があるという説明です。

AIが仕事を迅速に処理したからといって、すぐに組織の生産性が向上するわけでもありません。キム教授が参加したあるグローバル金融会社の開発組織の分析では、こうした問題がはっきりと現れました。

キム教授は、「AIが作成したコードのうち生き残った部分は19％だったのに対し、人が直接作成したコードの生存率は42％でした」とし、「コード作成速度が速くなっても、検証段階でボトルネックが発生すれば、結局のところ業務全体の所要時間は変わらない」と説明しました。

同じ組織内でも、AIの活用方法によって成果に大きな差が見られました。当該分析では、上位25％の人材と下位25％の人材の生産性の格差は3.5倍に達しました。キム教授は、これをAIの使用量よりも「どのように使用したか」に起因する差であると分析しました。

「業務を細分化し、人とAIの役割を再構築すべき」

解決策として、「

業務

の再設計」を提示しました。個人やチームの業務を作業単位に細分化した後、人が判断すべき業務とAIに任せる業務を再配置する方式です。その後、部署間の業務の流れや決裁、意思決定構造を変えるプロセス革新へとつながる必要があります。

キム教授は、「マッキンゼーの2025年の調査において、約25の組織属性の中で、AIの収益への寄与度と最も強い相関関係を示した要因は、ワークフローを根本的に再設計したかどうかでした」とし、「しかし、実際にこれを成し遂げたと答えた組織は21％に過ぎませんでした」と述べました。

業務再設計の第一段階として、「診断」を挙げました。構成員が実際にどのような業務に時間を費やしているか、反復作業やボトルネックがどこで発生しているかをまず把握しなければならないということです。AIに業務を委任し、結果を検証する能力、業務ごとのAI適合度、データへのアクセス性、セキュリティ規制なども併せて検討する必要があります。

コCTOは、企業の現場でもAX能力の診断需要が高まっていると説明しました。マルチキャンパスは、AI活用に必要な8つの核心能力を基準に、個人と組織のAXレベルを診断しています。特に組織規模の大きな大企業や公企業を中心に、部署・職務ごとのAI活用格差を確認したいという要望が多いとのことです。

最近では、研修前のレベルを把握する事前診断に加え、研修後の実際の能力の変化を確認する事後診断への関心も高まっています。

研修室だけで終わらせず、実務課題へとつなげる

研修の形式も変化しています。マルチキャンパスでは、企業の役職員が自らAIエージェントを作成し、複数のエージェントを調整する「エージェント・オーケストレーション」を実習した後、ハッカソンで自身の実務課題に適用する研修を拡大しています。

コCTOは、「AIの活用方法を学んでも、自分の業務に適用してみる機会がなければ、教育は個人のスキル向上で終わってしまいます」とし、「現場の問題発見とAIの適用、実験・検証、業務プロセスの再設計、エージェントの構築、組織への普及までつながる必要があります」と述べました。

実際の研修現場では、業務時間を大幅に短縮した事例も出ています。マルチキャンパスによると、ある製造現場では、社内データを連携させ、部品の在庫確認から購入・発注の提案までを自動化するシステムを構築しました。関連する業務時間は、従来の5分の1の水準まで短縮されました。

顧客レビューや顧客の声（VOC）を分析する業務では、従来約22時間かかっていた作業が、AIダッシュボードの導入後、1時間以下に短縮されました。市場機会や収益性、リスクなどを複数のAIエージェントが分担して分析する、新事業検討用の「チームエージェント」も、教育課程の中で作成されました。

マルチキャンパスは今後、社員が作成したAIエージェントを組織内で共有・再利用できる、企業向け「AIエージェントハブ」形式のサービスもリリースする予定です。

コCTOは、「AIネイティブ企業へと転換するには、教育とともに組織・プロセス・システム・データ全般の変化が必要だ」とし、「社員が直接エージェントを作成し、共有・再利用できる体制も整えなければならない」と述べました。

AIへの依存が生み出した「スキル債務」にも警戒が必要です

。 ただし、AIの活用が増えるほど、人の能力が低下するという副作用も考慮しなければなりません。キム教授はこれを「スキル債務」と表現しました。

同氏は、2025年にポーランドの4つの内視鏡センターで行われた1443件の検査を分析した研究を紹介し、「AIを使用していた熟練の専門家たちがAIの使用を中止したところ、腺腫の発見率が28.4％から22.4％に低下した」と説明しました。

開発者が新しいライブラリを学習した別の実験でも、AIを使用したグループの理解度スコアが、AIを使用しなかったグループよりも17％低かったと付け加えました。

キム教授は、「重要なのはAIをどのように使うかだ」とし、「AIの答えをそのまま受け入れるのではなく、自ら検証し、認知的に関与する教育が必要だ」と述べました。

AX教育も成果管理の時代…業務の変化が鍵です

今後、AX教育の成果を測定する基準も変わらなければならないというのが、両者の共通した見解です。コCTOは、修了率や満足度よりも、業務時間や生産性、成果物の品質・正確性など、教育後に現れた実際の変化を見るべきだと強調しました。

キム教授は、成果指標を「時間」「成果」「質」の3段階に分けて考えることができると説明しました。特に最後の段階が重要だと指摘しました。

キム教授は、「何時間短縮できたか、何人分の仕事をAIが代行したかよりも重要な問いは、『AIのおかげで新たにできるようになったことは何か』だ」とし、「教育の測定単位も、人から業務へと変わるべきだ」と述べました。

続いて、「これまで何人が修了し、満足度がどの程度かを重視してきたのであれば、今後はどのような業務のどの部分が変化したかを見るべきだ」とし、「AIの成果を人員削減で測る組織と、能力の向上で測る組織は、数年後には全く異なる立場にあるだろう」と強調しました。