新しい産業を創出して経済成長を実現し、労働人口の減少や高齢化といった社会課題の解決にも貢献すると期待の高まる人工知能(AI)とロボット。だが、安易な企業投資によって理想と現実のギャップが明らかになり失望が広がれば、技術の可能性は潰されかねない。過度の期待も悲観も排して現実を曇りなく理解すると、経営とAI、ロボットとの幸せな関係が見えてくる。

うまくいくAI
失敗するAI

編集部(以下青文字):主要先進国の中で最下位が続く日本の労働生産性、なかでもホワイトカラーの低さは長年の課題とされてきました。AIやロボットの導入によって向上するのでしょうか。

田中 すでにロボットを導入した企業のほとんどが年間数億から数十億円単位のコスト削減を見込んでいて、実際に対象業務の6、7割が削減されています。製造現場では従来、ロボットが人をサポートし、人、ロボット、システムの3層構造によって生産性を飛躍的に向上させてきました。これに対してホワイトカラーの業務は、人とITの2層構造になっています。

 人はミスが多くて時間もかかるし、ITでそれを解決しようとすると多くの費用や時間を要したり柔軟性に欠けたりするという問題がある。しかし、人をサポートするロボットを入れることで、スピードアップや品質向上、効率化が見込めます。ここで言うロボットとはRPA(Robotics Process Automation)のことで、組織の中にデジタル労働者(デジタルレイバー)が出現すると考えていただくとわかりやすいかもしれません。システム化するには費用も時間もかかりすぎるような領域にもRPAは適用できます。

平野 たしかに製造分野においてはロボットの導入が進んで、効果を発揮しています。次はホワイトカラーの仕事に、と考えるのは当然の流れです。ただ、製造業での自動化がそうだったように、人がやっていた仕事を単純に置き換えようとしてもうまくいかないでしょう。ビジネスプロセスを組み替え、組織や人材配置などを見直さない限り、バリューは生まれないと考えるべきです。

田中 バリューを出すためには、目的が明確になっていなければなりません。効率化なのかミスを減らしたいのか、それとも人間では思いもつかないような示唆を得て、新しい事業や市場を獲得したいのか。そこがはっきりしていないと、ただ導入しただけという結果に終わってしまうおそれがあります。

KPMGコンサルティング パートナー
田中淳一 JUNICHI TANAKA 
国内ならびに外資コンサルティングファームのパートナーを歴任後、2015年4月より現職。次世代技術を駆使した企業変革の実現に向け、RPA(ロボティクス・プロセス・オートメーション)、人工知能(AI)、デジタルレイバーを活用した業務変革や企業改革、デジタルイノベーション、シェアードサービスの活性化を推進。一般社団法人日本RPA協会専務理事。

 競合に後れを取りたくないという焦りからか、製造、金融、流通、物流、公共といった多くの業界で、AIやロボットの活用を検討する動きが目立ちます。効果を得られる企業と、そうでない企業があるとすれば、その違いはどこにありますか。

平野 AI、ロボットを導入して、投資に見合った効果を得られるかどうかは、組織IQによって決まると考えられます。組織IQとは、組織を情報処理機械に見立てて、コミュニケーションと意思決定のためのルールや仕組みの性能を測るもので、具体的には組織手続きが整備され、ビジネスプロセスが確立されている組織ほどIQが高く、意思決定能力が優れています。すでにマネジメントの基本となる仕組みができているので、業務の一部をITやロボットに置き換えるだけでなく、より広範な業務やマネジメントレベルで積極的にAIを活用することもできます。

 一方、組織IQが低いまま導入を進めると情報処理のオーバーフロー状態を引き起こし、業務が混乱するおそれがあります。これでは、かえって業績を低下させかねません。AIやロボットを入れたからといって組織IQが向上するわけでもないので、そうした組織では、まず組織手続きの見直しや整備を進めることから着手すべきです。

田中 AIの導入について言えば、情報が電子データ化されていることが前提となります。たとえば金融機関のようにあらゆる情報がデータ化されていて、ビジネスプロセスが明確な組織は導入しやすいし、効果も得られやすいでしょう。大量のデータを決められたルールに則って処理し、何らかの解答を得るのは、AIが最も得意とする仕事の一つです。

 また、組織文化で言えば、サントリーの「やってみなはれ」のような風土があるところでは、面白い結果が生まれやすいようです。何が生み出されるかは見えないという点にもAIの可能性があるわけで、あまり精緻に投資対効果を見積もろうとすると導入が進みません。大規模なシステム投資と違ってパイロット的に導入していくことが可能なので、現段階ではまずは活用してみて、AIやロボットを導入すると何が起こるのかを身をもって理解することに、意味があるはずです。

平野 アルファ碁やプエラ・アルファ(旧称ボンクラーズ)があそこまで強くなったのは、人間が営々と蓄積してきた棋譜があったからです。大量のデータを圧倒的な能力で処理、記憶するAIにとって、一定の型が揃ったデータが大量にある囲碁や将棋は、最も威力を発揮できる領域です。英日と英仏の自動翻訳ツールの実力の違いをイメージしていただくとわかりますが、データ量の差は品質に直接影響します。言い換えれば、定型のデータを大量に用意しない限り、AIは本当の意味で使えるようにはならない。AIやロボットを導入すればたちまち効率化が進み、新しいビジネスも生まれると期待する経営者がいるとすれば、楽観的すぎます。

田中 その点は私たちも危惧するところで、ていねいに説明して理解していただくように努めています。AIは赤ん坊と同じで、手をかけてあれこれ教えてやらなければ使えるようにはなりません。データというミルクをたっぷり飲ませて一人前に育てるのは、導入する側の役割です。

コンピュータには
向かない仕事

 過度な期待は常に幻滅に転じる可能性を持ちます。いまのAIやRPAにできること、できないことを、どのように理解すべきでしょうか。

田中 RPAではシェアードサービスセンターなどが先行しています。人事、経理、総務、営業事務などの領域で、人がERPや表計算ソフトなどを使って手作業で行っていた定型業務やデータ間の連携を自動化しています。ちなみにKPMGではRPA活用の段階を3つに分けてとらえていますが、ロボットがこうした定型業務をこなし、例外対応だけを人が担当する初期レベルから、例外対応や非定型業務の自動化といった中級レベルに進む事例がすでに出始めていて、あと1、2年もすれば普及するでしょう。さらに、作業の自動化に加えプロセスの分析や改善、意思決定までを自動化する上級レベルは5年ぐらいかかると予測しています。

 ディープラーニングに対する期待が高まっていますが、決められた活動・プロセスに対するものではなく、活動・プロセスそのものを決めさせるようなことがここ数年で実現できるようになるとは、個人的には考えていません。たとえば、経理は自動化しやすい業務だと考えられていて実際にRPAの活用が始まっていますが、経費処理一つを取っても、なぜこの客先に足しげく通う必要があるのかなど、背景を理解している人が判断しないと処理できない案件もあります。やはり当面は、「入り口」「出口」が明確なものを処理させることになるでしょう。

平野 現時点で最大の効果を発揮しうると考えられる業務の一つが、コールセンターです。日本では用件を番号で選択させて、定型的な質問の場合はそのまま自動音声で応答して、少し複雑な対応が必要な場合に人間のオペレーターへ回すのが一般的ですが、海外では最初から最後まで機械相手に話すだけのシステムも珍しくありません。オーストラリアを旅行中にタクシーを呼ぼうと電話をかけたら、自動音声で住所と時間を聞かれて、それに答えるだけで用事が全部済んでしまいました。日本人の英語も認識します。

 こういう話をすると日本語は複雑だからという意見がすぐに出ますが、難しいのは漢字だけで、文法的にも音韻的にも実はとてもシンプルな言語です。人称変化や格変化があるドイツ語などと比べて、音声認識や合成が難しいわけでもありません。背景には、人に対応してもらいたいという意識が根強いことがあるのでしょうが、それも日本に限ったことではないはずです。「日本では」「日本語は」といった特殊性を、導入が進まない言い訳にするのはそろそろやめるべきでしょう。

田中 AIやロボットに提供してもらいたいサービスと、そうでないものがあるのは万国共通の感覚かもしれません。家電量販店などでヒューマノイドの接客が一時話題になりましたが、物珍しさがあるうちはともかく、あれが一般的になっても喜ばれるかどうかは疑問です。私なら時間がかかったり多少情報量が少なかったりしても、人に案内してもらうほうが嬉しいですし、そうでなければ、スマートフォンなどを使ってガイドしてもらうほうが、むしろいいように思います。

平野 機械化が進むと、人間による接客やサービスが稀少なものとして、より価値が高まるという予測もあります。機械化しやすい仕事というとあまり高度でないものをイメージしがちですが、それは誤解です。会計士の仕事がそうであるように、複雑でもルールに基づく仕事であれば、機械化するのはそれほど難しくはありません。たとえば弁護士ならば、企業法務は機械化しやすいし、すでにパラリーガルの仕事は機械化が進んでいます。しかし、理屈では考えられない感情的で非合理的な主張が飛び出す離婚訴訟のようなものは、ロボットの手には負えません。過去のデータからリスクの高そうなところや、それが顕在化した場合の影響度などを分析するのはAIの得意とするところですから、内部統制などにも活用が進むと考えられます。

その時、経営者の真価が
問われる

 経済産業省は、AIやロボットの技術革新によって最悪の場合735万人の雇用が減少し、賃金も低下するという試算を公表しています。雇用への影響をどう見ていますか。

田中 少なくとも日本に限って言えば、少子高齢化、労働人口の減少という喫緊の社会課題を解決するうえで、AIやロボットの活用は外せません。人の仕事を奪うのではなく、足りないところを補う形です。また、昨今問題となっている長時間労働を改善していくためには生産性の向上が不可欠ですから、定型的な事務処理はロボットに任せて、人は付加価値の高い業務に集中するという役割分担も非常に有効です。定型的な事務処理ばかりをしていた人も、しばらくはAIやロボットにデータを整理して与えたり、仕事のやり方を教えたりする必要があるので共存が可能です。ただし、20年後にもまだその仕事があるかといえば難しいでしょう。

平野 AIやロボットに代替される仕事があるのは確かですが、産業革命がそうであったように、新しい仕事も生まれます。当面、最も必要とされるのは、田中さんが挙げたAIの教育係でしょう。ではその先に何があるかといえば、最終的に人がすべきは、AIやロボットを使いこなして自分の能力を高め、経験を深めて価値を創出することです。ロボットに取って代わられるのではなく、ロボットを活用する側に回る。人馬一体ならぬ「人機一体」となって、互いの強みを最大化するのです。

 チェスの世界では囲碁や将棋のはるか前、1997年にチャンピオンのガルリ・カスパロフがIBM製のディープブルーに敗れていますが、現在の最強プレーヤーは最高のコンピュータでも、もちろん人間でもなく、コンピュータを使った人間のチームです。なかでも、チェスはそこそこでコンピュータサイエンスを理解している人間と、コンピュータの組み合わせが一番強い。同様にビジネスにおいても、これからはビジネスはそこそこで、コンピュータサイエンスを理解している組織や人が優位に立つことが考えられます。レース・ウィズ・ザ・マシーン(Race with the Machine)によって、従来の競争優位が入れ替わる可能性があるのです。

田中 効率化やコスト削減が達成された分、新たにどんな付加価値をつくっていくかが問われることになるでしょう。経済産業省はたしかに技術革新をうまく取り込まなければ700万人以上の雇用が失われると警鐘を鳴らしていますが、同時に変革シナリオを示したうえで、就業者数が増える仕事として、高度なコンサルティングを伴う営業や販売の仕事などを挙げています。

 国も新たなビジネスを促進する制度や、国家プロジェクトとして取り組む技術開発の加速化などの施策を打ち出しています。ただ、経済産業省は、ビジネスの主戦場である企業が変わって、教育を通じてそこで働く人が変わらなければ、世界を席巻する第4次産業革命の波に取り残されてしまうという強い危機感を持っています。産業構造と就業構造の転換を好機とできるかどうかは、結局のところ企業と働く人一人ひとりにかかっています。ですから経営者は、AIやロボットを導入する際は社員に対して、「あなたたちの仕事を奪うのではない。皆さんはより付加価値の高い創造性のある仕事に力を向けてください」というメッセージをしっかり伝えていただきたい。経営者自身にもまた高度な知的情報処理技術との共創が求められていることを、心に留めていただきたいと思います。

 ビッグデータを分析してロボットが意思決定までするようになると、職を追われる可能性が最も高いのは経営者自身かもしれません。経営者は必要なくなるのでしょうか。

田中 足元の業績や行動をウオッチして、必要なアクションを指示するといったことは近い将来できるようになります。ただ、いままで誰も考えつかなかった新しい事業やプロセスを生み出すようになるには、乗り越えなければならないハードルが相当残されています。

平野 実は、コンピュータにできない意思決定はいまでもそれほど多くはありません。できないとすれば、それは明示化やルール化の努力を怠っているだけというのが実際のところではないでしょうか。しかも、目標が明確でルールがはっきりしていれば、コンピュータは人間のように判断を間違えたり、考える労力を惜しんで「えいやっ」で意思決定してしまったりすることはありません。

 ただ、意思決定のオプションが2つ以上あって、あちら立てればこちら立たずというトレードオフの状況だと、結局最後は「えいやっ」と見切る必要があり、これがコンピュータにはできない。そういう一か八かの決定をすることも受け入れることも、コンピュータはしないのです。ですから経営者に将来も変わらず不可欠なのは、見切る力といえるでしょう。言い換えれば、神輿に乗って下からの提案を承認するだけの経営者は、その役割を失うことになります。

テクノロジーとの共創が
人の可能性を広げる

 AIはこれまでに2回、バブルとその崩壊を経験しています。3度目の「AIの冬」はないのか、もう少し見極める必要はありませんか。それとも、すぐにでも活用に着手したほうがいいのでしょうか。

田中 2つの理由から、できるだけ早く導入すべきだと思います。1つは、導入してすぐに目覚ましい効果を発揮するわけではないからです。使いながら最適化していく必要があり、たとえばコールセンターで活用するにしても、半年から1年程度の導入期間を見込む必要があります。2つ目の理由は、いま取り組めばAIの活用においてグローバルで優位に立てる可能性があるからです。欧米企業は先進的なイメージがありますが、時間にしてせいぜい1年ほど先を行っているにすぎません。まだ追いつき、追い越す余地は十分にあります。

 導入するに当たっては、AIやロボットに代替すべき業務とそうでない業務、社内に残す業務と社外に切り出す業務などを見極めることも必要です。AIもロボットもERPなどとは違って一部の業務にパイロット導入できるので、適合性や効果を見ながら本格導入に備えていくのが賢明なアプローチでしょう。

平野 先行した企業が失敗する姿を見ながら、技術やベンダー間の競争の趨勢を見守るという判断もありえますが、学習効果を蓄積できることは、やはり大きな利点といえます。加えて、機械化で置き換えられて職を失う従業員のことを考えれば、技術的失業が本格化する前の、身の振り方の選択肢が多いうちに先行したほうがいいでしょう。

田中 バブルとまではいかなくても一種のブームのような状況にあるのは否定できません。あれもこれもできるようになるという過大評価があるかと思えば、ITを使ってデータ分析や予測をしただけのものをAIと称している。こうしたブームに乗って安易にAIやロボットを導入したけれど、思ったような成果が上げられなかったという失望が広がれば、AIやロボット技術の可能性は潰されかねない。そういうことがないようにしっかりサポートして価値を生み出していくのが、我々コンサルティングの役割だと考えています。

平野 発明直後の自動車は特別な機械技能を持つ運転手だけが使いこなせる特別な機械でしたが、技術の発達によって誰もが乗りこなせるようになりました。また自動車普及のプロセスを通じて儲けたのは自動車産業でしたが、広く普及した結果、新しい産業や生活スタイルが生まれました。同じように、現在のロボット化のプロセスを通じて圧倒的に優位に立つのはコンピュータサイエンスの能力を持つ人々ですが、それ以外の普通の人もAIのご利益を享受できるようになるはずです。自動車がそうであったように、2つの異なった水準でのメリットがあるということです。

 19世紀初頭、産業革命が進行していく中で、職を失うことを恐れた労働者たちは機械を破壊するラッダイト運動を展開しましたが、工業化を食い止めることはできませんでした。同じくいま、人がAIやロボットに対決を挑んでも勝てるわけがないし、機械化の波に抗うこともできません。先人たちが機械を活用して生産性を上げて豊かになったように、私たちもAIやロボットを味方にして、協働作業を通じて人間本来の能力を高め、より豊かで幸せな社会をつくることを目指すべきでしょう。


●企画・制作:ダイヤモンド クォータリー編集部