AXとは？AIトランスフォーメーションのギャップを埋める方法

AIをめぐる熱狂の中で、議論から抜け落ちている非常に重要なトピックがあります。それが「AXのギャップ」です。

現在、あらゆる規模の組織がAI導入のプレッシャーを感じています。そして、執筆、コーディング、分析のスピードが向上し、個人の生産性が実際に高まっているケースもあります。

しかし、従業員がLLMを活用することで、企業全体として大幅な生産性向上を実現できているでしょうか？現時点ではまだできていません。PwCの調査, 新しいタブで開きますによると、生成AIへの投資から有意義なROIを得られていると回答したCEOはわずか12%にとどまり、MITの調査, 新しいタブで開きますでは、実証実験（パイロット）の95%が測定可能なROIを一切生み出していないことが示されています。

AI予算が拡大し個人の生産性が上がっているにもかかわらず、ほとんどの組織が期待通りのリターンを得られていません。その理由は極めてシンプルです。個人の生産性が高まったからといって、自動的に組織全体の生産性が高まるわけではないからです。

では、AXがもたらす組織的メリットを真に享受するにはどうすればよいのでしょうか？
AXのギャップを埋める鍵は、AIツールの性能や導入人数ではありません。実際のワークフローがどのように機能しているかを根本から再構築することにあります。

AX（AI トランスフォーメーション）とは？

AXとは、組織が業務、製品、サービスのあらゆる側面に人工知能（AI）を統合する包括的なプロセスのことです。AXには、テキストや画像などを生成する生成AIや、自律的にタスクを実行するエージェント型AI（エージェンテックAI）など、複数のタイプのAIの導入が含まれます。

多くの企業は、タスクの自動化、情報の要約、意思決定の迅速化、顧客体験の向上、新規製品・サービスの創出にAIを活用することを計画しています。

AXは単にいくつかのAIツールを導入するだけにとどまらず、ビジネス戦略、業務プロセス、組織文化の根本的な転換を意味します。そしてこれこそが、AXが非常に困難である理由です。ビジネスの構造を変革・最適化するには、現状の業務を正確に把握する必要がありますが、多くの企業ではそれができていません。

詳しく解説します。

AXにおける最大の課題とは？

AXにおける最大の課題は、個人やチームの枠を超えてAIを組織全体にスケールさせる段階で発生します。従業員個人のコーディング、ブレインストーミング、リサーチの速度が向上したとしても、その価値はサイロに閉じ込められたままとなり、組織全体で相乗効果を生み出すことができません。

幸いなことに、私たちは過去の技術革新の歴史から同様の課題を経験しており、その教訓を現代の課題に応用できます。

1890年代、工場は蒸気機関で動いており、ベルトとプーリーが複雑に張り巡らされていました。電気の時代が到来したとき、工場の所有者は蒸気機関を電動モーターに置き換えましたが、工場のレイアウトは従来のままでした。新技術によって個々の機械の稼働速度は上がったものの、工場全体の生産性は30年間ほとんど向上しませんでした。

実際の作業フローのあり方を疑問視する人が現れて初めて、工場は本当の生産性向上を実現できました。業務の構造を深く理解した誰かが、電動モーターのメリットを最大限に引き出す形へとレイアウトを再設計したのです。

現在のAIを取り巻く状況もまさにこれと同じです。企業は「モーター」を付け替えただけで、まだ「工場」の再設計を行っていません。

AI（特にエージェント型AI）のためにビジネスを再設計するには、業務の引き継ぎ箇所、ボトルネック、意思決定ポイントなどを明確に理解する必要があります。業務全体を正しく理解して初めて、AIの価値を最大化するための分析、課題提起、再設計が可能になります。

しかし、最近のLucidの調査, 新しいタブで開きますによると、ほとんどの企業には業務を適切に把握するためのドキュメントが不足しています：

• ナレッジワーカーの49%が、組織の現在の業務ワークフローが十分またはほとんどドキュメント化されていないと回答しています。

• 60%が、チームのワークフローの半分以上が非公式な知識や個人に依存したナレッジに基づいていると回答しています。

• 80%が、業務の遂行を属人化された暗黙知や社内慣行に頼っています。

要約すると、既存のエンタープライズプロセス、ワークフロー、アーキテクチャ、データフロー、コラボレーション手法が正しく理解されドキュメント化されない限り、AXがその真のポテンシャルを発揮することはありません。

AXの3つのフェーズ

最近のa16zの記事では、個人レベルのAI活用と組織レベルのAI活用の間にあるギャップについて詳しく解説されています。しかし、多くの組織がこの移行に苦労しているのが現状です。その理由は、現状と最終目標の間に不可欠なステップが抜け落ちているからです。詳しく見ていきましょう。

フェーズ1：個人レベルのAI利用

現在、ほとんどの企業がこの「個人レベルのAI利用」の段階にあります。このフェーズでは、個人がChatGPT、Copilot、ClaudeなどのAIツールを個別に利用して作業を加速させています。デスクワークの生産性は向上していますが、組織全体としての変化はまだ起きていません。

個人レベルのAI活用は実験や学習の重要なステップですが、組織全体にもたらす価値には限界があります。

フェーズ2：可視化とマッピング

どれほど望んだとしても、個人レベルのAIから組織レベルのAIへと一跳びで移行することは不可能です。多くの企業が見落としている重要な中間フェーズが存在します。それが「見えないものを可視化する」ことです。

最終ゴールは、AIに最適化された組織の再設計です。しかし、再設計を行う前に現状を把握しなければなりません。そのため、フェーズ2ではプロセスの可視化、システムや依存関係のマッピングといった「ドキュメント化」が軸となります。人々の頭の中にあるナレッジを共有可能な視覚モデル（ビジュアルモデル）として可視化することで、既存プロセスの見直しやAIが最も価値を発揮する領域の特定が容易になります。

さらに、業務プロセスに関するドキュメントを必要としているのは人間だけではありません。AIエージェントがさまざまなビジネスシステムやプロセスと連携して機能するためにも、効果的に動作するための豊富なコンテキストが必要です。Forrester社は次のように述べています。「AIエージェントがタスクを実行するには、段階的な詳細手順が必要です。しかし、今日のほとんどの企業において、このノウハウは分断されたワークフロー、文書化されていないデータ、非公式なプロセスの中に埋もれています。」（Forresterブログ、「Autonomy Is The Future, But AI Agents Still Deliver Value Today」、2025年7月）。

フェーズ3：組織レベルのAI活用

「組織レベルのAI活用」こそが最終目的地です。AIファーストで再設計されたワークフローが組織全体の生産性を牽引します。このフェーズでは、中核となる業務プロセスがゼロから再構築され、AIエージェントが完全に組み込まれます。AIは単なる個人の生産性向上ツールではなく、組織全体の目標に合致し、適切にガバナンス管理された信頼できる機能となります。

AXのギャップを埋める方法

個人レベルと組織レベルをつなぐ架け橋であるフェーズ2において、組織が取り組むべき具体策として「現状の可視化」「戦略への整合」「コンテキストを伴う展開」のステップを推奨します。

現状を可視化する

AXのギャップを埋めるための第一歩は、古くなった社内Wikiのプロセスではなく、実際にどのように業務が行われているかを可視化することです。各プロセスに存在する判断基準、トレードオフ、暗黙のルールを検討します。共有されたビジュアルキャンバスでこれらのコンテキストをすべて捉えることが、AI導入準備の基盤となります。

そこから現在のワークフロー、プロセス、システムを評価し、AIによる機能強化の準備がどれだけ整っているかを診断します。非効率な業務にAIを組み込んでも問題が増大するだけで、解決にはなりません。ビジネスのどの部分がAIに対応できており、どの部分を先に最適化すべきかを慎重に検討することが重要です。

このステップでの主な取り組み：

• 視覚的なプロセスマップ, 新しいタブで開きますやシステム構成図, 新しいタブで開きますを活用した暗黙知の可視化

• 現状を評価し、エージェント型AIの優先ユースケース, 新しいタブで開きますを特定

• ワークフロー内のシステム依存関係や連携ポイントの洗い出し

組織の足並みを揃える

次に、共通のビジョンを明確にし、そのビジョンを実現する新しいワークフローを定義し、安全な展開を図るガバナンスのガードレールを導入するAI戦略に基づいてチームの足並みを揃えます。検討すべきポイント：プロセスをどのように再設計するか？人間とAIエージェントが連携するポイントはどこか？各ワークフローでどのシステムにアクセスできるようにすべきか？組織全体で全員が適切な情報にアクセスできるようにするにはどうすればよいか？

エンタープライズAI戦略, 新しいタブで開きますの策定は、製品開発のプロセスに似ています。リーダーには、リアルタイムまたは非同期で集まり、アイデア出し、優先順位付け、計画を行う共有空間が必要です。そしてチームには、一元管理され、バージョン管理され、常に承認された最新状態のドキュメントへのアクセスが必要です。

このプロセスで実施する主な内容：

• 目標、リスク、予測リターンに基づいてAI投資の優先順位を決める戦略的計画, 新しいタブで開きますの推進
• RACIチャート, 新しいタブで開きますやスイムレーン図, 新しいタブで開きますを用いたワークフローの再構築および人間とAIエージェントの役割分担の明確化
• AIイニシアチブに関するガバナンス、承認フロー、コンプライアンス基準の確立

未来を構築する

現状の把握と将来像の計画が整うことで、AIを効果的に展開・スケールさせることができます。このステップでは、実行タスクの調整、再設計されたワークフローへのエージェントの配置、そしてチーム間でのプロセスの改良・拡張を行います。

特筆すべきは、この段階でドキュメントが「インフラ」へと進化することです。従来、ドキュメントは主にコンプライアンス管理やプレゼンテーション資料として機能していましたが、現在ではAIエージェントの意思決定を導く不可欠なコンテキスト層の役割を果たします。例えば、多くのチームがLucidで運用ブループリントを作成し、Lucid MCPサーバー, 新しいタブで開きますを介してLucidのビジュアルを主要なAIツール（ChatGPT、Claude、Microsoft Copilotなど）に直接接続し、シームレスな自動実行を実現しています。

大規模なAI展開の具体的な内容：

• 明確なマイルストーン、依存関係、タスク担当者を定めた柔軟な導入タイムライン, 新しいタブで開きますの作成

• 承認済みのプロセスドキュメントをAI実行環境へ直接投入し、エージェントが実行できるように設定

• ガバナンスの効いた信頼できる唯一の情報源（Lucidのプロセスアクセル, 新しいタブで開きますなど）内で成果を監視しドキュメントを更新

AXの事例

個人レベルのAI利用から組織レベルのAI活用へと移行を目指す企業が増える中、共通の成功法則が浮かび上がっています。それは、最も成功している実装は明確に文書化されたビジュアルに支えられているということです。先導的な成果を上げている企業の事例をいくつか紹介します。

Carta：エージェント型ワークフローのマッピング

Cartaが複雑な会計ワークフローを処理するために自律型AIエージェントを導入し、最終的に月間3,500時間以上を削減した際、知的自動化の成功の鍵は完璧なビジュアルブループリントの構築にあることを発見しました。

AIエージェントが現金照合プロセスに入り、ツールベースのタスクを実行し、細かい意思決定を行えるようにする前に、人間のオペレーターがあらゆる例外処理（エッジケース）に至るまで既存プロセスを深く理解する必要がありました。

Cartaのチームは、Lucidでプロセスを可視化することを選択しました。コンテキスト層としてのLucidダイアグラムを活用してエージェントへと落とし込み、現在では人間が要所でチェックを行うだけで、手作業の大半をエージェントが実行しています。エージェントやチームが公式に文書化されたプロセスからの乖離やガードレールから外れた判断を検知した際には、Lucid上でプロセスを修正し、それに応じてエージェントを更新しました。

「AIはすでにCartaにおける働き方を変革しており、Lucidはその変化の中心にあります」とCartaのCEOであるHenry Ward氏は語ります。「Lucidは、プロセスの初期段階でビジネスチームと共にAIワークフローをマッピングし反復改善するために非常に役立ちました。他システムへコード化する前に必要な透明性を確保できたのです。この初期段階でのコラボレーションが、野心的なアイデアを実用的で拡張可能なAIソリューションに変えるうえで極めて重要でした。」

Uber：AI意思決定のブループリント構築

世界最大級の配車サービス企業であるUber Technologiesは、主要なAIイニシアチブを推進し数百万ドルのコスト削減を実現するために、ビジュアルブループリントの価値をいち早く認識しました。

この規模の組織にとって、週に数百万件ものサポートチケット（問い合わせ）に対応することは莫大な費用となります。同社はエージェント型AIを活用してこのプロセスの自動化を試みましたが、自動化を実現するには、エージェントがサポート要求に適切に対応できるよう正しいコンテキストを提供する必要がありました。

Uberはすでに、サポート担当者がチケット対応を行うためのディシジョンツリー形式のドキュメントをLucid上に構築していました。これらのビジュアルをベースにして、サポートエージェントが従うべきブループリントとして機能する、包括的で多層的なサポートドキュメントをLucidで作成しました。

このプロジェクトは2026年末までに問い合わせチケットの70%を自動化する見込みであり、年間5億ドルのコスト削減が見込まれています。

AXへの次の一歩を踏み出そう

個人レベルのAIから組織レベルのAIへのギャップを埋めるには、可視化、足並みの揃った協調（アライメント）、ガバナンスが不可欠です。基本的な図解は可能でもガバナンス機能が不足しているツールや、標準化はできてもコラボレーション機能に欠けるツールもあります。Lucidはその両方の強みを併せ持ち、柔軟性、インテリジェンス、構造のバランスをとることで、現状の把握、組織の再設計、運用の展開・管理をサポートします。

LucidによるAXサポート機能：

• 主要なLLMと連携するMCPサーバーを含む、100以上の主要アプリとの連携機能

• プロセス、システム、データの可視化を加速する直感的かつインテリジェントな作図機能

• ドキュメントの標準化とガバナンスを効率化する高度なアドオン

• ニーズに合わせたカスタムソリューションを提供するプロフェッショナルサービスチーム