8月14日、Help Net Securityが「The hardest part of agentic AI may be rebuilding the business」と題した記事を公開した。この記事では、AIエージェント導入における最大の障壁が技術面ではなく業務プロセスと組織設計にあるという、Deloitteの最新調査結果が紹介されている。
技術より先に崩壊するのは「業務の設計」だ
AIエージェント（Agentic AI）とは、単発のタスクをこなすだけでなく、複数ステップにわたる複雑な業務を自律的に実行するAIシステムを指す。ChatGPTのような対話型AIとは異なり、人間の監督のもとで意思決定や実行を連続的に行う点が特徴だ。
Deloitteの調査によれば、多くの企業リーダーがAIエージェントに期待を寄せている一方で、その恩恵を実際に得るために必要なプロセスやワークフローを整備できている組織はほとんどない。最も深刻な準備不足の領域は「業務プロセス」と「従業員の対応力」であり、技術スタックやデータ基盤よりも後回しにされがちな領域だ。こうした構造的なギャップが、AIエージェントの本格展開を阻む根本的な要因となっている。
「準備できている」と答えた組織は16%のみ
調査結果の数字が現状を端的に示している。なお、本調査はDeloitteが実施したもので、TMT（テクノロジー・メディア・通信）業界の企業幹部およびAI・データサイエンスリーダーを対象としているが、元記事の時点ではサンプル数・対象国・実施時期などの詳細な調査概要は公開されていない。数字を参照する際はその点を念頭に置いていただきたい。
- AIエージェントへの対応が整っていると答えた組織はわずか16%、「高度に準備できている」とした組織はわずか5%
- すでに大規模にAIエージェントを展開している組織でさえ、業務プロセスの準備が整っていると答えたのは**46%**にとどまる
- 5人に1人しか、AIエージェントが自律的に動ける形での業務プロセス再設計に取り組んでいない
準備不足の原因として、幹部やAI・データサイエンスリーダーたちが挙げるのは以下の4点だ。
- 業務プロセスのドキュメント化が不十分
- データとシステムの分断
- 旧来の働き方への固執
- 経営幹部・従業員のAI専門知識の欠如
これらはいずれも、ツールやインフラの整備では解決しない組織的・文化的な課題である。現状では多くの組織が、プロセスを根本から再設計するのではなく、既存ワークフローにAIエージェントを乗せる形で導入を進めている。この「上乗せアプローチ」は短期的な成果を得やすいが、Deloitteの調査では長期的な価値はプロセスの抜本的な再設計にかかっていると指摘されている。
「4年以内に74%の業務プロセスが再設計される」という予測
現在の準備不足とは裏腹に、リーダーたちの変革見通しは大規模だ。時系列で整理すると、その規模の大きさが際立つ。
- 2年以内に業務プロセスの50%以上を再設計・再構築する予定の組織：31%
- 4年以内に同様の変化を見込む組織：74%
準備状況と変革計画の間にある大きな乖離は、多くの組織が「やらなければならない」と認識しながらも、実際の体制整備が追いついていない現状を示している。DeloitteでU.S. TMT部門のAI成長リーダーを務めるLaura Shactはこう述べている。
「AI変革とは、一時的な修正を超えた、継続的な業務改善への取り組みを意味する。表面的に積み重ねるだけのアプローチでは、素早く成果を出しているように見えても、実際には不十分かもしれない。真の変革は、技術とデータ戦略との整合だけでなく、業務・組織設計への投資と、意図的なリーダーシップと従業員支援を必要とする。」
雇用への影響：43%が「12〜18ヶ月以内に大きな変化が来る」
業務プロセスの再設計は、当然ながら雇用の変化とセットになる。調査では、43%のビジネスリーダーが今後12〜18ヶ月以内に大きな、あるいは極めて大きな雇用の変化が起きると予測している。定型・構造化されたタスクは自動化され、創造的・戦略的・高度な判断を要する業務は引き続き人間が担う、という構図だ。従業員はAIエージェントへの指示出し、アウトプットのレビュー、品質検証、人間の判断が必要な局面の見極めを担う役割にシフトする。
こうした変化への対応として、71%の組織がベースラインのAIエージェント・リテラシー研修を実施しており、65%がAIエージェントによって変化・成長が見込まれる職種に向けたリスキリングや新スキル習得支援を行っている。ただし、調査対象リーダーの半数が、AI導入に必要な人材変革への投資が不十分だと認識している。インフラやAI利用コストが増大する中で、技術投資と人材投資のバランスが問われている。
整備が急務なのはガバナンス
AIエージェントが業務判断に関わるようになるにつれ、ガバナンス設計の重要性が増す。具体的には、どの判断をエージェントに委ねるか、どの時点で人間が介入するか、アウトカムの責任は誰が負うか、タスクが人とエージェントの間をどう移動するか——これらを明確に定義する必要がある。AIガバナンスの枠組みをどう実装するかは、現在多くの標準化団体や規制当局が議論を進めている領域でもある。
採用の障壁として調査で挙がった3つの主要課題も、いずれも組織設計と切り離せない。
- 統合されたデータ基盤の欠如
- AIエージェントへの信頼とガバナンスの不足
- 統合コストと複雑性
技術的な実装の難易度が下がり続ける中で、これら3点を組織レベルで解決できるかどうかが、AIエージェント導入の成否を分ける本質的な問いになりつつある。AIエージェントの本番導入を検討しているエンジニアやアーキテクトにとっても、技術スタックの選定と並行して、上記の課題に対する組織横断的な設計が求められる局面に来ている。
詳細はThe hardest part of agentic AI may be rebuilding the businessを参照していただきたい。
