企業のエージェンティックAI、なぜ実証実験から進まないのか

UiPathのグローバル調査が示したのは、エージェンティックAIへの関心や個別導入は広がっている一方、全社で再現性を持って運用できる段階に達した企業はまだ少数だという現実です。壁になっているのは、AIエージェントを作ることそのものより、複雑な企業業務の中でデータ、既存アプリケーション、人、統制を確実につなぎ、動かし続けることにあります。34

調査は米国、英国、フランス、ドイツ、インド、シンガポールの、年間売上高10億米ドル以上の民間企業に所属する経営層・IT実務者590人を対象に実施されました。34

導入は進むが、全社定着は3割程度

AIが業務に「完全に定着している」と答えたのは31%でした。一方で35%は特定チームに限った導入、11%は限定的な実験段階にあると回答しています。37

部門内の限定されたユースケースなら、AIエージェントの有効性を検証しやすいでしょう。しかし、本番業務として横展開するには、社内データへの信頼できるアクセス、基幹を含む業務システムとの連携、既存プロセスへの組み込み、例外時に判断する担当者との受け渡しが必要になります。ここに、いわゆる「PoC（概念実証）から本番運用へ」の隔たりがあります。

規模拡大を阻む3つの基盤課題

エージェンティックAIの展開を最適化するうえでの制約として、回答者が多く挙げたのは次の3点です。

• データ品質と利用準備：38%
• 既存ワークフロー・システムとの統合：37%
• ガバナンスとコンプライアンス：33% 14

これはモデルの性能だけでは解けない、業務運用とITアーキテクチャの課題です。AIが情報を読み取り、次の対応を提案できたとしても、本番環境では入力データの信頼性、アクセス権限、システム接続、責任分界、処理不能な例外への対応を整える必要があります。

特に、部門をまたぐ業務や長年使われてきたレガシーシステムを抱える企業では、統合の難易度が上がります。あるアプリケーションやチームで機能するエージェントが、複数システム、承認、担当者間の引き継ぎを含むエンドツーエンドの業務にも、そのまま適合するとは限りません。

UiPathが重視する「ビジネスオーケストレーション」

UiPathは、データ、システム、ワークフロー、人、AIエージェントを接続する層をビジネスオーケストレーションと呼んでいます。実務的には、業務全体を見渡しながら、タスクを自動化、AIエージェント、人のいずれに渡すかを制御し、進捗を監視し、必要な統制を適用し、例外時には人へエスカレーションする仕組みです。4

ただし、これを全社的に定着させた企業は29%にとどまりました。そのうち89%は、エージェンティックAIの導入がROI（投資利益率）の期待を満たした、または上回ったと答えています。315

この数字は注目に値しますが、「オーケストレーションを導入すればROIが上がる」と直ちに結論づけるべきではありません。調査はベンダー支援による自己申告型であり、因果関係までは示していません。全社導入できた企業は、もともとデータ基盤、プロセス管理、システム統合、経営層の支援といった面でも成熟していた可能性があります。15

定型処理と判断業務が混ざる「ハイブリッド」領域

AIエージェントの活用余地が大きい領域として、定型的な処理と、状況に応じた判断が要る処理が混在する業務が挙げられます。UiPathはこれを「ハイブリッドワークフロー」と定義しており、回答者の52%が、日常業務にこうしたワークフローが存在すると回答しました。10

構造化され、手順が決まった作業はルールベースの自動化が担い、非構造化情報の読み取りや変化する文脈への対応、判断を要する部分をエージェントが補う――という役割分担が想定されます。ただし、この組み合わせを拡大するにも、周辺の業務設計と統制が欠かせません。

企業が求めるのは「自律性」だけではない

オーケストレーションによる実務上の利点として、回答者が挙げた上位項目は以下の通りです。

• 従業員をより付加価値の高い仕事へ振り向けられる：51%
• アプリケーション間の統合が進む：47%
• ワークフローの監視体制が改善する：44% 4

この結果が示すのは、企業が求めているものは、単に自律的に動くソフトウェアを増やすことではないという点です。人、アプリケーション、自動化、AIを、可視化・監査・統制できる業務プロセスとして協調させることが重要になります。

実証実験を越えるために問われること

今回の調査からは、個別のAIエージェントを試すことと、部門横断で繰り返し運用できる企業能力にすることの間には、大きな差があることがうかがえます。

全社展開に必要なのは、AIモデルや単体エージェントの選定だけではありません。信頼できるデータ、アプリケーション間の相互運用性、プロセスの責任者、ガバナンス、監視、そして人に判断を戻すための経路が必要です。

企業のAIチームにとって重要な問いは、「どこでエージェントを使えるか」だけではなく、「そのエージェントを、業務全体の中で安全かつ測定可能な形でどう動かすか」でしょう。その調整の仕組みを整えられるかどうかが、部門単位の実験を、横断的な業務能力へ変えられるかを左右します。4