企業は、価値を創造するために、仮想および物理的なAIエージェントと共に働く人間という新しいパラダイムへと移行しています。私たちは、初期採用企業からの教訓と、次に何をすべきかを共有します。
AIは、産業革命とデジタル革命以来、最大の組織パラダイムシフトをもたらしています（サイドバー「オペレーティングモデルの進化」を参照）。この新しいパラダイムでは、人間とAIエージェント（仮想と物理の両方）が、ほぼゼロの限界費用で大規模に並行して作業するために統合されます。私たちはこれをエージェント型組織（agentic organization）と呼んでいます。
マッキンゼーが初期採用企業と協力した経験から、AIエージェントが大きな価値を引き出すことができることが示されています。組織は、仮想AIエージェントを、既存の活動を増強する単純なツールから、エンドツーエンドのワークフロー自動化、そして「AIファースト」のエージェント型システム全体へと、複雑さが増すスペクトルに沿って展開し始めています。並行して、物理的なAIエージェントも出現しています。企業は、スマートデバイス、ドローン、自動運転車、そして初期の人型ロボットの試みなど、AIのための「身体（ボディ）」の開発を進めています。これらの機械により、AIは物理世界とインターフェースを取ることができます。
エージェント型組織は、エンタープライズの5つの柱を中心に構築されます。ビジネスモデル、オペレーティングモデル、ガバナンス、ワークフォース・人材・文化、そしてテクノロジーとデータです（図表1）。例えば、未来の銀行を想像してみてください。顧客が住宅を購入したいとき、個人のAIコンシェルジュが、購入者にサービスを提供するための一連のエージェント型ワークフローを起動します。不動産AIエージェントが物件を提案し、住宅ローン引受エージェントが顧客の財務プロファイルに基づいてオファーを調整します。コンプライアンスエージェントが取引が銀行の方針に準拠していることを確認し、別のエージェントが融資を実行する前に契約エージェントが合意を確定させます。これらすべてのワークフローは、人間の監督者、住宅ローン専門家、およびAIを活用した最前線の従業員からなるエージェント型チームによって監督されます。場合によっては、銀行はAIを活用したサービスを家具、リフォーム、エネルギーアップグレードなどにも拡大することができます。その銀行は、エージェント型チームのネットワーク、すなわちエージェント型組織となります。
本稿では、先駆的な企業との取り組みから得られた初期の兆候、技術リーダーや投資家からの洞察、そして経営幹部が私たちに問いかけている疑問を共有します。エージェント型組織のパラダイムは間違いなく進化しますが、今日のリーダーは完全な明確さを待つことはできません。本稿では、リーダーに対し、新しい時代に形作られるのを待つのではなく、今すぐ行動を起こして新しい時代を形作ることができる場所、つまり、より大きな価値を創造するためにオペレーティングモデルを洗練し、AIファーストのアプローチのために再構築する場所を示します。
エージェント型組織の5つの柱
- ビジネスモデル (Business model)エージェント時代において、企業は、AIチャネルを介して顧客に近づきリアルタイムのハイパーパーソナライゼーションを提供し、プロセスを効率化してAIファーストになり、独自のデータという防壁庭園を彼らのスーパーパワーとして構築することで、競争優位性を獲得します。AIネイティブのスタートアップやエージェント型企業は、根本的に異なるレベルの生産性（従業員あたりの収益）、成長から切り離されたコスト、市場投入とイノベーションのより大きなスピードによって、業界を破壊する可能性があります。
AIネイティブなチャネルがハイパーパーソナライゼーションを可能にする (AI-native channels enable hyperpersonalization)
消費者はすでに、店舗、アプリ、検索エンジンを迂回し、ChatGPTのようなAIネイティブなインターフェースを好んでいます。将来的には、すべての消費者が低コストのAIパーソナルアシスタントを持つことができるでしょう。あるヨーロッパの公益事業者は、マルチモーダルAIアシスタントを300万人の顧客に展開しました。これにより、平均処理時間が大幅に短縮され、顧客満足度が向上し、応答速度が改善し、人間を介さずに解決される通話が増加しました。これらのアシスタントは単に応答するだけでなく、他のエージェントと24時間年中無休で交渉し、ユーザーの行動と市場のシグナルから継続的に学習して、絶えず進化するハイパーパーソナライズされた製品を生成するパーソナルコンシェルジュとなるでしょう。これはまた、企業が従来のビジネスモデルや業界の境界を超えて多様な顧客のニーズを満たすことで成長できるエコシステム経済（ecosystem economy）にも新たな機会をもたらします。
AIファーストのワークフローが限界費用を計算コストへと向かわせる (AI-first workflows drive marginal costs toward the cost of compute)
銀行はすでに、エージェント部隊で住宅ローンとコンプライアンスのプロセスを運用しています。保険会社は、クレームと引受業務を再発明し、自らをAIネイティブとして再構築しています。通信会社は、顧客サービスなどでエージェントを使用しています。あるグローバル銀行の「エージェント・ファクトリー」は、10のエージェント部隊で顧客確認（know-your-customer）プロセスを管理しており、これがアウトプットの質と一貫性に実質的なプラスの影響をもたらすのに役立っています。別の銀行は、人間の監督の下でAIエージェントの部隊を活用し、レガシーコアシステムの近代化を行い、時間と労力を最大50%削減することを可能にしました。これは既存のプロセスの上に通常の自動化を行うのではなく、人間が戦略的監督のために「ループの上（above the loop）」に位置し、エンドツーエンドのプロセスを再設計するものであり、限界費用を計算コスト（cost of compute）へと向かわせる可能性があります。今後は、すべてではないにしても、ほとんどのプロセスがAIファーストとして再構築され、人間と従来のITシステムはループ内（in the loop）またはループの上（above the loop）に選択的に再導入されるでしょう。
独自のデータが主要な差別化要因となる (Proprietary data becomes a key differentiator)
今日のAIが「ポケットにインターネットを入れたインターン」であるならば、明日の優位性は、パブリックインターネットが提供しない防壁で囲まれたデータ庭園からもたらされるでしょう。企業は、顧客の行動、製品の使用状況、センサーデータなどの独自の、同意を得た専有データのストリームを継続的に捕捉・洗練し、それを差別化されたパーソナライズされた製品やプロセスに変換することで、競合他社を凌駕することができます。AIはまた、データ基盤とデータ製品の構築を加速させ、データ品質の改善を支援することもできます。
- オペレーティングモデル (Operating model)エージェント時代において、組織が構築され、運営される方法は、提供する製品やサービスと同じくらい進化します。仕事とワークフローはAIファーストとして再構築され、オペレーティングモデルは、権限を与えられ、成果に合わせたエージェント型チームのフラットなネットワークへと進化します。
仕事とワークフローはAIファーストとして再構築される (Work and workflows will be reimagined as AI-first)
エージェント時代のオペレーティングモデルは、再構築されたAIファーストのワークフローを中心に据え、人間とITシステムがAIネイティブな設計の中に選択的に再導入されます。あるヨーロッパの自動車メーカーと公共部門の組織では、エージェントの部隊がレガシーシステムをリバースエンジニアリングして近代化し、人間が作業を操縦し、検証しています。製品開発では、エージェントがフィードバックを収集し、データを分析し、機能をテストし、さらにはキャンペーンを実行することもできます。人間は、成果を操縦・指示するために主にループの上に配置され、人間の接触が重要な場所では選択的にループ内に配置されるでしょう。
成果に合わせたエージェント型チームが組織の構成要素となる (Outcome-aligned agentic teams will be organizational building blocks)
従来の組織は機能的なサイロを中心に構築されてきました。デジタル企業にはクロスファンクショナルな製品チームがありますが、依然として引き継ぎや、ツーピザ・チーム（two-pizza team）${^1}や∗∗ダンバー数（Dunbar’snumber）∗∗{^2}$のような人間のチームサイズの制限に制約されています。
エージェント型組織では、構造は小さく、成果に焦点を合わせたエージェント型チームへと軸足を移します。エージェント型チームは、基盤となるAIワークフローを所有し監督する学際的な少人数の人間グループであり、マーケティング、製品管理、テクノロジー、データ、オペレーションの全機能的バリューチェーンをカバーする明確なエンドツーエンドのビジネス成果を提供するために組織化されます。私たちの経験では、2〜5人の人間のチームが、顧客のオンボーディング、製品の発売、帳簿の締め切りなどのエンドツーエンドのプロセスを実行する50〜100の専門エージェントからなるエージェント・ファクトリーをすでに監督することができます。エージェント型AIは、製品チームのスコープと自律性をこれまで以上に拡大することができます。
勝者はエージェント型チームのフラットなネットワークを編成する (Winners orchestrate flat networks of agentic teams)
適切なコンテキスト、操縦、方向付けのないAIエージェントの増殖は、混乱の温床になりかねません。未来の勝者となるオペレーティングモデルは、エージェント型チームに権限を与え、フラットな意思決定とコミュニケーション構造を持ち、高いコンテキスト共有とエージェント型チーム間の連携をもって運用し、それらが同期して動くことを確実にします。組織図（従来の階層的な委任に基づく）は、エージェント型ネットワークまたはワークチャート（タスクと成果の交換に基づく）${^3}$へと軸足を移すでしょう。最後に、エージェント型ネットワークは必ずしも単一の組織の境界に限定されるわけではなく、異なる成果が異なるパーティから調達される可能性があり、新しいB2Bの機会を開くことになります。
- ガバナンス (Governance)エージェント型組織では、ガバナンスは定期的で書類の多い作業のままでいることはできません。エージェントが継続的に運用されるため、ガバナンスはリアルタイム、データ駆動型、組み込み型になる必要があり、最終的な責任は人間が負います。
リアルタイムデータで意思決定が加速する (Decision-making accelerates with real-time data)
従来の予算編成、計画、業績管理のサイクルは、AIファーストのワークフローには遅すぎます。初期の採用企業は、「エージェント型予算編成」を実験しており、AIエージェントが予算を提案し、シナリオエージェントが予測を実行し、レポーティングエージェントがリアルタイムの洞察を提供します。財務リーダーは、スプレッドシートの収集から、シグナルの解釈、シナリオのストレステスト、ビジネスへの直接的な関与へとシフトします。
エージェントが組み込みのガードレールを通じてエージェントを制御する (Agents control agents through embedded guardrails)
DevSecOps（開発、セキュリティ、運用）が自動化されたチェックをデジタルデリバリーに組み込んだのと同様に、エージェント型組織は制御エージェント（control agents）をワークフローに組み込みます。批評エージェント（Critic agents）が出力に異議を唱え、ガードレールエージェントがポリシーを強制し、コンプライアンスエージェントが規制を監視します。データプライバシーから財務しきい値、ブランドボイスに至るまで、すべての行動がリアルタイムでログに記録され、説明されることができます。エージェントの発見と開始から廃止に至るまでのAIエージェントのライフサイクル全体にわたるAIガバナンスフレームワークは、必要なセキュリティと制御メカニズムをもって、スピードとスケールのバランスを取ることができます。
人間の説明責任と監視は残る (Human accountability and oversight remain)
人間の説明責任と監視は不可欠なものとして残りますが、その性質は変わります。コンプライアンス担当者やリーダーは、一行ずつのレビューを行う代わりに、ポリシーを定義し、外れ値を監視し、人間の関与のレベルを調整します。課題は、リスクを管理するのに十分な監視を行い、エージェントを人間のスピードに戻さないという、最適なバランスを見つけることです。このバランスを正しく取った企業が、より多くのエージェント型アドバンテージを獲得するでしょう。最終的に、エージェント型採用の規模は、人間が提供できる監視能力によって上限が設定され、ガバナンス自体が生産性に対する潜在的なボトルネックとなる可能性があります。
- ワークフォース、人材、文化 (Workforce, people, and culture)エージェント型組織では、人間は活動を実行することから、エンドツーエンドの成果を所有し、操縦することへと移行します。このシフトには、異なるスキルを持つ新しいプロファイルと、まとまりと目的を提供する文化が必要です。
ハイブリッドなエージェント型ワークフォースには新しい人材システムが必要 (The hybrid agentic workforce needs a new talent system)
エージェントが実行を引き受けるにつれて、人々は目標を定義し、トレードオフを行い、成果を操縦することが増えるでしょう。これは、企業がハイブリッドなワークフォースを計画する方法、誰を雇用（または借用）するか、人間の才能またはAIの才能をどのように配置するか、そして成功をどのように測定するかを変えるでしょう。人事システムは、人間の従業員を追跡するだけでなく、エージェントとエージェント型ワークフローのリポジトリでもあります。タスク完了に固定された業績管理は、人々がエージェントをいかにうまく編成し、価値を引き出し、成果を提供するかを追跡するシステムに取って代わられます。この新しいパラダイムでは、キャリアパスからインセンティブ、リーダーシップモデルに至るまで、人材システム自体を再考する必要があります。
異なるスキルを持つ新しい人材プロファイルが出現する (New talent profiles with different skills emerge)
先駆的な組織との私たちの仕事において、AIエージェントが、文書分析やAPI作成など、これまでナレッジワーカーが担当していたタスクを代替しているのを目の当たりにしています。同時に、エンドツーエンドの視点を持った深い問題解決、システム設計の応用、およびエージェントが失敗するエッジケースにパターン認識を適用する能力など、他のスキルに対する需要が高まっているのを目にしています。
人間がエージェントと並行して働くことで、3つの役割が出現しています（図表2）：
- M字型監督者（M-shaped supervisors）：AIに精通した幅広いジェネラリストであり、ドメイン全体でエージェントとハイブリッドなワークフォースを編成します。
- T字型専門家（T-shaped experts）：ワークフローを再構築し、例外を処理し、品質を保護する深いスペシャリストです。
- AI増強型最前線ワーカー（AI-augmented frontline workers）：システムに費やす時間を減らし、人間との時間により多くを費やす、販売、サービス、人事、またはオペレーションの従業員です。
リーダー自身も進化するでしょう。CEO、製品責任者（product officers）、コンプライアンス責任者（compliance heads）は、かつて最高情報責任者（CIO）のみに期待されていた技術的な流暢さ（technology fluency）をますます必要とされるようになります。これらの役割を埋めるには、大規模なアップスキリング（upskilling）とリスキリング（reskilling）が求められます。初期の証拠は、技術的背景を持たない従業員でも、訓練を受けたエンジニアと同じくらい早くエージェント型ワークフローの管理を学ぶことができることを示しています。人間のスキルとデジタルスキルが組織の内部と外部で融合するエコシステムへと、「箱と線（boxes and lines）」が道を譲るにつれて、キャリアパスと業績評価システムは適応する必要があります。これらのプロファイルが定着するにつれて、「組織」と「従業員」という構成概念はより流動的になり、人間とデジタルの才能のエコシステムが組織の内部と外部で融合するでしょう。
文化は接着剤および倫理的な羅針盤として機能する (Culture acts as glue and ethical compass)
文化は、エージェント型組織の運用上の接着剤と倫理的な羅針盤の両方になるでしょう。先駆的なエージェント型組織は、オーケストレーションの必要性を強調しています。これは、共有されたコンテキストと成果の周りにチームを連携させ、人間とAIの能力の適切な組み合わせを特定し（すべてがエージェント型AIを必要とするわけではないため）、人間とエージェントの間に信頼を構築することです。この文化の羅針盤は、エージェント型システムに価値と長期的な目的を組み込み、企業が凝集力と信頼を犠牲にして短期的な効率を追い求めないようにします。初期の先駆者は、明確さ、断固たるリーダーシップ、そして継続的な学習が不可欠であることを示していますが、勝者を差別化するのは、迅速に変革しながらも、まとまり（cohesion）とアイデンティティを維持する能力です。
- テクノロジーとデータ (Technology and data)エージェント型組織では、テクノロジーとデータがエージェント型AIメッシュ（agentic AI mesh）に支えられ、民主化されるでしょう。エージェント間のプロトコル（Agent-to-agent protocols）により、システム、機械、人間間の統合がより簡単かつ安価になります。成功するスケールアップ企業は、技術的またはベンダーのロックインを避けるために、独自性と競争優位性の源に基づいて構築（build）対購入（buy）の決定のバランスを取り、急速に進化する提供環境に迅速に適応できるようにするでしょう。
ITとデータの分散型所有が可能になる (Distributed ownership of IT and data becomes feasible)
デジタル時代において、テクノロジーとデータシステムは、ビジネスから遠く離れた一元化されたモノリス（monoliths）とデータベースから、ビジネスの近くに位置するマイクロサービス（microservices）とデータ製品（data products）へと進化しました。これには、基盤となるテクノロジーとデータを設計、開発、維持するために、かなりのソフトウェアおよびデータエンジニアリングの専門知識が必要でした。出現しつつあるエージェント時代では、ビジネス側の従業員が、深い専門家による監督の下で、ソフトウェア開発ライフサイクル（SDLC）を自動化するエージェント型AIを通じて、独自にソフトウェア資産を作成し、データを管理できるようになります。初期採用企業では、生産性が少なくとも2倍になることが確認されており、私たちのチームの一員であるフランス文学の卒業生のような多様な背景を持つ従業員が、エージェント型ワークフローの構築においてソフトウェアエンジニアと同じくらい有能であることを証明しています。
この変革を責任を持って拡大するために、組織はエージェント型プラットフォームとアーキテクチャ、例えばエージェント型AIメッシュを採用しなければなりません。これらのプラットフォームは、テクニカル・デット（technical debt）やサイバーセキュリティのリスクの蓄積を防ぎながら、前例のないレベルの民主化とイノベーションを解き放つために、技術的なセーフティ・ガードレールを備えた再利用可能で高性能な「アトミック（atomic）」なエージェントとデータ製品を提供します。
エージェント間のプロトコルがやり取りと統合を容易にする (Agent-to-agent protocols ease interactions and integrations)
エージェント間のプロトコルは、人間、エージェント、ITシステム、およびデバイス間のやり取りを再定義しています。重いプログラミングとカスタムのシステム間接続を必要とするミドルウェアやAPIのような従来のITシステム統合に依存する代わりに、エージェント間のプロトコルは、システムがエージェントを使用して他のシステムと通信することを可能にします。基盤となるシステムの複雑さの上に位置するエージェント間の対話（agent-to-agent dialogue）に移行することで、組織はレガシーシステム、クラウドプラットフォーム、さらにはドローンのような機械さえも、より迅速かつ低コストでまとまりのあるワークフローに統合することができます。さらに重要なのは、これにより、より迅速な実験が可能になることです。新しい機能を数ヶ月のエンジニアリングの労力なしにテスト、スケーリング、または非推奨にすることができます。
動的な調達が不可欠になる (Dynamic sourcing becomes critical)
多くのビジネスクリティカルなプラットフォームは、歴史的に自社内で構築されるか、数年にわたる実装変革を伴う厳格な調達プロセスで選択されてきました。これらのシステムは、数十年にわたって競争力を確保するために、大部分が安定していることを意図していました。エージェント時代には、はるかに柔軟な戦略が必要になるでしょう。大規模言語モデル（Large language models）とAI製品は非常に速く進化しているため、1つのソリューションまたはベンダーにロックインすると、数週間で時代遅れになるテクノロジーにつながる可能性があります。同時に、組織は競争力のために、独自の組織コンテキスト、機関知識、および非公開データを囲い込む必要があります。これには、エージェント型の構造、ロジック、およびデータを基盤となるベンダー環境から分離するアーキテクチャが必要です。
旅路の始め方 (How to start the journey)
私たちが経営幹部との議論で最も頻繁に耳にした質問は、「どのように始めればよいか？」というものでした。経営幹部は、未来がどうなるか不透明な中でどのように北極星となるビジョンを作成するか、データ、技術、ガバナンスの基盤について成熟度の評価とアップグレードの必要性をどのように行うか、価値と実現可能性のためにどのように優先順位を設定するか、スキルとマインドセットの観点から組織をどのように巻き込むか、そして競合他社よりも早くスケールして競争優位性をどのように生み出すか、について疑問を抱いています。目前に迫った明白な危険は、「ルフトハンザ航空よりも多い数のパイロット・プログラム（実験）」に終わること、価値の推進要因から切り離されること、損益計算書には現れないAIを至る所で見ること、あるいはPRの大失敗に終わることです。
私たちの変革経験に基づいて、エージェント型組織の開発において競争優位性を確保したい企業は、大胆に考え（think boldly）、迅速に行動し（move fast）、そして深く追求する（go deep）べきだと考えます。エージェント型AIリーダーになるための道のりにおいて、経営幹部は、本稿で述べた15のテーマ（図表3）全体で、一貫した選択と行動にたどり着くために、異なるマインドセットが必要になるでしょう。
私たちはリーダーに対し、エージェント時代に変革する方法において、劇的な変化（step change）をもたらすために、3つの根本的なシフトを検討することを推奨します。
線形から指数関数へ (From linear to exponential)
テクノロジーは指数関数的に発展しますが、組織とオペレーティングモデルは通常、線形的に進化し、これが組織が最終的に獲得できる価値の量を制限する可能性があります。これを許してはいけません。リーダーシップチームは、オペレーティングモデルをエージェント型組織に適応させるために大胆な姿勢を取る必要があります。すなわち、機能的なサイロをクロスファンクショナルで自律的なエージェント型チームに置き換え、変更を可能にするインセンティブとサポートプロセスを再設計し、必要なケイパビリティに投資することです。
テクノロジー・フォワードからフューチャー・バックへ (From technology-forward to future-back)
ソフトウェア展開の場合のように、エージェント型変革をテクノロジーリーダーに委任するだけでは不十分です。リーダーは、未来の組織、AIファーストのプロセスとハイブリッドな人間・エージェント組織によるその潜在的な価値全体を思い描き、そこから逆算して、どこから始めるべきかを特定する必要があります。書物を読んだり、ゴルフ場で話したりするだけでは学べず、実行することによってのみ学ぶことができます。一つのエンドツーエンドのドメインを大胆に再構築することでこれを実現することは、組織の学習能力（learning muscle）を構築する上で大いに役立つでしょう。そして並行して、リーダーは最初の灯台（lighthouse）を超えて、スケールアップを可能にする要素（scaling enablers）を計画し、構築し始めるべきです。
脅威から機会へ (From threat to opportunity)
リーダーは、日々の業務に対するエージェント型AIの影響について不安を感じるかもしれません。経営幹部が、このテクノロジーが組織の成長と目的のためだけでなく、彼ら自身の専門家としての可能性についても解き放つことができる新しい可能性について、従業員と継続的に関わることが極めて重要です。基本的なリテラシーを超えたアップスキリング、そして移行をサポートするためのチェンジマネジメント、インセンティブ、予算、コミュニケーション、業績管理に過剰に投資することは、道を切り開くのに役立つでしょう。
具体的には、リーダーシップチームは次のステップから始めることができます。エージェント型AIをトップチームの議題の顕著な部分にすること、エージェント型組織を創出するためのCEOのビジョンを概説すること、AIのエクセレンスセンター（AI center of excellence）を強化すること、人材をアップスキリングすること、そして一つまたは二つの灯台ドメインを再構築してエージェント型プロセスを迅速に立ち上げ、「ライブで学ぶ（learn live）」ことです。
＊灯台ドメインは英語の原文にある「lighthouse domains」を直訳した結果ですが、文脈では「変革の成功例として他部門の模範となる、先行して取り組む特定の事業領域や部門」を意味する専門用語（または比喩表現）として使用されています。
組織のパラダイムは共存しています。組織の89%は依然として産業時代に生きており、9%がデジタル時代のアジャイルまたは製品・プラットフォームのオペレーティングモデルを持ち、わずか1%が分散型ネットワークとして機能しています。しかし、組織が新しいエージェント型パラダイムにできるだけ早く移行し、大きな競争優位性を獲得するか、取り残されるリスクを冒すかの時が来ています。
AIモデルの開発、計算能力の利用可能性、ロボティクスの進展、規制の変更、社会的な理解と受容、そしてリスクと変化に対する人間の意欲など、多くの要因が採用のペースに影響を与えるでしょう。今後数ヶ月、数年でAIテクノロジーとともに私たちの洞察も進化しますが、このエージェント時代において、適応し、より速く学ぶ組織が初期の勝者になることは確信しています。
免責事項
記事は、一般的な情報提供のみを目的としてのみ作成したものであり、投資家に対する有価証券の売買の推奨や勧誘を目的としたものではありません。また、記事は信頼できると判断した資料およびデータ等により作成しておりますが、その正確性および完全性について保証するものではありません。また、将来の投資成果や市場環境も保証されません。最終的な投資決定は、投資家ご自身の判断でなされますようお願いします。
