TCS Enterprise AI Study
AI活用の実像
「TCS Enterprise AI Study」は、25カ国、12業界の1,300名を超える経営層を対象に実施したグローバル調査レポートです。
企業がAIによる生産性向上の先に進み、AIアーキテクチャ、ガバナンス、経済性、仕事のあり方について、どのような重要な意思決定を行おうとしているのかを明らかにしています。
1,300+
経営層
25
調査対象国
12
調査対象業界
AIによる生産性向上の効果は実証済み。
次なる焦点は売上成長へ
回答者の大多数が、AI投資から得られた最大の価値として、生産性向上を挙げています。一方、売上成長を最大の価値として挙げた回答者は、わずか10%にとどまりました。今後の課題は、従業員の生産性向上を、企業全体の売上成長へとつなげることです。
いま焦点となっているのは、AI環境のセキュリティ、統制、柔軟性、レジリエンスを左右するアーキテクチャの意思決定です。
AIエージェントの台頭で、問われるものが大きくなる
自社のAIエージェントが、適切に管理されたツールと権限のもとでワークフローを安全に実行・連携できると答えたのは、回答者のわずか 9%でした。
企業のAI活用、次の段階で最優先されるのはセキュリティ
AI導入の意思決定の場では、コスト、スピード、導入のしやすさよりも、セキュリティ、リスク、ガバナンスが重視されています。
AIモデルの柔軟性を重視する一方、万一への備えは追いついていない
AIを全社規模で活用するための基盤づくりが進むなか、企業はAI環境を柔軟に運用し、自社で管理できることをより重視するようになっています。
データとAIを誰がどこで管理するか。
新たに浮上するAIリスク
グローバルの回答者の3分の1以上が、AIデータの保存場所やAIモデルの選択を自社で管理すること、そして規制やデータ所在地に関する要件への対応を、組織にとって高い、または非常に高いリスクと捉えています。また、その割合には地域によって大きな差が見られます。
問われ始めた、AIの費用対効果
アーキテクチャの柔軟性を高めると同時に、コストを適切に管理する意識も高まっています。
AI活用が進むほど、雇用への影響は見通しにくく
AIの活用経験が増えるほど、AIが雇用や職務に与える影響を予測できるという企業の自信は揺らいでいます。
AIの進化に追いつけていない人材マネジメント
社員のスキルを全社共通の枠組みで整理し、変化に合わせて更新していると答えたのは、回答者のわずか28%です。
企業のAI活用に、新たな局面が訪れている
AI活用を全社規模に広げられるかは、相互に関連する複数の意思決定にかかっています。具体的には、どのようなアーキテクチャを構築するか、セキュリティとガバナンスをどう組み込むか、AIにどこまで自律性を認めるか、費用対効果をどう管理するか、そして人材マネジメントの仕組みをどう整えるかです。
本調査では、信頼、データの整備状況、ガバナンス、実運用への定着が、AI活用を全社規模に広げるうえで最大級の障壁であり続けていることが繰り返し示されています。企業は、データへのアクセス性、品質、業務上の文脈、システム間の相互運用性を高める投資を優先する必要があります。あわせて、成果を監視し、リスクを管理し、説明責任を果たすための統制とモニタリングの仕組みを、あらかじめ組み込んでおくことが重要です。
AI戦略は、アーキテクチャ戦略と同義になりつつあります。経営層は、アーキテクチャに関する意思決定が、長期的な柔軟性、事業の継続性、リスクにどのような影響を及ぼすかを評価する必要があります。具体的には、特定のモデルやプロバイダーへの過度な依存を減らすこと、継続計画を強化すること、ソブリンAIに関する要件を見極めること、プラットフォームとモデルの管理方針を明確にすることが含まれます。
AI活用を全社規模に広げるには、技術部門だけが責任を持つ体制では不十分です。企業は、経営層の責任を明確にするとともに、技術に関する意思決定を、業務プロセスの変革、ガバナンス、人員計画、ビジネス価値の実現と結びつける運営体制を整える必要があります。
雇用への長期的な影響は依然として不透明ですが、AIはすでに、意思決定、役割と責任、働き方を変えつつあります。企業は、個別のスキル施策にとどまらず、新たに求められる能力を、学習、キャリア形成、人事評価、人員計画、人材の異動・配置と結びつける人材マネジメントの仕組みを構築する必要があります。