AI
2026年7月8日
ほとんどの組織は、AIイノベーションの問題を抱えていません。彼らは事業拡大の問題を抱えています。業界全体で、企業はこの数年間、AIパイロット版の実験に費やしてきましたが、多くの企業は有望な概念実証から実世界での導入へと移行するのに依然として苦労しています。
障壁となるのは、野心の欠如であることはめったにありません。AIへの民間のグローバル投資は、2014年から2024年の間に13倍以上に増加しました。多くの場合、リーダーはAI、特に大規模なエージェントAIを信頼するために必要な条件（文化、セキュリティ、説明責任、ガバナンス、データ準備体制など）を構築していません。
信頼は、単一の管理やポリシーに基づいて築かれるものではありません。それは、組織が複数の側面で同時に信頼を築くことにかかっています。企業は、洗練されたAIモデルだがガバナンスが弱い、強固なセキュリティ管理だが人材の準備が不十分、または高品質なデータだが説明責任が不明確である可能性があります。最も進歩している企業は、必ずしもより多くのAIを導入しているわけではありません。これらすべての側面で同時に進歩しています。
組織がインサイトから行動へ移行するために必要な信頼を築くことができるのは、これら5つの質問すべてに答えられる場合のみです。
業界全体で最も頻繁に見られる兆候の1つは、AIに対するリーダーシップの熱意と、従業員のAI活用方法に関する理解との間の乖離です。そのギャップは導入を困難にする可能性があります。それらのチームにAIの導入を求めることは、新しいツールへのアクセスを提供するだけでは不十分です。彼らは、AIがどのように使われるべきか、どこで価値を付加できるか、そして、それが仕事の進め方をどのように変えるかを理解する必要があります。
これは明確なコミュニケーションから始まります。AIに対する経営幹部の姿勢は急速に変化しましたが、その感情が常にチームメンバーにまで浸透するとは限りません。Thomson Reuters Instituteの2026年プロフェッショナルサービスにおけるAIレポートによると、専門家の約40％が、AIの使用に関してリーダーシップ層やクライアントから相反する指示を受けていると述べています。
リーダーは、広範なAI指令を超えることでこのギャップを埋め、AIをいつ使用すべきか、ワークフローのどこに適用すべきか、そして人間の判断が依然として不可欠である場所について、従業員に実践的なガイダンスを提供することができます。従業員がAIがどのように自分の仕事をサポートし、何が期待されているかを理解すれば、組織は実験段階から導入段階へと移行できます。
AIエージェントが意思決定と実行に近づくにつれて、疑問は、インサイトを生成できるかどうかから、行動を信頼できるかどうかに変わります。
だからこそ、セキュリティ、プライバシー、責任ある利用は、最初から運用モデルに組み込む必要があります。企業にとって、これは、エージェントがデータにアクセスしたり、より複雑なタスクを実行したりすることを信頼される前に、機密情報を保護し、説明責任を確立するためのガードレールを設けることを意味します。
本質的に、これはアイデンティティとアクセスの課題です。AIエージェントが情報を取得したり、支払いを開始したり、顧客と対話したりする前に、組織はエージェントが何であるか、どのシステムにアクセスできるか、そしてどのような権限が付与されているかについて確信を持つ必要があります。貴社が信頼できないものを、顧客が信頼すると期待できますか？
AIエージェントがより自律的な責任を負うようになるにつれて、組織は別の障害に直面します。それは、エージェントが意思決定を行ったり、タスクを実行したり、予期せぬ結果を生み出したりした場合に、誰が責任を負うかを判断することです。
多くの企業がエージェントの導入に関心を持っている一方で、2025年のCiscoのAI準備に関するレポートによると、32％しか実際にエージェントを人員計画に組み込んでいると述べていません。明確な所有構造がなければ、企業は意思決定、監督、説明責任に関して不確実性を生み出すリスクがあります。
リーダーは、AIを活用した業務に対して明確な所有権モデルを確立し、どのような決定がエージェントに委任できるのか、人間の判断がどこで不可欠となるのか、そしてシステムが予期せぬ動作をした場合にどのように問題がエスカレートされるのかを明確にする必要があります。エージェントAIをうまく規模拡大できる組織は、人間とAIがより明確な役割、責任、期待をもって協力できるように、既存のワークフローを再設計する追加の一歩を踏み出す組織となるでしょう。
組織が説明責任を確立すると、新たな疑問が浮上します。AIエージェントが現実世界で利用できる準備ができたと、どうすればわかるのでしょうか？
企業は、顧客とのやり取り、運用プロセス、またはビジネス上重要な意思決定を任される前に、パフォーマンスをテストし、結果を評価し、エージェントがどのように振る舞うかを理解するための方法を必要としています。エージェントの作成に焦点を当てるのではなく、エージェントが幅広いシナリオで信頼性、一貫性、安全性を備えて機能できることを検証するための適切な措置を講じるべきです。
エージェントが行動を信頼され、大規模に導入される前に、組織はパフォーマンスを評価し、障害点を特定し、制御を改善できる環境をますます求めています。それが、MastercardがAgent Suiteを作成した理由の1つです。Agent Suiteは、組織がパイロット段階から信頼できる導入へと移行するのを支援します。また、Protoを導入して最近拡張した理由でもあります。Protoは、エージェント型AIのユースケースを本番ワークフローに導入する前に、探求、テスト、検証するためのサンドボックス環境です。Mastercardは、主要な企業機能をサポートするように設計された3つの新しいAIエージェントも導入しました：加盟店、オンボーディング、紛争管理。これらの機能が連携することで、組織は安全で管理されたフレームワーク内でAIを拡張しながら、AIがビジネス価値を推進できる場所を特定するのに役立ちます。
導入、セキュリティ、ガバナンスに取り組む組織でさえ、しばしば別の障害に遭遇します。AIエージェントは、理解できる情報に基づいてのみ行動できます。その後、エージェントがリアルタイムで行動する際に、適切なデータが明確な許可のもと安全に利用できます。
しかし、多くの組織では、システム全体に分散した断片的なデータ、一貫性のないフォーマット、分断されたワークフローで運用されています。人間は多くの場合、そのようなギャップを回避できますが、情報が不完全、矛盾している、またはアクセスが困難な場合、AIエージェントは苦戦します。これは、サイロを減らし、一貫性のないデータをクリーンアップし、AIが意図したとおりに機能する能力を制限する可能性のある場当たり的なプロセスを修正することを意味するかもしれません。
エージェント環境では、データ品質が意思決定の品質に直接影響します。エージェントが目の前の情報を確実に理解できない場合、確実にそれに基づいて行動することもできません。その移行を加速させるため、Mastercardは、受賞歴のあるスタートアップ支援プログラムであるStart Path内で注力分野を絞り込み、ビジネスインテリジェンスとデータ駆動型機能に焦点を当てた企業と連携しました。
過去10年間で、Start Pathは60カ国以上で500社を超える企業を迎え入れ、Mastercardのグローバルネットワークと顧客へのアクセスと実践的なサポートを組み合わせることで、それらの企業の規模拡大を支援してきました。顧客がデータを実用的なインテリジェンスに変換するのを支援できるスタートアップへの関心の高まりは、より良い意思決定を促し、パフォーマンスを向上させ、リアルタイムのアクションをサポートし、ひいては、AIを孤立した状態から日常へと移行させるために必要な信頼を築くことができます。
今後数年間で、信頼できるAIによる行動は、ビジネスにおいて最も重要な競争上の差別化要因の1つになる可能性があります。組織がAIを構築できるからではなく、AIを信頼できるからです。
