高機能なAIや最新ツールを導入すれば、業務は必ず効率化されるのでしょうか。過去の事例でお伝えした「人間とAIの適切な役割分担」に続き、今回は「現場の心理的な壁」という実務的なテーマに焦点を当てます。

今日のニュース

  • 英NHSでPalantir製データ管理システムへの現場ボイコットが発生し、チェンジマネジメントの課題が顕在化。
  • MicrosoftがソフトバンクらとともにAIインフラ整備に1兆6000億円を投資し、国内クラウド市場を強化。
  • 経営層向け意思決定プラットフォームのOmniscientが410万ドルのプレシード調達を完了。
  • GoogleがGemini APIに「Flex」「Priority」の2つの階層を追加し、開発者の費用管理を柔軟化。
  • IntuitのAIエージェントが300万人の顧客に対して85%のリピート率を達成し、AIと人間の連携が奏功。
  • 国立情報学研究所がGPT系オープンモデルを上回る日本語性能の「LLM-jp-4」をオープンソースで公開。
  • 米ユタ州でAIシステムによる精神科関連薬の処方が許可され、医療アクセスと法的責任の議論が加速。

ピックアップ: 英NHSがPalantir製FDPの現場導入で抵抗に直面

「新しいシステムが入ったけど、正直どうすればいいか全然わかりません」。そう本音を漏らす従業員が、自社に一人もいないと言い切れるでしょうか。

何が起きたか

英国の国営医療サービスで、Palantir製データ基盤のボイコットが起きています。このシステムは、NHS内に点在するデータを一元化し治療の遅延を解消する目的で導入されました。2023年に約3億3000万ポンド（630億円相当）の契約でスタートしています。しかし、臨床スタッフを含む現場職員からは、システムの実効性への疑問の声が上がっています。さらに、患者プライバシーへの不安や倫理的懸念も出ている状態です。 The Register

なぜ重要か

巨額の予算と高度な機能、そして国が認めたベンダーを用意しても現場は動きませんでした。

このニュースが示すのは、テクノロジーの優劣とプロジェクトの成否は別物だという現実です。DXの議論はどうしてもツールの機能比較に引き寄せられがちです。しかし、実際に毎日そのシステムを使うのは画面の前に座る一人ひとりの職員です。彼らの納得感がなければ、どれほど精緻な設計も机上の話で終わります。

英国では、米国政府との関係に起因するプライバシー不信が契約以前から存在していました。合意形成のプロセスを飛ばして技術を先行させた結果が、今の状況を生んでいます。

読者の会社にどう影響するか

中小企業でも同じ構図はよく見られます。経営層がトップダウンで新しいSaaSを契約し、現場に利用を指示します。機能は申し分なく価格も妥当なのに、3ヶ月後に誰も使っていないという経験はないでしょうか。

現場が感じる抵抗の正体は、多くの場合「不安」です。今のやり方が変わることや、自分の仕事が評価されなくなることを恐れています。何か問題が起きたときに誰が責任を取るのかも明確ではありません。これらの不安は、説明会を一度開いたくらいでは消えません。

編集部の立場

私たちは、現場との合意形成なくして真のDXは成立しないと断言します。システム導入は技術のアップデートである前に、組織のチェンジマネジメントです。機能比較の前に、現場のキーパーソンをシステム選定のプロセスに引き込むことから始めてください。「このツールに何を期待するか」を一緒に言語化するだけで、導入後の現場の受け取り方は大きく変わります。直近で導入を検討中のツールがあれば、まずは担当者に5分だけヒアリングしてみてください。

Microsoft、日本国内AIインフラに1兆6000億円を投資

ソフトバンクらと連携し、国内AI計算資源の拡充とインフラ共同開発に1兆6000億円を投資。 国内データセンターの増強とMicrosoft Azureを通じたAI環境の整備を推進。 2030年までに100万人規模のエンジニア・開発者育成も含めた包括的な取り組み。 出典: ITmedia AI+

編集部コメント: 国内のAIインフラがこれほどの規模で底上げされるのは、中小企業にとって大きな追い風です。クラウドの冗長性が増し、利用コストが中長期的に下がっていきます。「AI活用は大企業だけのもの」という感覚も次第に薄れていくはずです。自社システムへのAI組み込みが現実的な選択肢として射程に入ってくるのは、そう遠い話ではありません。

Omniscientが410万ドルを調達、経営層向け意思決定プラットフォームを強化

パリ発のOmniscientがSeedcamp主導のプレシードラウンドで410万ドルを調達。 メディア・SNS・社内システムなど多様なデータソースを統合し、役員向けにリアルタイムの洞察を提供。 McKinsey出身の2名が創業し、経営層の意思決定をデータで直接支援するプラットフォームを構築中。 出典: Tech.eu

編集部コメント: 現場のDXが先行しがちな一方で、経営トップ自身のデータ活用環境は手つかずという会社も少なくありません。経営層の意思決定を直接支援する特化型SaaSが資金を集め始めているのは、そのギャップが埋まりつつあるサインです。まずは自社の役員会議にデータがどれだけ持ち込まれているかを棚卸しする良い機会です。

GoogleがGemini APIに「Flex」と「Priority」の2階層を追加

開発者向けGemini APIに、コスト重視の「Flex」と即応性重視の「Priority」の2つの推論階層を追加。 バックグラウンド処理と対話処理をそれぞれ最適なコストで使い分けられるようになった。 従来の非同期バッチAPIと同期APIの複雑な使い分けが不要になり、一つのインターフェースで管理可能。 出典: Google AI Blog

編集部コメント: コスト最適化の選択肢が増えたことは素直に歓迎します。「AIを試してみたいけど、使いすぎたときの請求が怖い」という声はよく聞きます。Flexで低コストに試行し、効果が見えてからPriorityへ移行する段階的なアプローチが取りやすくなりました。小規模なAI機能の実験を社内で始めやすい環境が、また一段整いました。

IntuitのAIエージェントが85%のリピート率を達成

300万人の顧客に展開したIntuitのAIエージェントが、高いリピート利用率を記録。 AIによる一次対応から、必要に応じて人間のサポートへシームレスに引き継ぐ設計が奏功。 完全自動化ではなく、人間の介在を残すハイブリッドモデルが顧客体験の向上に直結した。 出典: VentureBeat

編集部コメント: 私たちは、AIに任せきりにするのではなく最後の判断とケアを人間が担う設計が信頼を生むと確信しています。この数字は、ハイブリッドモデルこそが実務の正解だという事実を示しています。自社でAIを使った顧客対応を検討しているなら、どこで人間に引き継ぐかを先に設計することから始めてみてください。

NIIが「LLM-jp-4」をオープンソースで公開

国立情報学研究所が「LLM-jp-4 8Bモデル」と「LLM-jp-4 32B-A3Bモデル」をオープンソースで公開。 OpenAIのオープンモデル「gpt-oss-20b」を上回る日本語性能を達成。 32B-A3BモデルはMixture of Experts方式を採用し、パラメータの一部のみを選択的に使用することで計算コストを抑えながら高い精度を実現。 出典: ITmedia AI+

編集部コメント: 国産モデルがここまで来たという事実に、大きな頼もしさを感じます。日本語の文脈や業界特有の表現を深く理解するモデルが、国内ベンダーの業務ツールに組み込まれていく日が楽しみです。まずは研究者や開発者が使い倒していくフェーズです。その先に、中小企業の日常業務を支えるツールへと育っていく可能性を感じます。

米ユタ州がAIによる精神科薬の処方を許可

ユタ州で、医師を介さずAIシステムが精神科関連の処方箋を発行することが法的に認められた。 医療アクセスが限られた地域での診療拡大を目的とした、米国でも先例のない取り組み。 一方、専門家の間では「解決しようとしている問題は何か」という根本的な問いも上がっている。 出典: The Verge

編集部コメント: 医療アクセスの改善という目的は評価しつつも、手放しで喜べるニュースではありません。重大な判断をAIに委ねるとき、何か問題が起きたら誰の責任かという問いは避けて通れません。これは医療に限らず、自社でAIを業務に組み込む際にも同じことが言えます。ツールの導入と並行して、最終的な責任の所在を明文化しておくルール作りが必要です。

メール対応をAIで自動化しませんか？ 受信メールをAIが分析し回答案を自動作成。担当者は確認・送信するだけ 詳しくはこちら