エンタープライズワークフローにおける生成AI：生産性の未来

企業は、コミュニケーションと生産性を向上させるために生成AI（genAI）を採用し始めています。最近の調査結果によると、2025年までにほぼすべての企業がgenAIをワークフローに統合すると示唆されています。スタンドアロン型のgenAIツールにはその価値がありますが、この技術を既存のエンタープライズアプリケーションに直接埋め込むことは、よりシームレスでユーザーフレンドリーな体験を提供します。

運用の合理化とコミュニケーションの改善を図るため、企業は生成AI（genAI）に注目しています。スタンドアロン型のgenAIツールはしばしばユーザーを別のアプリケーションに切り替えさせる必要がありますが、埋め込み型genAIは、既存のワードプロセッシング、スプレッドシート、メール、その他の生産性ソフトウェアにAI機能をシームレスに統合することを約束します。このシフトは、genAIの機能へのアクセスを簡素化し、従業員にとってより直感的にするという欲求によって駆動されています。

ForresterによるGenAI採用の洞察

Forresterによって実施された最近の調査は、北米および英国のテクノロジー意思決定者に焦点を当て、企業全体における生成AI（genAI）の採用が大幅に増加することを予測しています。2025年までに、ほぼすべての企業が、特に文章作成および編集タスクにおいてコミュニケーションをサポートするために生成AIを活用すると予測されています。実際、調査への回答者の70%が、文章作成および編集の大部分またはすべてのニーズに対してすでにgenAIを使用していると示しました。

Forresterの調査結果によると、ChatGPTなどのスタンドアロン型genAIツールにはその役割がありますが、クロスファンクショナルなコラボレーションを完全にサポートできず、従業員のワークフローにシームレスに統合されない可能性があります。その結果、genAIの真の潜在力は、既存のエンタープライズアプリケーションに直接埋め込まれたときに実現される可能性が高いです。

Microsoft 365 Copilot：ゲームチェンジャー

埋め込み型genAIにおける最も顕著な開発の一つは、Microsoft 365 Copilotです。これは、Microsoft 365生産性スイートのさまざまなアプリに統合されている生成AIアシスタントです。TeamsなどのアプリにはいくつかのgenAI機能が導入されましたが、Copilotの一般公開は熱心に待望されています。バックオフィスの業務プロセスを変革するその可能性は、大きな興奮を生んでいます。

一部の企業は、埋め込み型genAIソリューションの一般公開を待たず、代わりに生成AIを自社のアプリケーションに統合しています。これは通常、OpenAIなどのAIプロバイダーへのAPI呼び出しを通じて、またはローカルで実行される大規模言語モデル（LLM）を実装することで達成されます。これらの積極的な措置により、企業は生産性を向上させ、競争優位性を維持できます。

多くのベンダーはすでにアプリケーションにgenAI機能を取り入れており、企業が既存のワークフロー内でこの技術を活用できるようになっています。例えば、ZoomやMicrosoft Teamsなどのオンラインミーティングプラットフォームは、ビルトインまたはアドオンAI搭載の要約機能を提供しており、会議コンテンツのキャプチャと要約方法を大幅に改善しています。

いくつかの企業はすでにワークフロー内で生成AIの力を活用しています。Stream Financial Technologyは、メールクライアントでgenAIを使用してメールを要約し、メッセージを作成しています。また、Google Docsなどのアプリケーション内でAI搭載のテキスト作成および編集を提供するGrammarlyも採用しています。

 保険ブローカーのNFPは、マーケティングコピーの作成にJasper AIを使用しています。Jasper AIはGPT-4モデルを使用し、特定のビジネスユースケースに合わせて調整できます。NFPはまた、メール作成のためにSalesloftという営業エンゲージメントプラットフォームに生成AIを統合しています。

Thomson Reutersは長年AIを活用しており、生成AIの可能性を積極的に探求しています。同社は、コミュニケーションのドラフト作成、作業成果物の初稿作成、さらには従業員の質問への回答にAIを使用しています。この技術は、人間の能力の代替ではなく、増強として見なされています。

生成AIの採用は多くの利点をもたらしますが、企業は潜在的なリスクに注意を払う必要があります。プライバシー、セキュリティ、およびトレーニングデータの正確さが主要な懸念事項です。企業はまた、著作権に関連する法的問題を避けるために、AIトレーニングデータのソースを認識する必要があります。ユーザーフレンドリーで既存のワークフローにシームレスに統合されるAIツールを選択することが、成功した採用にとって不可欠です。