あなたは、巨大でハイテクな図書館の中に立っていると想像してください。そこにある本は、もはや人間によって書かれたものではなく、超スマートなロボットたちによって書かれています。ここ数年、テクノロジーの世界では、世界最大のレースが繰り広げられてきました。それは、「最も大きな脳を持つロボット」を見つけ出すというレースです。企業は、最も強力なものさえ手に入れれば勝利できると信じ、最も「賢い」ロボットを買うために数十億ドルを投じてきました。これが人工知能（AI）の世界です。かつて、目標は純粋に「生の知能」にありました。しかし、ここにひねりがあります。ロボットがあまりにも優秀になりすぎたため、「最も賢いもの」と「5番目に賢いもの」の差は、今やほとんど無視できるほど微々たるものになっているのです。これは、2台の超高速レーシングカーを持っているようなものです。もし片方がもう一方よりほんのわずかだけ速かったとしても、ドライバーが運転を知らなかったり、あるいは道路がポットホール（路面の窪み）だらけだったりすれば、その速さは意味をなしません。この論文は、シンプルかつ重大な問いを投げかけます。「もしロボットたちが皆、実質的に同じレベルにあるのなら、なぜこれほど多くの企業が、それらを実際に有用な仕事に使わせることに失敗しているのか？」という問いです。

この論文の著者であるファブリシオ・F・コスタ（Fabricio F. Costa）は、問題はロボットの脳にあるのではないと主張しています。代わりに、問題は「デプロイメント・ウォール（展開の壁）」にあります。こう考えてみてください。あなたは、非常に賢いハイテクなロボット・アシスタントを購入しました。しかし、それをあなたのオフィスで働かせるためには、6つの異なる「継ぎ目（シーム）」、あるいは境界線を越えなければなりません。これらは、城の中にある異なる部屋の間の隙間のようなものです。ロボットをあなたの乱雑なファイリングキャビネット（データ）に接続し、許可された人にしか話しかけないようにし（アイデンティティ）、危険な発言をさせないようにし（セキュリティ）、従業員が怖がらずに使えるよう教育し（チェンジ・マネジメント）、そして、その稼働コストが節約できる額を上回らないようにしなければなりません（コスト）。この論文は、ほとんどの企業が「最も賢い」ロボットを買うことに執着するあまり、これらの隙間に架ける「橋」を築くことを忘れているのだと示唆しています。その結果、ロボットは極めて優秀でありながら役に立たないまま隅っこに座り込み、会社は損失を出し続けることになるのです。

終わった「偉大なるロボットレース」

長い間、エンタープライズAI（大企業でのAI活用）の物語は、知能を巡るレースでした。企業はリーダーボードを確認し、モデルにどれだけの「パラメータ（ロボットの脳細胞）」があるかを数え、「我々は最も賢いものを持っているか？」と問いかけてきました。しかし、この論文は、このレースは事実上終了したと論じています。トップクラスのロボットたちは今や非常に似通っており、それらの差はごくわずかな数値の差に過ぎません。知能は、電気や水のように「コモディティ化（汎用品化）」しています。それは購入できますが、誰もが手に入れられるため、もはや特別な優位性をもたらすことはありません。

それにもかかわらず、企業はこれらのロボットへの支出をわずか1年で3倍に増やし、約370億米ドルに達しています。しかし、独立した調査によれば、これらのロボット・プロジェクトの約95%は、測定可能な利益を生むことなく終わっています。それらは、どこにも辿り着かないパイロット運用なのです。よくある言い訳は、「ロボットがまだ十分に賢くない。もっと賢い次のバージョンを待つ必要がある」というものです。著者は、これは誤った診断であると言います。それは、壊れた車を、エンジンのせいにするようなものです。本当の問題は、ドライバーがガソリンを入れるのを忘れたことにあるのです。ロボットには十分な能力がありますが、問題は、企業が彼らをガレージから外に出して、道路に乗せることができない点にあります。

デプロイメント・ウォール：6段階の障害物コース

この論文は、「デプロイメント・ウォール（展開の壁）」と呼ばれる概念を紹介しています。巨大な壁を6層のレンガで作ったと考えてみてください。ロボットを「クールなアイデア」から、実際に会社に利益をもたらす段階へと進めるためには、すべてのレンガを乗り越えなければなりません。もし途中で落下すれば、プロジェクト全体が死んでしまいます。

1. モデル選定（Model Selection）: ロボットを選びます。これは最も簡単で、最も目に見える部分です。
2. 統合（Integration）: ロボットを、会社の古くて乱雑なコンピュータ・システムやデータに接続しようとします。ここで最初の亀裂が現れます。
3. ガバナンス（Governance）: ロボットが安全で、監査可能であり、誰がその発言に責任を持つのかというルールを確立しなければなりません。
4. ワークフローの再設計（Workflow Redesign）: ロボットの隣にただ座らせるのではなく、実際にロボットを使うために、従業員の仕事のやり方を変えなければなりません。
5. エンタープライズ採用（Enterprise Adoption）: 全員にロボットを信頼させ、使わせる必要があります。
6. 実現されたビジネス価値（Realized Business Value）: ついに、ロボットが実際にコストを削減するか、あるいは利益を生み出します。

恐ろしいのは、ほとんどのプロジェクトが中間のレンガ（統合、ガバナンス、ワークフロー）で立ち往生することです。論文は、各ステップでの失敗率が50%だとすると、最後まで到達できるプロジェクトはほとんど残らないだろうと示唆しています。これは、ロボットの知能を責めることなく、95%の失敗率を説明しています。

6つの継ぎ目（シーム）：漏れが発生する場所

著者は、これらのステップの間の隙間を「シーム（継ぎ目）」と呼んでいます。ジャケットの縫い目の隙間を想像してください。もしジャケットを縫いながら、継ぎ目を開けたままにしておけば、風が吹き抜けてしまいます。AIの世界には、価値が漏れ出してしまう6つの特定のシームがあります。

• データのシーム（The Data Seam）: ロボットが機能するためには、クリーンで整理されたデータが必要です。しかし、ほとんどの企業のデータは、本が床に投げ捨てられた図書館のように、あちこちに散乱しています。これを修正するには、膨大な労力が必要です。
• アイデンティティとアクセスのシーム（The Identity & Access Seam）: ロボットは、誰が質問しているのかを知る必要があります。もしロボットが、あなたが誰であるかを知らないために、見知らぬ人にあなたのプライベートなファイルを見せてしまったら、それは災難です。多くの企業は、まだロボットをセキュリティ・システムに接続できていません。
• セキュリティとコンプライアンスのシーム（The Security & Compliance Seam）: ロボットは、秘密を漏らしたり法律を破ったりしないよう、厳格なルールに従わなければなりません。もしセキュリティの確保されていないロボットを立ち上げれば、大変なトラブルに見舞われるでしょう。
• ガバナンスのシーム（The Governance Seam）: ロボットを監視し、そのミスを記録し、人間が介入できる体制を整える必要があります。これがない限り、どのボスもロボットに仕事をさせようとは思いません。
• チェンジ・マネジメントのシーム（The Change Management Seam）: これは最も無視されているものです。人々に対し、どのようにロボットと共に働くか、そして日々の習慣をどう変えるかを教えなければなりません。そうでなければ、人々は単にロボットを無視するでしょう。
• コストのシーム（The Cost Seam）: たとえロボットが機能したとしても、稼働させるコストが高すぎないでしょうか？維持するためのコストが、しばれて利益を食いつぶしてしまうことがあります。

シーム・インデックス：ロボット選びの新しい方法

企業がより良い選択ができるよう、著者は「シーム・インデックス（Seam Index）」と呼ばれるツールを作成しました。 「どのロボットが最も賢いか？」（それはもう重要ではありません）と問う代わりに、「どのロボット・プラットフォームが、最も多くのシームを越える助けになるか？」と問います。

プラットフォームを0から12のスコアで評価します。

• スコア 0: あなた自身で橋を架けなければならない（非常に困難で、非常に高価）。
• スコア 1: プラットフォームが少し助けてくれるが、まだやるべきことがある。
• スコア 2: プラットフォームがすでに橋を架けてくれている（ただ歩いて渡るだけ）。

論文では面白い例を挙げています。2台のロボットを想像してください。ロボットAは世界で2番目に賢いロボットですが、すべての橋がすでに架けられています（セキュリティ、データ、ルールに自動的に接続されます）。スコアは10です。ロボットBは絶対的に最も賢いロボットですが、橋が一つも付いておらず、すべてをゼロから構築しなければなりません。スコアは2です。論文は、ロボットAが成功し、ロボットBが失敗すると主張しています。たとえロボットBの方が「賢い」としても、壁の反対側に閉じ込められていれば、それは役に立ちません。

「堀（モート）」は移動した

ビジネスにおいて、「モート（堀）」とは、敵を防ぐための城の周りの深い溝のことです。長い間、その堀は「最も賢いモデル」でした。しかし今、その堀は移動しました。真の優位性は、シームを所有している企業にあります。

論文は、大手テック企業（Microsoft、Amazon、Googleなど）もこれに気づいていると指摘しています。彼らは単にロボットを売っているのではありません。企業がこれらのシームを越えるのを助けるために、コンサルタントの軍団を雇っているのです。彼らは、本当の儲けはロボットの脳にあるのではなく、ロボットを乱雑で現実的な会社の中で機能させる能力にあることを知っています。「モート」とは、摩擦を取り除く能力のことです。もしある会社が、データ、セキュリティ、アイデンティティのシームを簡単に越えられるよう手助けできるなら、どのロボットを使っているかに関わらず、その会社が勝利します。

未来にとっての意味

この論文は、もし企業が「より賢い」ロボットを待ち続けているなら、それは時間の無駄であると示唆しています。本当の仕事は、もっと退屈な作業にあります。データの修正、セキュリティの設定、そして人のトレーニングです。著者は、これらのシームを無視することによるコストを「デプロイメント・デット（展開債務）」と呼んでいます。金融債務と同じように、今これを支払っておかなければ、それは増大し続け、最終的には会社を押しつぶすことになります。

論文は、リーダーたちへ明確なメッセージを残して締めくくられています。ロボットの脳を見るのはやめなさい。橋を見なさい。プラットフォームがどれだけの摩擦を取り除いてくれるかを測定しなさい。古い仕事に合わせてロボットを包み込むのではなく、ロボットに合わせて仕事を再設計しなさい。次の10年の勝者は、より賢いモデルを待っていた人々ではなく、ロボットをドアの向こう側へ通す方法を見つけた人々です。

著者は、これは他の研究の観察と統合に基づいた新しいフレームワークであり、最終的な、証明された物理法則ではないという点に注意を払っています。彼らは、他の科学者がそれが真実かどうかをテストできるように、6つの具体的な命題（プロポジション）を提案しています。例えば、プラットフォームの「シーム・インデックス」のスコアは、ロボットの知能スコアよりも成功を予測しやすい、といったことです。しかし現時点では、証拠は一つのことを強く示しています。ボトルネックは知能ではなく、デプロイメント（展開）なのです。