東洋エンジニアリング、AIで経営シナリオを試算し計画作成を50%短縮

まず効いていると考えられるのは、AIに「シナリオを作らせる」ところまでを任せ、最終判断を人間に残した役割分担です。中核事業で利益を最大化する案と、新領域にリソースを割く案のように方向性の異なる選択肢に対し、AIがそれぞれの実行計画を自動作成し、KGI・KPIの見込みまで試算します。経営陣はその結果を出発点に、AIが考慮していない情報を加えて調整する。判断を代替させるのではなく、判断材料の生成量とスピードを上げる設計にしたことが、経営の現場で使える仕組みにつながったのではないでしょうか。

次に、経営モデルの手前にある業務データの流れを作り込んだ点が挙げられます。経営デジタルツインが成り立つには、適切な精度・鮮度・粒度で業務データが集まることが前提になります。そこで標準データモデルの上に大小数百のAI・機械学習・数理モデルを載せ、デジタル設計ツールで概要設計を行えば必要リソースや高リスク箇所が算出され、それがプロジェクト管理システムに渡ってスケジュールとリソース配分の最適化、財務・リソース・リスクの計画データ生成につながる、という連鎖を組み上げています。しかもプロジェクト戦略や制約条件が変わるたびに再計算・再評価される。データを一度集める仕組みではなく、変化に追従して更新され続ける仕組みにしたことが、経営判断に耐える鮮度を担保していると考えられます。

三つ目は、完成を待たずに運用へ載せて改善を回す進め方です。一定の段階に達したら実運用に適用し、フィードバックを受けて動的に改善していく。計画づくりでも、AIが生成した計画に人間がフィードバックを与える協働の形をとっています。加えて、アクセンチュアが特定領域に限定したサービス提供ではなく、DXを手段とした議論のパートナーとして関与している点も、この改善サイクルを支える体制面の要素として見逃せません。