私たちが最初にBig FourとAIについて話し始めたとき、会話は驚くほど速く進みました。長い前置きはなく、AIがなぜ重要なのかを説明する必要もありませんでした。ほとんどすぐに、パートナーやシニアコンサルタントたちは、自分たちの時間が実際にはどこに費やされているのかを語り始めました。意思決定や洞察ではなく、準備にです。異なるシステムからデータを引き出すこと。数値を突き合わせること。誰もが結果の意味を考え始める前に、分析が社内基準に合っていることを確認すること。
私たちの印象に残ったのは、こうした作業のどれもが価値の低い仕事ではなかったことです。必要な作業でした。ですが同時に、非常に消耗するものでもありました。経験豊富な人材が、本当の思考を始められる地点にたどり着くまでに、1日のかなりの時間を費やしていたのです。
会話を重ねるうちに、AIが役割を果たせるプロセスが数十件を優に超えて見えてきました。レポーティング、コンプライアンス、財務統制、税務分析、内部レビュー。表面的には、典型的な自動化の問題に見えました。 ですが、そうではありませんでした。
こうしたプロセスの大半には、すでにツールやテンプレート、部分的な自動化が導入されていました。それでも全体を遅らせていたのは、各ステップの“間”にあるものでした。コンテキストの切り替え。出力結果の突き合わせ。断片化された情報に対して一貫して判断を適用すること。本当のコストは時間だけではなく、認知負荷だったのです。
そこで、捉え方が変わりました。
AIが最初から最後まで仕事をこなすにはどうすればよいか、ではなく、その仕事をしている人をどう支えられるかを考え始めたのです。もしAIが、主導権を奪うことなく、エネルギーを消耗させる部分を引き受けられるとしたらどうか。もし構造化されたドラフトを用意し、不整合を浮かび上がらせ、その推論過程を見えるようにできるなら、専門家は準備ではなく判断に集中できるのではないか。
このアプローチが実運用に入ると、その効果ははっきりと現れました。
各チームで、定常的な分析業務のサイクルタイムは80〜90％短縮されました。特に照合作業の多いプロセスでは、手作業によるミスが大幅に減少しました。同じ業務に対してチームごとに少しずつ異なる進め方をしていた状況でも、アウトプットの一貫性が高まったことは同じくらい重要でした。平均すると、コンサルタントは月あたり約40〜50時間を取り戻し、それをより高付加価値な思考に充てられるようになりました。
しかし、最も興味深い変化は数字には表れませんでした。
それは、人々が自分の仕事について語るときの変化でした。レビューはより落ち着いたものになり、議論はより焦点の定まったものになりました。シニアレビュー担当者は、すべてが正しいかどうかを確認することに費やす時間を減らし、その結果が実際に何を意味するのかを議論することに、より多くの時間を使うようになりました。
時間が経つにつれて、そのシステムは人が“使わなければならないツール”のようには感じられなくなりました。意思決定がどのように行われるかを静かに吸収し、それを将来の分析に反映して返してくる、共有された仕事の進め方のように感じられるようになったのです。
この経験は、私たちが長いあいだ信じてきたことも改めて裏づけました。より汎用的な知能への進歩は、複雑な領域で専門家を置き換えようとするシステムからは生まれません。専門家の思考のまわりにある摩擦を減らし、それを増幅するシステムから生まれるのです。
こうした取り組みにおいて、AIが価値を生んだのは、自律的だったからではなく、協働的だったからです。AIは人の代わりに意思決定をしたのではありません。人がより良い意思決定を、より速く行えるよう支えたのです。
AGIのようなシステムが最初にどこで重要になるのかを示す初期のシグナルがあるとすれば、それはここです。完全な自動化ではなく、人間の判断を大規模に支えることにあります。
自動化からレバレッジへのその転換こそが、違いを生んだのです。
