※本記事は、CDTのDigital Leadership Agenda 2025におけるパネルディスカッションの内容を基に作成されています。登壇者は、Marcello Damiani氏（Flagship Pioneering シニアパートナー）、Meghna Sinha氏（元Verizon AI Center VP）、Shah Nawaz氏（Regeneron CTO & デジタルトランスフォーメーションVP）、およびモデレーターのPatrick Dey氏（Rockwell Automation データ・イノベーションVP）です。

このパネルディスカッションは、The Paul Merage School of BusinessのCenter for Digital Transformation (CDT)が主催したものです。CDTは、Faculty DirectorのVijay Gurbaxani氏のリーダーシップのもと、AIの時代におけるビジネスとテクノロジーの戦略的課題に取り組むセンター・オブ・エクセレンスです。

本記事では、パネルディスカッションの内容を要約・構造化して掲載しています。内容の正確性には十分な注意を払っていますが、要約や解釈による誤りがある可能性があります。詳細な情報や完全な文脈については、CDTのウェブサイト（www.centerfordigitaltransformation.org ）をご参照ください。

1. イントロダクション

1.1. パネリストの紹介

このCDTのDigital Leadership Agenda 2025で開催されたパネルディスカッションには、以下の4名の専門家が登壇しています：

• Patrick Dey氏（モデレーター）：Rockwell Automationのデータ・イノベーション部門のVPとして、同社のデジタルトランスフォーメーションを主導しています。
• Marcello Damiani氏：Flagship Pioneeringのシニアパートナーとして、AIとデジタル運用戦略を専門としています。Modernaの最高デジタル・オペレーショナルエクセレンス責任者として、60名規模のスタートアップから6,000名規模の企業への成長過程でデジタル戦略を指揮しました。Motorolaでのハイテク産業経験や航空宇宙産業でのキャリアを持ち、一貫してビジネス変革とテクノロジーを活用した事業転換に携わってきました。現在は40社以上の企業を抱え140億ドルの資産を運用するVCでAI戦略の構築支援を行っています。
• Meghna Sinha氏：Verizonの最高AI責任者を務めた経験を持ちます。25年のキャリアの中で、CPG業界で12年間、Targetでデータサイエンス部門の立ち上げに10年間従事し、Verizonでは「AIセンター」を統括しました。「モデルコンバージェンス」の実現、説明可能性と責任あるAIの実装、実験とフィードバックの仕組み作り、再利用可能なAIシステムの構築を専門としています。
• Shah Nawaz氏：RegeneronのCTO兼デジタルトランスフォーメーション担当VPとして、研究開発から製造に至るバリューチェーン全体のデジタル変革を推進しています。特に「BioNext」と呼ばれる次世代オペレーティングシステムの構築を通じて、人材、プロセス、テクノロジーの統合的な変革を主導しています。

1.2. AIアプローチの転換の必要性

Patrick Dey：「AIの導入において、私たちは重要な転換点に立っています。私が所属するRockwellでの経験からも、ボトムアップでのユースケース構築だけでは、次のステップに進むことができないことが明確になってきています。今日は、AIのロードマップをどのように描き、企業としてどう投資していくべきか、各社の経験から学びたいと思います。」

Marcello Damiani：「その通りですね。私がFlagshipで新規企業の立ち上げに関わる中で、最近の大きな変化として、新規に立ち上げる企業の全てでAIを中核に据えていることが挙げられます。これは、もはやAIが単なる技術的なツールではなく、ビジネス変革の本質的な要素となっていることを示しています。以前はIT、次にプロセス、そしてデジタルと呼ばれてきた変革が、今やAIを中心とした変革へと進化しているのです。」

Shah Nawaz：「RegeneronでもAIの導入アプローチを大きく変更しました。当初は個別のユースケースを積み上げていく方法を取っていましたが、それだけでは組織全体としての価値創出に限界がありました。特にバイオテック分野では、研究開発から製造まで、バリューチェーン全体を通じた統合的なアプローチが必要です。そのため、私たちは'BioNext'という新しいオペレーティングシステムの概念を導入し、トップダウンでの包括的な変革を推進しています。」

Meghna Sinha：「Verizonでの私の経験からも、トップダウンアプローチの重要性を強く感じています。特に重要なのは、単一のモデルや個別の施策ではなく、複数のインテリジェンスを統合する'モデルコンバージェンス'の考え方です。例えば、パーソナライゼーションにおいても、単なる製品レコメンドではなく、顧客体験全体を通じた統合的なアプローチが必要です。これには経営層の理解と明確なビジョンが不可欠です。」

Patrick Dey：「まさにそうですね。私たちRockwellでも、デジタルトランスフォーメーションを進める中で、約60%の進捗を達成していますが、その過程で個別最適から全体最適への転換の重要性を実感しています。これからのAI戦略では、トップダウンでの明確なビジョンと、それを実現するための包括的な組織戦略が必要不可欠だと考えています。」

2. 組織全体のAI戦略

2.1. 経営陣のAIリテラシー教育

Shah Nawaz：「Regeneronでは、AIの導入において最も基本的かつ重要な取り組みとして教育に焦点を当てています。特に生物工学分野では、機械学習やディープラーニングの概念は決して新しいものではありませんが、生成AIの出現により、これが取締役会レベルの議題となりました。」

Patrick Dey：「その点について、具体的にどのようなアプローチを取られたのでしょうか？」

Shah Nawaz：「私たちは最初の1年を教育に費やしました。特に重要だったのは、取締役会メンバー、経営幹部、CFOなど、意思決定権を持つ層への教育です。なぜなら、CFOが価値提案を理解していなければ資金は得られませんし、組織構造によっては取締役会の理解なしには予算配分さえ難しいからです。」

Meghna Sinha：「Verizonでも同様の課題に直面しました。私たちの場合、AIセンターを立ち上げる際に、経営陣への教育を通じて、単なるモデル構築ではなく、組織全体としての価値創出の視点を共有することに注力しました。」

Marcello Damiani：「Modernaでの経験からも、経営陣のAIリテラシーは極めて重要です。企業のビジョンを実現する上で、AIがどのように貢献できるのか、経営陣が明確に理解している必要があります。そのため、私たちはAIアカデミーを設立し、まず経営層への教育から始めました。」

Shah Nawaz：「重要なのは、科学者や研究者は既にこれらの技術に精通していることです。しかし、突然取締役会メンバーがAIについて質問し始めた時、組織としての対応が必要となりました。OpenAIなどの技術が登場する中、私たちは『何を最初に行うべきか』を慎重に検討し、まずは意思決定者層への教育プログラムの構築から始めました。これは一見基本的な取り組みに見えますが、組織全体のAI戦略を推進する上で不可欠な基盤となっています。」

Patrick Dey：「つまり、技術的な理解だけでなく、ビジネス価値との結びつきを明確に示すことが重要だということですね。」

Marcello Damiani：「その通りです。特に投資判断を行う立場の人々には、AIが業界をどのように変革する可能性があるのか、具体的な事例を交えて説明することが効果的です。」

2.2. AIアカデミー

Marcello Damiani：「私たちはModernaでAIアカデミーを設立し、組織全体のAIリテラシー向上を図りました。重要なのは、単なる技術研修ではなく、企業のビジョンとAIがどのように結びつくのかを理解してもらうことです。そのため、全ての従業員をトレーニングの対象とし、AIのユースケースを構築する実践的な手法までカバーしました。」

Patrick Dey：「具体的にはどのようなアプローチを取られたのでしょうか？」

Marcello Damiani：「まず、全てのリーダーをAIについて教育し、AIがどのように業界を変革する可能性があるのかを理解してもらうことから始めました。参加者を一つの部屋に集め、AIのユースケースをどのように構築するか、実践的なワークショップを行いました。ここで重要なのは、AIが全ての問題を解決するわけではないということを理解してもらうことです。時にはAIよりも安価で効果的なソリューションが存在する可能性もあります。」

Shah Nawaz：「Regeneronでも同様のアプローチを取っています。特に重要なのは、既存の業務プロセスの文脈の中でAIをどう活用するかという視点です。例えば、分子生物学者やバイオ医薬の研究者、構造生物学の専門家など、それぞれが長年培ってきた手法がある中で、AIをどう組み込んでいくかを考える必要があります。」

Meghna Sinha：「Verizonでの経験から言えば、AIアカデミーの成功には、実際のビジネス課題との結びつきが重要です。私たちは特に、モデルの説明可能性や責任あるAIの実装、実験とフィードバックの仕組み作りなど、実践的な側面に焦点を当てた教育を行いました。」

Marcello Damiani：「その通りです。また、40社以上の企業を持つFlagshipでの現在の経験からも、各企業のニーズに合わせたAI戦略の構築が重要だと感じています。AIアカデミーのカリキュラムも、企業の戦略やプロセスに合わせて最適化する必要があります。」

Patrick Dey：「つまり、AIアカデミーは単なる技術教育の場ではなく、組織変革の触媒として機能するということですね。」

Marcello Damiani：「まさにその通りです。最終的な目標は、組織全体がAIを戦略的に活用できるようになることであり、そのためには経営層から現場まで、一貫した理解と実践的なスキルの習得が必要なのです。」

2.3. データ中心型組織への移行

Shah Nawaz：「Regeneronでは、データ中心型組織への移行を進める中で、AIの議論から完全にデータを切り離すことはできないと実感しています。私たちは『データ中心性』という概念を基に、組織をアウトプット基準からアウトカム基準へ、そして従来型からデジタル組織へと転換させようとしています。」

Patrick Dey：「具体的にどのような課題に直面されましたか？」

Shah Nawaz：「最大の課題は、開発者コミュニティや研究コミュニティなど、それぞれが数十年にわたって培ってきた独自の手法を持っているということです。分子生物学者、バイオ医薬の専門家、構造生物学の専門家、前臨床や臨床試験の専門家など、それぞれが特定の方法で訓練されてきました。そこに新しい視点を持ち込むことは、決して容易ではありません。」

Meghna Sinha：「その点について、Verizonでも同様の経験がありました。私たちは、各専門分野の既存のエキスパートシステムを活かしながら、それらが相互に学習し合える接続されたモデルアーキテクチャを構築することで、この課題に対応しました。」

Shah Nawaz：「私たちの場合、まず臨床試験の分野から始めました。サイトの評価や適格性判定、患者のリクルーティングなど、既存の分析プロセスにAIを組み込んで拡張していくアプローチを取りています。研究分野では、ターゲット探索のサイクルが通常9-12ヶ月かかるところを、AIで補完することで効率化を図っています。画像データの分野でも、アノテーションやセグメンテーションなど、基本的な技術から段階的に導入を進めています。」

Marcello Damiani：「私もFlagshipで複数の企業と関わる中で、既存のプロセスを尊重しながら、段階的にデジタル変革を進めることの重要性を実感しています。特に生命科学分野では、既存のプロセスの信頼性と新しいデジタル技術の可能性をバランスよく組み合わせることが重要です。」

Shah Nawaz：「そうですね。私たちは現在、より大胆なアプローチも試みています。例えば、患者リクルーティングの分野では、従来は多額の費用をかけてデータを購入していましたが、公開ソースを活用してインテリジェンスを補完できないか検討を始めています。このように、草の根的な取り組みから始めて、組織全体の変革へとつなげていくアプローチを取っています。」

Patrick Dey：「つまり、急激な変革ではなく、既存のプロセスを尊重しながら、段階的にデータ駆動型の組織へと進化させていくということですね。」

3. 実践的なAI導入事例

3.1. Regeneronの事例

Patrick Dey：「Shah、Regeneronでは研究開発から製造まで幅広い分野でAIを活用されていますが、具体的にどのような取り組みをされているのでしょうか？」

Shah Nawaz：「私たちは、バリューチェーン全体を通じたAIの活用を目指しています。特に重要なのは、私たちが'BioNext'と呼ぶ次世代のオペレーティングシステムです。これは、研究から製造まで全ての工程を包含する新しい仕組みです。私の役割の一つは、このシステムを通じて次世代の運用モデルを作り上げることです。」

Marcello Damiani：「生命科学分野でのバリューチェーン全体のデジタル化は非常に興味深いですね。具体的にはどのような成果が出ているのでしょうか？」

Shah Nawaz：「例えば、臨床試験の分野では、サイトの評価や適格性判定、患者のリクルーティングにAIを活用しています。特にターゲット探索の領域では、従来9-12ヶ月かかっていたサイクルの短縮を実現しています。また、画像データの分野では、アノテーションやセグメンテーションの自動化を進め、研究者の分析効率を向上させています。」

Meghna Sinha：「その点について、データの統合と活用の面で何か課題はありましたか？」

Shah Nawaz：「はい、最大の課題は既存のワークフローへの統合でした。例えば、臨床試験の分野では、従来の分析手法にAIを組み込んで補完する形を取っています。また、患者リクルーティングでは、従来は高額なデータ購入に依存していましたが、現在は公開データソースを活用したAIベースのアプローチも検討しています。」

Patrick Dey：「BioNextシステムの構築にあたって、特に重視された点は何でしょうか？」

Shah Nawaz：「私たちは、人材（People）、プロセス（Process）、採用（Adoption）という3つの側面を重視しました。特に既存の専門家たち―分子生物学者、バイオ医薬の研究者、構造生物学の専門家など―が長年培ってきた手法を尊重しながら、新しいモダリティをどのように導入するかという点に注力しています。このアプローチにより、現在では200以上のAIユースケースが開発され、そのうち5-6件が本番環境で稼働しています。」

Marcello Damiani：「それは印象的な成果ですね。特にバイオテック分野では、既存のプロセスと新技術の調和が重要だと私も感じています。」

3.2. Verizonの事例

Meghna Sinha：「私がVerizonでAI実践を主導した経験をお話しさせていただきます。パーソナライゼーションについては、私は過去25年間、特にCPG業界で12年、Targetで10年の経験を積んできました。当初、多くの企業がパーソナライゼーションを単純なレコメンダーシステム、つまり『これを買った人はこれも買っています』というような基本的な仕組みとして捉えていました。」

Patrick Dey：「Verizonではどのように進化させたのでしょうか？」

Meghna Sinha：「私たちはVerizonで、リアルタイムのコンテキスト切り替えを実現する、より高度なパーソナライゼーションを目指しました。例えば、お客様が請求書の確認のためにアプリを使用し、その途中でカスタマーサービスに電話をする場合、そのコンテキストがリアルタイムでエージェントに共有されるようにしました。さらに、もしアプリやエージェントで解決できない場合に店舗を訪問した際も、それまでの経緯が店舗スタッフに共有され、『先ほど$50の支払いについて確認されていましたね』というように、シームレスな対応を可能にしました。」

Marcello Damiani：「それは印象的なアプローチですね。モデルアーキテクチャの面では何か特別な工夫をされましたか？」

Meghna Sinha：「はい、私たちは多数のエキスパートシステムを持っています。製品理解、請求書理解、体験理解など、それぞれの専門システムがありますが、重要なのは、これらのシステムが相互に学習し合う仕組みを構築したことです。コールセンターの通話記録、画像検索など、様々なデータソースを接続した大規模な連携モデルアーキテクチャを実現しています。」

Shah Nawaz：「カスタマーエクスペリエンスの改善効果は測定されていますか？」

Meghna Sinha：「はい、最も重要な指標の一つは時間の節約です。パーソナライゼーションによって、お客様の問題解決にかかる時間を大幅に短縮することができました。また、このアプローチは継続的な改善が必要な取り組みです。新しいデータソースの追加や、モデル間の連携強化を通じて、常により良い顧客体験を目指しています。」

Patrick Dey：「つまり、パーソナライゼーションは単なる製品レコメンデーションを超えて、顧客体験全体を通じた統合的なアプローチへと進化しているということですね。」

Meghna Sinha：「その通りです。パーソナライゼーションは若い分野ではありますが、すでに実証された収益貢献のあるAIの活用領域です。適切に実装すれば、セールスの増加や顧客満足度の向上に確実につながります。」

3.3. Modernaの事例

Marcello Damiani：「Modernaでの経験をお話しさせていただきますと、AIの導入は常に企業ビジョンとの整合性を重視してきました。私たちは、60人規模のスタートアップから6,000人規模の企業へと成長する過程で、一貫してAIを戦略的に活用してきました。」

Patrick Dey：「ビジョンとAI戦略の整合性について、具体的にはどのようなアプローチを取られたのでしょうか？」

Marcello Damiani：「特に印象的な事例として、がん治療における個別化医療の取り組みがあります。現在、Modernaはフェーズ3の段階にある革新的な個別化医療プログラムを進めています。このプログラムでは、AIエンジンを活用して、個々の患者に最適な治療法を予測し、個別化された医療を提供しています。これは単なる技術革新ではなく、患者の命を救うという私たちのビジョンを直接的に実現するものです。」

Shah Nawaz：「個別化医療におけるAIの活用は、私たちRegeneronでも注目している分野です。具体的なフレームワークはどのように構築されたのでしょうか？」

Marcello Damiani：「私たちは、まず企業全体のAI戦略を明確に定義することから始めました。その過程で、散発的なAIの活用から、より体系的なアプローチへの移行が必要だと認識しました。そこで、企業の戦略目標に沿ってAIユースケースを評価し、優先順位付けするフレームワークを構築しました。特に重要だったのは、各AIプロジェクトが企業にもたらす価値を明確に定義することです。」

Meghna Sinha：「フレームワークの実装において、組織の受容性はどのように確保されましたか？」

Marcello Damiani：「私たちは、AIアカデミーを通じて組織全体の理解を深めることに注力しました。さらに、現在私がFlagshipで新規企業の立ち上げに関わる中で、このフレームワークをさらに発展させています。40社以上の企業を持つVCとして、各企業の特性に合わせてAI戦略を最適化することの重要性を実感しています。特に、個別化医療のような革新的な分野では、技術だけでなく、組織の準備状態や受容性も考慮に入れる必要があります。」

Patrick Dey：「つまり、AIフレームワークは技術戦略であると同時に、組織変革の戦略でもあるということですね。」

Marcello Damiani：「その通りです。現在、私たちが立ち上げる新規企業では、全てにおいてAIを中核に据えています。これは、AIが単なるツールではなく、ビジネスモデルそのものを変革する力を持っているという認識に基づいています。」

4. AIガバナンスと投資戦略

4.1. 二重のガバナンス

Shah Nawaz：「Regeneronでは、AIガバナンスを二つの側面から捉えています。一つはリスク管理、もう一つは投資の最適化です。リスク管理の面では、データの取り扱い、モデル開発のプロセス、IPの保護など、法務部門と緊密に連携しながら進めています。」

Patrick Dey：「投資の最適化については、どのようなアプローチを取られていますか？」

Shah Nawaz：「投資の観点でのガバナンスは、組織が正しい方向に進んでいるか、適切な投資を行っているかを確認するためのものです。私たちは、会社に実際にインパクトをもたらすプロジェクトを選定し、そこに投資を集中させる方針を取っています。」

Meghna Sinha：「Verizonでも同様のアプローチを取っていました。特に、説明可能性と責任あるAIの実装に関して、厳格なガバナンス体制を敷いていました。モデルの開発から実装まで、一貫した管理体制が重要だと考えています。」

Marcello Damiani：「Modernaでの経験から言えば、ガバナンスの重要性は企業の成長段階によっても変化します。スタートアップ段階では柔軟性が重要でしたが、企業規模が拡大するにつれて、より体系的なガバナンス体制が必要になりました。」

Shah Nawaz：「その通りです。私たちも、データとモデル開発の管理手法として、段階的なアプローチを採用しています。最初は基本的なガバナンス構造から始めて、組織の成熟度に合わせて徐々に発展させていく方針を取っています。例えば、AIレジストリの導入は、プロジェクトの可視化と管理を両立させる効果的な方法の一つでした。」

Patrick Dey：「ガバナンスの強化と革新性の維持のバランスについては、どのようにお考えですか？」

Marcello Damiani：「それは重要な指摘ですね。特にバイオテック分野では、革新性を損なわずにリスクを管理する必要があります。私たちは、ガバナンスを制約としてではなく、イノベーションを支える枠組みとして捉えています。」

Shah Nawaz：「同感です。ガバナンスは単なる規制ではなく、組織の持続可能な成長を支える基盤として機能すべきです。私たちの経験では、適切なガバナンス体制があることで、むしろAIプロジェクトの成功確率が高まることが分かっています。」

4.2. ハルシネーションの新解釈

Shah Nawaz：「生成AIが登場した当初、多くの人がハルシネーションを問題視していました。しかし、Regeneronでは、この課題に対して異なるアプローチを取ることにしました。私たちは『ハルシネーションは機能である』という見方を提案したのです。」

Patrick Dey：「それは興味深い視点ですね。具体的にはどのように機能として捉えているのでしょうか？」

Shah Nawaz：「例えば、AIが次の最善の行動を提案する場合を考えてみましょう。必ずしも正解ではないかもしれませんが、それは人間の思考や判断を補完するための選択肢として機能します。この視点に切り替えることで、組織内での議論の質が大きく変わりました。」

Meghna Sinha：「Verizonでも同様の課題に直面しましたが、完全な正確性を求めるのではなく、人間の意思決定を支援するツールとして位置づけることで、より効果的な活用が可能になりました。」

Shah Nawaz：「その通りです。もちろん、毒性（toxicity）の管理など、リスク面での取り組みは継続して行っています。しかし、次善の行動を提案する機能として捉え直すことで、より建設的な活用方法を見出すことができました。」

Marcello Damiani：「この考え方は、特にバイオテック分野での研究開発において重要です。完璧な答えを求めるのではなく、新しい可能性を示唆する機能として活用することで、イノベーションを促進することができます。」

Shah Nawaz：「はい、私たちの経験では、この考え方の転換によって、AIの活用範囲が大きく広がりました。『正解か間違いか』という二元論から、『どのような示唆が得られるか』という観点にシフトすることで、より創造的な活用が可能になったのです。」

Patrick Dey：「つまり、ハルシネーションを単なる欠点としてではなく、人間の思考を拡張する機会として捉え直すということですね。」

Shah Nawaz：「その通りです。ただし、これはリスクと機会のバランスを慎重に管理する必要がある領域です。どのような状況でAIの提案を採用し、どのような場合に人間の判断を優先するか、明確な基準を設けることが重要です。」

4.3. 投資配分の考え方

Patrick Dey：「AIへの投資について、具体的な配分の考え方をお聞きしたいと思います。私の場合、仮に1ドルあれば、現在でも70セントをコア事業に、20セントを隣接領域に、そして10セントを先進的なAI技術に投資するという比率を考えています。」

Marcello Damiani：「CEOとの投資に関する議論は、非常に重要かつ繊細な課題です。私の経験では、CEOによってテクノロジーの理解度や投資に対する姿勢が大きく異なります。AIの影響力を十分に理解しているCEOもいれば、より伝統的なアプローチを好む方もいます。」

Shah Nawaz：「その通りですね。特に注目すべきは、野心的なAI活用を目指すCEOであっても、実際の投資決定になると慎重になる傾向があることです。」

Marcello Damiani：「そこで私が効果的だと感じているのは、業界変革の具体的な事例を用いた説得手法です。例えば、保険業界の事例がとても説得力があります。AIを活用して最良の顧客を選別し、最適な価格設定を行う保険会社が、競合他社に対して大きな優位性を築いている実例を示すことで、AIへの投資の重要性を理解してもらえます。」

Meghna Sinha：「Verizonでの経験からも、具体的なROIを示すことが重要だと感じています。特にパーソナライゼーションの分野では、実際の収益貢献を数字で示すことができ、それが投資判断の重要な根拠となりました。」

Marcello Damiani：「そうですね。重要なのは、AIが単なるコスト削減ツールではなく、業界全体を変革する可能性を持っていることを理解してもらうことです。これは保険業界に限らず、あらゆる産業で起こりうる変化です。そのため、私たちFlagshipでは新規に立ち上げる全ての企業で、初期段階からAIを中核に据えています。」

Patrick Dey：「投資の優先順位付けについては、どのようなアプローチを取られていますか？」

Marcello Damiani：「戦略との整合性を最重要視しています。散発的なAI投資を避け、企業のビジョンと戦略に直接貢献するプロジェクトに集中的に投資を行うことで、より効果的な成果を上げることができています。特に重要なのは、AIが他のソリューションよりも効果的である領域を見極めることです。時には、AIよりも安価で効果的な解決策が存在する場合もあります。」

5. 人材戦略とスキル開発

5.1. アップスキリングと採用

Patrick Dey：「AIの実装において、既存人材の育成と新規人材の採用のバランスは重要な課題です。Shah、Regeneronではどのようなアプローチを取られていますか？」

Shah Nawaz：「私たちの経験では、既存人材のアップスキリングは必須ですが、決して簡単ではありません。例えば、クラウドへの移行を例に取ると、『これは単なる別のデータセンターだ』という認識から始まることが多いのですが、実際には根本的に異なるスキルセットが必要となります。同様の課題がAIの導入でも発生しています。」

Meghna Sinha：「Verizonでは、既存人材の育成を重視しながらも、必要に応じて外部から新しい人材を採用するハイブリッドアプローチを取りました。特に、AIとビジネスの両方を理解できる人材の育成に注力しています。」

Shah Nawaz：「その通りです。私たちも特にバイオテック分野では、AIスキルと専門知識の両方を持つハイブリッド型人材の育成が重要だと考えています。例えば、分子生物学者やバイオインフォマティクスの専門家が、AIツールを効果的に活用できるようになることを目指しています。」

Marcello Damiani：「Modernaでの経験から言えば、重要なのは技術的なスキルだけではありません。AIを活用して業務プロセスを変革できる思考力や、新しいワークフローを設計できる能力も同様に重要です。」

Meghna Sinha：「私も同感です。特に重要なのは、既存のスキルセットを活かしながら、新しい技術をどう組み込んでいくかという視点です。Verizonでは、データサイエンティストだけでなく、ビジネスアナリストやプロジェクトマネージャーなど、様々な役割の人材に対してAIリテラシーの向上を図りました。」

Patrick Dey：「新規採用については、どのような基準を重視されていますか？」

Meghna Sinha：「私たちの場合、技術力はもちろんですが、特にチームでの協働能力とビジネス感覚を重視しています。AIの実装は常にチームワークが必要で、技術とビジネスの橋渡しができる人材が不可欠です。」

Shah Nawaz：「同感です。また、急速な技術変化に対応できる学習能力も重要な採用基準の一つです。特に生命科学分野では、専門知識とAIスキルの両方を継続的に更新していく必要があります。」

5.2. パンデミック時代の採用

Patrick Dey：「パンデミック時代の採用について、特に大きな変化を経験された方もいらっしゃると思います。具体的な戦略についてお聞かせください。」

Meghna Sinha：「Verizonでは、パンデミック期間中に採用を行う必要がありましたが、採用凍結などの制約もありました。しかし、この状況は逆に市場開拓の新たな機会をもたらしました。私たちは、この制約を逆手に取り、質を重視した少数精鋭のアプローチを採用しました。具体的には、本当に必要な人材を見極め、12人未満の厳選された採用に絞り込みました。」

Marcello Damiani：「その少数精鋭アプローチは興味深いですね。適切な人材を見極めるための具体的な基準はありましたか？」

Meghna Sinha：「はい。私たちは、この採用戦略を変革管理の一環として位置づけました。VJの指摘にもあったように、オペレーティングモデルを中心に、ビジョン、人材、教育、テクノロジーエコシステム、IPとノウハウなど、包括的な視点で人材を評価しました。これらの要素を全て考慮することで、組織に本当に必要な人材を見極めることができました。」

Shah Nawaz：「リモート環境での採用では、特に技術的なスキルの評価が課題となりましたが、どのように対応されましたか？」

Meghna Sinha：「私たちは、技術的なスキルだけでなく、リモート環境での協働能力も重要な評価基準としました。また、パンデミックによって採用市場が地理的な制約から解放されたことで、より広い人材プールにアクセスできるようになりました。この機会を活かし、本当に優秀な人材を見つけることができました。」

Patrick Dey：「変革管理との連携について、もう少し詳しくお聞かせいただけますか？」

Meghna Sinha：「採用活動は、より大きな組織変革の一部として位置づけることが重要です。新しい人材の採用は、組織の変革を加速させる触媒としても機能します。特に、ChatGPTのような新しい技術が登場した際には、データサイエンティストの役割自体が変化することを念頭に置いて採用を行いました。3年後に必要となるスキルセットを見据えて、アーキテクトやエンジニアなどのハイブリッドな役割を担える人材の採用を重視しました。」

5.3. データサイエンティスト像の変化

Meghna Sinha：「ChatGPTの登場により、私たちはデータサイエンティストの役割について重要な問いを投げかけられました。例えば、『3年後に同じような形でデータサイエンティストを採用し続けるべきなのか？』という問題です。私たちはVerizonで、この変化に対応するため、必要とされる人材像の再定義を行いました。」

Patrick Dey：「具体的にどのようなスキルセットの変化を予想されていますか？」

Meghna Sinha：「従来の数百人規模のデータサイエンティスト組織が、将来的に本当に必要なのかという疑問があります。代わりに、アーキテクトやエンジニアリング的な視点を持った人材、つまりより広い視野でAIシステムを設計・構築できる人材が重要になってくると考えています。」

Shah Nawaz：「私たちRegeneronでも同様の議論をしています。特に生命科学分野では、単なるデータ分析だけでなく、ドメイン知識とAIスキルを組み合わせた新しいタイプの専門家が必要とされています。」

Marcello Damiani：「その通りです。私たちの経験では、今後はAIツールを使いこなすスキルと、それを実際のビジネス課題に適用できる能力の組み合わせが重要になってきます。特に、システム全体のアーキテクチャを理解し、それを効果的に設計できる人材の需要が高まるでしょう。」

Meghna Sinha：「また、ChatGPTのような生成AIツールの登場により、コーディングやデータ分析の一部が自動化される可能性があります。そのため、今後のデータサイエンティストには、AIツールを効果的に活用しながら、より高次の問題解決や戦略的思考ができる能力が求められるでしょう。」

Patrick Dey：「つまり、純粋なデータサイエンティストからより複合的なスキルを持つ人材へのシフトが起きているということですね。」

Meghna Sinha：「はい。特に重要なのは、ビジネスとテクノロジーの架け橋となれる人材です。技術的な専門知識を持ちながら、それをビジネス価値に変換できる能力が、これまで以上に重要になってくると考えています。」

6. 変革管理とワークスタイル

6.1. AIレジストリの活用

Shah Nawaz：「Regeneronでは、組織全体でAIの活用を促進するため、『AIレジストリ』という仕組みを導入しました。一見シンプルなウェブページに見えますが、これは組織全体のAIユースケースを可視化し、共有するための重要なプラットフォームとなっています。」

Patrick Dey：「具体的にはどのような成果が得られていますか？」

Shah Nawaz：「導入から6ヶ月という短期間で、20-30件程度だったユースケースが200件以上に急増しました。さらに重要なのは、そのうち5-6件がすでに本番環境で稼働していることです。この可視化により、組織全体で一種の『人工的なプレッシャー』が生まれ、それが良い意味での競争と革新を促進しています。」

Meghna Sinha：「その『人工的なプレッシャー』という表現は興味深いですね。Verizonでも同様の効果を狙って可視化を重視していましたが、具体的にどのような形で組織的な展開を図られましたか？」

Shah Nawaz：「私たちは段階的なアプローチを採用しました。まず、臨床試験の分野など、比較的取り組みやすい領域から始めて、成功事例を作りました。その後、画像データの分析やターゲット探索など、より複雑な領域へと展開していきました。特に重要なのは、各プロジェクトの進捗状況や成果を常に可視化し、組織全体で共有することです。」

Marcello Damiani：「AIレジストリの活用は、変革管理の観点からも効果的ですね。Modernaでも類似のアプローチを取りましたが、特に重要なのは、成功事例を共有することで組織全体の学習を促進できる点だと考えています。」

Shah Nawaz：「その通りです。AIレジストリは単なるプロジェクト管理ツールではなく、組織の変革を支援するプラットフォームとして機能しています。例えば、ある部門での成功事例が他部門での新しいユースケースの創出につながるなど、組織全体でのイノベーションサイクルを生み出すことができました。」

Patrick Dey：「つまり、AIレジストリは技術的なツールである以上に、組織変革のための触媒として機能しているということですね。」

Shah Nawaz：「その認識は正確です。特に、バリューチェーン全体でAIを活用しようとする際、このような可視化と共有の仕組みは不可欠です。それによって、組織全体でのベストプラクティスの共有と、新しいアイデアの創出が促進されるのです。」

6.2. 働き方の転換

Patrick Dey：「Rockwellでは、デジタルトランスフォーメーションを進める中で、『変革管理』という言葉自体を見直す必要性を感じています。現在、約60%の進捗を達成していますが、最近は一桁台のペースに落ち着いてきています。この状況について、皆さんはどのようにお考えでしょうか？」

Shah Nawaz：「私たちRegeneronでも同様の課題に直面しています。特に重要なのは、単なる『変革管理』から『働き方』への転換です。分子生物学者、バイオインフォマティクスの専門家、臨床試験の担当者など、それぞれが数十年にわたって培ってきた仕事の方法があります。その中で新しい働き方を定着させるには、従来型の変革管理では不十分だと感じています。」

Marcello Damiani：「その通りですね。Modernaでの経験からも、重要なのは人々の仕事の仕方そのものを変えることだと実感しています。特に、AIやデジタルツールを導入する際には、単なるツールの導入ではなく、業務プロセス全体の再設計が必要です。」

Meghna Sinha：「Verizonでも、特にパーソナライゼーションの実装において、部門を超えた新しい働き方の確立が重要でした。例えば、カスタマーサービス、店舗運営、デジタルチャネルの各部門が、リアルタイムでコンテキストを共有し連携する必要がありました。」

Patrick Dey：「具体的な移行方法については、どのようなアプローチを取られていますか？」

Shah Nawaz：「私たちは、まず小規模な成功事例を作ることから始めています。例えば、臨床試験の分野で、既存のワークフローにAIを組み込んで補完する形で導入を進めています。この実践的なアプローチにより、人々は新しい働き方のメリットを実感することができます。」

Marcello Damiani：「Modernaでも同様のアプローチを取りましたが、特に重要なのは、新しい働き方が従来の方法よりも優れていることを、具体的な成果を通じて示すことです。抽象的な変革の必要性を説くのではなく、実際の業務改善効果を示すことで、自然な形での移行を促進することができました。」

6.3. 組織の動機付け

Patrick Dey：「最後に重要なテーマとして、組織の持続的な変革をどのように実現するか、特に人々をどのように動機付けていくかについて議論したいと思います。Rockwellでは、単に変革管理という言葉を使うのではなく、『働き方』という観点から人々を動機付けることに注力しています。」

Shah Nawaz：「私たちRegeneronでも、明日の働き方がなぜ今日よりも良いのかを具体的に示すことが重要だと考えています。特に研究者やサイエンティストたちに対しては、新しい技術が彼らの専門性をどのように補完し、強化できるのかを実証的に示すことで、自発的な変革への参加を促しています。」

Meghna Sinha：「Verizonでの経験からも、変革を持続させるには、人々が自らの仕事の価値を再発見できるような機会を提供することが重要だと感じています。例えば、AIツールの導入により、より創造的な業務に時間を割けるようになることを具体的に示すことで、変革への前向きな姿勢を引き出すことができました。」

Marcello Damiani：「その通りです。Modernaでは、新技術の活用が単なる効率化ではなく、より大きな価値を生み出す可能性があることを示すことに注力しました。特に、個別化医療のような革新的な分野では、新技術の活用が患者の生命に直接的な影響を与えうることを示すことで、強い動機付けとなりました。」

Patrick Dey：「つまり、技術的な変革を超えて、より大きな目的や価値との結びつきを示すことが重要だということですね。」

Shah Nawaz：「はい。さらに重要なのは、この変革を一時的なものではなく、持続可能なものにすることです。私たちは、AIレジストリのような仕組みを通じて、成功事例を可視化し、組織全体で共有することで、継続的な改善のサイクルを作り出しています。これにより、変革が組織文化の一部として定着していくのを実感しています。」

Marcello Damiani：「最終的には、新しい働き方が組織のDNAの一部となり、それが当たり前のものとして受け入れられることが理想です。そのためには、短期的な成果だけでなく、長期的なビジョンと、そこに至る具体的な道筋を示し続けることが重要です。」