生成AIの組織導入の失敗と改善策 〜見えづらい未来への挑戦と歩み方〜
みなさん、こんにちは。マネーフォワード BXデザイン部でコミュニケーションデザイナーをしているosamuです。
今や当たり前になりつつある「生成AI（Generative AI）」の活用。
みなさんの組織では、どのように業務に取り入れていますか？
今回は、マネーフォワードのBXデザイン部が生成AIの組織導入を試みたら失敗し、その後どう改善したのか、というお話をしようと思います。
「これから組織で生成AIに取り組もうとしている」、もしくは「組織での導入に行き詰まった」という方の何かのヒントになると嬉しいです。
（プロンプトエンジニアリングのような生成テクニックなどのお話ではないので悪しからず）
はじめに
これは、マネーフォワードのBXデザイン部における、生成AIに関する取り組みの記録です。先日、Adobe Fireflyにトライした記事を公開しましたが、今回はその続編。
技術的にもまだ成長過程な生成AIの導入について、どうやって組織にインストールすればいいか？といった、見えづらい未来への挑戦とその歩み方について、赤裸々にお話ししようと思います。
組織活動を設計する
生成AIに取り組むにあたって組織活動を前提にするならば、長期間での取り組みを念頭に設計する必要があります。初期、中・短期、長期でトライすることを定め、暫定ですが「ロードマップ（素案）」を作成しました。
初期：知る、試す、慣れる
中・短期：組織での業務活用に向けた整備
長期：デザイナー業務で生成AIを活用
進めてみた結果次第で、後半のプロセスは変わる可能性が高いですが、まずは恐れず使ってみて、「知らない」を「知っている」状態にすることから動き出しました。
知る：「生成AIってな〜に？」からの脱却
私自身もそうでしたが「生成AIでどんなことができるのか、よくわかっていない」という状況でした。
なので、メンバーの知見を高める意味でも、気になるAIツールを触ってみて、生成AIがどんなことができるのかを確かめつつ、市場調査するところからスタートしました。
AIには、どんなツールがあるか
AIには、どんな活用方法があるか
AIは、何ができるのか
調査にあたって、特筆するならば「商用利用の可否」について調べた点でしょうか。
生成AIの利用については、さまざまなシーンで著作権など法的なが議論なされ、未だ結論が出せていない状態です。
この状況下で、法的なリスクを無視して利用を続けるのは、企業活動としては危険です。「ユーザーとしての意識付け」という意味でも、このタイミングからウォッチしています。
知る：期待値を確かめる
市場調査をした結果、予想よりも広い範囲で収集できたので、今後ナレッジを貯め・活用を進めていく上で、「目的」や「期待値」に合わせてナレッジを観測し、ツールが選べるよう、期待値や利用カテゴリーの整理が必要だと考えました。
成果・期待値の観測
集めた調査結果に対し、それがどんな成果・期待が持てるのか？あとでツール選びをするときに、目安にするためのラベリングです。
量
量（発散量）を多く生成する期待がある
例：アイディア発散時に、大量にアイディアを出すことができた
創造性
自分では思いつかないコンテンツやアイディアの創出が期待できる
例:AとBを組み合わせたら、自分では思いつけない意外な(ポジティブな)アイディアが生成できた
品質
高品質なものが生み出せる期待がある
例：自分で原稿を書くよりも、よい文章が作れた
再現性
再現性が上がる期待がある
例：他の人・タスクでも、同じモノ・コトが再現可能になった（脱俗人化）
効率
時間効率が上がる期待がある
例：情報のまとめが素早くできた、アイディア量を素早く発散できた
要約
要約をしたものが生み出せる期待がある
例：多くの情報の断片から、キーワードを導き出せた
利用カテゴリーのマッピング
調査したAIツールの利用範囲が広かったため、カテゴリー毎にマッピングしました。あとで、どんなシーンで活用できるのかを把握できるようにする目的です。
テキスト・文章
画像
動画
3D
音声・音楽
その他
「ナレッジを蓄積する場所も確保できたし、あとは使い慣れてナレッジを貯めていけば、次のアクションが見えてくるはず」…と思いましたが、そうは問屋が卸さないのが挑戦系の取り組みです！
ナレッジが集まらない（ぐぬぬ…）
初月に市場調査をしてから、３ヶ月ほどナレッジを収集し続けました。
が、しかし！
ほとんど集まらない現実が待っていました…
ガビーン！
なかなかにショックでしたが、ここで見誤ってはいけないのは
「ナレッジが集まらない原因がどこにあるか」です。
生成AIと業務との相性
ナレッジの収集方法
組織活動としての優先順位
モチベーション
実は使っているけど転記できていないだけ
などなど、いくつか可能性があるような気がします。
運用課題のヒアリング
運用がうまくいかなかった原因を探るべく、メンバーにヒアリングをしてみました（恐る恐る…）。
結果、以下のような課題が見えてきました。
「生成AIを使うこと」にフォーカスしすぎて、業務へのマッチングができていなかった
「試す」→「慣れる」の手軽さの観点が弱かった
「生成AIならなんでも集める」のような、スコープを広げすぎてしまっていたので、業務利用として日常化しずらく、結果「試す」機会そのものが生み出せていなかったようです。
また、生成AIを使っていなかったわけではなかったので、収集方法にも課題がありました。
画像生成AIに絞ってみる
メンバーとも話し合い、もっとBXの業務に振り切り、日常化することを優先するよう、取り組み方を調整することにしました。
最も利用が多いのが画像なので、まずは「画像生成AI」について、以下の方法でトライすることに変更しました（４月〜）。
Slackに専用チャンネルを設置
以下の要項で投稿
週次でお題（複数：３つ程度）をChat GPTで作成
お題の中から好きなものを選び、各自画像を生成
内容（お題、ツール名、生成した画像、プロンプト、自己採点・コメント）
お題以外でもOKにしよう
さぁ、あとはモリモリ生成していくだけです！
最適化の結果
取り組み方を変更した結果、約２ヶ月で以下のナレッジが集まりました。
投稿数（Slackのスレッド数）＝54スレ
生成画像＝240点以上
手軽に取り組めるようになったことで、利用頻度＆量を生み出すことに成功！一定の手応えや、疑問点が生まれてきたので、とても良い傾向だと思います。
メンバーへのアンケート
今後の取り組みとして、どの部分をレベルアップしたいのか？メンバーにアンケートをとってみました（上位３つを選択）。
最もレベルアップさせたいのは
生成AIを意図通りに操る「操作系能力」
次いで
生成物のクオリティを上げる「強化系能力」
生成物を業務のアウトプットとして(試験的にでも)使う・公開する「放出系能力」
多少の凸凹はあるものの、いずれの項目においても一定以上の成長意欲があるようで、嬉しい限りです！
おわりに
「業務との親和性を考慮しつつ、組織に馴染むような進め方をする」
紆余曲折はあったものの、「見えづらい未来への挑戦と歩み方」をチームで体感できたのは、とても大きな学びだったと思います。
引き続き、取り組みは継続しつつ、そろそろ次のステップへ進んでいけたらと思っていますので、続報があればまた公開しようと思います。
最後までお読みいただき、ありがとうございました。
また、マネーフォワードに少しでも興味を持っていただけた方がいれば、ぜひ下記のリンクからお気軽にご連絡ください。