PwCの2025年AIビジネス予測

• PwCは、AIが全社的・産業的な次元で価値を創出し、これを主導的に活用する企業が長期的に先行すると見通している
• AIは実務・戦略・ビジネスモデル全般で重要な役割を果たしており、2025年にはさらに速いペースで統合・普及すると予測
• 「AIに対するビジョンと採用の進め方が、企業の成否を分ける中核要素である」
  • AIが大規模な価値を提供できることは明らかになっており、まだ始まりにすぎない
  • PwC 2024 Pulse Surveyによれば、回答した技術リーダーの49%がAIを中核的なビジネス戦略に完全統合したと答え、また3分の1は自社の製品・サービスに完全統合したと回答した
• 組織レベルでAIを内在化することは不可欠である
  • 新たなビジネスモデルのような「大きな飛躍」を通じて画期的な価値を得ることも一つの方法である
  • もう一つの方法は、複数領域で20〜30%の生産性向上や市場投入の迅速化、売上増加などを順次実現することである
  • これを繰り返して積み上げれば、企業全体が根本的に変化する
• AIに関しては過度な期待が形成されている面もある
  • すべての約束が実現するわけではないが、AIの革新スピード、投資、ビジネス側の反応は前例のない速さで進んでいる
  • インターネット（1983年に発明）でさえ、これほど速くはなかった
  • 以下の予測は、今後12カ月の間に起こること、その後に起こりうること、そして今まさに取るべき行動の方向性を示している

1. AI戦略が競争力を左右する

• AI戦略は、今から始まる価値創出に焦点を当てるべきである
  • これは単なる生産性や効率性を超える価値を意味する
  • 一部のAIシステムは独立して推論し、意思決定の影響を「理解」し、複雑な業務（新規サービスや市場参入戦略の設計など）を遂行できる
  • AIはますます強力かつ信頼できる水準に達しつつあり、これを業務運営全般に組み込むべき時点に来ている
  • 競合他社がこのようにAIを積極的に受け入れれば、そうでない企業との差は容易には埋まらないだろう
• 効果的なAI戦略には、今年すぐに活用できる価値を大規模に生み出すよう設計されたポートフォリオ型アプローチが必要である
  • 第1の軸は「ground game」で、多くの小さな成功を生み出す体系的なアプローチである
    • 顧客体験の改善、売上拡大サービス、生産性向上などを順次達成し、累積的な価値を創出する
  • 第2の軸は「roofshots」で、新しい働き方、顧客との相互作用、製品設計などのためのプロジェクトである
    • 実行可能ではあるが、集中的なリソースと関心が必要な領域である
  • 第3の軸は「moonshots」で、AIベースのまったく新しいビジネスモデルのように、非常に挑戦的だが大きなリターンが期待できるプロジェクトである
    • こうしたプロジェクトにはAI専門家の高度な能力とリソースが必要なため、Cレベル主導で進めるべきである
• どの大規模言語モデル（LLM）を選ぶかは、戦略上それほど重要ではなくなるだろう
  • 優れた選択肢は数多く存在し、誰もがそれらを活用する可能性が高い
  • 差別化のポイントは、むしろ自社の組織知や固有データとどう組み合わせるかにある
  • AI対応クラウドアーキテクチャを活用して、これを適切に実装することが肝要である

「AI導入は、PwC内部およびあらゆる業界のクライアントの間で非常に速いペースで進んでいる。2025年には品質、精度、能力、自動化が大きく進歩し、相互にかみ合いながら指数関数的成長に向けて加速するだろう」

• 2025年以降：優位に立つのは少数の企業だけになる

  • 一部の企業は過去にインターネットベースのビジネスモデルを構築し、それを土台に現在まで市場優位を維持している
  • AIでも同様の構図が展開すると予想される
  • AIを基盤に新たなオペレーティングモデルやビジネスモデルを迅速に実装する企業、あるいは生まれつきAIを中核に据えた企業が競争で先行するだろう
  • AI先導企業と後れを取る企業の格差は拡大し、それは各国経済全体にも影響しうる
  • 比較的規制が柔軟な米国企業は、より速く発展する可能性がある
  • 一方で、規制がより厳しいEUや中国では、相対的に発展のスピードが鈍る可能性がある

• 今やるべきこと

  • 正式な戦略評価を実施する必要がある
    • 組織と業界においてAIがどのような役割を果たしうるかを把握しなければならない
    • 例えば、AIは特定の事業領域の利益率を圧迫する一方で、別の領域では低コストかつパーソナライズされた新商品によって爆発的成長を可能にしうる
  • データについては「less is more」のアプローチを試みること
    • AI導入には全社レベルのデータ活用戦略が必要である
    • 同時に、すべてのデータを一度に完璧に整備する必要はない
    • 中核的な戦略優先事項に合わせて価値の高いデータからモダナイズする方法を取るのが効果的である
    • 現在のAIは、高品質な小規模データセットだけでも有意義な性能を発揮できる
    • 足りない部分は合成データなどを活用して補完できる
    • データ利用が多いルールベースのプロセスを持つ税務業務領域などは試験導入に適している可能性があり、そのほかにもさまざまなデータベースの収益化機会が存在するだろう
  • オペレーションおよびKPIの観点から見ること
    • AIによって創出される新規売上、プロジェクト進行速度、生産性、体験などをビジネス成果として測定しなければならない
    • 同時に、過度な自動化を助長しない指標設計が重要である
    • AIには常に人間の監督とリーダーシップが必要である

2. AIエージェントによって人員が実質的に2倍に拡大しうる

• AIが人員を削減するという予想とは異なり、実際には「AIエージェント」と呼ばれるデジタルワーカーが新たにチームに加わる見込みである
  • これらのAIエージェントは、ナレッジワークやセールス、現場支援業務などを担い、市場投入のスピード、顧客対応、製品設計などを変え得る
  • たとえば、一般的な顧客問い合わせ対応、ソフトウェアコードのドラフト作成、人のデザインアイデアをプロトタイプとして実装するといった作業を実行できる
• 重要な価値は依然として、人のリーダーシップとAI技術の組み合わせから生まれる
  • 単純業務はAIが自動化し、人はそれを管理・監督する
  • 複雑な課題（イノベーション、デザインなど）では、人とAIが一緒に反復的にアイデアを発展させる
  • 複数のAIエージェントを同時に活用する場合でも、人は業務配分と結果の調整役を担う
• PwCの2024 Workforce Radarによると、役員の41%は、生成AI導入に際して教育、組織文化、業務変化などが主要課題だと答えている
• AIエージェントを人材戦略の一部として本格的に組み込むことは、かなり大きな変化である
  • たとえば、人材戦略にデジタルワーカーを統合し、それをモニタリング・管理する新たな管理職の役割が必要になる
  • オペレーティングモデルを早く再編するほど、AIの利点を享受できるようになる
  • デジタルと人間のハイブリッド型人材が一緒に働けば、より迅速にリソースを転換し、機敏に対応できる
• AIエージェントの台頭により、従来アウトソーシングしていた業務の一部を社内で処理できるようになる
  • 単なるコスト削減だけでなく、ユーザー満足度向上やカスタマイズの面でも有利である
  • 顧客サービスの観点では、迅速なセルフサービスと専門性の高い人的支援を同時に提供できるようになる
  • AIエージェントは、必要なタイミングで正確な情報を提供し、人が複雑な顧客ニーズも迅速かつ効率的に解決できるよう支援する役割を果たす
  • これにより、地理的なフットプリントやアウトソーシング計画も再検討が必要になる可能性がある

「AIエージェントは、人間の創造性と機械の効率性を組み合わせ、前例のない生産性とイノベーションを創出する可能性が高い」

• 2025年以降: エージェントセンターがセンター・オブ・エクセレンス（Excellence）に取って代わる

  • 企業がAIエージェントをより適切に調整・管理できるようになれば、コストの低い地域でAIエージェント中心の人材体制を構築する形で「オフショアリング」する可能性がある
  • エージェント開発の過程で生まれる知的財産（IP）と、そのIPが所在する地域に応じて税制上の優遇を受けられる可能性もある
  • ベンダーからエージェントを借りるのではなく、自社で「エージェントセンター」を構築する方式は初期費用がかかるものの、数年内により大きなROIを期待できる

• 今すぐやるべきこと

  • マインドセットの転換
    • AIエージェントを独立的かつ創造的な同僚として扱うように協業する、新たな働き方を身につける必要がある
    • リーダーシップの観点から、AIが人の価値を高めるためのものだと明確に示す必要がある
  • HRに新しいプレイブックを提供
    • 人間とAIエージェントの両方を含む人材を管理するには、HR自体も新たな能力を備える必要がある
    • 特に、大半の初級業務をAIが処理するようになる場合、新規人材により高度な役割をすぐ任せられるよう、大学などとのパートナーシップが必要になる可能性がある
  • デジタルワーカー管理の準備
    • AIエージェントが一定の自律性を持つため、これを人間中心で管理するモデルが必要になる
    • エージェント配備時にはコストとROIのバランスを考慮する必要があり、人間とAIの混成チームに対する指標も開発しなければならない
    • AIエージェントが予測不能、有害、あるいは規定違反の行為をしないよう、厳格な監督が必要である
    • これに対する包括的な対応体制として、Responsible AI戦略が有効になり得る

3. AIのROIはResponsible AIにかかっている

• 昨年予測したとおり、経営陣はAIリスク管理とResponsible AIの実践に引き続き注目してきた
• しかし、これまでのところ意味のある実行はまだ十分ではなかった
• 2025年には、企業全体で一貫性なくAIガバナンスを適用していられる余地はなくなる
  • AIがオペレーションと市場提供物に深く統合されるにつれ、投資価値を安定的に維持し、大規模展開に伴うリスクを管理できる透明な体制が必要になる
  • 大規模展開の状況でAIが不正確だったり、セキュリティ脅威などのリスクが生じたりすれば、企業には大きな打撃が予想される
  • その結果、厳格なAIリスク管理と統制の検証は必須になる見通しである
• PwCの2024 US Responsible AI Surveyによると、役員の46%は、Responsible AI実践への投資の主な目的として、自社の製品・サービス差別化を挙げている
• 経営陣、特にAIイノベーションを主導するリーダーたちは、規制の明確化をただ待つことはない
  • AIの進化があまりに速く、ビジネスにおいて重要な役割を果たしているためである
• 過去には、孤立したいくつかの事例にしかAIを適用していなかったため、失敗しても影響範囲は限定的だった
  • しかし今では、従業員が日常的にAIを利用し、顧客も頻繁にAI機能にアクセスしている
  • AIの信頼性に問題が生じれば、売上成長にも悪影響が出る可能性がある
• AIによる価値を実現するには、独立した検証が必要である
  • 内部監査を担当するチームがAI関連の専門性を確保するか、外部専門家に評価を依頼できる
  • どのような方法であれ、AIガバナンスと統制を独立してレビューする視点は、2025年以降も重要であり続ける

「成功するAIガバナンスは、リスク軽減だけでなく、戦略目標の達成と高いROIを実現する手段として定義されるだろう」

• 2025年以降: AI関連の規制アプローチが継続的なイノベーションを促進する

  • 11月の選挙結果を受け、連邦レベルの規制は引き続き柔軟な形を保ち、AIの技術進歩と適用拡大に前向きな影響を与える可能性が高い
  • ただし、州レベルの規制の動きは今後も急速に進み、ときに相反する規制が現れる可能性がある
    • 特に個人情報保護などの領域では、州ごとに規定が異なる場合がある
  • それでも米国は、依然としてAIイノベーションに最も友好的な環境を維持する可能性が高い

• 今すぐやるべきこと

  • 包括的なリスク評価
    • Responsible AIの出発点はAIリスク評価である
    • ガバナンスの意思決定を一貫して再現可能なものにするには、AIに特化した標準化リスク分類体系が必要である
    • 例: PwCでは、AIモデル、データ、システム・インフラ、ユーザー、法務・コンプライアンス、プロセスへの影響などを含むリスク分類体系を活用している
    • 特に、ベンダーやサービス提供者がAIをどのように使っているか、SOC-2のようなレポートを通じて検証できるかどうかも重要な確認項目である
  • 独立した検証方法を選ぶ
    • 社内の専門チームまたは外部の専門事業者を通じて、AIシステムと生成物を常時検証する独立レイヤーを追加すべきである
    • 優先順位は、リスクが大きい領域または財務インパクトの大きい領域から始めるのが望ましい
  • 業界ごとの差異を考慮する
    • すべての業種でAIガバナンスと監督が必要だが、業界ごとの要件は異なる形で機能する
    • 例: 金融サービスは、既存の複雑なコンプライアンス要件をAI時代に合わせて満たす必要がある
    • 航空宇宙、防衛など公共部門と協力する企業は、グローバルな規制動向に注目する必要がある
    • 自社で業界水準の対応策を整えるには、簡単なアンケートを通じて同業他社のAIガバナンス基準をベンチマークすることもできる

4. AIは価値創出の手段であると同時に、持続可能性にも貢献する

• AIはエネルギー転換を加速させる
• 製造、建設、輸送など炭素排出の多い産業分野で適切に活用すれば、企業の持続可能性目標の達成にも役立つ
• ただし、AIが大規模に普及するほど十分な電力とコンピューティング資源は、現時点ではまだ整っていない
• チップは増え、モデルは進化し、エネルギー源も拡大しているが、2025年には需要と供給のバランスが取れない可能性が高い
• したがって、AIをあちこちにむやみに導入するのではなく、戦略的にアプローチすべきである
  • 例: ユーザーの無分別なAI呼び出しやトークン浪費を招かないUI・UX設計を検討する

高業績企業の63%がGenAI活用のためにクラウド予算を増やす予定であり、そのうち34%は持続可能性要因を予算増加の原動力としている
(PwC’s 2024 Cloud and AI Business Survey)

• 長期的に見れば、AIは持続可能性推進の触媒となる
  • グローバル規模で再生可能エネルギー導入はより速く拡大する見通しである
  • 米国では、採算性やステークホルダーの要求のため、大規模な化石燃料発電所を新たに建設するのは難しい
  • 企業需要を満たすため、再生可能エネルギー（原子力を含む）と効率的な電力網の拡大が見込まれる
• AIベンダーが生み出すカーボンフットプリントも、最終利用者である企業の炭素排出指標に反映されうる
  • より環境に優しいAIベンダーを探すか、ベンダーにグリーン経営を求める必要がある
• 新たに導入される持続可能性開示規則（米国、EUなど）の下でも、AIは社内外データの収集自動化、分析、レポート作成を支援できる
  • SECの気候開示規則が一時保留となったことで、一部の州政府（例: カリフォルニア）が独自規則を設ける可能性が高まっている
• AIはサプライチェーン全体のデータをより綿密に分析し、持続可能性を高めることに貢献できる
  • 例: 小規模サプライヤーも月次・年次のエネルギー消費量など具体的なデータを提供できる
  • 企業はAIを通じて、炭素排出だけでなく低炭素製品の商用化における潜在価値も定量化できる
• こうしたAI能力が日常業務に組み込まれれば、ESG担当者だけでなく、すべての役職員がデータを活用して意思決定を下せるようになる

「AIが反持続可能的だという主張は事実ではない。適切に活用すれば、炭素削減目標をはじめとするさまざまな持続可能性目標の達成に、むしろ役立つ」

• 2025年以降: コストはほぼゼロに近づく

  • 新しい形態のコンピューティング資源と再生可能エネルギーの普及により、コストは急激に低下すると予想される
  • 結果として、企業および産業全体でAIを全面的に適用できる環境が整う見通しである

• 今やるべきこと

  • 戦略的アプローチ
    • 会社の全従業員が基本的なAI機能を活用しつつ、高性能AIソリューションをどの部門に導入するかは慎重に決定する必要がある
    • この決定は、Cレベルが自社の強み、データ資源、優先順位などに合わせて下すのが望ましい
  • 持続可能性データの変革
    • AIを活用して一度収集・分析したデータを複数の規制に繰り返し利用することで、コンプライアンスコストを下げ、炭素排出および全体的な持続可能性への影響をさらに正確に把握できる
    • AIの直接的な影響（自社利用）だけでなく、AIベンダーを通じて間接的に発生する炭素排出も考慮すべきである
    • こうして測定したデータをもとに、マーケティングを強化することもできる
      • 例: 低炭素製品をより高い価格で購入する意思のある顧客層を把握する
  • 新たな持続可能性メリットの活用
    • AIによる効率改善によって、エネルギー需要も減らせる
    • 例: R&Dサイクルを半分に短縮すれば、そのプロセスにかかるエネルギーも削減される
    • 建物やエネルギー管理システムにAIを導入して効率を高めれば、コスト削減と炭素削減という一石二鳥を実現できる

5. AIが製品開発ライフサイクルを半分に短縮する

• 実物製品を作る企業で、設計、プロトタイピング、テストにAIを導入していないなら、今が好機である
• マルチモーダルAIは、CADファイルやシミュレーションなどを多様に処理・生成する
  • 例: GenAIは自動車シャシーの構成案を提案し、さまざまな条件で性能をシミュレーションし、エンジニアが見落としうる設計代替案を提示する
• AI活用により、数週間かかっていた設計反復プロセスを数時間で処理し、仮想テストによって実物プロトタイプ製作前により多くの不具合を見つけられる
• PwCのクライアント事例と技術・産業動向の分析によれば、自動車や航空宇宙産業ではAI導入により市場投入までの時間を50%短縮し、コストを30%削減できる
• 製薬業界では、すでにAIによって新薬候補の発掘期間を50%以上短縮した事例がある
• ただし、エンジニアリングの専門性とデータサイエンス能力のギャップがしばしば障害となる
  • 設計および製造に専門性を持つエンジニアがAI活用能力を備えるよう教育するか、AI人材を積極的に確保する必要がある
• AIを製品開発に導入すれば、より迅速な投入、コスト削減、カスタマイズ製品の提供が可能となり、顧客満足度を高められる

「AIのマルチモーダルな視覚・生成能力が製品デザインなどに与える影響は、まだ始まったばかりだ」

• 2025年以降: 新たなイノベーションの時代が始まる

  • 設計・エンジニアリング分野の従事者をAI活用能力で再教育または入れ替える過程を経れば、研究開発力は大きく拡大する
  • 結果として、製品設計・開発分野でさらに速いイノベーションが実現する見通しである

• 今やるべきこと

  • 次世代エンジニアリングの導入
    • 製品設計などにAIを活用するには、最新のクラウドおよびデータアーキテクチャが必要である
    • エンジニアリングチームが「エッジAI」のような技術を活用できるよう支援する必要がある
  • ITの立て直し
    • AIによって、ソフトウェア開発、セキュリティ、データモダナイゼーションなどIT業務全般の進め方を改善できる
    • これは、より広範なAIイニシアチブを支える基盤となる
  • 技術チームの再編
    • 物理的製品だけを扱うチームであっても、コンピュータおよびデータサイエンスの能力が必要である
    • 技術人材のスキル構成は変わっていくため、それを念頭にチーム構造を再編する必要がある

6. 産業全般で競争地図が変わる見込み

• AIはあらゆる産業を変革するが、一部の産業は他よりも速く動く可能性がある
• 従来は技術主導と見なされていなかった業種でも、先進的なAI導入事例が現れる可能性がある

• 消費者市場

  • マーケティング、サプライチェーン管理、財務、顧客サービスなど全般でAI活用を拡大する見込み
  • 新しく高機能な対話型チャットボットとAIエージェントを組み合わせ、顧客サービスを改善する見通し
    • この際、人間の従業員に必要な情報を正確に伝えることで、顧客対応の効率を高められる
  • AIによる高度な動的価格設定が導入され、市場変動や競争状況にリアルタイムで対応する見込み
  • AIのデータ分析と自動化機能を活用し、M&Aデューデリジェンスや規制順守対応のスピードを高められる
  • 一部企業はAIを製品設計にも導入するが、技術や能力の不足により短期的には導入が限定的となる可能性がある
    • 出遅れた企業は、できるだけ早く格差を縮める努力が必要

• 金融サービス

  • AIの影響は幅広く及んでいるが、特にAIネイティブのスタートアップと大手金融機関で急速に目に見える成果が出ている
  • AIネイティブのフィンテックが、新しいプラットフォームとビジネスモデルを通じて既存の課題を解決している
  • 大手金融機関も共通して複数のAI活用事例を実験してきた
    • これにより技術への確信を積み上げ、リスク・統制モデルを改善し、迅速な発展に向けた基盤を整えている
  • 2025年以降は、AI導入を引き続きためらう、あるいは検討だけにとどめる企業が明確に出遅れるリスクがある

• ヘルス産業

  • 2025年には、より柔軟になった規制環境がヘルス産業でのAI活用を加速させる見通し
    • 新政権の政策の下でセルフガバナンスが重視され、イノベーションの余地が大きくなる見込み
  • 製薬・医療機器メーカーは、特に新薬や製品開発にAIを大規模に活用し、バリューチェーン全体を革新する見込み
  • 保険会社と医療サービス提供者は、売上と運営効率の最適化、臨床人材不足の解消、医師の診断支援などにAIをさらに多く適用する見込み
  • 主要課題は、医療人材の能力再整備、パーソナライゼーション、技術アップグレード、そしてAIの責任ある活用である
    • 患者の機微情報や生死に直結する分野であるため、規制の柔軟性があっても自ら高い責任感を維持しなければならない

• 産業財

  • 2025年には、一部の先行企業が業界内で競争優位を確保する見込み
    • 良質なデータと標準化されたプロセスを持つ企業は、AIで効率性と洞察を高め、R&Dのスピードを上げ、市場投入までの時間を短縮する見込み
  • その他の企業は、技術インフラ、データガバナンス、AI能力の拡充に注力しつつ、実験のスピードも高めると予想される
    • その過程で、運営モデルや組織構造、人材要件の再検討が必要になる見込み

• テクノロジー、メディア、通信

  • 2025年には、AIエージェントがソフトウェアプラットフォームの使い方を変え始める見通し
    • AIエージェントにより既存のERPなどのシステムの空白を埋められるようになり、一部企業はプラットフォームのアップグレードに以前ほど投資しなくなる可能性がある
    • これによりソフトウェア企業は、大規模インフラ構築よりもカスタムAIソリューションの提供へとビジネスモデルを転換する可能性がある
  • 通信事業者は、機械学習やデジタルツインなどと生成AIを組み合わせたハイブリッドソリューションを導入し、自社のAI能力を強化し、従来のパートナー依存度を下げるとみられる