アクセンチュア、AIの現場定着を担う専門家チーム「RDE」を始動：日本企業のPoC脱却を支援

アクセンチュアは2026年11月9日、都内で記者勉強会を開き、生成AIをはじめとするAIの本格展開を支援する専門家チーム「RDE（Reinvention Deployed Engineer）」の取り組みを説明しました。多くの日本企業がAIの実証実験から先に進めずにいる中、業務プロセスの再設計から実装、現場への定着までを一体で手掛ける体制を整えたといいます。あわせて、AI活用にともない膨らむコストを管理する新しい指標「Cost per Outcome」と、その運用を支えるプラットフォームも提唱されました。

日本企業は「お試し」にとどまっている

アクセンチュアが2026年1月に公表したグローバル調査によると、AIの試験導入段階にある日本企業は42%に達し、調査対象国の中で最多でした。一方で、全社規模や実務での本格展開に至っている企業は24%にとどまり、グローバル平均の31%を明確に下回っています。

同社のAIセンター長である保科学世氏は、この現状について、日本企業は実証的な「お試し」には積極的だが、企業価値の創出に直結する本格展開へ踏み切れていないと指摘しました。技術的にできるかどうかを確かめる実証実験は進むのに、その先の展開が止まってしまう構図です。

PoCが成果につながらない3つの理由

アクセンチュアは、実証実験が成果につながらない原因として、まず採算性や投資対効果の検証が欠けている点を挙げました。多くの実証実験は技術的な実現可能性の確認で終わり、投じたコストに対してどれだけの経済的価値や業務的価値を生み出せるのかが検証されないまま終わります。

2つ目の理由は、業務フローそのものを見直さないまま、既存のプロセスの一部分だけにAIを当てはめようとする点です。局所的な自動化では、業務全体の成果にはつながりにくいと同社はみています。

背景には3つの構造的な課題もあると分析しています。経営層の当事者意識や関与の不足、業務プロセスそのものを刷新する「業務再設計」の欠落、そして失敗を恐れて前例踏襲を優先する組織文化です。ツールだけを導入しても、こうした土台が変わらなければ定着は難しいという見方です。

現場に常駐する専門家チーム「RDE」とは

こうした停滞を打開する切り札として打ち出されたのが、専門家組織「RDE」です。顧客先に常駐して技術課題を解決する一般的なFDE（Forward Deployed Engineer）との違いも説明されました。難易度の高い局所的な課題に対してプロトタイプを立ち上げ、「0から1を作る」役割を担うのがFDEです。これに対してRDEは、業務変革を横展開し、「1を10に、10を100にする」スケールフェーズまでを担う点に主眼を置いています。

RDEの最大の特徴はチームの編成にあります。対象業界の商慣習や規制に精通した業界特化型コンサルタント、データサイエンティスト、AIエンジニア、基幹システムとの連携を担うソフトウェアエンジニアらを1つの単位とした「POD」と呼ばれる小集団チームを結成します。このチームが顧客企業の事業部門とIT部門と膝を突き合わせ、ワンチームとして現場に常駐します。

PODはAIモデルの設計や実装にとどまらず、AIの能力を最大限に引き出すための業務プロセスの再設計、現場のユーザーが日常業務で使いこなすための導入支援、さらに成果を持続的に創出して計測する運用の定着化までを、分断させることなく一気通貫で推進する体制です。

開発サイクルを1〜2週間に短縮する「Agentic BPR」

業務プロセスのAI化を現場で進めるうえでは、従来型のシステム導入手法では乗り越えられない3つの壁があると同社は指摘します。現行業務の棚卸しやヒアリングが属人的で多大な時間を要する点、自律型AIエージェントを構築したり調整したりできる高度なエンジニアが圧倒的に不足している点、そして技術の急速な陳腐化や頻繁な業務ルールの改定に、従来の重厚な運用保守体制が追随できない点です。

これらの課題を克服するために提唱されたのが「Agentic BPR（AIエージェント主導型プロセスマイニングおよび業務再設計）」です。AI自身がPC操作ログや業務データを収集して解析し、業務の実態を可視化します。ローコードやノーコードツールを活用することで、プログラミングの専門知識を持たない現場の非エンジニアでも、特定のタスクを自律処理するAIエージェントを構築したり改修したりできる環境を提供します。

これにより、要件定義から実務適用までの開発サイクルを従来の数カ月単位から、タスクごとに1〜2週間という短いスプリントへ短縮し、業務の現場で少しずつAI化を進めるアプローチをとります。

製造業の事例：不良による損失を1〜2割削減

RDEによる業務変革の先行事例として紹介されたのが、大手製造業A社の取り組みです。A社では、設計開発、生産計画、歩留まり改善、そして総務、人事、経理などの間接部門に至るまで、経営判断を支援する統合基盤「AI Powered Management Cockpit」で連携させ、事業部門とコーポレート部門の双方で高度化と効率化を同時に進めています。

設計や開発の領域では、市場投入後の製品が破損したり故障したりした場面を想定した原因究明のデモが披露されました。AIエージェントが現行の3D CAD設計データと、過去の膨大な不良分析レポートや実験データを突き合わせて原因候補を抽出します。熟練技術者の承認を経たうえでCADデータを自動修正し、同じ構造的な欠陥を抱える可能性のある別ロットや、設計変更の影響が及ぶ関連部署まで網羅的に洗い出します。過去数十年にわたる熟練技術者の暗黙知や検証知見を「ナレッジグラフ」として構造化し、AIに正確に参照させている点が強みだとしています。

製造や生産管理の領域では、複数工場に点在する工作設備や生産ラインへ、AIが導き出した最適な加工条件やパラメータを自動反映する仕組みを構築しました。これにより、不良発生にともなう年間損失額を1〜2割程度削減することに成功したといいます。さらに、数千工程に及ぶ複雑な生産計画の立案作業に対しても、約2〜3カ月の短期間でAIエージェントを適用し、計画立案の工数を約70%削減しながら納期遅延リスクの大幅な抑制を実現しました。

コーポレート領域でも変革が進んでいます。総務、人事、経理の定型や準定型業務に複数の自律型AIエージェントを順次投入した結果、工数換算で300〜500人規模の業務削減効果を創出した事例が、A社を含め複数社で現れ始めているということです。

銀行融資の事例：レガシーを改修せず画面操作をAIが代替

記者勉強会では、規制と手続きが厳格で、従来はAI適用が困難とされてきた銀行の法人融資業務を題材としたデモも行われました。営業担当者が膨大な稟議書や付属資料の作成に忙殺され、複数のレガシーシステムへの二重や三重入力、さらには審査部門との間で繰り返される差し戻しや確認のやり取りに追われている現状が説明されました。基幹勘定系システムは極めて堅牢で大規模なため、システム自体の改修には莫大なコストと期間を要し、機動的な効率化が阻まれてきた背景があります。

そこで提示された解決策が、AIエージェントが人間のオペレーターと同様にGUI画面を認識して直接操作するアプローチです。既存のレガシーシステムに直接手を加えることなく、業務プロセス全体をAIエージェントが肩代わりします。

デモでは、役割の異なる3種類のエージェントが連携して処理を進めました。設計役エージェントは行内規定やマニュアル、過去の融資申請履歴、画面操作動画を読み込み、標準化された業務フローを自動生成します。そのうえで、コンプライアンスや与信判断上、人間が直接確認して承認しなければならない論点を事前に抽出して整理します。実行役エージェントは営業担当者からのチャット指示を起点に、財務諸表や市場データを取り込んで稟議書のドラフトを自動生成し、上司や審査部役のエージェントによる事前レビューを経て、最終的な意思決定者である人間には例外事項や要判断項目のみを提示します。改善役エージェントは一連のやり取りログや処理滞留時間を継続的に監視し、審査の遅延要因や差し戻しパターンの根本原因を特定して、設計役エージェントへフィードバックします。

デモでは、シンガポールにおける第2工場新設に向けた5,000万米ドルの設備資金融資という具体的な案件をシミュレーションしました。営業担当者が「稼働率の前提を下方修正し、再計算したうえで上司に回送してほしい」とチャットで指示すると、AIエージェントは即座に財務シミュレーションモデルを再計算し、複数の関連帳票や稟議書の数値を矛盾なく整合させながら自動更新を完了させました。従来の融資審査にともなう全16プロセス、68ステップに及ぶ作業のうち、人間が直接介在するのは最終判断や例外承認など、真に人間による精査が求められる一部のステップに限定されることが実証されたといいます。

「トークン浪費」を防ぐ新指標「Cost per Outcome」

RDEによる現場主導の業務変革が進む一方で、全社的な本格展開にともない急速に顕在化しているのが「AI費用の膨張と管理不全」という新たな経営課題です。

アクセンチュアの最新調査によると、AIを導入した企業の「3社に1社」が、年間のトークン利用予算を年度終了を待たずに使い切っている実態が明らかになりました。さらに深刻なのは、社内から発行される全AIリクエストの「54%」が、タスクの難易度に対して過剰なスペックを持つ最高グレードの高額な大規模言語モデルに振り分けられているという事実です。簡易な要約や分類作業にまでフラッグシップモデルが消費されている結果、企業全体のトークン支出の「約8割」が、投資対効果を財務的なリターンとして説明できないまま計上されているといいます。

同社はこの課題に対し、評価指標の抜本的な転換を提言しました。従来用いられてきた「100万トークンあたり何ドルか」という入出力単位のコストにとらわれるのではなく、「顧客問い合わせを1件解決した」「コンプライアンス審査を1件完了した」といった、ビジネス上の具体的な業務完了や成果1件あたりにかかったAIコストを測る「Cost per Outcome」へ評価軸をシフトすべきだとしています。単にトークンの単価を抑えることではなく、業務上の付加価値創出に対してコストが適正であったかを経営的に把握して管理することが重要になります。

AI Tokenomics Platformによる動的な最適化

この考え方を具体化する運用基盤として紹介されたのが「AI Tokenomics Platform」です。本基盤の中核を担うのが、リクエストの内容や難易度をリアルタイムに自動判定し、最適な大規模言語モデルへ処理を振り分ける「セマンティックルーター」です。記者勉強会のデモでは、自然言語の翻訳タスクはコスト効率に優れた小型モデルへ、複数要因を多角的に分析する事業戦略の検討タスクは高機能な大型モデルへと動的にルーティングされる様子が示されました。

翻訳タスクにおける検証結果では、小型モデルを選択した場合のコストは大型モデルの約10分の1にとどまる一方、出力品質のスコアは大型モデルの100点に対して99点を記録しました。タスクの要件を見極めて適切に振り分けることで、実務上の品質を落とすことなく、劇的なコスト削減が可能になることを示しています。プラットフォーム上では、部署別や案件別の予算消化状況やコスト対成果の推移がダッシュボードで一元可視化され、異常な消費スパイクや予算超過の兆候を検知した際には管理者へアラートが飛ぶ設計となっています。

今後の技術展開について、同社は特定のAIベンダー製品に縛られることなく、OpenAI、Anthropic、Googleなど、グローバル各社の先端基盤モデルを適材適所で組み合わせて提供するマルチモデル方針を堅持するとしました。

最後に保科氏は、AIトランスフォーメーションを完遂するためには、ツールの導入にとどまらず、業務フローと組織人材の変革を三位一体で成し遂げる必要があると強調しました。同社は「システム、業務、人」の3要素を企業再創出を牽引する不可欠な梃子として位置付けています。保科氏は人材面について、「その作業がAIで代替可能かどうかという視点にとどまるのではなく、人間が本来何を担うべきかを抜本的に再考する必要がある。事業の明確な意思決定、ステークホルダーとの信頼関係の構築、そして最終的な結果責任の所在といった領域を、人間がどこまで主体的に引き受けるのか。組織の役割分担そのものを、経営レベルで再設計すべきだ」と締めくくりました。

生成AIの導入で現場が変わる理由

生成AIが広がり始めてから数年がたち、多くの企業がチャットボットや要約ツールを使い始めました。しかし、個別のツールを使う段階と、業務全体をAIで動かす段階には大きな隔たりがあります。今回のRDEの取り組みは、その隔たりを埋めるためのものです。

現場の仕事は、1つのツールで完結するものばかりではありません。たとえば融資の審査では、資料の収集、数値の確認、稟議書の作成、上司への相談、審査部門とのやり取りといった複数の工程が絡み合っています。こうした一連の流れ全体をAIが支えるには、単なるツールの導入ではなく、工程そのものの設計し直しが必要になります。RDEが目指すのは、まさにこの全体設計です。

また、AIの性能が上がるほど、どのモデルをどのタスクに使うかという選択も重要になります。高性能なモデルは何でもこなせますが、その分コストも高くなります。簡単な作業にまで高性能なモデルを使い続けると、費用ばかりが膨らみます。タスクの内容を見極めてモデルを使い分ける仕組みは、AIを長く使い続けるための基本的な工夫といえます。

日本企業が実証実験から本格展開へ進むためには、技術だけでなく、業務の設計やコストの管理、人の役割の見直しが欠かせません。RDEのような現場常駐型の支援が広がれば、実証実験で止まっていた取り組みが動き出すきっかけになるかもしれません。今後、こうした支援を受けた企業の事例が増えていくかどうかが注目されます。

日本企業が今すぐ見直すべきポイント

今回の発表は、大企業だけの話ではありません。AIツールをすでに使い始めている中小企業や、導入を検討している現場の担当者にとっても、参考になる視点がいくつもあります。

まず見直したいのが、AIの成果をどう測るかという点です。導入したツールの利用回数やトークン数だけを追っていては、経営層に価値を説明できません。問い合わせの解決件数や処理時間の短縮、ミスの減少など、業務の成果に結びついた数字で測る習慣をつけることが大切です。Cost per Outcomeという考え方は、そのための出発点になります。

次に、ツールを入れる前に業務の流れそのものを見直すことです。紙の申請書をそのままデジタル化するだけでは、AIの効果は限られます。どの手順が本当に必要で、どこが無駄なのかを洗い出してから、AIに任せる部分を決めるほうが、成果が出やすくなります。現場の担当者が日々の業務で感じる「ここが面倒だ」という声を集めることが、見直しの第一歩です。

コスト管理も見逃せません。便利だからといって、簡単な要約や分類にまで高性能なモデルを使い続けると、気づかないうちに利用料が膨らみます。タスクの難易度に応じてモデルを使い分ける、部署ごとに予算の上限を決める、利用状況を定期的に確認するといった基本的な管理が、長く使い続けるうえで欠かせません。

最後に、人の役割の再設計です。AIが定型作業を担うようになれば、人間は判断や交渉、信頼関係の構築といった、AIには任せにくい仕事により集中できます。どの仕事をAIに任せ、どの仕事を人が担うのかを、組織として話し合って決めることが、本格展開への近道だといえます。

Frequently Asked Questions

RDEとは何ですか

RDEはReinvention Deployed Engineerの略で、アクセンチュアが打ち出したAIの本格展開を支援する専門家チームです。業界特化型コンサルタントやデータサイエンティスト、AIエンジニアらで編成された小集団チームが顧客企業の現場に常駐し、業務の再設計から実装、定着までを一体で推進します。

日本企業のAI導入はなぜ進まないのですか

アクセンチュアの調査では、AIの試験導入段階にある日本企業は42%と調査対象国で最多ですが、本格展開に至っているのは24%にとどまります。投資対効果の検証不足や業務プロセスの見直し不足、経営層の関与不足などが原因として挙げられています。

Cost per Outcomeとは何ですか

トークン単価ではなく、顧客問い合わせの解決や審査の完了など、ビジネス上の成果1件あたりにかかったAIコストを測る指標です。AIを導入した企業の3社に1社が年間のトークン予算を使い切っているという調査結果を受け、コストと成果の関係を経営的に把握するために提唱されました。