DATA GEARの新たなチャレンジ【連載第2回】生成AI導入の「3つの壁」を越えるために ──〈Marsys Assessment for GenAI〉が生み出す新たな価値

2025.02.03

DATA GEARの新たなチャレンジ【連載第2回】生成AI導入の「3つの壁」を越えるために ──〈Marsys Assessment for GenAI〉が生み出す新たな価値

博報堂CRM &システムコンサルティング局の中で、「コンサルティング」「テクノロジー」「データ」を3本柱としてサービスを提供しているDATA GEAR。その活動を紹介する連載の第2回をお届けします。
今回は、DATA GEARが開発した生成AI導入ソリューション〈Marsys Assessment for GenAI〉をご紹介します。企業が生成AIを導入し、成果を出していくことを目指す際にぶつかるいくつかの壁。それを超えることを可能にするソリューションの概要や活用事例について、4人のメンバーに語ってもらいました。

土井京佑
博報堂　CRM&システムコンサルティング局
データプラットフォームグループ
グループマネージャー

宮本潤哉
博報堂　CRM&システムコンサルティング局
データプラットフォームグループ
マーケティングプラニングディレクター

牧野壮馬
博報堂　CRM&システムコンサルティング局
データプラットフォームグループ
マーケティングプラナー

奥山貴文
博報堂　CRM&システムコンサルティング局
データプラットフォームグループ
マーケティングプラニングディレクター

生成AI活用の前に立ちはだかる「3つの壁」

──現在、多くの企業が生成AIに注目し、導入を進めています。一方、生成AIの活用にはさまざまな課題があるという話もしばしば耳にします。具体的にどのような課題があるのでしょうか。

土井: 企業の生成AI活用には「3つの壁」があると僕たちは考えています。1つ目が「導入の壁」です。

僕たちによく寄せられるのが、「生成AIを使いたい。でも、どう使っていいかわからない」といったご相談です。生成AIを使うこと自体が目的になっていて、どう活用して、そこからどのような成果を生み出せばいいかが明確ではない。そんなケースです。そのような状態のまま、とりあえず生成AI導入プロジェクトをスタートさせてみたものの、早々に頓挫してしまう。それが「導入の壁」です。

宮本: 2つ目は「ビジネスアイデアの壁」です。
売り上げを上げる、仕事を効率化するなど、生成AIの目的が明確になって「導入の壁」が越えられたとします。次にやるべきことは、その目的を実現するための具体的な活用アイデアを出すことです。生成AIにはいろいろな機能があるので、面白いアイデアをたくさん思いつきます。しかし、それが実際にビジネスに役立つものなのかどうかを冷静に判断しなければなりません。アイデアは素晴らしかったけれど、結局役に立たなかった。そんな結果にならないためには、生成AI活用のアイデアをしっかり検討し、「ビジネスアイデアの壁」を乗り越える必要があります。

──3つ目の壁についてもご説明ください。

土井: 「導入の壁」と「ビジネスアイデアの壁」を乗り越えたあとに立ちはだかるのが「実現性の壁」です。
生成AI導入の目的は明確になった。具体的で現実的なアイデアも出た。では、そのアイデアをどう実現すればいいか──。その段階で直面するのが「実現性の壁」です。この壁を越えるには、コスト面や技術面の問題解決、投資対効果の明確化、プログラムのつくり方の検討、データの整備、現場での活用法の整理といった取り組みが必要になります。

As IsからCan Be、Can BeからTo Beへ

──それらの壁を乗り越えるために開発されたソリューションが〈Marsys Assessment for Gen AI〉ですね。まず、先行するソリューションである〈Marsys Assessment〉からご説明いただけますか。

土井: 〈Marsys Assessment〉は、CDP（カスタマーデータプラットフォーム）やMA（マーケティングオートメーション）などのマーケティングシステムを活用・導入するにあたって、クライアントの予算や、保有しているデータなどを検証し、導入が可能であるかどうか、可能であるとすればどのような点をクリアしなければならないかを明らかにするコンサルティングサービスです。

この機能を生成AIに特化したのが〈Marsys Assessment for GenAI〉です。「GenAI」は、「Generative（生成）AI」を略したものです。生成AIを導入するにあたっての分析/
実証実験のコンサルティングサービスをご提供し、クライアントが進むべき方向性をご提案します。

奥山: DX（デジタルトランスフォーメーション）やCRMのシステムを導入する際は、クライアントの課題にフィットするシステムを見極め、スムーズな運用につなげていく必要があります。場合によっては、システムの導入や運用のためのタスクフォースを立ち上げたり、組織をつくり変えたりする必要があることもあります。生成AIは新しいテクノロジーなので、導入や運用のハードルはDXやCRMのシステム以上に高いと考えられます。生成AI活用の環境を整えるために必要なことを明確にし、導入効果を最大化する道筋をつくるのがこのソリューションの役割です。

──サービスの開発はどのように進んだのでしょうか。

宮本: まず、生成AIに関して多くの企業が直面している課題を調査し、先ほどご説明した「3つの壁」として整理しました。クライアントが直面する課題はさまざまですが、ある程度汎用性のあるプロセスを検討したうえで、細かなところをカスタマイズしてご提供する。それが、僕たちが考えたサービスのイメージです。

牧野: 実際には、生成AIの導入過程や運用のフェーズで課題が明らかになるケースも多々あります。しかしこのサービスによって僕たちが目指したのは、発生する可能性のあるリスクを事前にある程度予測し、生成AI活用のフィジビリティ（実現可能性）を担保することです。その事前予測に役立つのが、僕たちが社内で取り組んできた生成AIのさまざまな実証実験です。そのような知見をいかせるのが、このサービスの特徴の1つと言えます。

宮本: 〈Marsys Assessment for GenAI〉には、アイデアを具体化したプロトタイピングも含まれます。クライアントの課題を詳細にヒアリングし、「導入の壁」「ビジネスアイデアの壁」を越えたあとに、クライアントが現場で活用できる仕組みのプロトタイプをつくり、「実現性の壁」を乗り越えていく。そんな流れです。そのようなサービスのご提供が可能なのは、チーム内にエンジニアリングやデータのプロがいるからです。

──これを活用してクライアントが生成AIを実装していくまでのプロセスをご説明ください。

土井: 「As Is」から「Can Be」へ、「Can Be」から「To Be」へ──。
僕たちはそう表現しています。As Isはクライアントが抱えている課題、Can Beはそれを解決するために生成AIでできることを意味します。そしてTo Beは、その先でクライアントが目指すものです。その3つのプロセスを1つ1つクリアしながら、生成AI活用によって確かなビジネス成果を生み出す支援をします。

奥山: As Isは現状分析、Can Beは技術とプロセスの検証、To BeはKGIやKPIの設計──。そう表現することも可能だと思います。To Beの段階では、エンジニアリングや組織の最適化といった取り組みも必要になります。エンジニアリング領域に関しては、宮本や牧野らAIエンジニア系のメンバーが動き、組織の調整が必要な際には、僕を含むコンサル系メンバーが動く。そんな体制になっています。

牧野: クライアントの課題の解像度によって、どのプロセスに多くの時間を割くべきかが決まってきます。課題が明確でない場合は、課題の特定や整理、つまりAs Isに注力することがまずは必要です。一方、課題の解像度が高いケースでは、短時間でCan Beのプロセスに進んで、プロトタイピングなどを行いながら、実現可能性を探っていきます。

効率化や新たなCX創出を実現する

──活用事例があればご紹介ください。

宮本: ソリューションとして実証実験段階ではありますが、いくつかご紹介します。
ある案件で、ユーザー数万人のアンケートを毎年集め、結果を要約してウェブサイトで公表しているのですが、従来はそれらの作業をすべてクライアントの皆さんが手仕事でこなしていました。その作業に生成AIを活用できないかというご相談をいただきました。

さまざまな制約を踏まえたうえで、集計と要約のシステムのプロトタイプをつくり、実現可能性を検討しながら、システムをつくりこんでいきました。これによって、大幅な効率化とコスト削減が可能になり、クライアントから高い評価をいただくことができました。

別のクライアントで、新規事業のサービスモデルをつくるにあたって、膨大な資料をAIに読み込ませる計画を立てられました。問題は、生成AIが「読ませたい資料を本当に読んでいるのかどうかがわからない」ということでした。ChatGPTのような汎用型生成AIツールは、インターネット上にある広範な情報を参照してアウトプットを出すので、こちらが読ませようと意図している資料だけを読ませることが難しいわけです。

そこで僕たちは、指定した資料だけを読むAIのプロトタイプをつくり、クライアントの課題に適合する仕組みをご提案しました。これは、とりわけCan BeとTo Beのプロセスで〈Marsys Assessment for GenAI〉の仕組みが力を発揮したケースと言えます。

生成AIを企業活動のインフラにするために

──今後の取り組みにかける思いをお聞かせください。

牧野: 現在のところ、生成AIの活用法は「テキストtoテキスト」、つまり、「文字情報をAIにインプットして、文字情報のアウトプットを得る」という使い方がほとんどです。しかし、画像や動画や音声を処理できるマルチモーダルAIが日々進化していることを考えると、テキストからイラストや音楽を生み出したり、逆に画像をテキスト化したりする活用法が今後はどんどん広がっていくと思います。そういった流れに着実にキャッチアップして、クライアントへのご提案の幅を広げていきたいですね。

奥山: 新しいテクノロジーを使ったツールやシステムを導入することで、企業の現場の皆さんの負担が増えてしまう。そういった現象をこれまでしばしば目にしてきました。効率化を目的として導入したツールによって、逆に仕事の負荷が増えてしまう。そういった本末転倒の事態が起こらないようにすることが僕たちの役割です。使いやすく、ビジネスに確実に役立つ生成AIの仕組みを実現すること。その視点を常に忘れないようにしたいと思っています。

宮本: 生成AIを企業活動になくてはならないもの、誰もが当たり前に使えるものにしていくことが僕たちの目標です。生成AIを企業活動のインフラにする。そう言ってもいいと思います。生成AIのインフラ化を実現するために、〈Marsys Assessment for GenAI〉をたくさんのクライアントにご提供していきたいと考えています。

土井: 冒頭でご説明した「3つの壁」に加えて、最近は4つ目の壁ができつつあると感じています。それが「AI疲れの壁」です。
生成AIの情報を集めなければならない。生成AIを活用したシステムをつくらなければならない。導入された生成AIツールをうまく活用しなければならない──。企業の現場で働く皆さんの多くは、そんなプレッシャーを日々感じていらっしゃるのではないでしょうか。その結果、AIに疲れてしまっている人が少なくないと思います。

そのような「AI疲れ」を解消する方法が、宮本が言うように、AIを企業活動のインフラにすることです。
インターネットが普及した頃、やはり「ネット疲れ」という言葉が広まったことがありました。しかし現代において、仕事でインターネットを使うことに疲れを感じる人はほとんどいないと思います。なぜか。インターネットを使うことが当たり前になったから、つまりネットがビジネスのインフラになったからです。同じように、生成AIをビジネスのインフラにしていくことが僕たちの大きな目標です。

生成AIのインフラ化の入り口で力を発揮するソリューションが〈Marsys Assessment for GenAI〉です。その価値をぜひたくさんのクライアントに体験していただきたい。そう思っています。