アクセンチュア、AIの成果創出に向けた専門家チーム「RDE」──業務再設計から定着までを現場で一体推進

　アクセンチュアは2026年11月9日、都内で記者勉強会を開催し、生成AIをはじめとするAIの試験導入から本格展開への移行に苦慮する日本企業に向け、専門家チーム「RDE（Reinvention Deployed Engineer）」を軸とした伴走支援の取り組みを説明した。業務プロセスの再設計から実装、定着までを一体で手掛ける体制を整え、製造業や銀行業での先行事例を公開。あわせて、AI活用にともない急増するコストを管理・最適化する指標「Cost per Outcome」と管理プラットフォームを提唱した。

　AIの進化が加速するなか、多くの日本企業が実証実験（PoC）の域を抜け出せずにいる。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となった。しかし、全社規模や実業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る。

　アクセンチュア 常務執行役員 Lead - AI and Data、AIセンター長 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」には積極的であるものの、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実態を指摘する。

　同社はその原因として、多くのPoCが技術的な実現可能性の検証で完結し、実業務として投じたコストに対してどれだけの経済的・業務的価値を生み出せるのかという採算性や投資対効果（ROI）の検証が欠落している点を挙げる。従来の業務フローを抜本的に見直すことなく、既存プロセスの局所的な自動化にAIを当てはめようとする対症療法的なアプローチが、成果創出を妨げているという。

　背景には、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、失敗を恐れて前例踏襲を優先する組織文化という、3つの構造的な課題が存在していると同社は分析している。

アクセンチュアの現場常駐型アプローチ「RDE」

　こうした構造的停滞を打破する切り札として同社が打ち出したのが、専門家組織「RDE（Reinvention Deployed Engineer）」だ。

　アクセンチュア Lead - Accenture OpenAI Business Group, Japan、AI and Dataマネジング・ディレクター 貝沼佑亮氏は、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）との差異を挙げてRDEの位置付けを解説した。難易度の高い局所的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FDEに対し、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く。

　RDEの最大の特徴は、編成されるチーム構成にある。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。顧客企業の事業部門およびIT部門と膝を突き合わせ、ワンチームとして現場に常駐する。

　PODは、AIモデルの設計・実装にとどまらず、AIのポテンシャルを最大限に引き出すための業務プロセスの再設計、現場ユーザーが日常業務で使いこなすための導入支援、さらには成果を持続的に創出・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を敷いている。

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つの壁が存在する。

　1つめは、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。2つめは、自律型AIエージェントを構築・調整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3つめは、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ある。

　アクセンチュアはこれらの課題を克服するため、「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）」を提唱している。

　Agentic BPRでは、AI自身がPC操作ログや業務データを収集・解析して業務の実態を可視化。ローコード・ノーコードツールを活用することで、プログラミング専門知識を持たない現場の非エンジニアであっても、特定のタスクを自律処理するAIエージェントを構築・改修できる環境を提供する。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ヵ月単位からタスクごとに「1〜2週間」という極めて短いスプリントへ短縮し、業務の現場でアジャイルにAI化を進めるアプローチをとる。

製造業事例：設計からバックオフィスまで全社最適化を図る

　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社の取り組みだ。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、経営判断を高度に支援する統合基盤「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る。

　設計・開発領域では、市場投入後の製品が破損・故障した場面を想定した原因究明デモが披露された。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。熟練技術者の承認を経たうえでCADデータを自動修正し、同一の構造的欠陥を抱える可能性のある別ロットや、設計変更にともなう影響が及ぶ関連部署まで網羅的に洗い出す。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大きな強みとなっている。

　製造・生産管理領域では、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・パラメータを自動反映する仕組みを構築した。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。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ヵ月の短期間でAIエージェントを適用し、計画立案工数を約70％削減しながら納期遅延リスクの大幅な抑制を実現した。

　コーポレート領域においても変革は進む。総務・人事・経理の定型・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。

銀行融資事例：レガシーシステムを改修せず、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た。

　アクセンチュア AI and Data AIセンターマネジング・ディレクター 佐々木三泰氏は、金融機関の融資現場が抱える深刻な課題に言及。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・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を説明した。加えて、基幹勘定系システムは極めて堅牢かつ大規模であるため、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る。

　そこで同社が提示した解決策が、AIエージェントが人間のオペレーターと同様にGUI（グラフィカルユーザーインターフェース）画面を認識して直接操作するアプローチだ。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する。

　公開されたデモでは、役割の異なる3種類のエージェントが有機的に連携して処理を進めた。

• 設計役エージェント：行内規定、マニュアル、過去の融資申請履歴、画面操作動画を網羅的に読み込み、標準化された業務フローを自動生成する。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・承認しなければならないクリティカルな論点を事前に抽出・整理する。
• 実行役エージェント：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ドラフトを自動生成。上司や審査部役のエージェントによる事前レビューを自律的に経て、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する。
• 改善役エージェント：一連のやり取りログや処理滞留時間を継続的に監視。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、その知見を設計役エージェントへフィードバックして業務フローの改善を促す。

　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。

「トークン浪費」を防ぐ成果連動型の新指標「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ある。

　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った。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（LLM）に振り分けられているという事実だ。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う。

　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（Cost per Token）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（KYC）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・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た。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・管理することが重要になる。

AI Tokenomics Platformによる動的最適化と、これからの人材要件

　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」である。

　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LLMへ処理を振り分ける「セマンティックルーター」だ。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る。プラットフォーム上では、部署別・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る。

　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た。同社は「システム・業務・人」の3要素を企業再創出（リインベンション）を牽引する不可欠な梃子（てこ）として位置付ける。

　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」と締めくくった。