AIを目的化しない。
「他社もやっている」が出発点になった案件で、うまく着地したものをほとんど見ていません。比較ではなく、自社の問いが起点でなければ、技術選定は最初から間違える。AIの機能に引っ張られる前に、何を解決したいのかを問い直すことが、私たちの役割のひとつです。
Define the playbook,
Run it.
AI活用の正解を定め、
現場に実装する組織へ。
私たちには、使ってきた経験が判断の土台にあります。
使わない選択肢も含め、正直に言える組織でいること。
判断できる組織が増えることが、AIと社会の正しい関係をつくる。
About
テクノロジーを目的化しない。
その思想を、AI領域にも。
「AI活用」が叫ばれる時代。しかし、多くの企業は「AIを使っているか否か」に議論が偏り、「何の目的に対して、なぜその技術を選んだのか」という問いが後回しになっています。
かつてDXという言葉が先行し、ツール導入が目的化した構造と同じことが繰り返されようとしています。アクトビは、その現場を見てきた組織です。
ACTBE Intelligenceは、AIソリューションを売るためのチームではありません。アクトビがクライアントに対して「AIを正しく理解し、正しく選び、時には"使わない"と言い切れる組織である」ことを証明するための取り組みです。
なぜ、
この取り組みなのか。
社内ではすでに、日常的にAIを使っています。開発の現場でも、管理部門でも、新しいモデルや機能が出たら必ず試してきました。
ただ、使えば使うほど見えてくることがあります。問題はツールの性能ではなく、組織の使い方にある。特に気づきにくいのは、AIが出した結果を誰も検証しなくなることです。それっぽい答えが出てくるからこそ、疑うことをやめてしまう。個人の判断が静かに消えていく形で、AIが組織に広がっていく。そういう現場を見てきました。
「競合が使い始めた」を理由に始まったAIプロジェクトが、うまく着地するケースをほとんど見ていません。現状把握・リスク評価・移行設計——必要なプロセスを経ずに走り出すと、技術がどれだけ優れていても目的には届かない。「使うべきか」を問うことも、プロセスのひとつです。使わないという選択肢には、相当な説明責任が伴います。それを正直に果たせる組織でなければ、信用に足るアドバイスはできないと考えています。
この取り組みの理由は信用です。
クライアントやパートナーとの会話でAIの話題が出た時、専門知識として答えられる組織であること。その信用を積み上げるために、ACTBE Intelligenceを発足させました。
Background
AIの性質が、
変わり続けている。
AIは「便利なツール」から、「自律的に判断・行動するシステム」へ移行しています。AIエージェントが複数連携し、外部システムを操作し、人間の指示なしにタスクを完結させる構造が企業に入り始めています。これは、ツールの導入とはリスクの種類が根本的に違います。
同時に、法制度が現実になりました。日本では2025年にAI推進法が施行され、EUでは2026年8月にEU AI Actが完全適用されます。倫理的配慮は任意ではなく、国際的に事業を行う組織にとって法的義務の側面を持ち始めています。
さらに、モデルの選択肢が増えました。GPT、Claude、Gemini、国産モデル、オープンソース系──選択肢が増えるほど、「どう使うか」の定義が問われます。使い方が曖昧なまま導入すれば、ベンダーへの依存とコスト・データリスクだけが組織に残ります。
Activities
私たちが取り組む5つの活動です。
研究した知見は、社内に還元するとともに、クライアントへの支援にも活かしていきます。
(01)
技術検証
[ Technology Validation ]
新しいAI技術・ツール・アーキテクチャが出た時、「使えそう」と「実際に使える」は別の話です。リリースのスピードが速い今、案件や業務にフィットするかどうかを継続的に検証します。GPT・Claude・Geminiをはじめとする主要モデルの性能・コスト・制約の比較基準を持つことも、この活動の中心です。テキストにとどまらず、視覚・音声・動画を扱うマルチモーダルAIの実用性評価も対象とします。
(02)
事業影響評価
[ Business Impact Assessment ]
AIを入れた時にクライアントの業務が本当に変わるかを評価します。変わらないなら、入れる意味はありません。「使わない」という判断も、正直に提案します。検証（PoC）で終わるプロジェクトが多い現実を踏まえ、本番移行に必要な体制・コスト・継続運用の難易度まで、最初の段階から視野に入れた評価を行います。
(03)
セキュリティ・倫理・法令
[ Security, Ethics & Compliance ]
データの扱い、セキュリティリスク、倫理的な配慮。ここを曖昧にしたまま導入することは、私たちのスタンスとして無責任だと考えています。特にAIエージェントは、気づかないうちにデータが外部に出るリスクがある。ガードレールを設計し、環境とアーキテクチャを先に整えます。加えて、2025年施行の日本AI推進法・2026年完全適用のEU AI Actを踏まえた法令対応の整理も、この活動の範囲です。規制を後付けで対処するのではなく、設計の前提として組み込みます。
(04)
エージェント型AI設計の評価
[ Agentic AI Readiness ]
自律的に判断・行動するAIエージェントは、単体ツールの導入とは次元が違います。複数のエージェントが連携し外部システムを操作する構造は、人間が介在できる範囲を設計しなければ、リスクの制御が難しい。アーキテクチャの安全性・監視設計・本番移行の実現性を、導入判断と同時に評価します。
(05)
ナレッジ共有
[ Knowledge Distribution ]
属人的な知識に留まっていては意味がありません。組織全体の判断力を底上げするために、学んだことを社内に継続的に共有します。個人に依存しない形で、ACTBEとしての判断基準を積み上げていきます。
Our Stance
「使わない」という判断も提案に含める。
判断の難しい場面、言語化されていない暗黙知、人の感情が動く対応——こういう領域にAIを入れても、業務は変わらず現場の疲弊だけが残ります。「AIに向いていない」と「AI化が難しい」は別の問題です。前者を正直に言える関係でなければ、誰も使わないシステムとコストだけが現場に残ります。
私たち自身が実験台であり続ける。
使って最初にわかったのは、AIが「できること」より、「使い続けられる状態を維持すること」の方が難しいということです。最初の熱量が落ちた後も組織の中で定着させるには、ツールより仕組みが要る。その感覚を持たないまま他社に導入を勧めることは、私たちにはできません。
判断できる人を育てる。
AIの判断に必要なのは、専門的な技術知識より先に、「なぜその答えが出たか」を問う習慣と、「それを使っていいか」と立ち止まれる文化です。AIがそれっぽい答えを出すほど、その問いを持たない組織はリスクを見落とします。技術を覚えさせることより、この習慣を育てることを優先します。
検証で終わることをゴールにしない。
検証が本番につながらない理由の多くは、技術ではありません。誰が運用を持つか、コストをどの部門が負担するか、失敗したとき誰が責任を持つか。こういう問いに答えが出ないまま検証を始めると、結果がよくても前に進みません。PoC成功で終わることは、私たちにとって成果ではありません。
規制を後から考えない。
「うちはEUビジネスをしていないから関係ない」ではなく、グローバルなSaaSを業務に使っている時点で、EU AI Actの影響を完全に切り離すのは難しい。解釈が必要な領域だからこそ、後から慌てて整理するのではなく、設計の前提として組み込むべきです。規制対応は守りではなく、設計の精度を上げる作業だと考えています。
Vision
変化が起きる、
その場所へ。
AIが組織を変えていく瞬間は、会議室ではなく現場にあります。どれだけ精度の高い判断をしても、実際の業務フローに根付かなければ変化は起きない。外から答えを届けるだけでは、到達できない場所があります。
AIを正しく選べることと、AIを現場で機能させることは、別の能力です。判断の精度をいくら上げても、変化が起きている場所に知識ごと入っていかなければ、本当の意味での支援にはならない。ACTBE Intelligenceが向かう先は、そこにあります。
AI活用の正解を定め、現場に実装する組織へ。
