Pythian、自社で Gemini Enterprise の ROI 検証し戦略転換

Pythian は 27 カ国にまたがる 500 名の従業員を持つ企業として、Google Cloud の「Gemini Enterprise」を全社展開しました。その目的はシンプルでした。自社の組織を実験場（プロving グラウンド）とし、エンタープライズ AI が実際にどのように ROI を生み出すのかを探ることです。

しかし、そこで得られた知見は、私たちの戦略を根本から変えるものとなりました。

Gemini Enterprise の導入や、それ以前のエンタープライズ AI 導入の経験を通じて、Pythian は多くの組織がなぜ AI 施策で立ち止まったり失敗したりするのかを実地で目の当たりにしました。

多くの組織はツール中心のマインドセットに陥っています。ライセンスを購入し、ツールを広く利用可能にするだけで、「価値は自然についてくる」と思い込んでしまうのです。その結果、ユーザーあたり 5 分短縮といった「微々たる効率化」を追いかけることに終始し、構造的かつ高 ROI のワークフロー変革を見失ってしまいます。

さらに深刻な問題として、カスタムエージェントを構築した場合でも、AI モデルのドリフト（性能低下）やエージェントのライフサイクル管理、継続的な観測（オバザビリティ）に対応する運用能力がチームに欠けているため、パイロット段階で止まったり、本番環境で機能不全に陥ったりすることが頻繁に起こります。

この課題を解決するため、私たちは「Pythian AI オペレーティングモデル」を構築しました。これは、エンタープライズ AI を高レベルの戦略から持続的な本番運用まで一貫して導くための多角的なエンドツーエンド・フレームワークです。デュアル COE（卓越性センター）が実行の中核となる筋肉のような役割を果たしますが、真に百万ドル規模の結果を生み出すのは、Field CTO の戦略やツール導入、そして XOps までを含むこのフレームワーク全体を適用することなのです。

この完全なモデルを社内でまず実証したことで、Pythian はアクティブユーザーのエンゲージメントを 3 倍に引き上げ、データベースインシデントの解決時間を 80% 短縮しました。

Pythian の AI オペレーティングモデルを支える 4 つの柱

企業向け AI が陥りやすい失敗点を乗り越えるため、当社のフレームワークは戦略・実行・運用を一つの継続的なループに統合しています：

フィールド CTO ストラテジー ──> ツール導入 ──> 二重 COE の実行 ──> 生産環境での XOps

• フィールド CTO ストラテジーとガバナンス: 生成 AI は、IT 史上最も学術的な難易度が高いアーキテクチャの転換点と言えるでしょう。元 C レベルの技術リーダーが率いる当社のフィールド CTO プラクティスは、エグゼクティブへの助言を通じてステアリングコミッティーを設立し、明確な価値指標を設定します。チームは 16 の水平型エージェントパターン（文書処理の自動化やランブック作成など）を用いて運用を監査し、開発着手前に高 ROI を見込めるユースケースの優先順位付けされたバックログを作成します。

• ツールとプラットフォームの導入: チームは Gemini Enterprise などのプラットフォーム上で堅牢な生産環境基盤を整備し、AI を CRM や ERP、データベース環境に直接統合することで、モデルを実際の企業コンテキストに根付かせます。

• 二重 COE（Center of Excellence）: この実行機能を担うのは、2 つの専門エンジンに分かれた組織です。

「People Productivity COE」は、導入と変更管理を担当するグループです。非技術チーム（人事や調達など）に独自のエージェント構築を期待するのではなく、この COE がノーコードのエージェントを構築し、エンパワーメントに完全に注力しています。

「Process Productivity COE」は、コアデータプラットフォームに統合され、自律的な運用を実現するための、深みのあるカスタムコーディングされた AI エージェントや複雑なエージェントワークフローを設計・実装するチームです。

「XOps（AI 生産管理）」では、エージェントの導入が旅路の 20% に過ぎず、本番環境での精度維持が 80% を占めることを認識しています。AI モデルとプロンプト構造は時間とともに自然にドリフトするため、この XOps プラクティスは、コアワークフローを崩すことなくエージェントのパフォーマンスを維持するために必要な継続的な監視、プロンプトの調整、モデルの可観測性を提供します。

些細で散発的な効率化を追うことと、構造的な企業 ROI を実現することの違いは、運用戦略をどう整合させるかにかかっています。

実務への影響：データベース運用からグローバルサプライチェーンまで

70 工場を管理する場合でも、3 万のエンタープライズデータベースを扱う場合でも、AI が真価を発揮するのは構造的で高付加価値なワークフローに紐付けられたときです。

• Pythian の顧客としての事例： 月間 15,000 件のデータベースチケットに対し、プロセス COE（Center of Excellence）がエージェント型ワークフローを導入しました。この仕組みはチケット内容を自動で読み込み、ナレッジベースを検索し、エンジニアが対応する前にミニ・ランブックを生成します。その結果、平均解決時間は 80% 短縮され、アクティブなユーザーのエンゲージメントは 3 倍になりました。

• ナレッジ管理顧客の事例： 10,000 名のコンサルタント向けに自律型 IT サポートエージェントを展開しました。これにより、年間 20,000 件の IT チケットのうち 10% を「ノー・タッチ（人的介入なし）」で処理できるようになり、年間 100 万時間以上の運用時間を節約できました。

• サプライチェーン顧客の事例： Gemini Enterprise を活用してカスタムエージェント型サプライチェーンツールを構築した結果、70 カ所のグローバル製造拠点における需要予測とマッチングのサイクルを、数週間から 2〜3 日へと圧縮しました。

• 小売顧客の事例： Gemini Agentic AI とコンピュータビジョン技術を組み合わせ、店舗の商品登録プロセスを自動化しました。その結果、従来 20 分かかっていた手作業を数秒で完了するフローへと変革しました。

AI オペレーティングモデルの構築へ踏み出しますか？

AI のスケーリングには、ツールレベルでの実験だけでは不十分です。重要なのは、エンドツーエンドの AI 運用モデルを構築することです。Pythian が Google Cloud と連携し、戦略の実行を支援し、XOps（各種業務プロセス）の効率化を図り、Gemini Enterprise への移行を加速させる仕組みをご紹介します。