人口増加と大量消費が環境に与える影響への認識の高まりから、サステナビリティは世界中の企業にとって重要な関心事となっていますが、多くの企業は、サステナブルな取り組みがコスト削減や、環境や社会問題に対する消費者の意識の高まりによる売上の増加など、収益にも貢献することを認識しています。しかし、多くの企業は、過去の取り組みがうまくいかなかったり、ROI（投資収益率）のビジョンがはっきりしなかったりして、技術革新の推進に苦労しています。私たちは、これまでの経験をもとに、組織の意思決定者が技術革新プログラムを実施し、組織のサステナビリティフットプリントに測定可能なプラスの影響を与えるために必要な6つのチェックリストを作成しました。

ステップ1: インパクトのある主要分野の調査

1つ目のポイントは、「インパクトのある主要分野を調査する」ことです。SDGsの議論でも触れましたが、大きな問題の一つは、明確な定量的目標がある一方で、特定の組織や部門が実行できる具体的な貢献に結びつけるのが非常に難しいことです。そこで、まず最初のステップとして、インパクトのある分野を調べることから始めます。ビジネスによって、インパクトのある分野は異なります。例えば、農業を営んでいる企業であれば、土地利用や環境保全が優先されるかもしれません。一方、伝統的なプロフェッショナルサービスを提供する企業であれば、労働生産性や男女共同参画が最優先課題となるでしょう。持続可能な開発目標のリストに目を通すことで、自社が影響を与えている分野が浮き彫りになり、どの分野が自社に関連しているかを知ることができます。持続可能な開発目標とは直接関係ありませんが、ESGタスクフォースや基準委員会も関連する情報源であり、そこからどの指標が自社に最も関連するかを判断することができます。どの目標が組織に最も関連するかを決定した後、どの測定基準に最も影響を与えることができるかを決定することは価値があるかもしれません。 考慮すべき要因としては、組織の規模、この指標に対する組織の影響力、既存のソリューションを活用してこの指標に意味のある改善をもたらすことがどれだけ容易であるか、などが挙げられます。これを体系的に行うためには、以下に提案する6つのポイントについての提案をスケッチし、対象となる測定基準をマッピングします。また、どのような解決策が考えられるかだけでなく、これらの対策を講じた場合の推定投資収益率と組織への推定影響度をスコープに入れます。そして、このリストを使って、どの分野に最初に注力するかについて、組織内のさまざまなステークホルダーからのフィードバックや賛同を集めることができます。これまでにサステナビリティに関する取り組みを行ったことがない組織であれば、プログラムの範囲を最もコンセンサスが得られている1つの分野に限定して、試験的に実施することも考えられます。実施後は、この取り組みのROIを利用して、組織のメンバーをさらなる変革プログラムに参加させることができます。

ステップ2: キーメトリクスの定義

関連性のあるものとそうでないものを定義したら、各目標のターゲットと指標を見てみましょう。これらは、目標達成に向けた進捗状況を示す、実際の定量的な指標です。ステップ2では、重要な指標を定義します。多くの場合、SDGsの指標はあなたの会社には直接適用できないので、その指標に直接かつポジティブな影響を与えると思われる指標を定義する必要があります。例えば、目標番号3の「すべての年齢層の人々に健康な生活を保証し、幸福を促進する」に焦点を当てることにしましょう。例えば、特定のコミュニティに工場を持っている場合、指標3.9.1「環境大気汚染世帯に起因する死亡率」が当社の行動によって影響を受ける可能性があると判断できます。そこで重要な指標として、当社の工場に起因する具体的なPM2.5や有害ガスの排出量を定義することができます。その数値を理想的にはゼロにすることを約束し、その影響を測定することで、関心のある指標の改善に直結させることができるのです。指標を定義したら、それをどのように測定するかを決める必要があります。指標の種類によっては、文書やスプレッドシートに記録された既存の企業データの形でデータを入手できるかもしれません。また、物理的な設備に設置されたセンサーによって測定されるかもしれませんし、標準的な会計手続きに従って推定する必要があるかもしれません。すでにデータを持っている指標は、測定しやすい対象であるように思えるかもしれません。しかし、組織には情報のサイロ化があり、組織内に散在するさまざまな文書からすべてのデータを収集するのは非効率かもしれません。そんなときに役立つのが自然言語処理ツールです。最近では、企業内の情報サイロを統一し、すべての情報をデータレイク（知識ベース）に集約しようとするAIベースの検索ツールがいくつか開発されています。このようなナレッジベースには、企業の情報が集約されており、このデータを測定することが非常に容易になるかもしれません。もし、あなたの会社でそのようなデジタルトランスフォーメーションの取り組みがすでに進行中であれば、これらの指標は、そうでない場合よりもはるかに簡単に測定できるかもしれません。同様に、物理的な場所にすでにセンサーを設置している場合は、データの集約、統計、要約のためのプロトコルがすでに組織に備わっていることを考えると、データの集約が容易になるかもしれません。そうでない場合は、物理的な場所にセンサーのネットワークを展開するためのコストと、このデータを集約して処理するために必要なソフトウェアの開発コストを、このような持続可能性プロジェクトのコストを計上する際に考慮しなければなりません。ターゲットの中には、実際には直接測定できないものもあり、科学的根拠に基づいた会計方法で推定する必要があります。例えば、企業のカーボンフットプリントを推定するには、一貫した基準を持つGHGプロトコルが適しています。これらの目標は間接的な方法で算出されているため、結果に間接的に影響を与える多くの要因がある可能性があり、改善にはより詳細な計画が必要となります。そのため、どこにアクションを起こすべきかがすぐにはわからないかもしれません。会計プロトコルを徹底的に評価し、そこに影響を与えるすべてのインプットを決定することで、それらの貢献を具体的な測定可能なビジネス指標にマッピングすることができます。

ステップ3: ソリューションの選択

本書では、持続可能性の目標を達成するための技術的なソリューションに焦点を当てています。しかし、多くの場合、技術的な解決策ではない方法でも、サステナビリティを大きく向上させることができるということをお伝えしたいと思います。例えば、ジェンダー平等、給与改善、エネルギー効率などの目標を達成するためには、企業文化やビジネス慣行を変えるだけでよい場合があります。このような場合でも、定量的な測定と追跡が進捗を促進します。技術的なソリューションが持続可能性への取り組みの重要な要素であると判断した場合、目標達成のために適切な技術を選択する必要があります。十分な情報を得た上で判断するためには、問題についてより多くの情報を収集する必要があります。今回のケースでは、主にAIファーストの技術的ソリューションを検討しています。このようなソリューションを開発する場合、プロジェクトを開始する前に深く理解しておく必要があるテーマがいくつかあります。 1. データ。ステップ2で定義した指標を測定するのに十分なデータを収集しているか？もしそうでなければ、どのようにしてそれを測定することができるか？ 2. 技術状況。専門家に相談した上で、既存の技術で今すぐできることは何か？5年後、10年後には何ができるようになるのか？利用可能なさまざまなソリューションの生産性とコストのトレードオフは何か？ 3. マイルストーン。現在利用可能な技術と、将来開発可能な技術を考慮した上で、当社の測定基準の具体的な年間または四半期ごとの目標マイルストーンは何か？ 4. 副作用。その技術を導入することで、意図しない結果を招く可能性はないか。この変化によって影響を受けるすべての利害関係者を考慮したか。このプロジェクトは、経済的にも政治的にも、長期的に持続可能か？完全な技術的ソリューションを実現するためには、物理的なツールの配備、ソフトウェアやAIモデルの開発、あるいはレガシーシステムを置き換えるための全く新しいプロセスの開発を組み合わせて行う必要があります。ハードウェアの開発・展開の場合は、製造コストや品質、現場での信頼性やメンテナンスなどを考慮する必要があります。ソフトウェア開発の場合は、データの取り込みと出力、展開条件（クラウドとオンデバイスの違いなど）、既存システムとの統合などを考慮する必要があります。意図しない副作用を防ぐためには、すべての利害関係者から情報を収集するだけでなく、この計画の目的は何か、なぜそれが重要なのか、どのようなステップを踏むのかを詳細に説明することが重要です。これにより、影響を受ける可能性のあるすべての関係者が、当初のプランナーが見落としていた可能性のある懸念事項を提起することができます。また、このステップを踏むことで、後々の移行プロセスが非常に容易になります。というのも、全員が次の変化を認識し、それに対して発言権を持っているからです。多くの組織では、技術的な採用や革新の主な障害は政治的なものであり、決定プロセスに関与していなかったために疎外された個人や部門が変更を阻止するという形で、これは重要なポイントである。また、導入後の段階を考慮することも重要です。システムを運用するための総コストを計算しただろうか？経済的にも、人材的にも、システムの維持・継続は可能なのか？システムを最適な状態で稼働させるためには、環境や政治、ビジネスの状況の変化に対応したアップデートが必要になるかもしれません。

ステップ4: 開発

さて、技術的なソリューションを選ぶことは、それだけでは終わりません。メディアではAIソリューションの宣伝が盛んに行われていますが、AIシステムの開発を成功させるのは簡単なことではありません。AIや機械学習モデルの開発は、従来のソフトウェア開発とは全く異なるパラダイムであり、まだ初期の分野であり、業界で確立されたプラクティスもそれほど多くありません。AIプロジェクトの開発、具体的にはプロジェクトのライフサイクル全体を考える上で、まず念頭に置かなければならないのがデータです。これは、私たちが提案するタスクリストに従っていれば、測定する指標を定義するところから始まります。測定基準が定義されたら、モデルのトレーニングのためだけでなく、展開時の推論や性能評価のために、データをどのように収集、処理、保存するかを理解する必要があります。モデルの開発自体が反復的かつ実験的なプロセスであるため、十分な時間と計算資源を予算として確保する必要があります。異なるソリューション間のトレードオフを考慮する。確立された技術を我々のユースケースに適応させるのが良いのか？それとも、新しい技術を研究するのか？それらの異なる戦略に必要なプロジェクト管理は全く異なります。プロジェクトを成功させるために必要な技術については、後の章で説明します。

ステップ5: 展開

次に必要なのは、新しいソリューションを展開することです。レガシーシステムとの統合や本番環境での予期せぬバグなどの技術的な課題もありますが、展開する上で最も厳しい障壁は社会的・政治的なものであることがわかりました。人間は変化を嫌うので、その変化が有益であるだけでなく、よく理解されるものでなければなりません。そのため、AIシステムを開発する際には、公平性を優先すべきだと考えています。そうなると、初期に取るべき重要なアクションは、社内の他の人たちからの賛同を得ることです。プロジェクトに対する熱意の欠如は、多くのイノベーションの取り組みにおいて、第一の障害となる傾向があります。早めに計画を提示し、できるだけ多くの関係者に伝えましょう。彼らのアイデアを集め、可能な限り計画に組み込むことで、オーナーシップを高めることができます。人々の懸念や反対意見に耳を傾けることで、他の人の足を引っ張らないような計画を立てることができるかもしれません。また、事前に意見を聞いておくことで、自分では気づかなかった問題点の緩和策を講じやすくなります。特に持続可能性を追求する場合、正義感に満ちた提案は、人によっては攻撃されているように感じて敬遠されてしまうことがあります。その代わりに、この計画がもたらすポジティブな変化と、詳細なROI分析に焦点を当て、このプロジェクトの実施が組織にもたらす価値を強調することを提案します。もう一つの反対意見は、システムの堅牢性に関するものです。当然のことながら、市場で実績のない斬新な技術的ソリューションを導入することや、導入が失敗した場合のリスクが大きい場合には、反対するステークホルダーもいるでしょう。このような状況を緩和するためには、本書で紹介している安全でロバストなモデル開発のための手法を実践し、それをチームに伝えることが重要です。要約すると、モデルの展開に関する懸念を軽減するためには、ステークホルダーとの早期のコミュニケーションに重点を置き、懸念事項に耳を傾け、緩和策を計画に組み込むとともに、広く展開する前に広範なテストを実施することです。また、「公正さと倫理」の章では、モデルの特性を広範囲に視覚化することや、説明可能なAIを組み込むために時間をかけることが、懸念を事前に和らげるのに役立つことを説明します。

ステップ6: メンテナンス

最後に、導入後もソリューションを忘れることはできません。機械学習システムの場合、データセットや環境のドリフトという問題がよく発生します。これは、モデルを学習させるデータや前提条件が変化することを意味します。モデルの予測自体が、取得したデータが以前に見たものとは異なるというフィードバックサイクルを生み出す可能性があるため、システムのパフォーマンスを継続的に監視し、高速な更新サイクルのための準備を行う必要があります。一般的に、新技術の導入スピードが速くなるにつれ、世界に関する情報や利用可能な技術が変化するため、静的な計画に何年も頼ることはできないことがわかります。そのため、技術的な実装を成功させるには、常に監視と再評価を行い、実装後も長期間にわたって性能と関連性を維持できるようにする必要があります。