AI主導の「カイゼン」―法務こそ読みたい「ビジネスの変革の実例」論文 [2/3]丨ハーバード・ビジネスレビュー最新号25年1−2月号

◯✕ 問題＜正解は末尾＞
次の文は正しいか？― Merck（メルク）は生成AIを用いて医薬品検査の誤判定率を50%以上削減した。

「勉強時間なんて、忙しすぎて作りようがない」―大人になった私達に広く共通する悩みです。30代前半、私は、言い訳（他責含む）を止めて、答を早朝勉強に求めました。今でも、毎朝4時台に起床し、机に向かいます。ここでは、ハーバード・ビジネス・レビュー最新号（英語）に掲載された論文をノロノロ読み、後日、講演・執筆で利用できそうな気になる論文を備忘的にまとめています。この論文は、生成AIによりビジネスの変革を現在進行系で行い、大きな成果をあげているグローバル企業が多く実例として紹介されています。法務部門が「AIの導入」を「AIがよくわからないから」という理由でブロックしている日本企業があるという嘘のような本当の話も耳にしたことがありますが（都市伝説と思いたい）、世界レベルで起きている生成AIによる他国の競争力の強化の実例を法務部門もしっかりキャッチアップし、企業価値を潜在的に「葬る（法務る）」ことがないように気をつけたいと思う次第です。

(*)英語力が乏しいためノロノロとテクノロジーの力を借りて整理しています。学びがある雑誌で、私もファンの１人です。よろしければ、HBR定期購読（定期購読サイト）をご検討ください。

H. James Wilson, Paul R. Daugherty (2025). The Secret to Successful AI-Driven Process Redesign, Strong leaders put business transformation in the hands of all employees, Harvard Business Review, 103(1), 45–51.

1つ知見を広げる「本日のメモ」

H. James Wilson と Paul R. Daugherty による本論文によれば、生成AIは、「科学的プロセス」においてデータを活用した精度「効率化」が実現されているとする。私が気になったメモしたい実例は下記の通りです：

Merck（メルク）の事例: 医薬品検査において、生成対向ネットワーク（GAN）や変分オートエンコーダを活用し、誤判定率を50%以上削減。合成データ生成により、システムの精度を向上させた。
Absci（アメリカのバイオ・エンジニアリングの会社）の事例: ゼロショット生成AIを活用して、新規抗体を設計。従来6年かかっていた開発プロセスを18カ月に短縮する可能性を示した。

＜本日の答え合わせ＞
◯✕ 問題
次の文は正しいか？― Merck（メルク）は生成AIを用いて医薬品検査の誤判定率を50%以上削減した。

答え: 正しい
解説: Merck は生成AI技術を活用し、医薬品検査の精度を大幅に向上させた。

今日はここまで。引き続きどうぞよろしくお願いします。1歩1歩。

［定期購読のおすすめ（毎号、自宅のポストに届くのを心待ちにしています、下記は最新号の表紙です―ビジュアルも大変美しいです。） / I strongly recommend/encourage your subscription to the esteemed HBR. It’s truly meaningful.］