シュナイダーエレクトリックが製品とプロセスの両方で AI をどのように拡張するか

世界経済フォーラム年次総会にて 2026 年 1 月、スイスのダボスで、シュナイダー エレクトリック CEO のオリヴィエ・ブルム氏は、WEF の MINDS (意味のある、インテリジェントな、斬新な、展開可能なソリューション) プログラムの一部として同社の AI ソリューションを評価する賞を 2 度目の受賞しました。

「AIとエネルギーが切り離せない新時代に突入したことは明らかであり、それらが連携してあらゆるビジネスを再構築することになる」とブラム氏はダボス会議で宣言した。

この人工知能とエネルギーの相互依存関係により、エネルギー管理技術の世界的リーダーであるシュナイダーエレクトリックは、持続可能性の目標を前進させながら AI 革命を推進するという、ビジネスの最も重要な課題の 1 つにおいて中心に据えられています。

2021 年からシュナイダー エレクトリックの AI 最高責任者を務めるフィリップ ランバック氏がこの取り組みを主導しています。

ランバック氏は、技術的な実験ではなくビジネス価値に基づいた戦略について説明しました。 2025年レポート によって制作された MITスローン・マネジメント・レビュー タタ・コンサルタンシー・サービシズ、「説明可能性は重要ですが、役員室では結果がより重要です。」

2 つの AI ポートフォリオのバランスを取る: 社内向けと顧客向け

シュナイダー エレクトリックは、それぞれ異なる戦略的責務、成功を測定するアプローチ、価値実現のタイムラインを持つ 2 つの異なる分野にわたって AI の機会を追求しています。

社内 AI アプリケーションは、より即時的な金銭的利益をもたらし、従業員の作業の迅速化と効率化を支援するとともに、顧客へのサポートを強化します。

一方、顧客対応 AI は、新興市場や進化する市場で市場シェアを獲得することに重点を置いた長期的な戦略的戦略を表します。

ビジネス界の多くが生成型 AI の導入を急いでいますが、シュナイダー エレクトリックはバランスの取れた AI テクノロジーのポートフォリオを維持しています。 分析AI 構造化データに適用される従来の機械学習は、依然として、特に顧客ソリューションにおいて、同社の AI 作業全体の約 60% を占めています。

生成 AI は、顧客向けアプリケーションの約 40%、従業員中心の社内ツールの約 70% を占めています。

シュナイダー エレクトリックの生成 AI の最も重要なアプリケーションの 1 つは、組織の知識をアクセスして使用できるようにするという、大企業に共通の課題に対処します。

これらのユースケース向けに非構造化データをキュレーションすることが有益であることが判明しました。

この洞察は、従業員を AI 開発プロセスに統合する必要があるという、同社のより広範な原則を反映しています。

スタンドアロン製品を構築するのではなく、AI を組み込む

シュナイダーエレクトリックは、社内ユーザーまたは顧客向けに個別の AI 製品を作成することを意図的に避けています。

この統合戦略は、エージェント AI などの新たな機能にも拡張されており、技術が比較的未熟であるにもかかわらず、シュナイダー エレクトリックは今日すでに実用的な価値を見出しています。

シュナイダー エレクトリックでは、従業員の理解と行動の変化を真剣に受け止め、組織全体のさまざまなニーズを認識する段階的なトレーニング アプローチを導入しています。

規模を考慮して設計された AI 組織 – パイロットなし

おそらくシュナイダー エレクトリックの最も特徴的な特徴はその組織モデルであり、パイロットや実験を行うのではなく、組織全体に迅速に影響を与えるように明示的に設計されています。

このモデルは 3 つのコンポーネントに基づいています。AI に専念する 350 名を超えるチーム。

このプロセスの各ゲートで、企業は事業計画とビジネスケースを確認します。 AIへの取り組みに対するステージゲートアプローチ、そしてそれが価値ある結果の可能性を高める有用な方法であると私たちは信じています。

確実性を待たずに価値を測定

AI の経済的価値の測定には、特に顧客向け製品の場合、進歩の重要性を切り分けることが難しい課題が伴います。

社内アプリケーションの場合、シュナイダー エレクトリックは、明確なビジネス価値提案から開始し、導入目標とパフォーマンス指標という 2 つの KPI を追跡します。

ビジネス関係者は価値提案を所有しており、ユースケースに適した KPI の開発を支援します。

ランバック氏は、完璧な測定アプローチを待ってから行動することに対して警告した。

他の企業向けの AI 管理のレッスン

シュナイダー エレクトリックの AI へのアプローチは、実験を超えて拡張しようとしている企業にいくつかの教訓を提供します。

テクノロジーではなくビジネス価値から始めましょう。 シュナイダーエレクトリックのすべての AI イニシアチブは、最新の AI モデルで何が可能かについての質問ではなく、ビジネス ニーズと顧客の問題点から始まります。

最前線の従業員を開発に参加させます。 作業を行う人々は、中央の AI 専門家にはない重要な分野の知識を持っています。

既存のワークフローに AI を埋め込みます。 シュナイダーエレクトリックは、顧客や従業員に新しいスタンドアロンツールの採用を求めるのではなく、人々がすでに使用しているシステムに AI 機能を組み込んでいます。

最初からスケールを考慮した設計を行います。 シュナイダー エレクトリックの組織モデル、技術インフラストラクチャ、ガバナンス プロセスはすべて、パイロットを作成するためではなく、実稼働システムを展開するために構築されています。

差別化されたトレーニングに投資します。 役割が異なれば、必要な AI リテラシーも異なります。

分析 AI と生成 AI のバランスを保ちます。 生成 AI をめぐる現在の興奮にもかかわらず、構造化データに関する従来の機械学習は、多くの状況で実質的な価値を提供し続けています。

---

AI 機能が急速に進化し続ける中、シュナイダー エレクトリックの規律あるビジネス主導のアプローチは、実験を超えて実際の運用上の影響に移行しようとしている企業にモデルを提供します。