OpenAI の事例記事 How RingCentral builds AI-native work from engineering to ops では、RingCentral が ChatGPT Work と Codex を使い、AIプロダクト開発と社内オペレーションの両方を変えている様子が紹介されています。
エンジニアだけでなく、非技術職や経営層も AI-Native Challenge に参加し、実際に動くプロジェクトを作った点が特徴です。
さらに PMO では、Jira、Google Sheets、CRM などに散らばる情報をもとに、ステータス報告やリリース管理を支えるワークフローへ発展しています。
AI導入の論点は、もはや「誰の作業をどれだけ速くするか」だけではありません。RingCentral の事例が示しているのは、AIを個人の補助ツールとして配る段階から、組織の仕事の流れそのものを作り替える段階への移行です。
ここで重要なのは、AI活用の起点が中央集権的な業務改革プロジェクトではなく、各人が試せる環境として設計されていることです。参加者に ChatGPT Work と Codex を渡し、固定された手順を課さず、企画、実装、テスト、ドキュメント、CI/CD までを通して経験させる。これは単なる研修ではなく、現場が AI を使って仕事を再設計するための探索プロセスです。
この形には機会があります。AIの使い道を専門チームだけが決めると、現場の細かい摩擦は拾いにくくなります。逆に、日々の業務を知る人が自分で試せるなら、会議前の状況整理、リリース判断、障害対応、引き継ぎのような、地味だが組織の速度を左右する領域に AI が入りやすくなります。
RingCentral の PMO の使い方は、その典型です。散らばった情報を人が集めて報告するのではなく、AIが文脈をまとめ、ブロッカー、担当者、次のアクションを会議前に見える形へ変える。これは作業時間の短縮にとどまらず、意思決定の前提をそろえる効果を持ちます。
エンジニアリングでも同じです。Codex によって実装速度が上がるだけなら、効果は開発者個人の生産性に見えます。しかし、要件整理、設計判断、テスト、検証までを人間が握りながら AI を組み込むなら、開発プロセス全体のループを短くできます。RingCentral が AIR、AVA、ACE といった自社の AI 製品開発に同じ考え方を適用している点は、社内活用と顧客向けプロダクトが分断されていないことを示しています。
企業にとっての判断軸は、AIツールを何席契約するかではありません。現場が試し、動くものを作り、業務フローに戻す回路を持てるかです。AIネイティブな働き方は、優れたプロンプトを共有するだけでは成立しません。実験を許す範囲、成果物を検証する責任、業務システムと接続する設計がそろって初めて、個人の効率化が組織の運用基盤へ変わります。
RingCentral の事例から読み取れる前向きな示唆は明確です。AI活用の次の競争力は、AIを使える人を増やすことだけでなく、AIで作られた小さな改善を組織の標準的な仕事の流れに育てられるかに移りつつあります。
関連記事
- Univé builds an AI-ready workforce
- Advancing responsible AI across Europe
- How avatarin built a 24/7 retail agent with GPT-Realtime
参考文献
コメント