エネルギー・公益事業会社でオペレーションを担っている方であれば、すでにそのプレッシャーを実感していることでしょう。電力網のインフラにはこれまで以上に大きな負荷がかかっており、人工知能（AI）データセンターによる需要の急増が供給能力を圧迫する一方、近代化プログラムはその変化に追いつくのに苦慮しています。また、規制や脱炭素化に関する要件も厳格化しており、環境・社会・ガバナンス（ESG）に関する報告義務は、電力、ガス、水道の各ネットワークにわたって拡大しています。こうした状況の中でも、現場のチームは依然として、分断されたオペレーションシステムと企業システムにまたがるデータを手作業で照合しています。

これらのシステムは、すでに起こったことを記録するように設計されており、今まさに起こっていることに対応するためのものではありません。このギャップを解消することこそ、SAP Autonomous Enterprise が構築された目的です。

今日の公益事業企業が直面するプレッシャー

公益事業業界は、過去数十年に例を見ないほど、複数の課題が同時に押し寄せる状況に直面しています。エネルギー転換の加速に伴い、太陽光発電、蓄電設備、電気自動車（EV）などの分散型エネルギーリソース（DER）が、従来とは異なる時代を前提に構築されたネットワークへ急速に導入されています。企業サステナビリティ報告指令（CSRD）や同様の枠組みにより、公益事業会社には、オペレーションシステムと財務システムの双方を横断して排出量を追跡することが求められています。また、スマートグリッドインフラでは、近代化を可能にする接続性が高まる一方で、サイバーセキュリティ上のリスクも増大しています。さらに、人材やスキルの不足が拡大しており、市場が求めるスピードで変革を実行することがますます困難になっています。

SAP の委託により Oxford Economics が実施した調査によると、公益事業会社は明確な目的を持って投資を進めており、現在 AI に平均 2,900 万ドルを投じ、平均 15% の投資回収率（ROI）を達成しています。さらに、先進企業では、この ROI が 2 年以内に 29% まで上昇すると見込んでいます。世界のエネルギー・公益事業業界のシニアリーダー 106 人を対象としたこの調査では、10 人中 9 人が、現在導入している AI によって、業務遂行のスピード、カスタマーエンゲージメント、イノベーションが向上したと回答しています。特に大きな成果が見られるのは、インサイトと意思決定の領域で、回答者の 44% が大幅な改善を報告しています。

「Autonomous Enterprise」とは具体的に何を意味するのでしょうか？

この用語は業界で広く使われていますが、それが意味することと、意味しないことを正確に理解することが重要です。Autonomous Enterprise とは、ビジネス上の意思決定から人を排除することではありません。人が何に時間を費やすかを変えることを意味します。

大規模な気象災害によって広範囲に停電が発生した場合、従来の公益事業のオペレーションでは何が起こるかを考えてみましょう。現場の調整担当者に連絡が入り、カスタマーサービスチームには問い合わせが殺到します。エンジニアは、あるシステムから過去の設備記録を、別のシステムからネットワークトポロジーを、さらに別のシステムから作業指示の履歴を取得します。復旧状況の全体像を把握できる頃には数時間が経過し、顧客への情報提供もすでに遅れてしまっています。Autonomous Enterprise では、AI エージェントが事象を検知し、設備の状態データと作業員の稼働状況をリアルタイムで照合して、復旧作業の優先順位を決定します。さらに、顧客への通知を自動的に開始し、オペレーションセンターに推奨される対応策を提示します。こうした一連の処理は、最初の手作業による報告が提出される前に行われます。

SAP が述べているように、方向性を定めるのは人であり、それを実行するのが AI です。これは未来の話ではありません。エンタープライズソフトウェアの設計そのものにおける構造的な転換であり、メーターツーキャッシュ、設備パフォーマンス管理、電力網計画、サステナビリティレポート、カスタマーエンゲージメント、分散型エネルギーリソース管理などの業務を担う公益事業会社に、具体的な変化をもたらすものです。

公益事業がエージェンティック AI に適している理由

公益事業のオペレーションは、その本質において、設備集約型で、厳格な規制の対象となり、継続的にデータが生成されるという特徴があります。センサー、メーター、電力網のノード、現場チームからは、人間のチームだけでは手作業で対応しきれないほど膨大な量のシグナルが絶え間なく生成されます。こうした特性を併せ持つ公益事業は、Autonomous Enterprise が可能にする、AI を活用した継続的な最適化に特に適した業界だと言えます。

自律型エージェントが成果に直接影響を与えることができる例を考えてみましょう。

• 設備資産パフォーマンスと予知保全：AI エージェントが設備からのシグナルを監視し、故障の可能性を予測して保全作業指示を自動的に発行することで、事後対応型の修理から予防的な保全へと移行できます。
• 検針から入金までの処理：AI エージェントが、メーターの検針、時系列データの処理、請求に関する例外処理を自律的に行うことで、処理時間を短縮し、手作業によるやり直しを削減します。
• 停電および電力網イベントへの対応：AI エージェントが、ネットワーク上の事象と顧客情報、作業員のスケジュール、コミュニケーション用テンプレートを連携させることで、人手による調整を必要とせずに復旧作業を統合的に進めます。
• サステナビリティおよび ESG レポート：AI エージェントが排出量データを集約し、各活動を CSRD の要件に対応付け、コンプライアンスレポートの草案を作成することで、数週間を要していた手作業での取りまとめを、継続的かつ監査可能なプロセスへと置き換えます。
• カスタマーエンゲージメントとセルフサービス：AI エージェントが、デジタルチャネルを通じて、使用量に関する問い合わせ、請求に関する質問、サービスリクエストに対応することで、サービス提供コストを削減しながら、問題解決までの時間を短縮します。

これらはいずれも、ネットワーク事業者や総合公益事業会社のオペレーション責任者、設備管理責任者、サステナビリティ責任者が実際に直面している課題です。目指しているのは、自動化そのものではありません。経験豊富な人材を大量の定型業務から解放し、人間の判断が必要な意思決定に集中できるようにすることです。

従来の AI アプローチと異なる点は何ですか？

多くの公益事業会社では、すでに何らかの形で AI を導入しています。ある領域では予知保全モデルを、別の領域では需要予測ツールを活用し、顧客からの一次問い合わせにはチャットボットで対応するといった具合です。しかし、共通する課題は、こうしたツールが業務の一部を改善する一方で、全体像はほとんど変わらないことです。つまり、それぞれがサイロ化された状態で個別に最適化されているのです。

SAP Autonomous Enterprise は、エンタープライズ規模の導入において重要となる 3 つの基盤の上に構築されています。

第 1 に、業務プロセスと業界に関する深い知識です。SAP は、50 年以上にわたって蓄積してきたプロセスインテリジェンスを AI レイヤーに組み込んでいます。これには、製造、物流、設備オペレーション、顧客管理など、公益事業に関連するワークフローも含まれます。そのため、AI エージェントは単にデータを読み取るだけでなく、企業の実際の業務プロセスやビジネスのコンテキストを踏まえて推論することができます。

2 つ目は、セマンティックリッチなビジネスデータです。SAP Business AI は、後からデータに接続するのではなく、730 万を超えるデータフィールドを網羅する、SAP のソリューション全体で共通のセマンティックモデルを基盤として構築されています。これにより AI エージェントは、サプライヤーの供給障害、未処理の顧客注文、生産スケジュール、財務状況の相互関係を同時に把握できます。

第 3 に、エンタープライズレベルのガバナンスです。AI によるあらゆるアクションは監査可能で、その履歴を追跡できます。規制や ESG に関する報告要件がますます厳格化する中で事業を展開する素材・加工業の企業にとって、これは単なる選択肢ではなく、事業を支える不可欠な基盤です。

公益事業企業における実際の成果

自律型運用への移行はすでに始まっています。公益事業業界の企業では、すでに次のような可能性が実証されています。

SA Power Networks 社（オーストラリア）

SA Power Networks 社は、南オーストラリア州で電力配電網を運営する事業者で、インフラ管理と現場業務を変革するために、さまざまな SAP の AI ソリューションを導入しました。AI を活用して過去の設備状態データを分析することで、腐食する可能性が低い電柱を 99% の精度で特定できるようになり、すべての電柱を一律に点検するのではなく、対象を絞った保全が可能になりました。その結果、腐食した電柱の点検にかかるコストを年間 100 万豪ドル（60 万米ドル）以上削減しました。さらに、50 年分の設備履歴を、現場の技術者が簡単なクエリで参照できるようになっています。

Centrica Plc（英国）

Centrica 社は、発電、エネルギー貯蔵、電力取引業務、数百万件の顧客アカウントを、1,500 を超えるアプリケーションと 20 のデータレイクにまたがって管理しています。このような環境では、データの分断によって、電力取引、資本配分、顧客向け料金設定に関する意思決定が遅れる可能性があります。ガバナンスの効いたデータ基盤と SAP Business AI を活用することで、同社は手作業によるデータ照合を削減し、チームが予測、シナリオプランニング、データモデリング、より優れた業務上の意思決定といった業務に集中できるようにしています。重要なのは、この取り組みが、Centrica 社の事業運営のあり方そのものを根本から再設計するものであるという点です。期待される効果には、手作業によるデータ収集を 1 日あたり 6,400 時間削減すること、手作業全体を 10 分の 1 に削減すること、さらに 800 人相当のフルタイム従業員（FTE）を、データの取りまとめではなく、より付加価値の高いデータ分析・解釈業務へとシフトすることが含まれます。また、数百万件ものレコードを複数のデータレイク間で複製する必要もなくなります。

Elektrizitätswerk des Kantons Schaffhausen（ドイツ）

Elektrizitätswerk des Kantons Schaffhausen（EKS）は、スイスとドイツを支援する公益事業者で、SAP ソリューション上に生成 AI のメールアシスタントを構築しました。AI アシスタントは、受信したメールを緊急度、感情、種類に応じて自動的に分類し、リアルタイムの電力使用量データを活用して、状況に応じた返信案を生成します。また、過去の類似案件を検索して提示します。その結果、次のような成果が得られています。

• 95% の需要予測精度により、正確な請求とエネルギー調達の最適化を実現
• AI が生成する返信候補により、対応時間を数分から数秒に短縮し、顧客対応時間を 60～70% 短縮
• 44,000 世帯に、より明確でデータに基づいた消費インサイトを通じて優れた透明性を提供

何から始めるべきか

Autonomous Enterprise の実際の導入を検討するリーダーにとって、最も重要な問いは「AIをどれだけ活用すべきか？」ではありません。重要なのは、「自社のバリューチェーンにおいて、シグナルとアクションの間にあるギャップが、最も大きなコストを生んでいるのはどこか？」という問いです。

それは、設備の状態に関するシグナルを検知してから保全の意思決定を行うまでの遅れかもしれません。その間に、計画外のダウンタイムによる損失が積み重なります。あるいは、1 つの ESG レポートを作成するために何週間もかかる手作業かもしれません。また、メーターの検針から正確な顧客請求書が発行されるまでの時間が、そのギャップにあたる場合もあります。

SAP Cloud ERP と SAP Autonomous Suite は、公益事業会社がこうしたギャップを特定し、体系的に解消できるよう設計されています。個別のポイントソリューションで対応するのではなく、業務全体を統合するアプローチによって、オペレーション全体で価値を積み上げていくことを目指します。SAP の公益事業業界向けソリューションは、メーターツーキャッシュから設備データに基づくインサイトの獲得まで、バリューチェーン全体をカバーしています。さらに SAP Autonomous Suite は、エージェントによる自律的な業務遂行、リアルタイムインテリジェンス、エンタープライズ規模での組み込みガバナンスによって、その対応範囲をさらに拡張します。

公益事業業界はこれまで、完全にはコントロールできない状況下でも、複雑かつ安全性が極めて重要なインフラを確実に運用する能力によって、その存在意義を示してきました。今後の競争優位や規制対応における優位性は、同じことをインテリジェントに、自律的に、そして大規模に実現できる企業が手にすることになるでしょう。