AIの契約がいまだに時間単位で報酬を支払う理由――本当の価値は別のところにある
企業向け人工知能の導入における最大の摩擦は、技術的なものではない。モデルにあるわけでも、データの品質にあるわけでも、計算能力にあるわけでもない。問題は契約にある。組織が構造的なリターンを期待してAI導入に数億ドルを投じている一方で、大多数の企業はいまだに、生み出されたインパクトではなく費やされた時間を報酬として支払う契約を締結し続けている。このミスマッチは単なる行政上の細部の問題ではない。これは、非常に多くのAIイニシアチブが「有望なパイロット段階」と「ついに実現しない業務規模への拡大」の狭間に閉じ込められてしまう根本的な原因である。
マッキンゼーが最近発表したAIの現状に関するレポートは、この事実を不快なほど明確に裏付けている。AIの導入は広がりを見せているが、スケーリングの課題は依然として続いており、実際のインパクトとの最も強い相関関係は技術投資にあるのではなく、ワークフローの再設計にある。経済的な言葉に置き換えれば、企業は変革に対して支払うべきところを、インストールに対して支払っているということだ。
成果に基づく契約は単なる流行ではない。それは従来のモデルでは解決できないインセンティブ構造の問題に対する、構造的な答えである。
問題はベンダーではなく、契約のロジックにある
タイム・アンド・マテリアル契約や固定価格契約は、成果物が定義可能であり、スケジュールが予測可能であり、価値が労力に対してほぼ線形であるようなソフトウェア納品を管理するために生まれた。AIはこの三つの条件をすべて打ち壊す。
インフラにおけるインシデント管理を自動化するAIシステムは、モジュールを納品するわけではない。それが納品するのは、解決時間の短縮であり、運用コストの削減であり、オンコールスタッフへの依存度の低下であり、最終的には運用チームの再編である。これらの成果のいずれも、時間単位の請求書には現れない。そしていずれも、特定のプロジェクトマイルストーンに正確に帰属させることができない。
結果は予測可能だ。ベンダーは計測できるもの、つまり時間に対して請求する。クライアントは期待していたが契約が正式に約束していなかったものに対して支払う。ROIが実現しなくても、技術的には誰も責任を負わない。なぜなら、契約がそれを求めていなかったからだ。
このロジックには三つの構造的な欠陥がある。第一は、投入量と生み出された価値との相関の欠如だ。コンサルティングやライセンスにより多くを費やしても、必ずしもより多くのインパクトが生まれるわけではない。第二は、説明責任のメカニズムの欠如だ。成果が契約上定義されていなければ、ベンダーはそれを追求するインセンティブを持たない。第三は、しばしば無視されるものだが、従来の契約が見えなくさせている総所有コストである。組織的な変革管理、チームのAIリテラシー習得、プロセスの転換、そしてAIソリューションがうまく機能したときに消滅するコスト――人員やAIが代替するソフトウェアなど――がそれにあたる。これらすべては収支計算の外に置かれるが、投資が収益性を持つかどうかを左右するのはまさにこれらの要素なのだ。
成果志向の契約のロジック
成果に基づく契約は、単にうまくいった場合にベンダーがボーナスを受け取るものではない。そのアーキテクチャはより精密であり、双方にとってより要求度が高い。
出発点は、重要な指標の協働的な定義である。技術的な指標ではなく、ビジネスの指標だ。運用コストの削減、顧客への最初の接点での解決率の向上、サプライチェーンにおけるサイクルタイムの短縮などがそれにあたる。それらの指標に基づいて、合意された測定方法論のもとで検証済みのベースラインが設定され、帰属のロジックが構築される。成果のどの部分がAIソリューションと合理的に結びつけられるか、そしてどのような条件のもとでそれが成立するか、ということだ。
支払いは層状に構成される。固定ベース部分はベンダーの最小限の運用コストをカバーする。変動コンポーネントは、成果が定義された閾値を超えたときに発動する。より高度な実装においては、分散帯域――一部では「許容誤差回廊」とも呼ばれる――が設定され、その中でベンダーは下落リスクを引き受ける一方で、上昇時の価値も獲得する。
このデザインは商業関係における力学を変える。ベンダーはタスクの実行者から、成果に対してエクスポージャーを持つパートナーへと変わる。この立場の変化は修辞的なものではない。チームをどう配置するか、モデルのパフォーマンス問題にどれだけ迅速に対応するか、そしてベンダーがそのアカウントに対して継続的にどれだけ投資する意欲を持つかに、実際の影響を及ぼす。
これを機能させるためには、ベンダーは従来のモデルが要求しなかった能力を持っている必要がある。テクノロジーの話をする前にクライアントのビジネスを理解するコンサルタントが必要だ。定義しながら同時に構築するエンジニアが必要であり、定義が終わってからではいけない。そして、推論コストのガバナンスと時間の経過とともに生じるモデルのパフォーマンス劣化の監視を含め、本番環境でモデルを継続的に運用するためのインフラが必要だ。
最も繰り返されるスケールアップの失敗
AI導入における失敗のパターンが、構造的と見なせるほど十分な一貫性をもって繰り返されている。組織はどこに焦点を当てるべきかを知らず、同様にコストがかかる二つの極端の間で揺れ動く。
あまりにも狭い問題に賭ける組織がある。サプライチェーン全体にこそ本当の問題があるのに、ベンダーへの支出管理を自動化するエージェントを構築する。その結果生まれるのは、自分のサイロの中では機能するが、文脈を与えるプロセスと接続するよう設計されていないためスケールアップできないソリューションだ。
他方で、段階を踏まずに同時にすべてを最適化しようとする組織もある。限定されたセグメントで価値モデルを実証することなく、大規模な業務を変革しようとする。その結果は、何年もリソースを消費し、進捗レポートを生み出しながらも、取締役会が重視する指標に目に見える変化をもたらさないプロジェクトだ。
この二つの極端をつなぐのは、テクノロジーを選択する前に運用モデルが存在しないことだ。持続的な方法でAIをスケールアップすることに成功する組織は、二つのプロセスを同時並行で進めている。プロセスの再設計と、データ・テクノロジーのアーキテクチャだ。順番にではなく、並行して。そして、この二つのプロセスを整合させ続けるのは、変革管理、組織戦略、そして恒久的な規律としてのプロダクトマネジメントだ。
これが成果に基づく契約を支持する最も強力な論拠だ。それは、署名する前にその明確さを持つことを強制する。成果によって評価されることを受け入れるベンダーは、クライアントが改善したいプロセスを理解する必要がある。この契約前の対話は、その後何ヶ月もの컨サルティングよりも高い戦略的価値を持つ。
正しいインセンティブが正しいパートナーを生む
成果による契約は、AI導入においてだれが価値を獲得するか、そしてどのように獲得するかを再編する。しかし同時に、署名前に組織がほとんど分析しないベンダーについての何かを明らかにもする。
このロジックのもとで運営されるベンダーはリスクを吸収しなければならない。リスクを吸収するためには、自らの提供能力に対する確信が必要だ。その確信は商業的なものにとどまることはできない。技術的なアーキテクチャ、実行の実績、そして立ち上げの瞬間だけでなく何ヶ月・何年にもわたって本番環境でモデルの品質を管理できる内部ガバナンスによって裏付けられていなければならない。
今日、そのような能力を持つベンダーは少ない。そしてこの希少性はバイヤーにとって含意を持つ。成果に対して真に責任を負うベンダーの市場は、営業文書だけを読んでいると見えるよりもずっと小さい。このモデルのもとで運営できる者と、単に商業的な差別化要因としてそれを宣伝している者とを篩にかけるには、成果に基づく契約が署名前に答えることを強制するまさにその問いを立てることが必要だ。
価値分配の観点からも、このモデルは従来の契約が持たない美徳を持っている。従来は収支計算の外に置かれていたものを可視化するのだ。組織変革のコスト、研修への投資、冗長化するシステム、再配置される人員――これらすべてが、クライアントとベンダーの間で共有される価値分析の一部となる。この可視性は公平性を保証するわけではないが、ベンダーの成功とクライアントの成功が並行した別々の宇宙で動く可能性を排除する。
インセンティブが成果を中心に整合されると、商業関係の重心はコスト管理からリターンの最大化へとシフトする。この違いは意味論的なものではない。それが、企業向けAIが検証可能なインパクトを生み出すか、単にプロジェクトを生み出すだけに終わるかを決定するものなのだ。
