最も痛みを伴うAI予算は、無駄になったものではなく、重要な場所に届かなかったものである
エンタープライズソフトウェアの評価額において、1兆5,000億ドルを超える価値が過去2年間で蒸発した。AIへの投資が不足していたからではなく、投資が間違った場所に落ちたからだ。これが現在の局面を定義するパラドックスである。企業がAIにこれほど多くの費用を費やしたことは過去になく、同時に、その価値がどこにあるかを示すことがこれほど困難だったこともない。
XoriantのCEOであるRohit Kediaは、最近の分析においてこれを的確に表現した。企業のAI予算の大部分は、モデル層、すなわちプラットフォームのライセンス、コンピューティングインフラ、ベンダーとのパートナーシップ、概念実証の開発に集中している。その層は注目を集め、発表を生み出し、デモンストレーションを生産する。しかし一貫して生み出さないのは、損益計算書に現れる結果である。
ガートナーは2025年2月、2026年までにAIプロジェクトの60％が処理可能な状態のデータの不足を理由に放棄されると推計した。これは技術的な失敗ではない。予算アーキテクチャの失敗だ。モデルに資金が投じられ、それを支えるインフラには投じられなかったのである。
テクノロジーリーダーが問うべき問いは、AIに投資するかどうかではない。その決断はすでに下されている。問いは、その資金が実際の業務能力を構築しているのか、それとも近代性の見せかけに資金を提供しているのかである。
誰も名指ししたがらない高価なパフォーマンス
役員室では驚くほど規則的に繰り返されるパターンが存在する。毎週のように、モデルプロバイダーとの新たな提携発表、自律型エージェントのデモンストレーション、変革されたワークフローの約束が届く。ノイズは大きい。パフォーマンスは説得力がある。
プレスリリースの向こう側を覗き込み、企業が顧客に価値を提供する方法において具体的に何が変わったかを問いかけると、誠実な答えはたいてい失望させるものだ。マッキンゼーは「State of AI 2025」において、88％が積極的な投資を報告しているにもかかわらず、AIプログラムを企業レベルで本格展開し始めた企業は全体の3分の1に過ぎないと報告した。残りは支出している。ただし、重要な場所に支出してはいない。
この現象には識別可能な構造がある。2023年と2024年のAI予算は、大部分がイノベーションや研究開発の費目に存在しており、緩やかなリターン要件と軽い財務審査が伴っていた。これにより、重複したツールの乱立、中核プロセスと接続されていない部門横断のパイロット、特定のビジネス成果に対して誰も測定しなかったインフラ契約が増殖する絶好の条件が生まれた。
問題は企業が実験することではない。実験には価値がある。問題は、実験がプロダクトになってしまうとき、デモンストレーションが展開に取って代わるとき、そしてイノベーション予算が、具体的なものを何もコミットせずに近代的に見せるための手段として機能するときである。
デロイトは、エンタープライズAIを採用した組織の約66％が、生産性と効率性の改善を得られた主要な恩恵として報告していることを明らかにした。これは合理的な数字だ。しかし注意深く読む必要がある。生産性と効率性はプロセスの指標であり、必ずしも構造的な経済的インパクトを示すものではない。アナリストがレポートを準備するのにかかる時間を短縮することは、そのレポートを重要なものにする意思決定の連鎖を再構成することとは異なる。
「AIを使う」ことと「知性を適用する」ことの区別は、本質的には予算上の区別である。AIを使うとは、既存のワークフローの上にツールを重ねることを意味する。ここにコパイロット、あちらにチャットボット、すでに存在していたダッシュボードの上にアナリティクス層。知性を適用することは、カテゴリー的に異なる何かを意味する。企業が価値を生み出し提供する方法の中に自動化された意思決定能力を組み込み、その決定が影響を与える結果へのトレーサビリティを備えることだ。
この第2の選択肢は、見出しを生まないものへの資金調達を必要とする。データのクレンジング、プロセスの再設計、レガシーアーキテクチャの近代化、チームのトレーニング。ゴールドマン・サックスは2026年3月のレポートで、AIはソフトウェア市場を食い荒らすのではなく、コードを書くコストを削減しながらそのコードが実現できることの上限を引き上げることで市場を拡大していると指摘した。これは、適用可能な価値の空間が拡大したことを意味する。しかしそれを捉えるには、それを支える基盤を構築していなければならない。
予算が無視している4つの基盤
システム的に投資の到着が遅すぎるか不十分である4つの領域があり、その4つのすべてが、モデルへの支出が価値を生み出すか単に活動を生み出すかを決定する。
プロセスが最初の失敗点だ。壊れたワークフローに適用されたAIは、壊れた結果をより速く生み出す。プロセスを再設計せずにモデルに投じられたすべてのドルは、方向性ではなく速度を生むドルだ。エンタープライズAIプログラムで最も頻繁に見られる誤りは、モデルの知性がプロセスの機能不全を補うと仮定することである。そうはならない。むしろ増幅する。
テクノロジーアーキテクチャが2番目の問題だ。断片化したレガシーシステムは、意思決定の時点で組み込まれた知性を支えることができない。より強力なモデルを購入しても、統合の問題は解決しない。AIの能力の問題に見えるものは、実際にはAI予算が手を付けなかった未解決の技術的負債の問題であることが多い。なぜなら、技術的負債は魅力的なデモンストレーションを生まないからだ。
スキルが3番目に位置し、その不可視性ゆえにおそらく最もコストのかかる欠陥だ。AIが何であるかを知っている労働力と、AIと共に働くことを知っている労働力の間には違いがある。前者は採用調査に答えることができる。後者は、オペレーション、リスク、顧客対応のチームがどのように意思決定を行うかを再定義できる。能力変革は、エンタープライズAIプログラムにおいて最も一貫して過小評価されてきた予算項目の一つであり続けており、プロジェクトの最初からの提供条件としてではなく、プロジェクトの終わりの変更管理として扱われている。
データが全体像を締めくくる。どれほど洗練されたモデルも、信頼性のないデータからは信頼性のある知性を生み出せない。それにもかかわらず、データの準備は、モデル選択やプラットフォーム取得に充てられる投資のほんの一部しか受け取れていない。ガートナーの知見は単なる統計ではない。優先事項の診断だ。企業は、可視性と認知度があるところに投資する。きれいに整備され、適切に管理され、正しいプロセスに接続されたデータは、華やかなデモンストレーションを生まない。結果を生む。この違いが、なぜプロジェクトの60％が生き残れないかを説明している。
2026年に発表されたコスト調査によると、コンプライアンスと真のスケーラビリティを備えた本番稼働可能なAIシステムは、エンジニアリング、データ作業、ガバナンス、統合を計上すると、1システムあたり25万ドルから100万ドル以上のコストがかかると推計されている。この数字には、モデルのメンテナンス、再トレーニング、モニタリングの継続的なコストが含まれている。ほぼどのパイロットも、その構造を維持するように設計されていなかった。これがパイロットがスケールしない理由を説明している。
価値を獲得する者と傍観する者を分ける予算アーキテクチャ
AIで持続可能な価値を獲得している企業と実装の負債を積み重ねている企業の違いは、選んだモデルにあるのではない。それらのモデルの周囲にどのような投資アーキテクチャを構築したかにある。
測定可能なリターンを生み出している企業には、3つの層からなるパターンが共通している。第1の層は基盤への投資だ。データの準備作業、プロセスの再設計、レガシーシステムの近代化、そして採用指標を伴ったトレーニングプログラムである。これは他のすべてが機能するかどうかを決める、華やかさのない作業だ。第2の層は知性の展開だ。並行ツールとしてではなく、プラットフォーム、プロダクト、または顧客ジャーニー内の能力として、実際のワークフローにネイティブに統合されたAIであり、ビジネス成果への直接的なトレーサビリティを持つ。第3の層はオーケストレーションであり、人間によるものも自律エージェントによるものも含まれるが、それが価値を持つのは前の2つの層がすでに構築されている場合のみだ。
デロイトの予測によれば、AIプロジェクトの40％以上を本番稼働させている企業の数は、次の計画サイクルで倍増する。この数字は採用の指標としてよりも、構造的に異なるコスト基盤の上で競争できる企業の種類を示すシグナルとして重要だ。
最高財務責任者たちは、AIの予算を、緩やかな審査のイノベーション費目から、ERPや顧客関係管理プラットフォームへの投資に適用されるのと同じ要求が課されるテクノロジー運営予算へと移行させ始めている。これは2つの即時の結果をもたらす。第1は、測定可能な運営リターンを示せないプロジェクトが資金を失うことだ。第2は、生き残るベンダーやシステムインテグレーターは、抽象的な変革の約束ではなく、具体的なプロセス指標にその提供物を結びつけられるものになるということだ。
Kediaの分析の核心にある議論、そしてテクノロジーチームを最も不快にさせるものは、来年最も重要になるAI投資は、今日最も魅力的に見えないものだというものだ。これは修辞的なパラドックスではない。情報の非対称性が高い市場において価値がどのように分配されるかを正確に描写したものだ。プレゼンテーションでは実証できないものに投資する者が、他者が年次報告書に記述するだけの価値を獲得する。
応用知性を構築する予算アーキテクチャは、定義上、高度なモデルを使った実験に資金を提供するものより可視性が低い。しかしそれは、実際の価値監査に耐えられる結果を生む唯一のものだ。そして、取締役会がまさにそれを求め始めている環境において、支出の可視性はもはやその主要な優位性ではなくなった。
