AIパイロットの95%が成果を一つも出す前に失敗する理由
私が知っているほぼすべての中規模企業で、ある光景が繰り返されている。テクノロジーチームが人工知能のパイロットプロジェクトを発表する。初期の数字は有望に見える。取締役会が投資を承認する。そして6カ月後、パイロットは依然としてパイロットのままだ。正式に廃止されることもない。かといってスケールアップもされない。ただ……ロードマップと進捗会議のスペースを占有し続ける。
Freshworksの社長兼CEOであるデニス・ウッドサイドは数日前、Fortuneにそのような現象を言語化した分析記事を掲載した。その記事は同社の商業的なポジショニングとしての側面も持っているが、提示されている診断は単純な理由から真剣に受け止める価値がある。引用されている外部データが、1年以上にわたってAIの成果を取締役会に約束してきたすべてのC-Levelにとって不快なものだからだ。
MITは生成AIパイロットの95%が本番環境に到達する前に失敗していると発見した。ボストン コンサルティング グループは2025年9月、企業の60%がAIによる実質的な価値を全く生み出していないと発表し、モデルが改善され蓄積された経験が増加したにもかかわらず、その割合は前年より悪化した。Freshworksは独自のデータも付け加えている。中小企業におけるAI予算の4分の1が、統合、データのクリーニング、そして互いに通信するよう設計されていなかったシステムを連携させる作業に消費されているというものだ。
この3つの数字に共通しているのは、選択されたAIモデルではない。実装しようとしている運用環境の状態だ。
前進する企業と停滞する企業を分ける決断
ウッドサイドは、まさに派手さがないからこそ有用なシーゲート・テクノロジーのケースを精緻に描写している。ITチームには、契約満了によって強いられた形で、3万人の従業員を新しいサービス管理プラットフォームに移行するために3カ月が与えられていた。そのプレッシャーの下でほぼあらゆる組織が取るであろう明白な決断は、既存の設定をそのまま移行し、問題は後で解決するというものだ。それは短期的に最も安全な道だ。しかし同時に、その上に構築されるいかなるAIレイヤーも欠陥のある基盤の上で動作することを保証するものでもある。
シーゲートのチームは正反対の選択をした。ゼロから再構築したのだ。サービスカタログを再構成し、地域間で一貫したサービスレベルを確立し、エージェントが推測することなくチケットが自動的にルーティングされるようにカテゴリ階層を書き直した。それを同じ3カ月という期間で実現した。1年後、その基盤の上に展開されたAIエージェントは受信チケットの約3分の1を転送なしで解決し、初回連絡での解決率は業界標準を27%上回っている。
この決断、複製するのではなく再構築するという選択こそが、ウッドサイドの議論の核心だ。そしてそれはテクノロジーを超えた組織的な読み解き方を持っている。
シーゲートがやり遂げたことは、プロセスのどこかの時点で、誰かが誰も望んでいなかった会話をする必要があった。それは、受け継いだプロセスが単に非効率なだけでなく、あらゆる将来的な改善に対する積極的な障害であると認める会話だ。その会話には政治的なコストが伴う。現在のプロセスを移行しないと言うことは、設定、カスタマイズ、調整に費やされた何年もの作業が新しい環境に持ち込まれないと言うことを意味する。過去の意思決定を少なくとも部分的に無効化することを意味する。時間的プレッシャーの下でそのような意欲を持つ組織はほとんどない。
シーゲートを際立たせているのは、より多くのリソースや時間を持っていたからではない。契約が満了したとき、過去を引きずって前進しないという明晰さ、あるいは経営的な勇気を持っていたからだ。それはいかなるAI実装マニュアルにも登場しない変数だ。
プロセスを見直さない者が払う見えない税
ウッドサイドは「複雑性税」という概念を導入し、企業が断片化されたアーキテクチャの上にAIを実装しようとした際に何が起きるかを説明している。これは装飾的な比喩ではない。具体的な財務的メカニズムだ。
AI予算の25%が、モデルが一つも有用なアウトプットを生み出す前に統合とデータクリーニングに失われるとすれば、AIに100万ドルを割り当てる企業は実質的に75万ドルの能力を購入していることになる。残りの25%は蓄積された技術的負債が吸収する。数百万ドルの変革予算を持つ大企業にとって、その割合は許容できるかもしれない。しかし、規模が縮小されたITチームと限られた機動性を持つ500人から2万人規模の中小企業にとって、その損失は繁栄するイニシアチブと次の予算サイクルで静かに廃止されるイニシアチブの差になりうる。
「アジャイル企業」についてのウッドサイドの議論、つまりその規模の組織層を指す彼の用語には、大手メディアが通常無視するロジックがある。Fortune 500のデジタル変革ストーリーほど見栄えがしないからだ。しかし、AIが約束する生産性の戦いが勝敗を決するのは、まさにそこなのだ。中小企業は世界のビジネスの大部分を占めている。そこでAIが機能しなければ、GoogleやMicrosoftやAmazonが独自モデルで何をしようとも、集合的な生産性の約束は実現されない。
この分析をより興味深いものにしているのは、問題がモデルの選択にあるのではないということだ。それはより前の段階にある、より解決が難しいもの、つまり運用環境の質だ。互いに通信しないシステムに分散しているデータ。論理よりも企業の歴史によって定義されたワークフロー。「十分に機能していた」という理由から誰も見直さなかったチケットの分類、サービスカテゴリ、製品階層。AIエージェントにそのインフラストラクチャ上で動作するよう求めると、モデルが悪いから失敗するのではない。環境が曖昧で、不完全で、矛盾した情報を提供するから失敗するのであり、いかなるモデルもそれを補うことはできない。
カッツ・メディア・グループの技術ディレクターであるロバート・ライオンズは、1万人規模の企業の中の800人のビジネスユニットを率いているが、ウッドサイドの分析の中でおそらく記事全体の中で最も実践的なアドバイスを提供している。AIツールを展開する前に、彼のチームはデータをクリーニングしてラベル付けし、全従業員向けのAI入門セミナーを実施した。そのセミナーはITチームではなく、独立した調査会社によって提供された。この区別は重要だ。ITがAIを提示するとき、結果に利害関係を持つ者の暗黙のバイアスを伴う。中立的な第三者が行うとき、メッセージは異なる形で届き、組織的な抵抗が低下する。
ライオンズはまた、AIプロジェクトを優先するために価値/努力のマトリクスを説明している。一方の軸に実装の容易さ、もう一方の軸にビジネスへの価値を置く。高価値・低労力の象限から始める。彼の警告、「最悪の問題から始めてはいけない、価値を生み出せないから」は、AIを他のいかなるイニシアチブも解決できなかった問題を解決する機会として扱う組織でよく見られるパターンへの直接的な批判だ。そのロジックは理解できるが逆効果だ。最も目立ち野心的なAIプロジェクトは最も脆弱でもある。なぜなら、最も乱雑なデータ環境と最も構造化されていないワークフローの上で動作するからだ。
Nucorとニューバランスに鉄鋼会社との共通点がある理由
ウッドサイドは2つの比較を引用しており、それぞれ別途注目する価値がある。最初はナイキとニューバランスの比較だ。ナイキは8万人の従業員で運営されており、ニューバランスは9000人だ。ウッドサイドはニューバランスが、単一の真実のソースを持つ単一プラットフォームにITインフラを統合し、メンテナンス作業からチームを解放し、ビジネスの運営方法を再構成することで競争上の優位性を獲得していると主張する。2つ目の比較はNucorとスティール・ダイナミクスで、ウッドサイドによればアメリカの4大製鉄メーカーの2社であり、AIが直接最適化できる環境を生み出す数十年にわたる運用上の規律を持っているという。
これらのケースを結びつけるパターンはシーゲートに見られたものと同じだ。AIは、運用環境がそれを受け入れる準備ができていた場所で機能する。完璧ではなく。準備ができた状態で。統合されたデータ、定義されたワークフロー、手動介入なしに情報を交換できるシステム、そしてAIエージェントが改善しなければならない測定可能な結果。
これには、ほとんどの人が明確には述べていない経営的な含意がある。AIの実装に最も苦労している企業は、誤ったモデルを選んだ企業でも、誤ったコンサルタントを雇った企業でもない。アーキテクチャの一貫性よりも運用継続性を優先してテクノロジーに関する決断を下してきた企業だ。誰かが「このシステムが今この問題を解決するから追加しよう」と言うたびに、そのシステムが残りとどのように統合されるかを問わずに、今日AIの予算が統合に消費されるという形で回収される負債を蓄積していた。
その負債は技術的な失敗ではない。行われなかったアーキテクチャの会話、四半期が速度を求めたために先送りにされた技術的負債の評価、政治的に疑問を呈するコストが高かったために誰も見直したくなかった継承された設定の積み重なった結果だ。
ウッドサイドが描写する成功事例の共通点は、誰かがある時点でその負債を払う決断をしたということだ。シーゲートは満了する契約のプレッシャーの下でそれをした。ニューバランスは速度に関する戦略的な賭けの一環としてそれをした。NucorとスティールダイナミクスはAIにおける競争上の優位性の基盤を構築していると知らずに、何十年もかけてそれをした。
リーダーは組織が命名を避けているものを直視するコストを払わなければならない
ウッドサイドの議論の中に、記事が周辺的に触れているが正面から名指しする価値がある要素がある。AIのパイロットで行き詰まっているほとんどの組織はそれを知っている。技術的な無知ではない。問題は、運用環境の状態についての会話には、誰も払いたくない政治的なコストがあるということだ。
AI予算の25%が統合とデータクリーニングに失われていると認めることは、過去のアーキテクチャ上の決断がコストを伴うものだったと認めることだ。受け継いだプロセスを新しい環境に移行できないと認めることは、何年もの設定が変化に耐えられないと認めることだ。データが劣悪な状態にあると認めることは、過去数年間のデータ品質イニシアチブが約束したものを提供しなかったと認めることだ。
これらの認識は、多くの取締役会のダイナミクスが抑制するものを必要とする。それを名指しした人がそれが描写する失敗に関連付けられることなく、構造的な問題を命名できる能力だ。
この文脈でリーダーシップを取る人の仕事は技術的なものではない。伝令がコストにならずにそれらの会話が起こる条件を作ることだ。AIで成果を上げている組織、ウッドサイドが描写するケース、は完璧な環境を持っているわけではない。失敗した実装のコストを払う前に、明晰さのコストを払う決断をしたリーダーがいるのだ。
このシーケンスはプレッシャーの下では直感的ではない。しかしそれが、次の予算見直しサイクルで消えない結果をもたらす唯一の方法だ。
