企業向けAIプロジェクトの95%がパイロット段階を生き残れない理由
取締役会の会議室で人々を驚かせるデモンストレーションと、誰かが救出しなければならないような事態に陥ることなく月曜から金曜まで安定して稼働し続けるシステムの間には、大きな隔たりがある。AI産業はこの2年間、前者を作り出すことには卓越した技術を発揮してきたが、その腕前を後者に転換することには成功していない。その原因はモデルにあるわけではない。モデルは日々より強力になっている。問題は、モデルについてどのように語ることを選んだか、そしてその延長線上として、どのように構築することを選んだか、という点にある。
業界内の最も率直な技術チームの間で広まっている数字は、無視しがたいものだ。Iris.aiが引用したMIT NANDA Initiativeによれば、企業における生成AIプロジェクトの最大95%が、測定可能な投資対効果を達成できていない。70%から95%という失敗率は、市場が「まだ成熟していない」というサインではない。構築のプロセスに構造的な欠陥があることを示すサインだ。
エンリケ・ダンスは、2026年6月10日にFast Companyに掲載した論考の中で、その亀裂がどこにあるかを指摘している。言語モデルの技術的能力の問題ではない。従業員の抵抗の問題でもない。むしろ、投資家を説得することで成り立っている業界にとって認めることが難しい何かにある。企業向けAIは、正式なモデルではなくメタファー（比喩）の上に構築されてきた。そして、メタファーは販売に役立つものではあっても、産業化できるものではない。
詩的な言語から、スケールしないアーキテクチャへ
この2年間のAI言説を覆い尽くしてきたメタファーの目録は、膨大であり、かつ示唆に富む。システムは「記憶し」、「熟考し」、「計画を立て」、Anthropicが自社エージェント向けに説明した「ドリーミング（夢見）」技術の場合に至っては、文字通り「眠る」のだという。Azure OpenAIのAssistants APIドキュメントは、メッセージ履歴を保存し、コンテキストウィンドウが尽きると履歴を切り詰める「スレッド」を説明するにあたり、それを「メモリ」として提示している。Anthropicのエンジニアリングチームは、セッション間で「継続性を保持」しなければならない「長期稼働」エージェントについて語っている。
これらの説明のいずれかが技術的に誤っているわけではない。問題は、正式な記述が必要なところで、それらが説明的にとどまっているという点だ。メタファーは描写する。モデルは形式化する。その違いには、直接的な経済的帰結がある。
「メモリ」が、操作上の類比であってデータモデルではない場合、定義されたアイデンティティは存在せず、永続的な状態も存在せず、明示的な権限管理との関係も存在せず、誰が使おうと何回使おうと関係なくシステムが保証する制約も存在しない。技術的な用語でいえば、インバリアントが存在しない。インバリアントとは、外部条件に関わらずアーキテクチャが維持するルールのことだ。インバリアントがなければ、それぞれの実装は都度の交渉となる。デプロイのたびに、誰かが企業の業務上の現実をシステムが処理できる言語へと翻訳しなければならない。そしてその翻訳作業は、テンプレートに委ねることができない。
目に見える結果として、ダンスの記事が述べるとおり、OpenAIやAnthropicを含む最先端AIの主要プロバイダーたちは、ワークフローのマッピング、制約の定義、システム間の接続を行うために、エンジニアやフィールドチームを企業顧客のもとへ派遣している。プレミアムサービスのように見えるものが、実際には構造的なシグナルにすぎない。プラットフォームだけでは完結できないのだ。カスタマイズされた翻訳作業が主たる納品形態になってしまった時点で、その製品はプラットフォームではなく、テクノロジーのインターフェースを持つコンサルティングサービスになっている。
そのモデルが買い手にとって抱えるコストは二重である。第一に、システム、規制、または社内プロセスが変わるたびに繰り返さなければならないカスタム統合への直接的な支出。第二に、スケールできないことによる機会費用だ。新しいアプリケーションのたびに同じ手動介入が必要であれば、追加的な実装のたびの限界的なリターンは時間が経っても改善されない。コスト曲線は下がらない。プラットフォームの約束は実現しない。
AI業界がまだ越えていない歴史的パターン
ダンスは、企業向けAIの現在の状況を、産業化に成功した3つのテクノロジー的転換と結びつけている。その比較は、AIエージェントを前例のない現象だと考えたい人々にとって、居心地の悪いものだ。
エドガー・F・コッドは1970年代にリレーショナルデータモデルを開発した。その研究以前、データベースはそれぞれ独自の言語、独自の保存ロジック、独自のアクセス方法を持つプロプライエタリな実装だった。コッドの業績によって、正式な抽象化が生まれた。リレーション、属性、キー、関数従属性である。その形式化の上にSQLが生まれ、SQLの上に数十億ドル規模のソフトウェア、統合サービス、および関連サービスの市場が形成された。その市場を可能にしたのは、データベースがより強力になったことではなかった。2つの独立したシステムが事前の交渉なしに互いを理解できるほど、正確に記述可能になったことだった。
ウェブも同じパターンをたどった。W3CはURIで識別されるリソース、RFC 9110で形式化されたステートレスプロトコル、そしてHTTPメソッド、ステータスコード、HTMLの共有された文法を定義した。どの企業もブラウザを発明してから、ページの意味を解釈するためにコンサルタントを雇うよう顧客に求めたりはしなかった。文法は公開され、形式化され、誰にでも電話をかけずにその上で構築できるほど十分に正確だった。
SAPは企業プロセスについて同じことをやった。ERPにおける支配的な地位は、当時のコンサルタントよりも優れたインターフェースを持っていたことからではない。企業を技術的なオブジェクトとして形式化したことからきている。マスターデータ、トランザクション、会計ロジック、在庫、調達、業務上の関係性。その形式化によって、テンプレート、認定パートナー、拡張機能、そして強固な二次市場が成立するほど、実装が十分に反復可能なものになった。あるクライアントと別のクライアントの間の差異が十分に縮まり、ある実装で積み重ねられた知識が次の実装にも価値をもたらすようになった。
これら3つのケースに共通しているのは、能力からプラットフォームへの飛躍が、テクノロジーが改善されたことによって起きたのではないという点だ。テクノロジーが何を表し、どのルールのもとで動作するかを誰かが正確に定義したことによって起きた。3つのケースいずれにおいても、スケールの瞬間に先行する形式化の瞬間があった。
企業向けAIは、まだその瞬間を越えていない。能力はある。文法が足りない。
マッキンゼーが確認し、ほとんどのチームが無視していること
MITの失敗に関する数字は、唯一利用可能なエビデンスではない。ダンスの記事で言及されているAIの現状に関するマッキンゼーの調査は、パイロットの立ち上げ数で進捗を測っているチームを不安にさせるべき結論に達している。AIから実質的な恩恵を得ている企業は、最も多くのAIを使っている企業ではない。ワークフローを再設計した企業だ。
この区別は意味論的なものではない。既存のプロセスにAIを重ねて使うことで生まれるのは、せいぜい限界的な改善にすぎない。仕事の形式的な表現を中心にプロセスを再設計することは、異なる何かを生み出す。人工知能がアクセサリーではなく、プロセスそのものの機能的条件となるシステムだ。
マイケル・ハマーはハーバード・ビジネス・レビューに、企業が新しいテクノロジーを採用する際に犯す予測可能な誤りを書いた。既存のプロセスを置き換えるのではなく、加速させてしまうという誤りだ。ダンスはそのアーギュメントを現在の状況に引き寄せて援用している。ハマーが指摘した誤りの現代的バージョンは、紙の文書を読む人間向けに設計された承認フローを取り上げ、文書を要約する言語モデルを追加し、それを変革と呼ぶことだ。プロセスの因果構造は同じままだ。ただ、中間のある工程が1つ速くなっているだけである。
マッキンゼーが測定可能なリターンを持つ企業に検知した再設計には、構造的な特徴がある。ビジネスにおけるエンティティとは何か、それがとり得る状態は何か、有効な遷移は何か、各アクションに必要な権限は何か、システムが受け取る指示に関わらず違反できないルールは何かを定義するレイヤーが存在するという点だ。それは精巧なプロンプトではない。ダンスがフォーマルレイヤー（形式的層）と呼ぶもの、すなわち業界がいまだ標準化された形で構築していないレイヤーだ。
そのレイヤーを持つことと持たないことの差は、監査可能だ。それがなければ、システムはセッションの履歴、質問をするユーザー、あるいは前の指示の文言に応じて、同じクエリに対して異なる回答を返す可能性がある。それがあれば、インバリアントが存在する。エージェントが読んだメールから何を「理解した」かに関わらず、地域マネージャーの承認なしには顧客との契約を変更できない。その保証は言語モデルからではなく、それを包むアーキテクチャからもたらされる。
規制を受けるセクターにとって、この区別は技術的な好みの問題ではない。金融サービス、医療、または公共部門では、検証可能なインバリアントの欠如は、業務上の不便さではない。スケールでのデプロイを妨げるブロッカーだ。なぜなら、法務チームは意思決定の一貫性を保証できないシステムに対して、その責任に署名しないからだ。
次の戦いはモデル間ではなく、抽象化の間で起きる
ダンスの分析は、戦略的シグナルとして真剣に受け止める価値のある予測で締めくくられている。企業向けAIの次のフェーズにおける競争優位は、最も強力なモデルを持つプロバイダーが獲得するのではない。それは、他の者たちがその上に構築する形式的な抽象化を定義する者が獲得する。
それは、答えがまだ明確でないにもかかわらず、具体的な市場への帰結を持つ問いを開く。その抽象化を定義する自然な候補は複数存在し、それぞれ異なるインセンティブを持つ。Microsoft、Google、Amazonといった大手クラウドプロバイダーは、流通力と企業との関係性を持っているが、プロフェッショナルサービスによる収益を生む集中的なコンサルティングモデルを維持するインセンティブも持っている。OpenAIやAnthropicといったモデルラボは技術的な深さを持つが、自社ビジネスをモデルの能力中心に構築してきており、それを取り巻くプロセスの形式化中心には構築してこなかった。SAP、Salesforce、Oracleといった確立された企業向けソフトウェア企業は、データとプロセスの形式的なレイヤーの上ですでに運用しているが、新しいアーキテクチャへの適応速度は歴史的に遅かった。
最も興味深いスペースは、市場においてまだ明確な名称を持たない、あるタイプのアクターに属する可能性がある。それは、言語モデルではなく、各実装で手動翻訳を必要とせずに企業内でモデルを運用可能にするレイヤーを価値提案とする、知識とワークフローのインフラストラクチャのスペシャリストだ。1990年代のミドルウェアに類似したものだが、自身が内包するルールについて推論する能力を備えたものだ。
そのアクターが勝利しつつあるというシグナルは、製品発表ではないだろう。それは、異なるセクターの2社が、「承認済み」が自社組織で何を意味するかを説明するためにコンサルタントを呼ばずに、1つの実装を共有できる瞬間だ。それが実現できるほど文法が十分に正確になった時、企業向けAIの職人仕事のフェーズは終わりを告げる。それまでの間、95%の失敗率は統計的な偶然ではない。定義ではなく類比の上に構築することの代償だ。
