企業向けAIプロジェクトの52%が本番環境に到達せず、その原因は技術的なものではない
今年、人工知能に予算を承認した役員会のすべてが不快に感じるべき数字がある。CIO&Leaderの2026年調査によれば、調査対象企業の52%が、AIパイロットの4分の1にも満たない割合しか稼働システムへと移行していないと回答した。実験の4分の3以上がその境界線を越えたと答えた企業はわずか8%にとどまり、重大かつ測定可能な投資収益を実証できた企業もわずか12%に過ぎなかった。
こうした状況は、Gartnerがグローバルなアズ支出が2026年に前年比44%増となる2兆5,200億ドルに達すると予測する中で起きている。組織は前例のない速度で資本を投じながら、その資本が賄う作業の大半を廃棄している。未熟な技術が原因ではない。むしろ、大多数の企業がAIプロジェクトを設計・承認・管理する方法そのものが、構造的に、少数の取り組みしか実際の業務という現実に触れた後には生き残れないようになっているためである。
この問題は、役員室でこうした議論に通常費やされるよりも、ゆっくりと、そして不快なほど真剣に検討される価値がある。
感動させるために設計されたパイロット、生き残るためではなく
管理された条件下でのAIパイロットは、設計上、現実をキュレーションした版にすぎない。データはクリーンで整理されている。スコープは、システムが輝けるように限定されている。スケジュールは、誰かが成果を問う前に目に見える進捗を示せるよう組まれている。これは温室環境であり、そこではそれなりに適切に実行された技術的提案のほぼどれもが有望に見える。
本番環境はその正反対だ。そこでは、不完全なデータ、誰も正しくドキュメント化しなかったレガシーシステム、実際にはマニュアルに書かれているとおりには機能しないプロセス、コンプライアンスチームがリリースの3週間前に発見した規制要件、そしてスケジュールが圧縮された際に変更管理の予算が最初に削られたために誰も研修を受けていないユーザーが現れる。
この二つの世界の間の飛躍は技術的なものではない。組織的なものだ。そして多くのプロジェクトがその飛躍の中で死ぬ理由は、技術が失敗するからではなく、組織がそれを受け入れるよう設計されていなかったからである。
Visionet SystemsのCEO、カムラン・オザイルはこれを的確に表現している。チームは本番環境をプロジェクトの最終段階として扱う傾向があるが、本来は設計の出発点であるべきだ、と。現実世界の制約——セキュリティコントロール、例外フロー、監査可能性の要件、既存システムとの統合——が最初からアーキテクチャ上の決定に含まれていなければ、それらを後になって発見することは些細な問題では済まない。それは判決文に等しい。
このパターンを組織のダイナミクスの観点から見ると、方法論の失敗以上の深いものが浮かび上がる。多くのAIプロジェクトが、事前に合意した成功指標をもって業務上の問題を解決するためではなく、企業が何かをしているという証明のために資金提供されているというシグナルである。パイロットは、最高技術責任者やデジタル責任者が四半期レビューで進捗を報告できるように存在している。そしてそれは、インセンティブの観点からすれば、まさに今我々が目にしている結果をもたらしている。
AIが経営的活動の証拠になるとき
AIプロジェクトを承認する前に通常行われない会話がある。それは、どの具体的なプロセスが変わるのか、その変化をどう測定するのか、組織内でその結果の責任者は誰か、そして最初の90日以内にシステムが約束したことを達成できなかった場合はどうなるのかを、正直に定義する会話だ。
その会話にはコストがかかる。後で監査可能な指標にコミットすることを求める。初期の熱意のどれほどが単なるレトリックだったかを露呈させる。経営幹部レベルの誰かが、取り組みではなく具体的な成果の隣に自分の名前を置くことを要求する。そして、失敗が内部的な政治的結果をもたらす組織では、目に見えるパフォーマンス指標を持つ本番システムの責任を引き受けるよりも、無期限のパイロットに資金を提供する方が安全だ。
Camundaのデータはこの意味で示唆に富む。調査した組織の70%以上が前年にAIエージェントを展開したと答えた一方で、そのうち本番環境に達したのはわずか11%だった。「AIを実装した」と「毎日稼働して価値を提供しているシステムがある」との間には巨大な隔たりが存在する。企業は前者を容易に報告する。後者は、不都合なことに、検証可能だ。
オザイルはこの問題を能力とインパクトの混同と表現している。組織は、解決しているビジネス上の問題を定義する前に、システムの能力に投資してしまう。システムがどのプロセスを変えるか、そしてその変化をどう測定するかについての明確さがなければ、最も可能性の高い結果は、業務部門の誰も求めておらず、おそらく誰も持続的に採用しないであろう、高コストの技術的成果物だ。
開発後のチェックリストとして考えられたガバナンスも、同じダイナミクスの別のシグナルだ。プライバシー、監査可能性、規制管理の要件がシステム構築後に発見されると、そのコストは技術的なものだけではない。それは政治的でもある。遅れたリデザインは、プロジェクトを信じたチームの信頼を侵食し、適時に関与しなかったコンプライアンス部門との摩擦を生み、多くの組織が「リスクレビュー」と呼ぶが実際には誰も正式に終了させたくなく、誰も救済する権限を持たないプロジェクトという慢性的な麻痺状態を生み出す。
失敗のアーキテクチャには完全に合理的な論理がある
この問題を修正することを難しくしているのは、それが無能から生まれるものではないからだ。それは、大多数の企業が技術投資を管理する方法と完全に整合したインセンティブから生まれる。
イノベーションチームは、本番稼働しているシステムではなく、立ち上げたパイロットによって評価される。テクノロジーベンダーは、約束が必要とする業務変革を伴走するよりも、約束を売る能力の方が高い。予算を承認する経営幹部は、会計年度が終わる前に動きを見せる必要がある。そして、そのシステムを使うことになる従業員は設計段階でほとんど相談されず、そのことが、最善の場合でも強制的で、最悪の場合は無視されるという形での採用を保証してしまう。
Visionetが提案するモデル——コードを一行も書く前にビジネス上の成果を定義し、最初の90日以内にその成果に照らしてパフォーマンスを測定し、初期アーキテクチャからガバナンスとセキュリティを構築し、チームがすでに使用しているツールにシステムを統合する——は、技術的な観点から見れば高度なものではない。これは、テクノロジーに対する熱意が結果の不在を埋め合わせてきたために、業界がこれまでその規律の欠如を許容してきた分野に適用された、基本的な業務的規律だ。
2兆5,200億ドルの支出があらゆる取締役会の議題に載せる問いは、AIが機能するかどうかではない。それは十分に実証されている。問いは、組織が技術的能力を検証可能な価値へと転換するための業務的成熟度を持っているかどうかだ。そしてその成熟度は予算で買えない。次のパイロットを承認する前に、不快な会話を継続する意志を持って、初めて構築されるものだ。
データが、企業の88%が自社のAI取り組みから測定可能なリターンを実証できないことを示す場合、最も可能性の高い説明は、すべての企業が劣悪な技術を使っているということではない。最も可能性が高いのは、大多数の企業が、実験を責任へと変換する会話を避けているということだ。
