ChatGPTやClaudeをはじめとする大規模言語モデル（LLM）への熱狂が始まってから、幻滅期が訪れるまでにそう時間はかからなかった。
コンテンツ生成やその他の自動化技術への投資として、IT部門やその他のビジネスリーダーたちに白紙委任状（予算の自由裁量）を渡していたCEOたちは、投じた資金に対する本物の価値をいつ実感できるのかを知りたがっている。リターンが乏しいだけでなく、パイロット（実証実験）プロジェクトの結果も精彩を欠くものだった。2025年、マサチューセッツ工科大学（MIT）のNANDAイニシアチブは、AI投資からまったくリターンを得られていない組織が95％に達する一方で、パイロットプロジェクトが本格的な導入規模（スケール化）に達したのはわずか5％にとどまるという調査結果を発表した。
続いて1月には、PwCが実施した調査で、CEOの56％が、広範な試験導入にもかかわらずAI導入から「有意な財務的便益はなかった」と報告した。さらに5月のAI Agent Conferenceに参加したITリーダーたちも、スケールでリターンを生み出すエージェントが不足していることを嘆いた。
このような報告が相次いだことで、この傾向は「パイロット（実証実験）の煉獄」と呼ばれるようになり、AIは過大評価されており実態を伴っていないとする一連のニュース報道を引き起こすこととなった。
AIのROIを達成するためのプレイブックの準備
これらのデータは、投資が価値と等価ではないことを改めて示している。同時に、AI導入に意図的なアプローチをとらない企業にとって、組織的な失敗は避けられないという警鐘でもある。
幸いなことに、CEOやCIOをはじめとする組織のリーダーたちがその意志を持つならば、ROI、ひいては利益を確保するための道は存在する。それは、AIを単に導入するだけでなく、ビジネス全体で機能させるために、規律と厳格さを適用するプレイブック（実践手引書）だ。
この提言は、フィンテック、ヘルスケア、サプライチェーンなど多岐にわたる分野で2500社以上のスタートアップを評価してきた私の知見に基づいている。
1. データのクレンジングと準備を行う
不完全なデータ（ダーティデータ）は、綿密に計画されたAI戦略を跡形もなく崩壊させかねない。実際、高品質なデータがなければ、AI戦略が「綿密に計画された」とは到底言えない。パイロットプロジェクトを本格的に展開（スケール）させる前はもちろん、開始する前段階においても、データから重複やエラーを排除し、適切に分類して整理しておく必要がある。
データがクリーンであるかどうかが、プロジェクトの失敗か、あるいはビジネスの加速かを決定づける。質の低いデータは、下流工程に深刻な影響を及ぼす。例えば、インシュアテック（保険テック）分野では、データガバナンスが不十分な場合、損害率の上昇、保険金請求処理の遅延、アンダーライティング（引受査定）の非効率化を招くおそれがある。
2. AIの「センター・オブ・エクセレンス（CoE）」を設立する
AIの「センター・オブ・エクセレンス（CoE：組織横断的な専門部署）」を構築すれば、リソースを集中・統合し、効果的に活用してAIの価値を最大化できる。これにより、実用的なユースケースを構築・検証し、当初からマイルストーンを組み込んだ上で段階的にスケールさせることが可能となる。スケールアップしたものの成果が出ず、ROIが確保できない場合は、規模を縮小するか、他のソリューションに方向転換（ピボット）するか、あるいは損失を最小限に抑えて撤退（損切り）すればよい。
CoEは、組織のサイロ化を招くと批判されることも確かにある。しかし、潜在的なボトルネックや盲点を認識し織り込んでおけば、成功を確実にするための再現可能なプロセスを最初から意図的に設計できる。
3. 「実力余剰（ケイパビリティ・オーバーハング）」のギャップを埋める
ROIを達成する上での最大の課題の一つは、AIツールができることと、実際に人々がそれを使っている方法との間にあるギャップを克服することだ。OpenAIはこの現象を「ケイパビリティ・オーバーハング（実力余剰）」と呼んでいる。この課題に対処するための最善の方法の一つは、日々の業務課題を解決するために、AIソリューションを実世界のワークフローに直接組み込むことである。
これは一見シンプルに思えるが、各ナレッジワーカーがどのようにタスクを実行しているかを実務レベルで理解し、それらのプロセスにAIを融合させる必要がある。また、企業が自律型AI（エージェンティックAI）やフィジカルAI（物理AI）などの新たなテクノロジーを日常のユースケースに組み込む機会が増えるにつれ、大幅な微調整や軌道修正も必要となる。
4. ガバナンスを確立する
新たなテクノロジーを導入するプロジェクトの初期段階から、セキュリティ、コンプライアンス、ガードレール（安全策）を組み込むことは、AI CoEが果たすべき重要な役割の一つだ。人、プロセス、テクノロジーに対する適切なガバナンスがなければ、どれだけスケールさせようとしても頓挫することになる。そればかりか、ビジネスを規制リスクにさらすことにもなり、これでは論外だ。
AIのROIという「頂」へ至るもう一つのルート
もちろん、プレイブックの有効性は状況によって異なる。ソリューションを拡大し、何が効果的で何がそうでないかを学んでいく過程で、追加の施策を実行する必要があるかもしれない。あまりにも斬新で変革的な技術であるため、過去の経験に基づいたプレイブックが役に立たないこともある。
例えば、自律型AIは、これまでの「一対一のチャットボットへの問い合わせ」という枠組みを超え、自動化できるワークフローの数を指数関数的に増加させるため、特有の課題をもたらす。『ハーバード・ビジネス・レビュー』が最近指摘したように、課題は、アカウンタビリティ（説明責任）を維持し、品質を担保し、従業員がその技術と効果的に協働できるようにするために、自律型AIをどのようにワークフローに統合するかである。先に述べたステップを実行することで、成功への道が開かれることは、すでに実践したITリーダーたちの証言が物語っている。
プレイブックや戦略スライドの活用だけがアプローチではない。私が極めて重要だと考えているもう一つの方法は、サミット（大規模なマッチングイベント）を開催することだ。そこでは、さまざまな分野のスタートアップ企業が集まり、専門家、投資家、企業のパートナーなどからサポートを得るための厳選されたミーティングが行われる。これは、最新かつ最高のテクノロジーを取り入れてAIを自社のポートフォリオに統合したいと考えている企業にとっても役立つ。
スタートアップと既存企業が協力し合うことで、価値を最大化し、自社と顧客の双方にとってROIを高めるパイロットプロジェクトをいかに構築するかを見出すことができるのだ。
