プロジェクトを率い、経営陣にアドバイスを提供してきた20年以上のキャリアの中で、私はAIプロジェクトがサーバー室よりも会議室で失敗する姿をはるかに多く見てきた。モデルの性能が上がらない、あるいはパイロット版が行き詰まるといった事態が起きるころには、大抵の場合、その結果は数カ月も前に決まっている。課題設定の方法、データの有無、そして誰が成果に責任を持つのか、といった点においてだ。テクノロジー自体が実力ベースで評価される機会は、めったに得られないのが実情だ。
これはリーダーにとって心強い事実であるはずだ。最も重要な変数は、すでに彼らがコントロールしているものだからである。
心地よい誤診
AIプロジェクトが期待外れに終わったとき、事後分析ではしばしば外部に原因が求められる。モデルの精度が十分に高くなかった、ベンダーが過大広告を出していた、データチームに時間が必要だった、といった具合だ。これらの説明は都合が良い。なぜなら、失敗の原因を技術的な問題、つまりリーダーシップが最初に下した意思決定以外の場所に求めることができるからだ。
私の経験上、そうした分析はほぼ常に不完全だ。私が検証してきた、難航しているプロジェクトのほとんどは、アルゴリズムの弱さによって破綻したのではなく、曖昧な課題設定、データに関する暗黙の仮定、あるいは明確な責任者の不在によって失敗していた。エンジニアリング自体は優秀なことが多い。単に、狙うべき的が間違っていたのだ。
この違いは極めて重要である。なぜなら、2つの分析はまったく異なる対応につながるからだ。もし問題が技術的なものであるなら、ツールや人材にさらなる投資をすることになる。しかし、それが意思決定の問題であるなら、どれほど技術的な投資を重ねても救い出すことはできない。そして、それを修正するための規律にかかるコストは、ほとんどゼロなのだ。
失敗はどこで始まるのか
多くのAIプロジェクトにおける決定的な瞬間は、構築フェーズではなく、承認フェーズにある。すなわち、予算が下り、アイデアが実行義務へと変わる会議だ。多くの場合、その承認は熱意に基づいている。魅力的なデモ、競合他社の発表、あるいは「我が社のAI戦略はどうなっているのか」という取締役からの質問などだ。しかし、熱意は計画ではない。価値あるものと無駄なものを分けるためのいくつかの厳しい問いの代わりにはならない。
AIプロジェクトに資金を提供する前に問いかけるべき5つの質問
AIプロジェクトに資金を投入する前に、リーダーは以下の5つの質問に書面で明確に答えるべきだと私は考えている。もし答えられないのであれば、取るべき対応は野心を捨てることではなく、より定義を明確にするために差し戻すことだ。
1. AIという言葉を使わずに課題を説明できるか？プロジェクトを説明する唯一の方法が「この件にAIを使いたい」というものであるなら、そこにはまだ課題が存在していない。単に解決策（AI）が適用先を探しているだけだ。本当の課題は、ビジネスの言葉で表現される。意思決定が遅すぎる、コストが高すぎる、リスクが十分に理解されていない、といった具合だ。
2. 価値の仮説は何か、そしてそれをどう測定するか？真剣なプロジェクトであれば、何が変化するのか（どの意思決定、どの指標か）、そして大体どれくらい変化するのかを表明する。その見積もりは厳密である必要はないが、明確に言語化され、文書化されていなければならない。「間違いであると証明され得る仮説」は、決して検証できない約束よりもはるかに価値がある。
3. データは利用可能な状態か、それとも単に存在すると仮定しているだけか？「データならある」という言葉は、承認会議において最も高くつくフレーズの一つだ。「存在する（available）」ことは「アクセスできる（accessible）」ことと同義ではなく、「アクセスできる」ことは「使える（usable）」ことと同義ではない。データが実際に存在すること、合法的かつ現実的にアクセス可能であること、そしてその品質が下そうとしている意思決定に適していることを確認することだ。
4. プロジェクトの進行役ではなく、成果の「責任者」は誰か？責任の所在が曖昧な場合、AIプロジェクトは漂流する。委員会がスポンサーとなり、ベンダーが構築し、そのシステムが機能するかどうかについて責任を負うビジネスリーダーが誰もいないという状況だ。承認前に、成果に責任を持つリーダーを1人指名すること。もし誰もその役割を引き受けようとしないなら、その消極姿勢自体が重要な発見だ。
5. 成功をどう定義し、いつ中止するか？明確な成功基準のないプロジェクトが終了することはめったにない。予算と関心を消費しながら、ただフェードアウトしていくだけだ。成功の姿と、どのような条件下でプロジェクトを一時停止または終了するかを定義すること。「中止する許可」があってこそ、規律ある実験が可能になる。
次のAI投資の前に確認すべき簡易チェックリスト
・予算を承認する前に、すべてのAI提案に対して、書面による準備状況の審査（課題、価値、データ、責任者、成功基準）を通過することを義務付ける。
・委員会やベンダーではなく、各プロジェクトの成果に対して責任を持つビジネスリーダーを1人特定することを強く求める。
・特定のユースケースに照らし合わせてデータを誠実に監査する。単に存在すると仮定するのではなく、アクセス可能かつ使用可能であることを確認する。
・成功基準とともに中止基準を定義し、規律ある実験がサンクコスト（埋没費用）になる前に終了できるようにする。
審査基準が形骸化していないときに変わること
このプロセスの目的は、官僚主義的な手続きを増やすことではない。準備状況の審査が単なる記入用の書類になってしまえば、すでに失敗している。その価値は、チームが編成され、ベンダーが契約し、個人の評判が関わってくる前の、まだ「手戻りのコストが安い段階」で、必要な対話を強制的に行わせる点にある。このプロセスを導入した組織では、資金提供されるプロジェクトの数は減るものの、資金提供されたプロジェクトの成功率は高まる。AIプログラムにおいて最もコストのかかる遅延とは、スタートが遅れることではない。間違ったものを立派に作り上げるために費やされる1年なのだ。
これらはいずれも、深い技術的専門知識を必要としない。必要なのは、素朴な疑問を投げかけ、不都合な回答に正面から向き合う姿勢であり、AIプロジェクトの開始を「消化すべき予算」ではなく「勝ち取るべき決定」として扱うことだ。
AIは熱意に報いることはない。報われるのは、作業が始まる前に適用される規律だ。私の経験上、AIで成功するリーダーは、最も野心的なロードマップを持つ人たちではなく、早い段階で不都合な質問を進んで行い、それに答えられないプロジェクトを却下できる人たちだ。その姿勢こそが、私がこれまでに見てきた中で最も信頼できるAI成功の予測因子であり、優秀な人材やツールとは異なり、そうする意志のあるリーダーなら誰でも手にできるものなのだ。
