AIを導入するかどうかという問いはすでに決着した。だが、AIからどのように投資回収するかという問いは、いまようやく始まったところである。Writerの「2026 Enterprise AI Study」によると、組織の59%がAIに年間平均100万ドル（約1億6400万円）以上を費やしている。一方で、大きなリターンを得ていると報告したのは29%にとどまった。PwCの「2026 Global CEO Survey」では、AIの活用によって売上増とコスト削減の両方を実現していると回答したCEOはわずか12%だった。その背景には、企業がAIを利用する際のアプリケーション層が欠けていることがあるのかもしれない。ほとんどの企業は、AIアプリケーション層を構築するために基本的に同じ種類のツールへアクセスできるが、得られる成果には大きな差がある。
アプリケーション層という論点
基盤モデルは言語を理解する。しかし、あなたの利益率や顧客、必要な事業成果は理解していない。人工知能への取り組みから投資収益を得ようとする際に多くの人が失望するのは、このAIにおけるビジネス文脈の欠落が原因である。
AppLayerAIは、フルカト・カシモフ氏が設立したベンチャースタジオである。同社の考えは1つだ。欠けている要素は、より賢いモデルではない。アプリケーション層である。この層は、汎用モデルへのアクセスと特定のビジネス課題の間にあるソフトウェアと文脈を指す。モデルにデータ、ルール、制約を与えることで、他者が検証できるだけの信頼性を備えた結果を生成できるようにする。
「エンタープライズAIにおける最大の誤解は、より強力なモデルが自動的により良い事業成果を生むというものだ。実際には、最先端のAIであっても、自社ビジネスの文脈を理解していなければ苦戦する。測定可能なROIを得ている組織は、単により良いモデルを導入しているのではない。AIが一貫して信頼できる判断を下すために必要な構造、関係性、ビジネス知識を与えているのだ」とカシモフ氏はインタビューで述べた。
カシモフ氏がこの見解に至ったのは、テクノロジーの研究ではなく、事業運営の経験からだ。彼はAIシステムの開発に転じる前、リードジェネレーション企業LeadsMarketを自力で年商約1億ドル（約164億円）規模まで成長させた。「私たちは、競争優位が最新の基盤モデルへのアクセスから生まれる時代ではなくなりつつある。そうした能力は、ますます誰もが利用できるものになっている。勝つ企業は、自社固有のビジネス知識を取り巻く知的なアプリケーション層を構築し、競合が容易には再現できない測定可能な生産性向上をAIに実現させる企業だ」と彼は語った。生のモデルアクセスがコモディティ化したいま、勝つのは自社の文脈を加えられる企業である。
このパターンは、筆者が1年を通じて報じてきたことと一致する。これらのAIを導入する際の課題の大半は技術的なものではなく、そこに大きなギャップがある。AI投資が収益を生まないとき、問題はモデルであることはまれで、定義された機能を持たない単なるツールになっていることが多い。独立した調査も同じ方向を示している。マッキンゼーの「State of AI」調査は25の組織特性を検証し、生成AIによる利益への影響が見られるかどうかに最も大きな効果を持ったのはワークフローの再設計だったとした。重要だったのはツールそのものよりも、その周囲の構造だった。利用のためのビジネスフレームワークが存在しない。AIの出来を測る指標もない。要するに、AI導入戦略全体がそもそも完成していなかったのである。アプリケーション層は、そのギャップに名前を与えるものだ。
小規模企業におけるアプリケーション層の姿
大企業はこの層を構築するか購入する。小規模企業も、その簡易版を構築できる。作業の多くは新しいソフトウェアではなく、メモの中で行われる。文脈の要素とは、事業に関する最新の文書化された指針である。そこには、提供内容、顧客、ブランドの語り口、制約、新入社員が知る必要のある基本事実が含まれる。ワークフローの要素は、実際のシステムとAIをつなぐ。この接続により、チャット画面からの出力をプロジェクト管理ツールや受信箱へ送れるようになる。確認の要素は、ツールを実行する前に、何をもって正しい結果とするかを定義するものだ。これによってAIワークフロー自動化は、推測ではなく、予測可能な結果を得られるプロセスになる。これらの要素が組み合わさることで、小規模企業のAIソリューションは明確な事業成果と結びつく。
ほとんどのチームがこうした手順を踏まない理由は、これらがまったく華やかではないからである。それでも、投資回収に関するデータは、この地味なプロセスを支持し続けている。小規模企業が定義された業務に既製ツールを使う場合、数カ月で投資回収が見えることがある。文脈を伴わない広範なプロジェクトは、上記のような企業AIの低いROI数値を生む。3万4000社の小規模企業が自社のAIは機能していると述べたときにも、同じパターンが起きた。しかし、その大半はAIのROIを示す証拠を提示できなかった。
構築するか、購入するか、文書化するか
従業員50人未満のほとんどの企業にとって、AIアプリケーションを開発するか購入するかの判断は、おおむね自明である。大企業はカスタムのアプリケーション層を購入する。小規模企業は、既存のAIツール群を適切に設定するとともに、文書ベースのプロセスを持つ。文書化は契約ではなく、週末で済むこともある。自社のビジネス文脈ファイルを一度作成し、それをチームが現在使っているすべてのAIツール群に読み込ませる。現在では多くのツールが、永続的な指示やプロジェクトファイルを受け付ける。ツールごとに1つのワークフローを定義する。何をするツールなのかを特定できないものは排除する。これが小規模企業のAI戦略の本質である。
さらにこれにより、将来登場するであろう「アプリケーション層」を掲げる多くの製品を、冷静に見極めることができるようになる。実際に真のビジネスAIインフラを示すものは一部に限られ、他のものはロゴ付きのシステムプロンプトにすぎない可能性がある。その違いを見極める追加の質問は3つある。ベンダーが営業電話での質問に対して返答に時間がかかるなら、障害が発生した場合にも同じように対応が遅い可能性がある。
それでもアプリケーション層には台帳が必要だ
この議論について1つ留意すべきことがある。文脈層は性能を高めることができる。しかし、性能向上はなおAIのROIではない。「企業リーダーは『AIをどのように導入するか』と問うべきではない。『どのビジネス課題を解決しようとしているのか、成功をどう測るのか』と問うべきだ。AIに価値があるのは、より良い判断、より速いワークフロー、より低い運用コスト、より高い顧客満足を生み出す場合に限られる。そうした成果を測定できないなら、事業価値を生み出したのではない。新たな技術実験を生み出しただけだ」とカシモフ氏は述べた。
測定のプロセスがないアプリケーション層を企業が取り入れた場合、測定されていない仕事の品質を高めただけである。測定されていない平均的な結果を生み出していた状態から、測定されていない良い結果を生み出す状態へ移ったにすぎない。アーキテクチャにかかわらず、毎月数えるという規律は変わらない。各AIシステムのコストはいくらだったのか。それによって何時間を節約したのか。それによってどの成果物が完成したのか。文脈層は結果を高める。測定可能なROIを生み出すために必要な指標を提供するのは、数えることだけである。
今後18カ月のAI購買は階層化していく。各レイヤー、プラットフォーム、スタジオを説明する言葉は、ますます複雑になるだろう。この複雑さは評価には影響しない。あらゆるレイヤー、プラットフォーム、スタジオの売り文句は、最終的に3つの問いに集約される。
どのようなAIのビジネス文脈をサポートするのか。
どの仕事を実行するのか。
その支出に見合う価値があったことを、どの数値が示すのか。
