今日の多くの取締役会において、AIは資本計画の一項目となっている。2024年、米国単独での民間AI投資額は約1090億ドル（約17兆3000億円）に達し、AIを利用していると回答した組織の割合は前年の55%から、推定78%に増加した。
しかし、インパクトという点では、その実情ははるかに控えめだ。ボストン コンサルティング グループ(BCG)は2024年、企業の約4分の3がAIから「価値を実現し、拡大することに苦戦している」と指摘した。マッキンゼーの2025年版「State of AI」調査も同様の結論に至っている。利用は広がっているが、試験導入から、拡張可能で持続的なインパクトへ移行することは、大半の企業にとってなお未完の課題である。
筆者はAI認定資格を専門とする会社を創業した。このテクノロジーに関する自身の経験から言えば、試験導入の段階を超えるには、企業がAIへの取り組みをより大きな事業ミッションと整合させる必要がある。以下が筆者の提案だ。
自社が何を変えるために存在しているのかから始める
AIに関する真剣な議論はすべて、シンプルな一文から始めるべきだ。すなわち、自社は顧客、従業員、社会に対して何を変えるために存在しているのか、ということである。それこそが、ブレないためのアンカー(錨)となる。
Harvard Business Reviewの記事「Make Sure Your AI Strategy Actually Creates Value」は、「戦略という馬の前にAIという荷車を置く」ことに警鐘を鳴らした。企業が創出したい価値ではなくツールから出発すれば、中核的なミッションから不自然なほど離れた、見栄えのする取り組みに行き着きかねない。
筆者が勧める実践的な第一歩は、ミッションにとって重要な成果を3〜5項目、平易な言葉で列挙することだ。たとえば「手頃な信用へのアクセスを拡大する」「単位当たりの排出量を削減する」「診断までの時間を短縮する」「職場の安全性を向上させる」といった具合である。そのうえで、現在のAIポートフォリオをそれらの成果に照らしてマッピングする。
AIミッションマップを構築する
成果を明確にしたら、シンプルなミッションマップを構築できる。
一方の軸には、顧客の信頼、アクセス、生産性、安全性、サステナビリティといった主要なミッション成果を並べる。もう一方の軸には、予測、最適化、自動化、パーソナライゼーション、リスク検知、エージェンティック(自律型)システムといった、投資しているAI能力を並べる。
前述のマッキンゼー「State of AI」レポートは、こうしたより高度なシステムがいかに急速に広がっているかを示しており、エージェンティックAIは調査対象企業の23%ですでに試験導入または拡大展開されている。問うべきは、これらのツールが強力かどうかではない。それらが自社のミッションマップ上の「重要な枠(ボックス)」に収まっているかどうかである。
このマップを構築することで、次の3点が明確に見えてくる。①AIがすでに重要な成果を動かしている領域、②AIによって支援できるにもかかわらず支援されていない成果、③ミッションのどの枠にも収まらないプロジェクトに資金を投じている領域である。最後のカテゴリーについては、一時停止、再定義、または終了を検討することを筆者は勧める。
資本を熱狂ではなくミッションに合わせる
資本は今、急速にAIへ流れ込んでいる。EYの2025年12月のAI Pulse調査(全文閲覧には登録が必要)によると、AIに1000万ドル（約15億9000万円）以上を投資するシニアリーダーの割合は、今年末までに23%から40%へ拡大すると見込まれている。同調査ではまた、AIに投資し、投資収益率がプラスになっている組織のシニアリーダーの96%が、「財務パフォーマンスの測定可能な改善」を経験していることも明らかになった。
一方、EYの別の調査では、AIガバナンスやデータ品質に投資したり、倫理的AIの枠組みを構築したりしているリーダーは全体の3分の1をわずかに上回る程度にとどまることが分かった。これらはAI投資を確実に成果につなげるうえで不可欠な要素である。
AIへの資金配分は、他の戦略的な資本配分と同じように扱うべきだ。主要なAI施策すべてについて、投資前に3つのテストをクリアすることを義務付けよう。すなわち、①明確に定義されたミッション成果、②その成果に結びついた価値指標、③リスクと準備状況に関する明確な見通しである。
価値観とデータ準備状況を設計ルールに落とし込む
整合性は、AIで何をするかだけの話ではない。それをどう実行する準備ができているかも問われる。
Harvard Business Review Analytic Servicesの調査「Data Readiness for the AI Revolution」では、回答者の3分の2が、AIは3年以内に自社業界の「重大な破壊要因」になると予想している一方で、多くの企業はAIを安全かつ効果的に活用するためのデータ基盤を欠いていることが示された。半数は多様なデータソースの統合に困難を感じていると回答し、41%はガバナンス上のギャップを挙げた。
価値観と準備状況は、短い設計ルールのリストへ落とし込む必要がある。各AI施策について、チームは以下の問いに書面で答えられるべきだ。
・このユースケースにおける「公平性」とは何を意味し、それをどう検証するのか。
・顧客と規制当局を踏まえた場合、許容できるエラー率はどの程度か。
・影響を受ける人々に対して、どの程度の透明性を提供する責任があるのか。
・自社のデータ基盤は、これを安全に支えるだけの強度を備えているのか。
カンザス大学メディカルセンターにおけるAI導入研究の取り組みを参考にしてみよう。同機関は、文書作成の負担軽減を目的に、生成AIによる「アンビエント」文書化プラットフォームをワークフローに導入した。初期の結果では、バーンアウト(燃え尽き症候群)リスクの低下、患者と向き合う時間の増加、文書作成に費やす時間の減少、職務満足度の向上が示された。つまり、成功は自動作成された記録の数ではなく、最前線のケアに還元された時間とエネルギーによって測られるのである。
AIを単なるツール群ではなく、学習エンジンにする
AIは不安定な環境の中で到来している。最もうまく対応できる可能性が高い組織は、AIを単なるツールの積み重ねではなく、学習システムの一部として扱う組織である。
MIT Sloan Management ReviewとBCGの共同研究によると、強固な組織学習とAI特有の学習を組み合わせている組織は、そうでない組織に比べて、不確実性の管理において60〜80%高い効果を上げている。これは、どのモデルを導入するかと同じくらい、人々がAIとともにどう学ぶかが重要であることを示唆している。
ミッション主導のAI
多くの企業がAIを利用しながら、大半がなお価値の拡大に苦戦している世界において、他社との差別化要因となるのは、より多くのコードやより大きなモデルではなく、整合性であると筆者は考える。必要なのは、自社が何を掲げているのかと、AIが実際に何をしているのかを、より明確に結びつけることである。
経営幹部には、次の問いを自らに投げかけることを勧めたい。
・主要なAI施策のそれぞれが、自社のミッションをどのように前進させるのかを、一文で説明できるか。
・AI能力をいくつかの戦略的な価値プールに結びつける、可視化されたマップがあるか。
・資金配分の意思決定は、ミッション成果、データ準備状況、リスク許容度によって制御されているか。
・自社の人材は、AIについて学ぶだけでなく、AIとともに学んでいるか。
・顧客、規制当局、従業員は、自社がなぜAIを使うのかについて一貫した説明を聞いているか。
これらの大半に「はい」と答えられないなら、機会は新たなユースケースを追加することではない。AIアジェンダを事業の中核へと戻すことだ。すなわち、事業を営む正当性を支えるミッションへ戻すことである。
