こうした企業のうち、文書化されたAI利用ポリシーを持つのは40％にすぎない。承認済みツールの一覧と、どのデータをどこに入れてよいかに関する基本ルールがなければ、無害な近道とコンプライアンス上の問題を見分ける方法はない。
4. 停滞したが止まっていない試験導入
ガートナーは、2025年末までに生成AIプロジェクトの少なくとも50％がPoC（概念実証）後に放棄されたと報告している。その理由として、データ品質の低さ、リスク管理の弱さ、コスト上昇、価値の不明確さが挙げられている。S&P Global Market Intelligenceによると、2025年にAI施策の大半を放棄した企業は42％に上り、前年の17％から増加した。
停止中の試験導入にも費用はかかる。ライセンス料の請求は続き、置き換えるはずだった手作業のプロセスも動き続け、誰かが保守しなければならない。
根本原因はたいていモデルではなくデータにある。Dun & Bradstreetが1万社を対象に行った調査では、97％がAI施策を実施中だったが、自社データが完全に準備できていると答えた企業は5％にすぎなかった。データ準備は、当初のプロジェクト予算にほとんど含まれない。
5. レビューと統合にかかる時間
30秒で生成された下書きが、30秒で完成するわけではない。Pax8によると、意思決定者の55％がAIの出力をレビュー、編集、またはファクトチェックするために週3時間以上を費やしており、米国ではその割合が68％に上る。時給50ドル（約7840円）で計算すると、5人のリーダーシップチームが週3時間ずつ費やす場合、週750ドル（約11万8000円）になるが、その費用は請求書には一切現れない。
統合にもさらに手間がかかる。連携されていないツールごとに個別のログインとデータフローが発生し、あるシステムの出力を別のシステムへ誰かが手作業でコピーしていることも多い。
