人工知能（AI）は、生産性とイノベーションを向上させ、ビジネスに変革をもたらすことを約束している。しかし、企業がAIの実証実験（パイロットプロジェクト）の成功を越えて組織全体への展開を試みる段階に達すると、その成果を証明することは難しくなる。Forbes Research 2025 AI Surveyの調査によると、回答した1000人以上のビジネスリーダーのうち、AIから著しい投資対効果（ROI）を得られたと答えたのは1%未満だった。
これは、AIが積極的に導入されていないからではない。筆者の会社であるProsper Insights & Analyticsの最近の調査によると、経営幹部の53.2%がすでに生成AIを活用しており、さらに18.8%が今後利用したいと考えている。
AI導入を成功させるには組織の免疫システムと戦う必要がある
データを詳しく検証すると、この謎を解く手がかりが見えてくる。Prosperの調査において、従業員の31.1%が「AIが雇用を奪うのではないか」と懸念しており、11.4%は自身が解雇される直接の原因になることを危惧していた。
これは、より広範な問題の一症状に過ぎない。アーサー・ディ・リトル（ADL）のパートナーであるヨハン・トローティガー（Johan Treutiger）が説明するように、従来の組織構造は単にAIを組み込むようには設計されておらず、実際には積極的にそれを拒絶することさえある。「大半の企業は、AIの導入成功を単に新しいテクノロジーを習得する問題として捉えている。だが、彼らが実際に直面している最大の障害は、古い組織構造を克服することだ。AIは単に既存のモデルの上に重ね合わせるデジタルなアップグレードではなく、価値創造の方法や業務の進め方そのものを変えているからだ」
要するに、既存の企業構造はAIを脅威とみなし、本能的にそれを無力化しようとする。その結果、AIはビジネスを変革するのではなく、既存の複雑な階層の中に組み込まれ、新たな意思決定段階が導入されることになる。よくても漸進的な改善が生まれるにとどまり、既存の承認プロセスは残ったままだ。
これにより、企業は従来の競合他社ではなく、「ナイトメア・コンペティター（悪夢のような競合）」の脅威にさらされることになる。これらはAIファーストであり、AIの能力を中心にゼロから自社を再設計し、不要な業務を徹底的に排除した企業のことだ。
AIに対応できる組織の構築
では、企業はこの根深い問題をどう克服すべきなのか。ADLのヨハン・トローティガーによれば、それは単にテクノロジーを追加することではなく、もっと踏み込んだ取り組みが必要だという。「AIによる成果を阻む障壁が構造的なものであるなら、その対策は単に運用上のものにとどまってはならない。経営陣のトップから始まる必要がある。AIを中心に組織とその構造を根本的に簡素化する際、現場からの反発を乗り越えるには取締役会レベルの後押しが不可欠だ。プロセス、リソース、組織、文化という各領域にわたってAIが体系的に組み込まれるよう、オペレーティングモデル（運用モデル）を変革しなければならない。この変革なしには、野心も単なるお題目にとどまり、組織がAIから得られる価値も限定的なものになってしまう」
強力なリーダーシップの重要性を示す例として、クラーナ（Klarna）の経営陣は具体的な「2030年のターゲット像」を表明している。それは、AIによる自動化を推進し、欠員補充を行わず自然減に頼ることで、現在の約3000人の従業員数を2000人未満に抑えて事業を運営するというものだ。「ナイトメア・コンペティター」へと進化するための大きな一歩は、AIに対する野心を明確なオペレーティングモデルの変更へと変えるリーダーシップにある。
ADLの最近のレポート『AI-first or disrupted: Beating the nightmare competitor（AIファーストか破壊か：ナイトメア・コンペティターに打ち勝つ）』で述べられているように、本質的なインパクトを生み出すには、以下の領域での整合性が必要となる。
- 戦略：ユースケース（活用事例）単位ではなく、業績面での明確なゴールを設定する。
- プロセス：業務のスピードアップではなく、廃止・削減を目指して全面的に再設計する。
- リソース：データ、テクノロジー、スキルを活用してスケール（規模拡大）を可能にする。
- 組織：パイロットプロジェクトの枠を超えた明確な所有権（オーナーシップ）とガバナンスを確立する。
- 文化：簡素化と測定可能な業績向上を評価・報奨する。
効果的なAIには、管理され、追跡可能で、意思決定に資するデータが重要である
包括的で信頼性が高く、アクションにつながるデータへのアクセスがなければ、AIを組織全体に体系的に組み込むことはできない。例えば、スウェーデン中央銀行（リクスバンク）の場合、効果的なAI活用は、品質、セキュリティ、追跡可能性、説明可能性に関する高い基準を維持しながら、組織独自のデータと厳選された外部データソースを組み合わせることに依存している。その目的は、予測、シミュレーション、リアルタイム分析、そして透明性のある意思決定支援のための信頼できるデータ基盤を構築することだ。
リクスバンクの将来シナリオには、統合された内外のデータ、自動化されたデータ品質管理、そして導き出された結論をその根拠となったソースまで遡って追跡できる能力が含まれている。
競争上の優位性を得るには、意思決定システムを向上させることが鍵となる。
個別のプロセスを単に自動化するだけでは生産性は向上するものの、複雑さは維持されたままとなり、Forbesのレポートで強調されたような低いROIを招くことになる。これに対し、変革の鍵となるのは、中核的な意思決定プロセスにAIを組み込み、価値の創造方法や意思決定のあり方を再設計することによって、不要な業務そのものを排除することだ。例えば、ウォルマートはエージェント型AI（Agentic AI）をプロセスに組み込む動きを急速に進めており、高度に特定されたタスクにエージェントを使用し、それらを一連のフローとして統合している。これは、エージェント型AIが戦略的価値を持つのは、孤立した実証実験にとどまっているときではなく、具体的なプロセスの再設計と結びついたときであることを明確に示している。
本質的に、成功する組織の差別化要因は、ガバナンスの効いたデータ、AIモデル、そして人間の判断を結合し、より迅速で適応力のある意思決定プロセスを構築できる能力にある。
特に規制環境では、ガバナンスをスケールの実現要因として受け入れる
古いプロセスが同等に複雑な新しいプロセスに置き換わるだけなら、既存の複雑さを排除しても意味がない。AIを拡大させるには、適切なレベルのガバナンスが必要となる。信頼できるデータと責任あるAI運用には、当初から明確な所有権、共通の基準、そして測定可能な説明責任が不可欠だ。
リクスバンクが提案している方向性は、フェデレーテッド型（連邦型）のオペレーティングモデルだ。共通のプラットフォーム、基準、リスクフレームワーク、優先順位付けは中央で調整され、事業部門はユースケースと価値の実現についての所有権を維持する。このバランスは重要だ。過度に分散化されたモデルは断片化のリスクを高める一方、過度に中央集権化されたモデルはボトルネックを生み出しかねないからである。
ナイトメア・コンペティターの脅威を克服する
今後3〜5年のうちに、AIファーストの競合他社はより迅速な意思決定を行い、よりフラットな組織を持ち、より低いコストで事業を運営するようになるだろう。彼らは引き継ぎ、承認、整合性確認といった作業を単に最適化するだけでなく、これらのプロセスそのものを完全に排除するはずだ。つまり、競争力を維持するためには、トップの主導により、AIを中心として自社の組織構造や運営方法を根本から再設計する必要がある。これにより、ナイトメア・コンペティターを凌駕すると同時に、社内の「組織の免疫システム」による抵抗を克服し、AIがもたらす変革的なメリットを享受することが可能になる。
開示事項：上記で言及した消費者マインド調査は、筆者の会社であるProsper Insights & Analyticsによって実施されたものである。このデータセットは全米小売協会（NRF）で使用されているものと同じであり、経済ベンチマーク用としてAmazon Web Services、Databricks、ロンドン証券取引所グループ（LSEG）から入手可能だ。
