人工知能(AI)への支出は1年足らずでおよそ倍増したが、利益への影響をAIに帰することができる企業は10社中4社に満たない。その乖離は、デモ後の数カ月で広がり始める。
現在、9割近くの企業が少なくとも1つの業務部門で日常的にAIを利用している。これが、97カ国の回答者1719人を対象に実施され、8月に発表されたマッキンゼーの最新のAI現状調査の主な結果だ。同調査では、回答者の37%がAIがEBIT(利息・税引前利益)に少なからず好影響を与えたとしているが、この割合は前年とほぼ変わらない。また、AIがEBITの5%以上をもたらしていると答えた「ハイパフォーマー」に分類される企業はわずか約6%にとどまる。企業全体でAIを展開(スケーリング)していると答えた割合は前年の38%から44%に増加したものの、半数以上の企業がまだその段階に達していないことを意味する。
資金は成果よりも速く動いている。上級幹部1330人を対象とし、9月30日に公表されたボストン コンサルティング グループ(BCG)のApplied AI Indexによると、AI支出は売上高の約3.3%に達しており、2025年後半の約1.7%から増加した。その80%超は、企業のIT予算の外に置かれている。BCGの最新の見方は、リターンについてより楽観的だ。現在、ほぼ半数の企業がAIから意味のある価値を生み出しているという。同社の2025年調査では、大規模に価値を創出している企業の割合は5%とされていたが、同社は2つの指標の整合を示していないため、これらの数字を直接比較することはできない。
2027年予算を策定する経営幹部にとって、正確な数値そのものよりも重要なのは、両調査の底流にあるパターンである。パイロットは豊富にある一方、規模化された価値は希少だ。調査は、この2つを分けるものを示しており、その多くはテクノロジーそのものとはほとんど関係がない。
パイロットプロジェクト自体は難所ではない
パイロットプロジェクトは、小規模なチーム、整理されたデータ、意欲的なスポンサーといった好条件のもとで進行する。ガートナーは2024年の予測で、データ品質の低さ、不十分なリスク管理、コスト増加、明確なビジネス価値の欠如などを理由に、2025年末までに生成AIプロジェクトの少なくとも30%が概念実証(PoC)の段階で放棄されると予測した。これはあくまで予測であり実績測定ではないが、挙げられた理由はすべてデモが終了した後に浮上する課題だ。
フォーチュン誌が報じたMIT NANDAイニシアチブの研究によると、調査対象となったAIパイロットのうち、急速な収益拡大を達成したのは約5%で、残りは損益に対する測定可能な効果をほとんど生まなかった。この研究は、リーダー約150人へのインタビュー、従業員350人を対象にした調査、公開されている導入事例300件の分析に基づいている。成功の尺度は狭いため、この数字は厳密な失敗率というより、方向性を示すシグナルとして読むのが適切だ。同報告書の筆頭著者であるアディティア・チャラパリ氏は、学習ギャップを指摘した。汎用ツールは個人には有効に機能するが、企業内では仕事の実際の進め方に適応しないため停滞するという。同研究はまた、専門ベンダーから購入したソリューションやパートナーシップを通じて構築したソリューションは、約67%の確率で成功し、社内構築の約3倍に上ると報告している。ただし、フォーチュン誌の記事はその比較の手法について詳細を示していない。
価値が漏れ出してしまう要因
調査全体を通じて、3つの共通パターンが見受けられる。
業務プロセス自体が再設計されていない。マッキンゼーによると、ハイパフォーマー企業のほぼ4分の3がAIを中心にワークフローを再設計しているのに対し、その他の回答者では約4分の1にとどまる。BCGの2025年調査は、変革の焦点の70%を人材とプロセスに、20%をテクノロジーに、10%をアルゴリズムに向けるべきだと提言した。「仕事をどう再設計し、従業員のスキルをどう再構築するかは、何人の雇用を削減するかよりはるかに重要だ」と、BCGのマネージング・ディレクター兼シニア・パートナーであるアマンダ・ルーサー氏は、同社の9月の発表で述べた。
効果が測定されていない。BCGは、未来対応型企業(future-built companies)の60%超がAIの価値を厳格に追跡している一方、停滞企業では17%にとどまることを明らかにした。マッキンゼーは、ハイパフォーマー企業はAIの影響を測定するために、コミットした上級リーダーと定義されたプロセスを持つ可能性が2倍高いと報告している。合意された基準値のないパイロットは、誰もが成功と呼ぶことができる一方で、規模拡大に必要な予算を獲得できないまま終わり得る。
成果に対する責任者が存在しない。BCGの未来対応型企業の40%超は、AIのガバナンスにおいて事業部門とIT部門の共同責任を組み込んでいる。停滞企業では19%である。こうした企業はAI施策の62%を展開しているのに対し、後進企業では12%にとどまる。責任の所在に関する問題は今後さらに複雑化する。BCGによると、42%の企業が2030年までにAIエージェントへ実質的な意思決定権限を与えると見込んでいる一方、現在、完全な統制一式を整えている企業はわずか5%である。
誤った指標で拡大することにもコストがある
停滞は、規模拡大の後にも起こり得る。2024年初め、スウェーデンの決済企業クラーナ(Klarna)は、自社のAIアシスタントがカスタマーサービス担当者700人分の仕事をこなせるとし、このツールがローンチから1カ月以内に顧客チャットの75%、約230万件の会話を処理したと発表した。だが2025年5月までに、最高経営責任者(CEO)のセバスチャン・シエミアトコフスキ氏はブルームバーグに対し、コスト削減は品質低下を伴ったと語り、同社は再び人間の担当者の採用を始めた。アントレプレナー誌の報道によると、同氏は「人間によるサポートの質に投資することこそが、今後のわれわれの進むべき道だ」と述べたという。それまでの期間、クラーナの従業員数は主として自然減により22%減少し、約3500人となっていた。
この事例は、単一のコスト指標のみを根拠としたAIの導入が、顧客が最も敏感に察知する基準を見落とす危険性を示唆している。
停滞の一因は構造的な問題にある
経済学者たちは以前にもこのパターンを目にしている。エリック・ブリニョルフソン、ダニエル・ロック、チャド・サイヴァーソンの各氏は『American Economic Journal: Macroeconomics』に掲載された論文の中で、彼らが「生産性のJカーブ」と呼ぶ現象について記述している。AIをはじめとする汎用技術(GPT)は、新しいプロセスやビジネスモデル、人的資本といった無形資産への大規模な補完的投資を必要とする。これらの投資は従来の会計上では十分に把握されないため、導入初期の生産性指標は低く見え、効果が結実する後半になって急速に向上するように見えるのだ。
経営陣にとって、この事実は実用的な示唆を与えてくれる。導入初年度の成果が横ばいであっても、それだけでプロジェクトが失敗したわけではない。しかし、補完的な取り組みを行わない限り改善することもない。マッキンゼーの「ハイパフォーマー企業は効率化と並行して成長やイノベーションを追求している」という調査結果は、コスト削減のみを目的としたプロジェクトが、より大きな成果を測定しないまま取り逃がす可能性をも示唆している。
次のパイロットを承認する前に問うべき3つの質問
- パイロット終了後、誰がワークフローの責任を持つのか。その人物は事業部門にいるのか、IT部門にいるのか。
- 損益計算書のどの項目を、どれだけ動かすことを想定しているのか。そして、それを四半期ごとに誰が報告するのか。
- その結果を持続させるには、仕事の進め方をどう変える必要があるのか。その変化には予算と人員がついているのか。
BCGのデータは、その賭け金の大きさを物語っている。同社の2025年調査で未来対応型に分類された企業は、サンプル内のその他の企業と比べて売上成長率が1.7倍、3年間の株主リターンが3.6倍だった。これらの企業を際立たせている取り組みの多くは経営上の選択であり、リーダーシップチームは次の予算サイクルを待たずに着手できる。



