生成AIパイロットの95%が失敗している
摩擦は失敗ではない。摩擦はタイヤを路面に保ち、生の体験を記憶に残るものにする。そしてMITによれば、摩擦こそが成功する5%の生成AIパイロットと失敗する95%を分けるものだ。
MITの新しい調査（ビジネスにおけるAIの状況2025）によると、企業の生成AIパイロットに投資された数十億ドルが成果を上げていない。しかし、教訓は生成AIが壊れているということではない。企業が価値を生み出す抵抗そのものを取り除こうとしていることが問題なのだ。
生成AIの分断
MITはこれを生成AIの分断と呼んでいる。
- 95%の企業は汎用ツールに依存している。デモには十分洗練されているが、ワークフローでは脆弱だ。彼らは採用率は高いが変革度は低いモードで立ち往生している。
- 5%の企業は摩擦を前提に設計している。彼らは生成AIを高価値のワークフローに組み込み、深く統合し、記憶と学習ループを備えたツールを提供している。ROIはそこにある。
データは明白だ：カスタム生成AIツールでパイロットから本番環境への移行を生き残るのはわずか5%だが、汎用チャットボットは些細なタスクでは83%の採用率を達成するものの、ワークフローがコンテキストとカスタマイズを要求した瞬間に行き詰まる。
なぜ生成AIは成功するために摩擦を必要とするのか
私は長い間、人間が人間であり続けるためには摩擦が必要だと主張してきた。抵抗こそが人生に意味を与え、努力や制約、判断と創作を可能にする抵抗力となる。
MITのレポートは、同じ法則が生成AIにも当てはまることを示している。摩擦のない生成AIは単なる見せ物だ。洗練されたデモは印象的だが、ガバナンス、記憶、ワークフローの再設計がなければ、価値を生み出さない。成功する企業は摩擦を設計に組み込み、それを排除するのではなく調整している。
生成AIの摩擦が本当に意味するもの
摩擦とは、無駄な非効率性を意味するのではない。適応を強いる抵抗のことだ。物理学では、摩擦は車が制御不能に陥るのを防ぐものだ。
ビジネスにおいて、生成AIの摩擦は進化を促す制約だ：新しいプロトコル、相反するインセンティブ、既存のツールの上に別のツールを重ねるのではなく、ワークフローを再設計する不快な必要性などだ。
MITのデータがこの点を証明している：デモから展開まで摩擦なくスムーズに進むパイロットは、スケールするための筋力を構築できない。実際の組織の質感、コンプライアンス、政治、データ品質、人間の判断に直面した瞬間に崩壊する。対照的に、成功する5%は摩擦を受け入れる：彼らは抵抗を学習の代償として受け入れ、それを前提に設計する。
生成AI検証税と精度フライホイール
フォーブスが最近取り上げたように、これに関する別の視点は「検証税」だ。PromptQLのCEOであるタンマイ・ゴパル氏が説明したように、生成AIシステムが自信を持って間違った情報を出力すると、従業員は時間を節約するよりも出力を二重チェックすることに多くの時間を費やす。この管理されていない摩擦がROIを損なう。
解決策はより大きなモデルではなく、より謙虚なモデルだ。PromptQLはこれを「精度フライホイール」と呼ぶ：システムが不確かな場合、回答を控え、コンテキストのギャップを表面化し、ユーザーの修正から学ぶ。回答を控える→修正→改善のループの各サイクルが、摩擦の働きだ。
この謙虚さを第一とする設計は、航空宇宙や金融などの業界で支持を得ている。これらの業界では、自信過剰な1回の失敗が10回の成功を帳消しにしてしまう。これは摩擦を経た生成AIの生きた例だ：抵抗を取り除くのではなく、それを設計に組み込むことで信頼を構築する。
生成AIと体験の並行性
Soho Experientialの創設者であるリック・キリー氏はこう述べている：
「摩擦なしに行動変容はあり得ない。人々は挑戦されない限り、ある考えを持って入り、別の考えを持って出ることはない。体験において、摩擦こそが記憶を作る。生成AIも同じだ。あまりにもスムーズだと薄れてしまう。あなたを押し進めるなら、それは記憶に残る」
同じ真理があらゆる領域に当てはまる：設計された摩擦は価値を減じるのではなく、それを創造する。企業の生成AIにおいても、生の体験と同様に、抵抗こそが信頼、意味、差別化を構築するものだ。
要するに、間違った生成AIの摩擦を取り除くことは、学習の機会を失うことを意味する。しかし、適切な摩擦を設計すれば、牽引力、意味、測定可能な価値が得られる。
「ほとんどのツールがフィードバックを保持し、コンテキストに適応し、時間とともに改善することができないため、パイロットは行き詰まる」
— MITビジネスにおけるAIの状況2025
具体例：MITのレポートは「シャドーAI」経済を強調している。公式のパイロットが失敗しても、90%以上の企業で従業員が個人的なAIツールを使用している。ある大手保険会社では、公認の生成AIパイロットは取締役会では洗練されて見えたが、コンテキストを保持できないため現場では崩壊した。一方、従業員は静かに個人的なAIに頼って請求処理を迅速化している。これはMITによれば、すでに企業に年間2億〜10億ドルの外部コストを節約し、代理店支出を30%削減しているパターンの一部だ。
シャドー生成AI：目の前に隠れている実際のROI
レポートの最も注目すべき発見の1つ：企業が公式ツールを購入していなくても、90%の従業員が職場で個人的な生成AIを使用していると報告している。一方、企業サブスクリプションを持つ企業はわずか約40%だ。
この「シャドー生成AI」は実際の摩擦であり、リーダーシップが採用しないものを従業員がボトムアップで採用する現実だ。表面上はパイロットが失敗しているように見えるかもしれない。実際には、シャドー採用はすでにROIを生み出している：アウトソーシングとBPO支出の削減から年間2億〜10億ドルの節約だ。
生成AIパイロットの5%が成功する場所
ほとんどの生成AIパイロットがMITの言う「変革なき採用」の罠で行き詰まる一方、少数派が例外を証明している。MITの研究とフォーブスの報告の両方が示すように、成功する5%は驚くほど一貫したプレイブックに従っている。彼らは派手なデモや汎用ツールを追求するのではなく、学習し、不確実性を認め、ワークフローに深く統合されるシステムを構築している。
これらの企業は、ドメインの流暢さと説明責任をもたらすパートナーシップに焦点を当て、生成AIをバックオフィスに向ける。そこでは摩擦が最も大きいが、節約も最も大きい。
MITとフォーブスは再現可能なプレイブックを指摘している：
- 学習ループとコンテキスト保持。
- 不確実性を認め、修正から学ぶ謙虚な生成AI。
- カスタマイズされたベンダーとの外部パートナーシップ—内部構築の2倍の成功率。
- バックオフィスへの焦点—生成AIの摩擦が最も高く、ROIが最も直接的な場所。
生成AI摩擦プレイブック
MITの研究からの教訓は、摩擦は生成AI成功の敵ではなく、その証拠だということだ。パイロットを超えてスケールする企業は、すべての荒削りな部分を取り除こうとはしない。彼らは抵抗がシステムの適応が必要な場所、ワークフローの再設計が必要な場所、ガバナンスが成熟しなければならない場所を明らかにすることを認識している。言い換えれば、摩擦は何か本物が起きているというシグナルなのだ。
だからこそ、成功する5%は生成AIに対して異なるマインドセットでアプローチする。彼らは摩擦の各ソース—人的、組織的、技術的—を障壁としてではなく、設計インプットとして扱う。採用率の指標を急いで示すのではなく、耐久性のために構築する：学習するシステム、成果にインセンティブを与える契約、ボトムアップのエネルギーを抑制するのではなく誘導するガバナンスだ。このマインドセットは実用的なフレームワークに蒸留できる。
生成AI摩擦プレイブック
- 採用ではなく吸収を測定する。ログイン数ではなく、再設計されたワークフローを数える。
- 記憶層に資金を投じる。コンテキストを保持できなければ、スケールできない。
- 契約を再設計する。ベンダーにシートライセンスではなく、学習マイルストーンに対して価格設定を要求する。
- シャドー生成AIを誘導する。禁止するのではなく、従業員がすでに行っていることを正式化する。
- 摩擦をシグナルとして扱う。パイロットが滑らかすぎると感じるなら、おそらく浅すぎる。
摩擦を経た生成AI
摩擦を経た人間、摩擦を経た生成AI：未来は抵抗を消す者ではなく、それをうまく設計する者のものになるだろう。
記憶と適応性を持つエージェント型生成AIシステムの次の波は、この真理をさらに厳しく試すだろう。摩擦を欠陥ではなく特徴として受け入れる企業が、生成AIを見せ物から変革へと転換させる企業になるだろう。
なぜなら摩擦は単なる制約以上のものだからだ。それは教師だ。システムにその限界を明らかにさせ、リーダーに何を自動化すべきか、何が人間のままでなければならないかについての選択を強いる。それはガバナンス、信頼、創造性が鍛えられるるつぼだ。
過去10年のデジタルトランスフォーメーションが摩擦の除去に関するものだったとすれば、生成AIの次の10年はそれを賢く設計することに関するものになるだろう。進歩を麻痺させるのではなく、学習を促進するのに十分な抵抗を調整する方法を学ぶ者たちが、ROIだけでなく、レジリエンス、意味、そして持続的な優位性を獲得するだろう。
