ジョン・ウォルシュはレッドサミット・ボード・サービス＆アドバイザリーの創業者兼会長であり、企業リーダーが次世代テクノロジーを導入する支援を行っている。
グローバル企業や政府のための大規模なテクノロジー自動化・統合を20年以上にわたってリードしてきた経験から、ブレークスルーと無駄な投資の違いは、多くの場合、一つのことに集約されることを学んだ：規律ある実行力だ。
米国政府との仕事、取締役としての活動、MITコンピュータサイエンス・人工知能研究所（CSAIL）でのAIに関する大学院研究、そしてアーリーステージのAIスタートアップへのアドバイザリーなど、私の最近の活動は、現在のAIゴールドラッシュを最前線で見る機会を与えてくれた。
AIイニシアチブが組織を変革する様子を目の当たりにしてきた。同時に、有望なプロジェクトが何百万ドルも費やしながら成果を出せないケースも見てきた。我々は今、転換点にいる。AIハイプサイクルはピークを迎え、リーダーたちはもはや約束だけで投資することはできなくなっている。
次のフェーズでは、マーケティングスライドではなく、測定可能な成果が求められる。
何が間違っていたのか？ハイプが価値を上回った
AIはガートナーのよく知られたハイプサイクルに従っているようだ：過度な期待の後に幻滅が訪れ、最終的にはテクノロジーが成熟すれば機能性を獲得する。
残念ながら、今日のAIイニシアチブの多くは実質的な利益をもたらしていない。さまざまなアナリストレポートによると、AIプロジェクトの70%から90%がビジネス価値の創出に失敗している。課題はデータの問題から明確な成功指標の欠如、実際のビジネス課題との乖離まで多岐にわたる。
企業がAIインフラ、チップ、データセンターに資本を投入する中、キャッシュフローは圧迫されている。米国の主要テクノロジー企業は純利益が増加しているものの、フリーキャッシュフローは縮小しており、AI投資の長期的なROIに懸念が生じている。一方、ガートナーは「エージェンティックAI」プロジェクトの40%以上が2027年までに放棄されるとの予測を発表しており、その主な理由は誇張された約束と不明確なビジネス価値にある。
なぜ実証が重要か：実体とバズを区別する
企業価値評価モデルは、多くの場合、AIの実現された性能ではなく、その潜在的可能性に基づいている。
最近の学術論文では、このギャップを定量化するための能力実現率モデルが提案されている。これは、市場の期待が実際のAI駆動の結果を上回った場合の投機的バブルのリスクを強調している。さらに、他の専門家はAIの波が過去のバブルと類似する可能性があると警告しており、FOMO（取り残される恐怖）に駆られた投資ではなく、戦略的で規律あるアプローチが必要だとしている。
これを踏まえ、AIプロジェクトに資金を投じる前に取締役会が問うべき5つの質問を紹介する：
1. 我々はどんな問題を解決しようとしているのか？「科学実験」は不要だ。すべてのAI投資をコスト削減、生産性向上、リスク軽減など、明確なビジネス成果に結びつけること。
2. データは準備できているか？クリーンで関連性が高く統合されたデータがなければ、最高のAIでも失敗する。
3. プロジェクトの責任者は誰か？説明責任が明確でなければならない。強力なビジネスリーダーシップのないAIプロジェクトは停滞しがちだ。
4. 成功をどのように測定するか？事前にROIを定義し、測定可能なチェックポイントを設定して、終わりのないパイロットプロジェクトを避ける。
5. 成功するための資金は確保されているか？資金不足のAI施策は無駄になる。実験ではなく、戦略的イニシアチブとして扱うべきだ。
なぜこれが将来も重要なのか
テクノロジーブームは来ては去る。AIの次の章には勝者と敗者が生まれるだろう。
前述のガートナーの調査が警告するように、多くのエージェンティックAIプロジェクトは—実際のビジネスロジックに基づいて構築されない限り—崩壊する可能性がある。このアドバイスは、今後数年間にAI導入を進めるあらゆる経営者にとって、普遍的かつ不可欠なものであり続けるだろう。
すべての新しい取り組みと同様に、リスク許容度に基づいてAI導入曲線のどこに参入するかを決める必要がある：先行者、迅速な追随者、あるいは状況が落ち着いてから動くか。私のアドバイスはこうだ：後から追いつくのは難しく費用もかかるため、今すぐゲームに参加し、最低でも特定の領域で早期の成功を収めるための一手を打つべきだ。
結論：約束ではなく実証を求めよ
AIバブルはいつか終わる—しかしAIの真の価値は持続する。ノイズからシグナルを分離する企業は、戦略との整合性を必要とする。規律あるROIフレームワークが登場し、AIは単なるIT支出の一項目ではなく、競争優位性として確立されるだろう。
