Ricardo Madan氏、TEKsystems Global Servicesのシニアバイスプレジデント兼責任者。
マッキンゼーの報告によると、現在組織の4分の3以上が少なくとも1つの機能でAIを活用している。しかし、多くのリーダーは脆弱な出力、膨れ上がる計算コスト、そして広範な利用が価値を保証するものではないという現実に直面している。
AIへの投資から意味のあるROIを実現している組織はわずか5％にすぎない。このギャップにより、監査可能性、整合性、説明責任に関する懸念がより鮮明に浮かび上がり、より深い精査が促されている。一方、リーダーたちは個別の実験を超えて、AIがビジネス全体で真に成果をもたらしている領域を特定しようとしている。
この圧力は2026年に向けてさらに強まるだろう。そして優位性は、意図と規律を持ってAIを適用する企業にもたらされる。そこに到達するために、ビジネスおよびITリーダーはAIの次のフェーズを形作るトレンドを明確に理解する必要がある。
トレンド1. エージェントAIにおける規模よりも精度重視
エージェントAIは2025年の企業の会話を席巻したが、ガートナーによると、これらのプロジェクトの40％以上が、コスト増大や不明確なビジネス価値などの要因により2027年までに中止されるという。
この価値の欠如は、汎用エージェントが設計されている目的と企業が実際に必要としているものとの間の不一致を反映していることが多い。スケジュール管理から戦略的計画まで、あらゆることを処理することを意図した初期の導入の多くは、実際には苦戦している。
広範なツールは、仕事が実際にどのように行われるかという文脈と複雑さを見落としがちだ。対照的に、牽引力を得ているシステムはより焦点を絞り、特定の領域に特化している。例えば、ライフサイエンスでは、臨床試験チームがエージェントAIを使用して患者スクリーニングを自動化し、グローバルな研究サイト間の複雑な規制調整を合理化している。
さらに、保険の引受担当者はエージェントAIを導入して申請者データの収集、文書の要求、保険の種類や地域に基づくリスク評価の生成を行っている。
そしてエネルギー分野では、電力会社がリアルタイムの送電網パフォーマンスを監視し、停電を防ぐために自律的に電力を迂回させるエージェントAIの試験運用を行っている。
教訓は何か？インパクトは精度から生まれる。2026年の成功は、より多くのエージェントを導入することではなく、実際の問題を解決するために設計された的を絞ったソリューションを構築することにかかっている。
トレンド2. AIの時代における予算規律
AI導入が加速するにつれて、計算コストも増加する。マッキンゼーは、世界のデータセンターが2030年までに6.7兆ドルの資本投資を必要とすると推定しており、これは主に現代のAIシステムのインフラ需要によるものだ。
かつて緩やかに監視されていたAI予算は、現在、経営幹部からより厳しい精査を受けている。リーダーたちは、他の資本支出と同じ厳格さをAI投資にも適用している：測定可能なビジネス価値を提供するか、資金を失うリスクを負うかだ。
この変化により、AIに焦点を当てたFinOps（クラウドやテクノロジー運用に財務的な説明責任と規律を適用する実践）への関心が急増している。
過去1年間で、AI関連の支出を管理するFinOps実践者の数は31％から63％へと2倍以上に増加した。ガバナンスとコスト管理への圧力が高まる中、組織は最初からAIイニシアチブに財務的なガードレールを組み込む必要がある。
一部のベンダーは、使用量ベースの課金からパフォーマンスに応じた契約まで、新しい価格モデルを展開している。これらの構造は柔軟性を提供するが、同時に財務監視のハードルも上げる。AIの支出をリアルタイムで追跡、正当化、調整できるチームが、責任を持って拡大する上で優位に立つだろう。
トレンド3. AI主導型企業における役割の進化
AIは開発者やエンジニアに取って代わるものではないが、ソフトウェアの構築と維持に必要なスキルを再定義した。そしてもはやコードを書くだけの話ではない。
グローバルAIイノベーションを牽引する7つのテック大手「Mag7」は、フロンティアモデルの開発と、大規模なAIのパフォーマンス、安全性、セキュリティの確保に引き続き注力するだろう。しかし、ほとんどの企業にとって、焦点は実際のビジネス環境でインテリジェントシステムを導入し、特定の垂直分野のユースケース向けに小規模言語モデルを微調整し、すべてのAI出力がビジネス目標と一致することを確保できる人材の獲得と育成にある。
この変化により、AI会話デザイン、クリエイティブな生成デザイン、AIエージェント開発、AIの倫理と責任など、さまざまな分野で新たな役割が生まれている。関連する職種名はまだほとんどの組織図に登場していないかもしれないが、AIから価値を引き出すために急速に重要になっている。
最も需要の高い人材は、ゼロから構築することよりも、モデルの動作の調整、パフォーマンスの評価、エッジケースの管理、そして説明責任を持って価値を提供することに重点を置いている。
一方、ローコードおよびノーコードツールにより、ビジネスユーザーは最小限のエンジニアリングサポートでカスタムソフトウェアやワークフローを構築できるようになっている。この柔軟性はイノベーションを加速できるが、適切な構造がなければ、以下のような結果につながる可能性もある：
• 検出されないオートメーションエラー
• チーム間の断片的、重複的、または冗長なソリューション
• セキュリティやコンプライアンスのリスク
• AI戦略の実行の一貫性の欠如
この環境では、AIリテラシーを核となる能力として扱うリーダーに優位性がある。つまり、スキルアップへの投資と、テクノロジーとともにチームが進化するための支援が必要だ。組織全体の人々がAIとの協働方法を理解すれば、責任ある安全で実質的なインパクトのある導入に真に貢献できるようになる。
話題を超えて：AIの次のフェーズで実質を伴うリーダーシップを
2026年にはAIの領域はさらに混雑し、動きを進歩と取り違えるリスクも高まるだろう。より鋭い質問をし、より明確な境界を引き、長期的な成果に対してチームに責任を持たせることで、耐久性があり実質的な価値を提供するAI戦略を構築できる。
それがAIで実験することと、AIでリードすることの違いだ。
