マルコ・ホルバット氏、公認会計士 | ELBビジネストランスフォーメーション担当シニアバイスプレジデント。elblearning.comをご覧ください
MITのNANDAイニシアチブが2025年8月に発表した広く引用されている画期的な調査によると、生成AI（人工知能）パイロットプログラムの95%が、測定可能なビジネス価値をまったく生み出していないことが報告された。その規模の大きさは失望的かつ衝撃的だが、AI施策が当初の約束を果たすことがほとんどないという事実は、多くの人にとって驚きではない。以下では、AIプロジェクトが成果を出せない3つの一般的な理由と、組織がこれらの問題を軽減・防止するためにどう対応できるかを論じる。
1. AIで間違った問題を解決しようとしている
ほとんどの組織は、AIを重要なビジネス課題に対処するための戦略的ツールとして捉えることができていない。AIソリューションは、実際に変化する業務に直接関与していない人々が、管理された環境で実証したユースケースに基づいて選択されることが多い。これらのソリューションは、意味のある問題を解決できないことが多く、むしろ不必要な作業を増やし、組織がビジネス目標を実現または改善することを妨げる可能性がある。
組織は、AIのユースケースではなく、AIのビジネスケースに焦点を当てるべきだ。AIプロジェクトは、AIが実証可能な価値を生み出せる、中核的なビジネス目標に直接結びつく影響力の高い領域に展開すべきである。これにより、既に使用されている指標やレポートに直接結びついた、明確で測定可能な成果を特定できる。組織は、これらのソリューションの採用と実装に責任を持つ人々を、意思決定プロセスのステークホルダーとして含めるべきだ。これにより、主要な前提条件を検証し、これらのソリューションを実装・維持するための適切な能力が存在することを確認できる。戦略的目標を測定可能な結果および組織の能力と整合させることは、実際のビジネス課題に対する意味のあるソリューションを選択する上で重要な要素である。
2. 人員削減効果の誤解：タスクと職務の違い
タスクの時間節約と職務全体の削減には、決定的な違いがある。ほとんどの組織は、この2つの概念を混同することで、潜在的なROI（投資収益率）を大幅に誤算している。タスクとは、特定の期間内に完了できる、単一の定義された作業である。明確な開始と終了、特定の成果物があり、より大きなプロセスの一部として繰り返されることが多い。職務とは、長期にわたって多くのタスクを包含する、より広範な責任の集合である。職務は組織内の役割や地位を定義し、継続的な義務、権限、業績と結果に対する期待を含む。ほとんどのAIソリューションは、職務全体を置き換えるのではなく、タスクにおける人間の関与を排除または削減する。これは、デジタルソリューションが複数の職務にまたがるタスクを集約することが多いため、義務、責任、説明責任に関する混乱を招き、組織内に混乱をもたらすことが多い。これらのソリューションは、タスクの効率化や削減による時間節約をもたらす可能性があるが、組織はこれらの機会を十分に活用できないことが多い。これらの時間節約の最善の活用方法に関する指針の欠如、従業員が追加の価値創造活動に取り組むためのスキル、情報、整合性を持っているかどうかの明確性の欠如が、これらの時間的利益を軽減または排除することが多い。
組織は、労働力が自動的に調整され、安定した高パフォーマンスの構造に落ち着くと自動的に想定すべきではない。むしろ、組織は、これらのAI施策の影響を完全に実現するためには、再教育と役割の再設計が不可欠であることを認識し、この労働力移行の総コストをROI計算に織り込んで、これらの変化の総コストと利益をより正確に把握する必要がある。
3. AIエラーのコストを見落としている
多くの組織は、AIの潜在的な利点を強調する理想的な状況をモデル化するが、AIの誤りに関連する財務的およびレピュテーション上のリスクをモデル化できないことが多い。内部的な観点から、組織は、AI生成の成果物に誰が責任を持つのか、そして必然的に発生するレビュー、修正、例外処理に関連するコストが何であるかを明確に理解すべきである。これらの活動を効果的に理解し計画できないと、優先順位や説明責任に関する不整合や混乱を招き、直接的な財務損失、コンプライアンスおよび規制上の罰則、レピュテーションの損傷、顧客と従業員の信頼の侵食などの外部的な結果をもたらす可能性がある。
これらの否定的な結果を適切に準備し軽減するために、組織は厳格なエラー率追跡を実装し、確率的リスク評価フレームワークを開発し、複数のシナリオシミュレーションを作成し、明確なエラー軽減戦略を確立すべきである。
AI投資成功のための実践的推奨事項
1. 問題中心のアプローチ
• AI投資を戦略的ビジネス目標に直接マッピングする。
• 明確で測定可能な重要業績評価指標（KPI）を策定する。
• 部門横断的なAI実装チームを構築する。
2. 労働力変革戦略
• AIを単なるコスト削減ツールではなく、能力強化として捉える。
• 包括的なリスキリングプログラムに投資する。
• 人間とAIの協働を活用する新しい役割を設計する。
3. 堅牢なエラー管理
• 高度なエラー追跡メカニズムを開発する。
• 潜在的なアルゴリズムの誤りを考慮した財務モデルを作成する。
• 継続的な監視と修正プロトコルを実装する。
AI投資の真の尺度
AI変革の成功は、テクノロジーに関するものではない。それは、戦略的整合性、労働力の進化、包括的なリスク管理に関するものである。AIを技術的な応急処置ではなく、包括的なビジネス戦略として扱う組織が、新しいAIファーストのデジタル経済における真の勝者となる立場に立つだろう。これら3つの重要な領域に対処することで、組織はAIの実験から、より意味のあるデジタル変革へと移行できる。
ここで提供される情報は、投資、税務、財務に関するアドバイスではない。あなたの特定の状況に関するアドバイスについては、認可された専門家に相談すべきである。
