マイケル・フリッチ（PMP）は、Confoeの創業者であり、企業の実行、システム、AI統合に関するアドバイザリーを提供している。
2025年のMITナンダ報告書によると、「統合されたAIパイロットプロジェクトのうち、数百万ドル規模の価値を引き出しているのはわずか5%であり、大多数は測定可能な損益への影響がないまま停滞している」という。テクノロジーは急速に進化しているが、組織内での成果にはばらつきがある。加速しているチームもあれば、停滞しているチームもある。
私は以前、テクノロジー導入に関する記事でこの問題について書いた。その核心となる考え方は今でも有効だ。成功は、テクノロジーそのものよりも、それがどのように業務に組み込まれるかに左右される。
同じパターンがAIでも再び現れている。ただし、より速く、より高いリスクを伴っている。
複数のテクノロジーの波を経験する中で、私はこのパターンを目の当たりにしてきた。AIがうまく機能するのは、それが組織の運営方法に織り込まれている場合だ。停滞する場合は、通常、すでに存在していたいくつかの問題に起因する。
以下は、AI導入が価値を生み出せない5つの理由と、これらの失敗を回避するための鍵である。
1. AIが不安定なシステムに適用されている
AIが話題に上ると、迅速に行動しなければならないというプレッシャーが高まる。リーダーは進展を望む。しかし、基盤となるプロセスが一貫性に欠けていたり、明確に定義されていなかったりする場合、AIはそれを修正しない。むしろ露呈させる。
人々がツールを異なる方法で使用するため、出力にばらつきが生じる。信頼性が低下する。加速しているように見えたものが、予測不可能に感じられ始める。
場合によっては、チームはツールを非難する。しかし実際には、ツールは要求された通りに動作しているだけであり、一貫性に欠けるシステムの中で機能しているに過ぎない。
AIは、すでに理解されているプロセスに適用された場合に最高のパフォーマンスを発揮する。プロセスは完璧である必要はなく、変動が制御できる程度に安定していればよい。
2. ツールの選択がシステム設計に取って代わる
多くのAIに関する議論は、依然としてツールから始まる。モデルや機能に焦点を当てるのだ。これらは妥当な検討事項だが、より重要な問いを覆い隠してしまう。
これは、私たちが実際にどのように実行するかにどう適合するのか。
私が今よりよく目にするのは、うまく連携しない強力なツールの集合体だ。それぞれは有能だが、全体としてシステムを形成していない。
インサイトは生成されるが、一貫して意思決定を促進しない。アウトプットは存在するが、確実に行動に転換されない。チームは、ツール間を移動し、翻訳し、再フォーマットし、次に何をすべきかを考えることに時間を費やす。
AIは、実行システムの一部である場合に優位性を生み出す。その構造がなければ、非常に有能なツールでさえオーバーヘッドになる。
3. AIが実際の業務の進め方を迂回する
クリーンな環境で構造化された計画を使ってAIソリューションを設計するのは簡単だ。しかし、実際の業務がそのように見えることはほとんどない。
業務は、引き継ぎ、中断、例外を経て進む。文書化されたステップよりも重要な非公式のステップがある。現場のチームと時間を過ごした人なら誰でもこれを見たことがあるだろう。
この現実を考慮せずにAIを導入すると、採用にばらつきが生じる。使用する人もいれば、避ける人もいる。回避策が現れる。場合によっては、チームは同じプロセスの2つのバージョン、つまり正しく見えるものと実際に使用されるものを持つことになる。
AIが実際のワークフローに近づくほど、結果はより一貫したものになる。その調整には努力が必要だが、導入が定着するかどうかを決定する。
4. ガバナンスが管理と混同される
AI生成された業務がどのようにレビューされ、所有され、行動に移されるかにガバナンスが組み込まれていない場合、オペレーティングモデルは存在しない。あるのは大規模な実験だけであり、それはリスクを生み出す。
多くの企業は、アクセスとガバナンスを混同している。権限を設定し、ポリシーを追加し、場合によっては法務部門を関与させる。それは管理であり、ガバナンスではない。
AIが意思決定に影響を与える場合、誰がそれを所有するのか。誰がレビューするのか。誰がそれが行動に移すのに十分であると判断するのか。誰が結果に対して責任を負うのか。
それが明確でない場合、物事は漂流する。チームはAIを異なる方法で使用する。それは採用のように見えるが、調整されていない。
すべてをロックダウンすると、物事は停滞するだけだ。
優れたガバナンスとは明確性である。AIがどこで使用され、どのようにレビューされ、誰が結果を所有するかを考慮する。
5. パイロットが業務規律に取って代わる
AIはパイロットプロジェクトを実施しやすい。ユースケースをテストし、初期の成果を示すことができる。時には、新しいものを試して、その過程で価値を見つけているように感じることもある。
問題は、その次に何が起こるかだ。
ISGの「2025年エンタープライズAI採用の現状」報告書によると、優先されたAIユースケースのうち、完全な本番環境に到達したのはわずか31%だ。残りはパイロットモードで停滞している。
私の経験では、問題は通常、パイロットではない。
その後に来るものだ。
これはどこに存在するのか。誰が所有するのか。実際の業務の進め方をどのように変えるのか。
これらはより難しい質問だ。そのため、チームは実験を続ける。パイロットは何が可能かを示すが、規律を生み出さない。
価値が現れるのは、AIがビジネスの実際の運営方法の一部になったとき、つまり脇に置かれるのではなく、業務のリズムに組み込まれたときだ。私が見てきた限り、これはほとんどの組織が踏み出さないステップである。
AIは乗数である
AIは、パフォーマンスを向上させるために追加するものとして扱われることが多い。実際には、乗数のように振る舞う。基盤となるシステムが明確で調整されている場合、AIはそれを加速させる。システムが断片化している場合、AIはそれを迅速に露呈させる。
問題は「AIは強力か」ではない。「AIが入るシステムは、その力を一貫した測定可能な価値に変えることができるか」である。
