Sai Vamshi Batchu氏は、GodHandsの共同創業者であり、元高頻度取引（HFT）研究者として決定論的AIインフラを構築している。
世界の企業によるAI支出は今年2兆5000億ドルを超えると予測されているが、現実には、これらの投資の大半が成果を上げていない。報告書によると、生成AIを導入している組織の95%が、投資に対するリターンを実現できていないという。
こうしたプロジェクトが規模拡大に失敗し、期待されたリターンを生み出せない場合、まず企業文化が責められる。しかし、マシンが1マイクロ秒で数百万ドルを取引できる高頻度取引の経験から言えば、これは別のボトルネックだ。真の問題は人間でも文化でもなく、構造にある。これは、AIの思考方法と企業の実際の運営方法との間の基本的なミスマッチによって引き起こされている。
確率論的ギャップ
私が目にするほぼすべての企業AIプロジェクトは、本質的に決定論的な問題を確率論的手法で解決しようとしている。
AIモデルは驚くほど正確になり得る。例えば、95%の精度を持つチャットボットは良好なパフォーマンスを発揮するが、残りの5%は依然としてビジネスワークフロー内で実際のリスクを生み出す可能性がある。大規模な請求書の処理、医療記録の更新、金融取引の承認など、わずかなエラーやハルシネーション（幻覚）も許容できない。
なぜ多くのAI施策が失敗するのか。多くのリーダーは、AIがビジネスを加速させる可能性を認識しているが、重要な最後のステップを正しく実行するシステムの展開に苦労している。それを怠った場合の影響は、業務上のものだけでなく、法的、さらには倫理的なものにもなる。
高頻度取引からの教訓
高頻度取引（HFT）の世界では、機械学習を使用して市場ノイズの中からシグナルを見つける。しかし、AIに制約のない方法で直接取引を実行させることは決してない。代わりに、決定論的な実行レイヤーを使用する。
AIは機会を特定し（確率論的）、別の、ハードコードされたリスク管理ルールのセットが注文を実行する（決定論的）。取引は、事前設定された価格、数量、タイミングの境界内に収まる場合にのみ実行される。
企業は現在、この中間レイヤーを欠いている。安全性と説明責任を保証する決定論的ラッパーなしに、AIの洞察からビジネスアクションへ直接ジャンプしようとしているのだ。
統合の摩擦
現在の主要な停滞要因は、信頼と統合の摩擦だ。2025年のデロイトの調査によると、リーダーの60%がレガシーシステムの統合を規模拡大の主要な障壁として挙げている。
現段階では、既存のソフトウェアの上に配置される複数のチャットボットやデジタルアシスタントを見ることができる。これらはある程度役立つが、真の生産性向上は、古いレガシーアプリケーションの操作など、雑務を処理できるエージェントから生まれる。AIが20年前のERPシステムと通信できないために作業を実行できない場合、それは真のデジタルワーカーではなくアシスタントのままであり、依然として人間を必要とするラストマイルのタスクを処理できない。
パイロットから本番環境への移行のための3つのステップ
AIの実験と実際のエンドツーエンドの本番環境での使用との間のギャップを縮小するには、問題を別のレンズを通して見ることが重要だ。私の経験では、このギャップを埋めることは通常、以下のステップから始まる。
1. 境界を明確にする
これを処理する1つの方法は、実行とインテリジェンスの間に明確な線を引くことだ。推論には依然として大規模言語モデル（LLM）を使用すべきだが、最終的なアクションには決定論的レイヤーを使用する。思考をAIに任せ、実行を検証可能なコードに任せることで、ハルシネーションのリスクを減らし、結果への信頼を高めることができる。
2. 実際のシステムに早期に統合する
重要度の低い本番環境システムで早期にパイロットを実施する。初期の失敗はある程度予想されるが、このアプローチは実際の問題を明らかにすることでコストを削減するのに役立つ。重要なのは、エージェントが失敗している箇所を捉え、すべての展開をフィードバックループとして扱い、その後規模を拡大することだ。
3. パッチワークを超える
AIをIT部門の副次的なプロジェクトとしてではなく、中核的なビジネスミッションとして扱う。AIは、企業の目標と主要な結果に結び付けられ、チームが積極的にラストマイルの障害を取り除く場合に成功する。
結論
この段階が「AIバブル」にならないようにするには、努力と資本を適切な場所に投入しなければならない。ドットコム時代と同様に、AIには巨大な上昇の可能性があるが、努力は実際の成果と一致させ、AIの採用をさらに拡大すべきだ。
AIプロジェクトで成功を収める企業は、必ずしもより賢いモデルを使用するわけではないが、より信頼性の高いインフラを持つことになる。ブラックボックスの実行から決定論へと移行することで、企業はついにこのAIの潜在能力を損益計算書の有意義な一部に変えることができる。
