企業AIが失敗する本当の理由：モデルではなく「現場」だった
AIの「モデル性能」はこの2年で劇的に伸びた。一方で、企業導入は驚くほど進んでいない——この“ねじれ”を、データラベリング／AI実装企業InvisibleのCEO、Matt Fitzpatrickは、「企業でAIを動かすのは、モデル以上に“現場の設計”が難しいからだ」と語る。
本稿では、彼の発言を手がかりに、①なぜ企業のGenAIが止まるのか、②なぜForward-Deployed Engineers（現場に張り付く実装部隊）が鍵なのか、③データラベリング市場は誰が勝つのか、を具体例と引用で整理する。
1. 企業のAI導入が止まる本当の理由：モデルではなく「運用の地獄」
1-1. 企業導入の失速は、AIの性能不足ではない
Mattは、「消費者側の採用は指数関数的に伸びたのに、企業は追いついていない」とし、その原因を“周辺システム”に置く。企業導入に必要なのは、モデルの賢さだけではない。
データ基盤（構造化／非構造化の統合）
ワークフロー再設計（誰の業務がどう変わるか）
責任の所在（どの業務責任者がオーナーか）
監視可能性・説明可能性（observability）
そして何より信頼（trust）
彼の言い方は率直だ。「企業導入は、モデルだけじゃない。最後は信頼だ」。
1-2. 「25百万ドルのエージェント」が消えた日
象徴的なのが、あるeコマース企業の返品対応エージェントの話だ。彼らは、2,500万ドルを投じて独自エージェントと独自評価（スピード／解決率／感情）を作った。しかし、評価指標が“危険な成功”を生む。
「もしエージェントが幻覚で『200万ドル返金します』と言ったら？ 解決は速く、顧客は幸せになる」
結果、その企業は数か月でエージェントを停止し、決定論的（deterministic）なフローに戻った。ここに「導入が止まる構造」がある。
企業が求めるのは“それっぽい自動化”ではなく、事故らない業務システムだ。
2. 勝ち筋は「現場に入り込む」：Forward-Deployed Engineersが必要な理由
2-1. 内製が崩れる瞬間：「社内プロジェクトは規律が弱い」
Mattは、内製が難しい理由を身も蓋もなく言う。外部ベンダーに頼むとき企業はROIや期限、マイルストーンに厳格だが、社内だとそれが緩む。
「外部ベンダーなら“何をいつまでに、ROIは？”と規律が働く。でも内製には同じ規律がない」
さらに、社内にはトップ層のAI人材が十分いない現実もある。だからこそ、「現場で作り切る部隊」が必要になる。
2-2. “売らない”営業：「8週間無料で、動くことを証明する」
彼らのやり方はSaaSの常識と逆だ。
「私たちは売らない。顧客に会ったら『8週間無料で、動くことを証明する』と言う」
なぜか。企業側は、「買ったのに動かない」経験を積みすぎた。だから、契約より先に、PoC（実証）で信頼を取りにいく。
ここで重要なのが、Forward-Deployed Engineersの役割だ。彼らは単なるプリセールスではなく、顧客固有の業務ワークフローを“実装して動かす”ことが仕事になる。
2-3. 企業AIの価格モデルは「払うのは動いた後」へ
Mattは、“箱売りSaaS”をやや挑発的にこう言う。「アウト・オブ・ザ・ボックスは、ある程度ウソだった」。実際は設定や統合にサービスが必要で、そこにAccenture的モデルが生まれた。
GenAIでは、さらに顧客ごとの最適化（微調整、評価、ガードレール）が必須になり、
「支払いは、ユーザー受入テストを通って“動いた時”に発生する」
つまり、“Pay as it works（動いた分だけ払う）”が主流化しやすい。
3. データラベリング競争：合成データではなく「人間の判断」が残り続ける
3-1. 最大の誤解：「合成データが人間を置き換える」
彼が“業界最大のミスノーム”として挙げたのがこれだ。
「合成データが全部を置き換え、人間のフィードバックが不要になる、という見方」
数学のように正解が明確な領域では合成データは強い。しかし、現実の仕事は、言語・文化・状況・企業固有データ・マルチモーダル（音声／画像）で難易度が跳ね上がる。特に、法律のように「公開コーパスが薄い」領域は、人間の専門判断を抜きに精度保証できない。
3-2. “猫犬ラベル”の時代は終わり、超ニッチ専門家が勝負を決める
5年前は「cat/dog」的な汎用ラベルでも回った。しかし、今は違う。
「24時間以内に、17世紀フランス建築の専門家（フランス語）を集めろ、みたいな世界だ」
勝敗を分けるのは、“人材の数”より、選別・評価・再現性のある生産ラインだ。彼はこれを「デジタル組立ライン」と呼び、過去の実績データが“組織の記憶（institutional memory）”として効くと言う。
結論：AIの次の10年は「モデル競争」ではなく「導入の作法」競争
企業のGenAIは、ベンチマークの更新合戦では普及しない。必要なのは、業務KPIに落とし込み、事故を防ぎ、現場に根づかせる実装力だ。
その中心にあるのが、「外から来て、現場で動かし、動いたら払う」という新しい型——そして、その型を実現するForward-Deployed Engineersである。
AIの勝者は、最先端モデルを持つ企業だけではない。「企業の現実を知り、現場で動く仕組みを作れる企業」が、次の10年の主導権を握る。
