「AI導入95%失敗」の真相：成功する企業は“LLM”ではなく“データ”に賭けている
生成AIをめぐる議論は、いま決定的な分岐点に差しかかっている。「AGIはすでに存在する」と語るビルダーがいる一方で、「企業におけるAI導入の95％は失敗している」という冷酷なデータも突きつけられている。この矛盾は、単なる期待と現実のギャップなのか、それともAIという技術の本質を示しているのか。本稿では、DatabricksとGleanの経営陣による対談をもとに、AIが「なぜ失敗し続けているのか」、そして、「どこでは確実に価値を生んでいるのか」を、企業事例と発言を交えて整理する。
1. 「95％失敗」はなぜ繰り返されるのか
1-1. 失敗は“異常”ではなく“前提条件”である
MITのレポートが示した「企業向けAIプロジェクトの95％が失敗している」という数字は、多くの経営者にとって警告として受け止められてきた。しかし、Databricksの創業者は、この数字をまったく異なる視点で捉えている。彼は、新しい技術領域において失敗が多数発生するのは、むしろ、健全な状態だと語る。実験と試行錯誤を本気で行えば、最初から成功するプロジェクトの方が稀であり、失敗が少ないということは「挑戦の量が足りていない」ことを意味するというのだ。
AIは、既存のITシステムの延長線上にあるツールではない。要件を固めて導入すれば自動的に成果が出る類のものではなく、探索的に価値を発見していく技術である。そのため、「95％失敗」という数字は、AIが使えないことの証明ではなく、企業がまだ学習フェーズにあることを示しているに過ぎない。
2. 実際に“機能している”AI活用の現場
2-1. 金融：分析の速度が競争力になる世界
金融業界では、AIの価値がすでに明確な形で現れている。Royal Bank of Canadaでは、決算発表直後にエクイティリサーチレポートを作成するプロセスをAIエージェントが担っている。従来はアナリストが複数の資料を読み込み、競合比較や市場ニュースを統合して2時間以上かけていた作業が、AIによって15分で完了するようになった。
この変化は単なる「省力化」ではない。市場が秒単位で反応する金融の世界において、分析を早く出せること自体が競争優位になる。AIは人間の仕事を奪ったのではなく、意思決定のスピードを根本から引き上げたのである。
2-2. ヘルスケア：AIが“新しい知識”を生み出す領域
医療・創薬分野では、AIは効率化を超えた役割を果たし始めている。製薬大手Merckが開発した「Teddy」と呼ばれるモデルは、遺伝子制御ネットワークを理解し、欠損した遺伝子の影響を推定する。これは文章生成モデルとは異なり、生命現象そのものを構造的に捉えるAIだ。
この種のAIは、人間がこれまで理論的に扱いきれなかった複雑性を処理し、新しい創薬の可能性を開く。ここではAIは「人間の代替」ではなく、「人間が到達できなかった領域への拡張装置」として機能している。
2-3. 小売：人手依存だった業務の解体
小売業界でも、AIは静かに業務構造を変えつつある。7-Elevenでは、顧客セグメントごとにマーケティング施策を自動生成するエージェントが導入されている。従来は、人手でコンテンツを作成できる範囲に限界があり、細かなセグメント対応は不可能だった。
しかし、生成AIによって、「細かく分けるほどコストが増える」という制約が消えた。マーケティングはもはや人間の作業量に縛られず、データが許す限り細分化できる活動へと変わりつつある。
3. なぜ多くのAIプロジェクトは“止まる”のか
3-1. LLMは差別化要因にならない
対談で繰り返し語られたのが、「LLMはすでにコモディティである」という認識だ。どのモデルを使うかは、ガソリンスタンドを選ぶのと大差がない。今日優れているモデルも、来週には別のモデルに置き換わるかもしれない。モデル性能そのものは、企業の競争優位にはなりにくい。
3-2. 価値を生むのは“自社固有の文脈”
AI導入が成功している企業に共通するのは、競合が持たない独自データと、そのデータを前提にした業務理解である。多くの失敗事例は、誰でも作れるデモや汎用ユースケースに留まり、「自社ならでは」の価値に踏み込めていない。AIは万能ツールではなく、文脈が与えられて初めて力を発揮する存在なのだ。
4. なぜ今回はRPAと違うのか
4-1. ルールベースと学習システムの決定的差異
かつて、期待されたRPAは、事前に定義されたルールに従って動く仕組みだった。そのため、想定外の事象に極端に弱く、例外処理が増えるほど破綻していった。一方、生成AIはデータから学習し、パターンを抽象化し、状況に応じて振る舞いを変える。
この「学習する」という性質こそが、今回のAIブームが一過性に終わらない最大の理由である。
5. AIスタックの中で価値はどこに集まるのか
5-1. 歴史が示す“価値の行き先”
議論の結論は、過去のテクノロジー史と重なる。インターネット初期、価値が集まったのは回線やハードウェアではなく、Facebook、Airbnb、Uberのようなアプリケーションだった。AIにおいても同様に、最終的な価値はユーザーと接する層に集約されていく可能性が高い。
結論：AIはバブルか——答えは「部分的にYes」
AI市場には確かに過剰な期待と資本が流れ込んでいる領域がある。しかし同時に、金融、医療、小売、社内業務といった分野では、すでに否定しようのない実用価値が生まれている。重要なのは、「AGIを待つこと」ではなく、いま動いている5％の成功事例を、どうやって20％、30％に広げていくかである。
AIの成否を分けるのは、モデルの性能ではない。
それを現実の業務に翻訳し、設計し、根付かせる編集力なのである。
