なぜほとんどのAIプロジェクトがビジネスで失敗するのか、そしてその修正方法

GartnerとMcKinseyによると、2025年の企業による生成AI支出は6,440億ドルと推定されていますが、プロジェクトの80%以上が目標達成に失敗しており、持続可能な本番稼働に到達するのはわずか15%程度です。MIT NANDAによる300以上のイニシアチブを対象とした調査では、GenAIパイロットの95%が利益や生産性に測定可能な影響を与えていないことが判明しました。Gartnerは生成AIを「幻滅期（Trough of Disillusionment）」に位置づけ、エージェントAIは「過度な期待のピーク（Peak of Inflated Expectations）」にあるとしています。記事では、失敗の主な5つの原因を特定しています：測定可能なビジネス目標の欠如、非効率なプロセスの自動化（GIGO：ガーベジイン・ガーベジアウト）、総所有コスト（TCO：Total Cost of Ownership）の不備、問題定義前のツール選択、そしてビジネス成果に対する責任者の不在です。これらのリスクを軽減するため、著者は3つのフィルターを持つ選定ファネルを説明しています：測定可能な財務影響、AIの必要性、そしてTCOを含む健全なアーキテクチャです。記事ではまた、MIT NANDAが説明する「GenAI格差（GenAI Divide）」と「学習ギャップ（learning gap）」についても論じ、シャドウAIの問題に焦点を当てています。解決策として、著者は自社のAIプラットフォーム戦略を提示しており、エージェント構築、統合、企業知識、そしてAIガバナンスとリスクフレームワークを持つガバナンスフレームワークのレイヤーが含まれています。さらに、初期段階のイニシアチブを加速するために、8つの専門エージェントからなるマルチエージェント・プリセールスシステムにも言及しています。