AIプロジェクトが失敗する理由：科学実験の罠とその回避方法

想像してみてください。ガレージに何週間も閉じ込もった後、世界を変える発見を成し遂げて外に出た一人の科学者を。または、数か月ごとにのみ姿を見せて最新の画期的な発明を発表する謎の企業Skunkworksグループを。

孤立した中のイノベーション、つまり優秀な人々が孤立して働くことは確かにあり、このアイデアは一般の人々の想像力の中で存在しています

しかし、それがうまく機能せず、実際にはメリットよりもデメリットをもたらす可能性がある状況を 1 つお話しします。それは、企業でのAI導入です。

エンタープライズAIトランスフォーメーションを単独で実行しようとすると、失敗が確実になります。戦略的利害関係者、事業単位のリーダー、協力者を排除することは、結局のところ、成功に必要な視点やリソースを無視することを意味します。

IBM Institute for Business Value（IBV）の2025 CEOスタディによると、AIイニシアチブのわずか16％しかエンタープライズレベルでの規模を達成していないのは、このアプローチによるものと考えられます。MITのNANDA イニシアチブによる最近のレポートでは、生成AIパイロットの95%が失敗するという、さらに悲惨な結果が発表されました。

あまりにも多くの企業が、非現実的な科学実験としか思えないPoC（概念実証）を複数実施しています。最初には畏敬の念を抱かせるかもしれませんが（IBVが指摘したように、FOMOは）、最終的にはごくわずかな価値しかもたらしません。私は、財務に深く精通している者として、組織はわずかな投資収益に甘んじるよりも、もっと良い結果を出すことができるとわかっています。

大規模なAIへの取り組みは、組織のごく一部だけにとどまらないインパクトをもたらし、マーケットプレイスで実質的な利益を得ることができます。しかし、サイロの脱却は、偶発的に起こるわけではありません。それには、経営幹部や取締役会のメンバーも含む、経営陣の連携とサポートが必要です。

リーダーとマネージャーは、効率を生み出し、影響を高めるコラボレーションとシステムをオーケストレーションするのに役立ちます。たとえば、複数の部門がそれぞれ独自のAIユースケースに取り組む場合、別々のチームは、使用するAIモデルの研究からガバナンスプログラムの開発まで、冗長な作業に時間を取られます。対照的に、チームが連携することで、リソースを組み合わせ、拡張に向けた準備が整った統一されたアプローチを確立することで、より大きな組織に多くの価値を提供できるようになります。

この統一されたアプローチで優れた企業の1つがPepsiCoです。近年、PepsiCoはIBM Consulting®と連携して、約 100 件の生成AIユースケースを収容する統合テクノロジー プラットフォームを構築しました。私たちはPepsiCoのチームと話し合い、データとAIアーキテクチャーのマッピングを行い、ギャップを特定し、最も重要な生成AIのユースケース用に再利用可能なサービスを作成しました。

統合テクノロジー・プラットフォームを通じて再利用可能なサービスが利用できるようになり、企業全体のチームに事前承認されたモデル、ツール、ベスト・プラクティスが提供されました。また、このプラットフォームで一元的な可視化が可能となり、プロジェクトがPepsiCo基準に準拠するようになりました。この基準は、サードパーティー・ベンダーを通じたアドホックな開発では実現できなかったものです。

これらすべての基礎を網羅したことで、PepsiCoチームは実験、開発、そして最終的には市場投入までの時間を短縮しました。その結果、高度にパーソナライズされたGatoradeボトルの設計から小売棚における商品の配置の最適化に至るまで、AIを活用したソリューションが実現しました。

AIに対するスケーラブルで統一されたアプローチには、プラットフォームやツールが重要です。しかし、他の2つの要素も同じくらい重要であることは間違いありません。それが、データと文化です。

データは AI プログラムの成功の基盤です。これはAIモデルがトレーニングするものであり、企業がユースケースを追求する価値があるかどうかを判断するために使用するものでもありますしかし専門家は、これまでのところ、企業データの 1% 未満しかAI モデルに組み込まれていないと推定しています。この未使用のデータは、企業にとって大きなチャンスです。

それをつかむということは、AI パイロットを追求する際に、データ基盤の強化、つまりデータがクリーンで整理され、安全であることを確認することに取り組むことを意味します。PepsiCoの場合はIBM Consultingと協力し、60ペタバイトを超えるデータを管理するための堅牢なストラテジーを策定しました。

より身近なところに目を向けると、データの整理は、エージェント型AIを使って自社の人事を変革するという IBM の取り組みの中核でした。当社はドメイン固有の高品質なデータセットを用いたモデルのトレーニングとファイン・チューニングにより、バーチャル・アシスタントAskHRを開発することができました。このアシスタントは現在、80以上の人事業務をオートメーション化し、現在では従業員との会話が年間150万件にのぼっています。

従業員はAskHRを使用して雇用確認書を請求し、休暇を申請し、病気休暇から報酬まであらゆる情報に関する重要な情報を入手できます。その結果は、昨年と比較して、サポートチケットと運用コストは大幅に削減され、人事担当者に余裕が生まれ、戦略的優先事項に集中できるようになりました。

もちろん、従業員が積極的に使用しなければ、AskHRはその規模を達成することはできなかったでしょう。これは、他のほぼすべての企業のAIへの取り組みにも当てはまります。企業のリーダーは、AIの導入に関して適切な理念と文化を確立することに注意する必要があります。

つまり、AIが従業員の仕事をどのように強化するかについてオープンにすると同時に、従業員がそのメリットを享受できるように準備することを意味します。後者にとっては、教育プログラムとスキル訓練プログラムが重要であり、AI搭載ツールの仕組みや最適な使い方を理解することが含まれます。

多くの場合、マネージャーが従業員と一緒に学ぶことは素晴らしいことですが、エンタープライズAI導入の成功はチーム・スポーツであるという事実を痛感させられます。結局のところ、私たちは皆、学び、改善し、境界を押し広げる必要があります。Skunkworks化やサイロ化は避けるべきです。