生成AI導入が失敗する理由｜PoCで止まる会社に共通する5つの構造と、本番化を決める3つのゲート

「効果はありました。ただ、本番展開はもう少し検討してからということで」。生成AIのPoCの報告会で、この結論になった経験はないでしょうか。誰も反対していないのに、次の予算も担当も決まらないまま止まります。

ガートナーは2024年7月の予測で、2025年末までに生成AIのプロジェクトの少なくとも30%が概念実証の後に断念されるとしています。データの品質・リスク管理・コストの不透明さが理由に挙げられています。

止まる原因を技術に求めると、次の一手は「もっと精度の高いツールを試す」になります。ところが実際に止めているのは、導入する前に決めていなかった項目です。決めていないので、PoCの結果が出ても判断ができません。

この記事では、PoCで止まる会社に共通する5つの構造を挙げ、それぞれを着手前につぶす方法と、本番化の可否を決める3つのゲートを整理します。

最後に、着手前に埋めておく判断項目のチェックリストを載せました。PoCの企画書に貼り付ければ、報告会で判断できる状態になっているかをその場で確認できます。

生成AI導入の失敗は技術ではなく判断の設計で起きる

生成AIのPoCは、たいてい「うまくいく」で終わります。文章の要約も議事録の整形も、試せば一定の水準で動くからです。問題は、動いたという結果から本番展開の可否を導けないことにあります。

判断できないのは、比べる基準がないからです。導入前に何分かかっていたのか、何件処理していたのか、誤りは何件あったのか。これらを測っていないと、AIを使った後の数字を見ても良し悪しが分かりません。

したがって、失敗の多くは導入前の準備の段階で決まっています。ここから、その構造を5つに分けます。

生成AI導入が失敗する5つの構造

以下の5つは、いずれも導入前に決めておけば避けられる項目です。順に見ていきます。

構造1　目的が生成AIを使うことになっている

経営から「AIを使え」と言われて始まったプロジェクトは、目的の欄に「生成AIの活用」と書かれています。しかしこれは手段であって、解決したい業務の課題ではありません。

目的が手段になっていると、対象業務は「AIが得意そうな仕事」から選ばれます。ところが、AIが得意な仕事と、その会社の時間を食っている仕事は一致しません。結果として、効果が小さい業務で検証することになります。

構造2　導入前の所要時間を測っていない

PoCの前に、対象業務の所要時間・件数・手戻りの回数を記録している会社は多くありません。測っていないと、AIを使った後に「速くなった気がする」以上のことが言えません。

この基準となる数字がないことが、報告会で判断が止まる最も直接的な原因です。経営は投資判断をしたいのに、比較できる材料が出てこないためです。

構造3　本番化の判断基準を決めていない

何がどこまで達成されたら本番に進むのか。この基準をPoCの前に決めていないと、結果が出た後に議論が始まります。基準を後から作ると、うまくいった部分に合わせて基準が動くため、判断としての意味がなくなります。

構造4　現場が使わない前提で設計していない

技術的な精度が高くても、現場は使わないことがあります。出力を信じてよいのか分からない、間違えたときの責任の所在が不明、いまのやり方を変えたくない、といった理由です。

これらは精度を上げても解決しません。確認の手順と、誤った場合の責任の持ち方を決めていないことが原因だからです。

構造5　浮いた時間の使い道を決めていない

削減できた時間を何に使うかを決めていないと、空いた分に別の作業が入ります。すると数か月後に「忙しさは変わっていない」という評価になり、次の投資が通らなくなります。

5つの構造は着手前に決めればつぶせる

5つを並べると、対応は着手前の意思決定に集約されます。それぞれ何を決めればよいかを対応させます。

失敗の構造	着手前に決めること	決め方
1　目的が手段になっている	対象業務と、解決したい状態	業務の一覧から、件数と時間の多い順に選ぶ
2　所要時間を測っていない	現状の所要時間・件数・手戻り率	2週間、担当者に実測を記録してもらう
3　判断基準がない	本番化の可否を決める数値	削減率・誤り率・利用率の3つで置く
4　現場が使わない	確認の手順と責任の所在	どこまでAIが判断し、どこから人が確認するかを業務ごとに書く
5　時間の使い道がない	浮いた工数の投入先	削減した時間で何を始めるかを、着手前に名指しで決める

5つのうち1から4は検証の設計、5だけが経営の意思決定です。そして最後に残る5が、実は最も後回しにされます。時間が浮くこと自体が目的になっている企画書は、この欄が空白のままです。

生成AI導入の全体の流れは、生成AI導入の進め方で4段階に整理しています。

生成AI導入の本番化を決める3つのゲート

判断基準は3つで足ります。多くすると、どれも満たさないまま議論が長引くためです。

1. 削減率のゲート … 対象業務の所要時間が、実測でどれだけ減ったか。判断の目安は3割です。1割台であれば、業務の選び方か任せる範囲を見直します。
2. 誤り率のゲート … 人が確認した結果、修正が必要だった割合。ここは業務によって許容度が違うため、絶対値ではなく「確認の手間を含めても速いか」で見ます。
3. 利用率のゲート … 検証期間の後半2週間で、対象者の何割が実際に使ったか。ここが低い場合、精度ではなく確認手順の不備を疑います。

この3つを、PoCを始める前に数値で置いておきます。そして報告会の日程と、判断する人を先にカレンダーに入れます。判断日が決まっていないプロジェクトは、結論が先送りされ続けます。

生成AI導入の着手前チェックリスト

ここまでを、企画書に貼り付けられる形にまとめました。空欄が残っている項目が、そのまま止まる理由になります。

• 対象業務を、件数と所要時間の実測から選んだか
• 現状の所要時間・件数・手戻り率を、2週間以上記録したか
• 削減率・誤り率・利用率の3つに、本番化の判断値を置いたか
• 業務ごとに、AIが判断する範囲と人が確認する範囲を書き分けたか
• 誤りが出たときに誰が責任を持つかを決めたか
• 浮いた工数を何に使うかを、名指しで決めたか
• 報告会の日付と、判断する人を決めたか

7項目のうち、実務で最も抜けるのは2番目の実測です。手間がかかるうえ、始める前の作業なので優先度が下がります。しかしこの記録がないと、成功しても成功したと言えません。

生成AI導入は判断日を決めてから始める

生成AIのPoCが止まるのは、技術が足りないからではありません。判断するための材料と基準と日程を、始める前に用意していないからです。

逆にいえば、この3つを先に置けば、結果が良くても悪くても次が決まります。悪ければ対象業務を変える、良ければ範囲を広げる。どちらも前進です。

止まっているプロジェクトを動かすときも、まず現状の実測から戻ることをおすすめします。数字がそろえば、議論は自然と収束します。

対象業務の選び方から詰める場合は、業務の棚卸しから始めるAXもあわせてご覧ください。