AI投資が収益に結びついた企業は6％、決め手は「人・プロセス・データ・測定可能な成果」

ボストン コンサルティング グループ（BCG）は、企業のAI導入で成功を左右する本当の要因を数値で示した。AI変革の取り組みにおいて、アルゴリズムが占める割合は10％、技術基盤は20％だ。残る70％は、人とプロセスによるものだ。

そう70％だ。

チームが6カ月かけて評価したモデル、財務部門がようやく承認したGPUクラスター（AI向け計算基盤）、前四半期に締結したベンダー契約。それらをすべて合わせても、AI戦略が実際に機能するかどうかを決める要因の30％にすぎない。

それ以外はすべて、人間に関わるものだ。

「AI First, Human Always」（AIを第一に、しかし常に人間を中心に）という考え方は、3つの柱に支えられている。チェンジマネジメント（組織変革の管理）、データ、そしてビジネス成果への明確な集中である。今年の調査はそれを裏付けている。他社を引き離している企業の動きも、同じことを示している。

■誰も直視したがらない企業AIの数字

失敗率は、見過ごせる水準ではない。

マッキンゼーは2025年、組織の88％がAIツールを積極的に使っている一方で、AI投資から測定可能な財務成果を得ている組織はわずか6％だと報告した。残る94％は、売上増やコスト削減に結び付けられないものに、実際の資金を投じている。

わずか6％だ。

ADKARモデルで知られるチェンジマネジメント調査会社のProsci（プロサイ）は、すべてのCIO（最高情報責任者）を不安にさせるような事実を明らかにした。同社が昨年1100社を詳しく調べたところ、AI導入における課題のほぼ3分の2は、技術そのものとは関係がなかった。

問題は人にあった。従業員がどのように訓練されたのか、その技術を信頼していたのか、そして実際に働き方を変えるための支援を受けていたのか、という点だ。

ハーバード・ビジネス・レビューは11月、この点を率直に指摘した。多くの企業がAIから本当の価値を引き出せずにいるのは、技術が失敗しているからではない。人、プロセス、社内政治が失敗しているからだ。仕事を奪われることへの不安、硬直した業務フロー、根強い権力構造が、先進的なツールを持つ企業でさえ、AI施策を静かに頓挫させている。

さらに、WRITERの2026年企業調査は、この問題をはっきり示している。組織の79％がAI導入で課題に直面し、経営幹部の4分の3は自社のAI戦略が実際の社内指針というより「見せかけ」に近いと認め、48％はAI導入を「大きな失望」と表現している。

では、成果を出している6％は、他社が見落としている何をしているのか。

それは以下の3つだ

・チェンジマネジメント

・データ

・ビジネス成果への集中

チェンジマネジメント、データ規律

■クアルコムに見る、企業AIのチェンジマネジメント

多くの企業は、AI導入をソフトウェアの展開と同じように扱う。ライセンスを購入し、研修メールを送り、ログイン数を測定し、最後に成功を宣言する。

クアルコムは違うやり方をした。同社はWRITERと協力し、マーケティング、広報、法務、製品、分析、営業、学習・人材開発、人事などの部門にまたがる数百人のユーザーにAIソリューションを展開した。25件を超える独自のユースケース（活用事例）を検証し、70種類の業務フローを定義したことで、全ユーザー合計で毎月約2400時間を削減している。

GrowthPath Partners（グロースパス・パートナーズ）の創業者であり、Klaviyo（クラビヨ）、Cox Automotive（コックス・オートモーティブ）、WP Engine（WPエンジン）などの企業にAI助言を行うライザ・アダムスは、まさにこの点を指摘する。彼女は、営業など事業部門にAIを導入するリーダーに対し、ツールを押しつけるのをやめ、実際の業務でどう役立つかを見せるべきだと語っている。「AIが難しい部分なのではありません。人は、AIにできると信じられるものしか作ろうとしません。そして、その確信は、日々の業務の中でAIが機能するのを見ることから生まれます。同じ仕事をより速くこなすのは最低ラインにすぎません。成長は、以前は不可能だったものを人が作れるようになったときに生まれます。過去を自動化するだけでは、未来を描き直すことはできません」。

■JPモルガンに見る、多くのリーダーが見落とす企業AIのデータ規律

AIに関する議論は、最終的に必ずデータの問題に突き当たる。多くのリーダーはうなずき、自社のデータは問題ないと考え、そのまま先へ進んでしまう。Informatica（インフォマティカ）の2026年調査は、それがなぜ危険なのかを示している。従業員の65％は、AIの背後にあるデータは確かだと信じている。一方で、データ部門の責任者の75％は、同じ従業員たちにデータリテラシー（データを読み解き活用する力）の大幅な底上げが必要だと見ており、74％はAIリテラシーも必要だと考えている。

Trust Insights（トラスト・インサイツ）のチーフ・データ・サイエンティストであるクリストファー・ペンは、さらに率直に述べている。「AIは、扱えるデータだけに基づいて動きます。そしてAIは確率のシステムです。すべてのAIモデルは、公開されているインターネット上の情報やその他の情報源で訓練されています。確率が高いからといって、それが事実として正しい、あるいは自社の具体的な状況に適しているとは限りません。AIに自社のデータをより多く与えるほど、AIはより適切に振る舞う傾向が強まり、ハルシネーション、つまり技術用語で言えば作り話をする可能性は低くなります」。

JPモルガンは、データは放っておいてよいという考え方とは逆の前提で動いている。同社は450件を超えるAIユースケースを本番環境で運用しており、2026年までに1000件へ拡大する計画である。8カ月以内に20万人を超える従業員が利用を始められるようにした。こうした数字は、すべてのユースケースを支える規律あるデータ基盤づくりなしには実現しない。

こうした数字は、地味なデータ作業を先に済ませなければ生まれない。チーフ・データ・オフィサーのマーク・バークヘッドは、その点を明言している。JPモルガンは2024年に全社的なチーフ・データ・アンド・アナリティクス・オフィスを設置し、すべてのデータ関連の取り組みを一つの傘下に収めた。最高データ・分析責任者はジェイミー・ダイモンCEOに直接報告し、経営委員会のメンバーにも名を連ねる。重要な焦点は、データを近代化し、大規模言語モデルが一貫した形で理解できるように公開できる状態にすることである。

データガバナンスがCEOに報告され、経営委員会で検証される。大規模にデータを本気で扱うとは、そういうことである。

企業AIのチャンスの窓は閉じつつある

■ウォルマートに見る、企業AIのビジネス成果テスト

3つ目の柱は、本物の戦略と見せかけの取り組みを分ける。企業AIのどの施策についても、見極めるための問いは明快だ。この導入は、CFO（最高財務責任者）が損益計算書で確認できる測定可能なビジネス成果を生んでいるのか。それとも、取締役会資料の中だけに存在する経営層向けの話題を生んでいるだけなのか。

ウォルマートの最新決算は、この問いに答えている。同社は通期で7130億ドル（約113兆5500億円）の売上高を報告し、前年比4.7％増となった。特に在庫管理の自動化が、関税による逆風にもかかわらず売上拡大を後押しした。

新CEOのジョン・ファーナーの語り口が、その本質を露わにしている。彼は技術を前面に押し出さなかった。顧客を前面に押し出したのである。「私たちのテクノロジーとAIの使い方は、優れた顧客向けソリューションを生み出し、摩擦を減らし、意思決定を単純化し、在庫の所在を正確に突き止めることに役立っています。しかもそれらはすべて、顧客や会員から勝ち得てきた信頼を保ちながら実現しているのです」。

顧客の不便は減る。在庫精度は高まる。信頼は保たれる。それが成果である。AIはそこへ至るための手段であり、それ自体を語るためのものではない。

■企業AIのチャンスの窓は閉じつつある

これを正しく実行している企業と、いまだにユーザー数単位でAIツールを買っているだけの企業との格差は、四半期ごとに広がっている。BCGのデータは厳しい。

AIにおいて「未来対応型」と呼べる企業は5％にすぎない。組織の60％は「後れを取る企業」であり、売上やコスト面の改善は最小限にとどまり、AIを拡大するために必要な能力もまだ整っていないと報告している。

その60％は縮小していない。むしろ、さらに後れを広げている。

ベルリンを拠点とするMoola Money（ムーラ・マネー）の創業者でCEOかつOkta Investment GmbH（オクタ・インベストメントGmbH）のマネージングディレクターでもあるリンダ・ドゥは、Thrive Global（スライブ・グローバル）での対談で、リーダーシップの教訓を的確に要約している。「リーダーシップは、自己規律と、ビジョンを掲げ、それを一歩ずつ実行する能力から始まります。許可を待ってはいけません。アイデアやビジョンがあるなら、今すぐ始めるべきです」。AIベンチャーをゼロから築く欧州のリーダーたちは、その時間軸で動いている。それ以外の人々もそうあるべきだ。

データの問いには、多くの企業戦略が見落としている一つの側面がある。それは、そのデータが「どの文化・言語圏の人間」を前提としているのか、という問いである。Startup Street VenturesのCEOで、低リソース言語（話者数やデジタル上のデータが少ない言語）を研究するAI研究者でもあるアービンダー・シン・カンは、これまでの企業のAI戦略は、たいてい単一の言語的・文化的文脈に最適化されたうえで、多様な文脈で働く労働者たちに展開されてきたと論じる。各言語に宿る文化的な枠組み、顧客に対する感覚、リスクへの勘どころが、モデルの訓練にも業務フローの設計にも反映されることはなかった。だが、文化的・言語的な対応力を、後付けの翻訳作業としてではなく、データ整備上の一つの規律として確立する企業は、後れを取る側が気づかないうちに優位を積み重ねていくだろう。

AIをなお調達の問題として扱っている企業は、数カ月前に本当の仕事を理解した企業に対して劣勢になっている。モデルは堀、つまり競争優位性ではない。堀になるのはデータ基盤である。訓練された人材である。そして、すべての導入をビジネス成果に結び付ける規律である。

技術の準備は整っている。しばらく前から既にそうだった。今四半期、すべてのリーダーが答えなければならない問いは、企業AIの次の波を受け止める準備が、自社の文化にできているかどうかだ。

AI First（AI優先）は正しい。しかし、「Human Always」（常に人間を中心に）が重要であることを忘れてはならない。