9月25日、James Alan Millerが「As AI gets faster, the enterprise bottleneck moves」と題した記事を公開した。AIモデルの性能向上とコスト低下が続く今、エンタープライズの本当のボトルネックはモデル選定からデータ・ID管理・テストといった周辺レイヤーへと移行しつつある。「どのモデルを使うか」という問いに答える前に、整備すべき構造的な問題がある。
AIが速くなるほど、ボトルネックは「別の場所」に移動する
AIモデルの性能向上とコスト低下が続いている。生成AIは起草・分析・要約をこなし、AIエージェントは実際のアクションを取れるようになった。ERP、HR、CRM、コラボレーションツールといった既存の業務ソフトウェアにもAI機能が次々と組み込まれている。
しかし、ある工程のボトルネックが解消されると、制約は次の工程へと移る。これが記事の核心だ。
モデルが賢くなっても、それを支える周辺システムが脆弱であれば、弱い周辺レイヤーが新たなボトルネックになる。
AIが「古い問題」を可視化する
多くのエンタープライズは、生成AI登場以前からデータの散乱、断片化したワークフロー、脆弱なインテグレーション、陳腐化したアクセス権限、技術的負債を抱えていた。
AIはそれらの問題を生み出したわけではない。ただし、人間の介在なしに高速で横断的に動作するため、既存の問題をより目に見える形で、より深刻な形で顕在化させる。
熟練した従業員なら「この顧客ステータスは古い」「この例外は正常だ」「ここでワークフローを止めるべき」と判断できる。AIはそういった組織的な暗黙知を自動的には引き継がない。エンタープライズがAIに期待する範囲が広がるほど、文脈・データ・権限・ワークフロー境界の重要性が増す。
この問題に対応する動きは既に出始めている。元記事が紹介している事例として、新設されたStreamhouse Working Groupは、エージェントとアプリケーションにガバナンスの効いたリアルタイムの運用データを継続的に供給するための、オープンでベンダー中立なアーキテクチャを提案している。同じく元記事で取り上げられているTeradataは9月22日、エージェントと異なるプラットフォーム間のデータを接続するTera Context Engineと、ワークフローのルーティングと関連メモリの読み込みを担うTera Harnessを発表した（2026年末までにGA予定）。
ボトルネックが移動する5つのポイント
記事は、AIがプロセスの一部を高速化したとき、CIOが次に目を向けるべき箇所を以下のように整理している。
- データとコンテキスト：AIは、エンタープライズが最新の信頼できる情報を供給できる速度より速く動く。データが断片化・陳腐化していれば、モデルの性能がどれだけ高くても出力の質は上がらない。
- レビューとテスト：出力量が検証能力を上回る。CloudBeesが213人のエンタープライズ技術リーダーに実施した調査では、70%が「テストスイートの維持がコード記述より重い負担になった」と回答している。AIがコードを速く生成できるようになった結果、ボトルネックは「書く」工程から「検証する」工程へと移動した形だ。
- IDと権限：エージェントは、アクセスモデルが適応するより速く権限を得てしまう。従業員向けに設計されたアクセス制御構造は、エージェントが介在して動作し始めると新たなリスクの経路になる。タスク・リソース・アクション単位での細粒度なスコーピングが求められる。
- ワークフローとインテグレーション：自動化によって例外処理や下流システムへの負荷が増える。人間であれば暗黙的に「ここで止める」と判断していた箇所が、AIには見えていないケースが多い。
- ビジネス価値：AIの活動量が増えても、エンドツーエンドの成果が改善しなければ意味がない。処理速度や件数だけでなく、実際のアウトカムを測定する仕組みが必要になる。
特にテストの問題は深刻だ。AIがコードを速く生成できるようになると、ボトルネックは「動くかどうか」「何を壊すか」「組織に十分なテストカバレッジがあるか」に移る。
CIOが問うべき本当の問い
記事は、モデル選定が無意味だとは言っていない。ただし、「どのモデルを使うか」は問いの一部に過ぎないとする。
エンタープライズがAIを安全・確実・経済的に使えるようにするために、AIの周囲で何が機能していなければならないか？
それはデータかもしれない。ワークフロー設計やインテグレーションかもしれない。IDと権限、テスト、オブザーバビリティ（AIエージェントの動作・判断・エラーを継続的に監視・追跡する能力）、あるいはAIが実際にビジネス価値を生んでいることを示す能力かもしれない。
モデルをアップグレードしても、データが汚ければ何も変わらない。断片化したワークフローは再設計しなければ直らない。エージェントのパーミッションはタスク・リソース・アクション単位でスコープし、重要度の高いアクションには人間の承認を残すべきだ。
ボトルネックがどこに移動したかは、「どこで仕事が積み上がり始めるか」を観察すればわかる。AIがある工程を速めても、レビュー時間が伸びていたり、例外処理が下流に増えていたりすれば、ボトルネックは消えたのではなく移動しただけだ。
詳細はAs AI gets faster, the enterprise bottleneck movesを参照していただきたい。
