9月25日、TechTargetが「Enterprise AI got better, but the ROI didn't」と題した記事を公開した。エンタープライズAIの性能向上と導入拡大が続く一方でROIが一向に改善しない根本原因について詳しく論じている。
採用は加速、収益への貢献は横ばい
McKinseyが97カ国1,719人を対象に実施した調査によると、**エンタープライズ全体でAIをスケールさせている組織は44%**（前年比38%から増加）。個人レベルでは「AIで生産性が上がった」と回答した従業員は80%に達し、「意思決定の質が上がった」とするのも50%を超えた。
ところが、財務インパクトの数字はまるで別世界の話だ。
- **AIによる正のEBIT（利払い・税引き前利益）効果を報告できた企業はわずか37%**。この数字は前年から動いていない。
- **真の「高パフォーマー」（AIがEBITの5%以上に貢献）は全体の6%**。こちらも前年から変化なし。
なお、記事はMITのProject NANDAによる別の分析にも触れている。300超のAIイニシアティブを調査した結果、「エンタープライズ向けGenerative AIに300〜400億ドルが投資されているにもかかわらず、有意な価値を生んでいるパイロットはわずか5%」と指摘したものだ。当時「AIの95%は失敗」と要約されたこの知見だが、NANDAが本当に問題にしていたのは別の点だ。AIは個人には効く。しかし企業のワークフロー内部では機能しない、という構造的な課題である。McKinseyの最新データは、その構造がまだ解消されていないことを示している。
ボトルネックは「賢さ」ではなく「実行」
記事が最も重要な発見として挙げるのは、6%の高パフォーマー企業が「何を違うことをしているか」だ。
高パフォーマーの約4分の3は、AIを中心にビジネスワークフロー自体を再設計している。他の企業でこれを実施しているのは約4分の1にとどまる。
記事はこの差を端的に示す例を挙げる。「完了した作業のうち、まだ請求書を発行していないものはどれか？」という問いかけをAIに投げるシナリオだ。最新のLLM（大規模言語モデル）はこの文章を理解できる。だが企業内でこれを実際に「実行」するには以下が必要になる。
- フィールドサービスアプリで完了済み作業を特定する
- それをCRM（顧客管理システム）のアカウントと照合する
- 経理レコードと突き合わせる
- 食い違う顧客IDを名寄せする
- 例外を処理する
- 権限を検証する
- トランザクションを準備し、監査可能な記録を残す
モデルが賢くなっても、バラバラなシステムを自動的に整合させ、API障害を処理し、権限を強制し、ワークフロー途中でシステムが落ちたときに安全に回復することはできない。記事はこれを「答えるAIと動かすAIの違い」と表現している。
CIOが取るべき5つのアクション
記事は、生産性向上からエンタープライズROIへ移行するための実践的な方針を5点にまとめている。
1. 硬直したパイプラインからガバナンス付きオーケストレーションへ
直列のAPIチェーンはデータ欠損やシステム障害で壊れる。ワークフローの状態を保持し、リトライやフォールバックをサポートする構成が必要だ。これは「AIをつなぐ」前段階の、いわばインフラ整備に相当する。
2. データと文脈のレイヤーを統一する
CRM、ERP、財務、業務システムで顧客IDや定義が食い違っていると、AIによる自律実行は破綻する。整合的な識別子か、信頼できる名寄せ層の構築が前提条件になる。前述の請求書シナリオが絵に描いた餅になるとすれば、多くの場合この段階で躓いているはずだ。
3. 書き戻し操作にアクションレベルのガバナンスを設ける
読み取り専用を超えてAIが書き込みを行う場合、細粒度の実行ポリシー、ID認識認可、スコープ限定の短命なクレデンシャル、高リスクトランザクションへの人間承認が必要になる。「AIが勝手に動く」ことへの経営層の懸念に答える設計でもある。
4. 最初に狙うのはクロスファンクショナルな引き継ぎ
複数のバラバラなアプリをまたいで、人間がいまだに手作業でコピーや転記をしている工程がある。そこを狙うと、個人の生産性を超えた業務摩擦の解消につながる。高パフォーマーがワークフロー再設計に注力しているという知見と、最も直結するアクションと言える。
5. AIではなくプロセスを計測する
ユーザー数やクエリ数を成功指標にするのをやめる。「売掛金回収日数の短縮」「オーダーからキャッシュまでのサイクル」「トランザクション単価」「従業員一人あたりスループット」など、収益・コスト・キャッシュ・リスク・処理能力に結びつく指標で測ることが必要だ。指標を変えなければ、行動も変わらない。
「賢いモデル」より「つながった実行」
記事の結論は明快だ。高パフォーマー企業が勝っているのは、秘密のモデルにアクセスできるからではない。地味なワークフロー再設計と、AIをエンタープライズ実行につなぐ作業を実際にやっているからだ。
次のエンタープライズAI優位性は、最も賢いチャットボットを展開した企業にではなく、AI intelligence（知性）とenterprise execution（実行）のギャップを橋渡しできたCIOに渡ることになる。
詳細はEnterprise AI got better, but the ROI didn'tを参照していただきたい。
