10月30日、Neo4jが「MIT Technology Review Insights research explains why 13% of companies have a 61% AI success rate」と題した記事を公開した。この記事では、エージェントAIのプロジェクトを本番環境へ届けられる企業と失敗する企業の差異を、MIT Technology Review Insightsによる300人の経営幹部調査から分析した内容が紹介されている。
「データを持っていても、ビジネスを理解していない」という根本的な問題
医療保険会社のAIエージェントが医師の推薦を上書きし、高齢患者への術後ケアを拒否する——。これは実際に起きたエージェントAIの失敗事例だ。このケースが象徴するのは単なるバグや設定ミスではなく、「エージェントが組織のルール・文脈・優先順位を理解していない」という構造的な問題だ。ファストフードチェーンで明らかに異常な大量注文が通過した事例や、コーディングエージェントが本番データベースを丸ごと削除して複数のレンタカー会社が業務停止に追い込まれた事例も、根本原因は同じところにある。
MIT Technology Review Insightsのレポート「Connecting AI agents to enterprise knowledge」はこれらの失敗に共通する原因を「agents don't understand how businesses operate（エージェントはビジネスがどう動くかを理解していない）」と指摘する。
レポートの調査結果は厳しい。エージェントAIプロジェクトのうち本番環境に到達するのは34%のみ。高い精度が求められるケースに絞ると、成功率は20%を下回るとAI専門家は見ている。
一方で、調査対象企業のうちわずか13%の「プロダクションリーダー（production leaders）」と呼ばれる企業群は、61%という高い成功率を誇る。この差を生むのが「ナレッジレイヤー（knowledge layer）」の有無だ。
成功企業が共通して持つ「3種類の知識」
レポートは、エージェントに必要な知識を3つに分類している。
- セマンティック知識（Semantic knowledge）: 組織がどう機能し何を重視するか——関係性、概念、ルール
- プロシージャル知識（Procedural knowledge）: 組織がどのように重要な業務を実行するか
- エピソディックメモリ（Episodic memory）: エージェント自身の過去の意思決定・行動・結果の記録
3つ目のエピソディックメモリは、人間でいえば「経験から学ぶ能力」に相当する。たとえばエージェントが過去に誤った発注判断をした場合、その記録を参照することで同じ状況での再発を防げる。単なるログではなく、エージェントが文脈を持って行動を改善するための基盤であり、他の2知識と組み合わさることで初めて「判断力のあるエージェント」が成立する。
プロダクションリーダー企業の62%がエージェントに強力なセマンティック知識を提供しているのに対し、非リーダー企業でそれができているのは**21%**にとどまる。この差が61%対34%という成功率の開きに直結している。
調査に参加した経営幹部の44%は「組織データとエージェントの間の構造的な基盤を強化することがパフォーマンス改善につながる」と回答。そのうち57%が業務効率の向上、48%が生産性改善、41%が誤った意思決定リスクの低減を期待している。
ナレッジレイヤーの実装：グラフとオントロジー
ナレッジレイヤーの中核は**知識グラフ（knowledge graph）とオントロジー（ontology）**だ。オントロジーはビジネス概念・ルール・関係性の意味を定義し、企業のライブマップとして機能する。エージェントはグラフ上のエンティティ間の関係を高速にたどり（multi-hop reasoning）、タスクに必要な最小限のコンテキストを取り出して精度の高い判断を下す。
AI advisory firm SanjMoのプリンシパル、Sanjeev Mohanはその役割をこう説明する。
「『財務2026年度のQ1、中西部でこの製品は利益を出したか？』という質問に対し、ナレッジレイヤーはエージェントに"fiscal"とは何か、"Q"とは何か、"region"とは何か、"profit"とは何かを教える。」
— Sanjeev Mohan, Principal, SanjMo
実企業での活用：CumminsとGilead Sciences
グローバル製造業のCumminsでデジタル化・高度分析・AIのエグゼクティブディレクターを務めるJim Jacobは、同社を「調達・製造・製品・物流が相互に影響し合う生命体」に例え、ナレッジレイヤーがその複雑な関係性を捉えると述べる。
「エージェントは『原材料Xの予測を求めているが、そのXに強く依存するウィジェットYが今不足している。まずYを調達し、それからXを買うべきだ』と言える。」
この「ところで（by the way）」の一言がCumminsにとって最も価値ある情報だとJacobは言う。見落としていたはずのクリティカルな洞察を、エージェントが先回りして提示する。
バイオファーマのGilead Sciencesでは、Anti-Counterfeiting Team（偽造対策チーム）がナレッジレイヤーを使って精巧な偽造薬ネットワークを摘発している。表面上は正常に見える薬局も、知識グラフが「バーナー薬局」や不正な保管施設との間接的なつながりを可視化する。
「ナレッジレイヤーにより主要な関与者を特定し、スキームの構造と拠点を理解できた。詐欺対策で大きな競争優位を得ている。」
— Thomas Luu, Director, Anti-Counterfeiting Team, Gilead Sciences
押さえておくべき主要数値
※以下の数値はいずれもMIT Technology Review Insightsレポートおよび本記事（元記事）に基づく。
| 指標 | 数値 |
|---|---|
| 本番環境に到達するエージェントプロジェクトの割合 | 34% |
| プロダクションリーダー企業の割合 | 13% |
| プロダクションリーダーのプロジェクト成功率 | 61% |
| プロダクションリーダーのセマンティック知識提供率 | 62% |
| 非リーダー企業のセマンティック知識提供率 | 21% |
レポートはナレッジレイヤー導入がもたらす主要なビジネス効果として「信頼性（trust）」「透明性（transparency）」「スケーラビリティ（scale）」の3点を挙げる。知識グラフに根拠を持つエージェントの意思決定は完全にトレースでき、組織全体で一つの信頼できるナレッジソースを共有することでスケールも容易になる。
詳細はMIT Technology Review Insights research explains why 13% of companies have a 61% AI success rateを参照していただきたい。
