8月19日、Fortuneが「MIT report: 95% of generative AI pilots at companies are failing」と題した記事を公開した。この記事では、MIT NANDAの最新調査をもとに、企業が進める生成AIの試験的プロジェクトの多くが成果を上げられていない現状と、その要因、改善策について詳しく紹介されている。以下に要点をまとめる。
95%が成果を出せない理由
MITのレポートによれば、企業が進める生成AI導入実験のうち、**収益加速に結びついているのはわずか5%**に過ぎない。大多数が「期待倒れ」に終わっている理由として、以下の点が指摘されている。
- 学習ギャップ：モデルの性能や規制環境ではなく、企業がAIを業務に組み込むための知識や仕組みが欠けている。
- 適応性不足：ChatGPTのような汎用ツールは個人利用では便利だが、企業固有のワークフローに適応せず停滞しやすい。
- リソースの誤配分：予算の多くを営業・マーケティング向けに投じている一方で、最大の投資効果が見込めるのはバックオフィスの自動化領域だった。
成功企業の取り組み
一方で成功している企業には共通点がある。
- 焦点を絞った課題解決：スタートアップは特定の痛点を狙い撃ちし、収益ゼロから数千万ドル規模まで急成長を遂げている事例がある。
- 外部ベンダーとの協業：AIツールを自前開発するよりも、専門ベンダーとパートナーシップを組んだ方が成功率は高く（約67%）、失敗リスクが低い。
- 現場主導の導入：中央のAI部門だけでなく、現場のマネジャーに権限を与えることで採用と定着が進む。
今後の展望
調査はまた、「シャドーAI」（承認を得ずに従業員が使う生成AI）の広がりや、生産性や利益に与える影響をどう測定するかという課題も指摘する。さらに、先進企業はすでに「エージェント型AI」（学習・記憶・自律的行動を備えたシステム）の実験に踏み出しており、次のフェーズに移行しつつある。
まとめ
生成AI導入の成否を分けるのは、技術の良し悪しではなく、企業がいかに自らの業務に統合できるかにある。リソース配分の見直し、外部ベンダーとの協業、現場主導の推進が、95%の失敗を克服するための現実的な改善策となりうる。
詳細はMIT report: 95% of generative AI pilots at companies are failingを参照していただきたい。
