9月15日、David Linthicumが「Why enterprise AI fails at the org chart, not the model layer」と題した記事を公開した。エンタープライズAIの失敗原因がモデルの品質ではなく組織構造と意思決定権限の欠如にある、という業界の「不都合な真実」を率直に論じた内容だ。
著者のDavid LinthicumはDeloitte Consultingでチーフクラウドストラテジーオフィサーを務めた経験を持つAI・クラウドアーキテクト。エンタープライズAIの現場を30年以上見てきた人物が、導入失敗の構造的原因を解説している。
AIを殺しているのは組織図だ
記事の冒頭に登場するのが、Fortune 500の保険会社「Meridian」（元記事中の呼称）の事例だ。AIで保険金調整担当者のメモを読み込み、詐欺パターンを検出し、示談処理時間を半減させるという構想だった。コンサルタントを雇い、4ヶ月でクリーンなデータを使ったPoC（概念実証）を完成させた。
しかし本番環境に移行しようとした途端、問題が噴出した。
- モデルが必要とするクレームデータは、別の部門の副社長が管理しており、そのロードマップに統合計画がなかった
- 詐欺パターンの検出に必要な保険数理コンテキストは、さらに別の部署が握っていた
- AIが自分たちの業務を最適化するという噂を聞いた担当者たちが、モデルが依存する構造化メモの入力を静かにやめ始めた
18ヶ月と7桁のドル（数百万ドル規模）を費やして、プロジェクトは棚上げになった。 事後報告書には「データ品質の問題」と書かれた。誰も本当の原因を書き残さなかった。
組織図がプロジェクトを殺したのだ。
この話は特例ではない。元記事が引用するMITのNANDA initiative（2025年予備報告書）によれば、調査対象組織の95%がGenAI投資からリターンを得られていないという。報告書はその原因をモデルの品質や規制ではなく、「欠陥のあるエンタープライズ統合」に帰している。
Linthicumはさらに踏み込む。問題の核心は「権限のギャップ（authority gap）」だと。AIの成果に責任を持つ人間が、そのAIが依存するデータ・ワークフロー・予算・インセンティブを制御していない、という構造的矛盾だ。
3つの典型的な失敗パターン
記事では、エンタープライズAIが失敗する構造を3つのモードに整理している。
1. ハンドオフ問題：中央のAIチームが孤立した環境で優れたものを作り、ビジネス部門に「投げつける」。ビジネス部門はそれを要求していないし、理解もしていないし、維持するための予算もない。データサイエンティストは次のパイロットへ移る。システムは腐る。Gartnerは2024年に「GenAIプロジェクトの少なくとも30%がPoC後に破棄される」と予測しているが、その理由として挙げるデータ品質・リスク管理・コスト・ビジネス価値のすべてが、突き詰めれば「誰が所有者か」という問題に行き着く。
2. インセンティブのミスアライン：AIによるワークフロー再設計は、中間管理職に混乱の吸収・データの公開・人員削減圧力を求める一方、その恩恵は別の部署のダッシュボードに表示される。パイロットが進まない原因を「現場の抵抗」に帰するのは間違いで、管理職はただ「会社が報酬を支払っている行動」をしているだけだ。
3. 説明責任の真空地帯：2つの部門がデータの定義で対立したとき誰が調整するか。モデルが誤った答えを出したとき誰が承認するか。システムが自律的に行動するとき誰が許可するか。
IT部門はツールを所有する。ビジネス部門はプロセスを所有する。誰も成果を所有しない。
「ツールを買い足す」では解決しない
典型的な反応は、ガバナンスツール・データメッシュ・オーケストレーション層を追加購入することだ。しかしLinthicumは断言する。「問題は機能の欠如ではなく、組織設計の欠如だ。プロセス変革より速くツールを導入すれば、機能不全をデジタル化するだけだ」。
記事の中でとりわけ辛辣なのが、**AIセンターオブエクセレンス（CoE）**への評価だ。多くの企業がデフォルトで選ぶこの構造について、Linthicumは「AIが死ぬ場所」と切り捨てる。優秀な人材を集め、つながりのないデモを作り、ビジネス上の権限を持たず、経営陣から突っ込まれると即座に再編される。「クラウドコンピューティングでも同じ失敗をした」と指摘する。
CIOが今すぐすべき3つのこと
1. 意思決定権限を明文化して再交渉する：進行中のAI施策それぞれについて、「データ契約を誰が所有するか」「モデルのパフォーマンスに誰が責任を持つか」「誤った判断が出たとき誰が答えるか」を1ページのチャーターに落とし込む。ビジネス部門側で責任者の名前を挙げられないなら、その施策はすでに失敗している。
2. インセンティブのミスマッチを修正する：AIの導入成果を、協力が必要なマネージャーのKPIに明示的に組み込む。KPIを変えられないなら、エスカレーションか施策の縮小を選ぶ。「誰も測定しないパイロットは取締役会向けのショーだ」。
3. パイロットを増やすのをやめ、既存の2〜3件を本番に移行する：デモと本番の間の溝こそがROIが消える場所だ。新しいデモを10本作るより、価値の高いユースケース数件を実際のワークフローの中で動かす方がはるかに意味がある。
最後にLinthicumが警鐘を鳴らすのがエージェント型AIの権限問題だ。AIエージェントが発注・承認・システム変更といった自律的な行動を取り始める中、「何をする権限があるか」「その結果に誰が責任を持つか」はセキュリティの問題だけでなく、オペレーティングモデルの問題になりつつある。この意思決定権限を今後18ヶ月で整理できた組織が、2028年に同じ反省会を開かずに済む、というのが記事の結論だ。
詳細はWhy enterprise AI fails at the org chart, not the model layerを参照していただきたい。
