10月28日、Dick Weisingerが「Japan IPA Report: Why 95% of AI Pilots Fail」と題した記事を公開した。2032年までにAI学習用テキストデータが枯渇する——IPAがそう予測する中、企業の生成AIパイロットの95%がROIを出せていないという現実がある。問題はGPUでもモデルサイズでもなく、データに対する「文脈的なコントロール」の欠如だとIPAは指摘する。
2032年、学習データが枯渇する
IPAは、現在のペースでAI学習用テキストデータを消費し続けると、2032年までに利用可能なデータが枯渇すると予測している。
この見通しが意味するのは、ウェブスクレイピングに依存したデータ調達モデルの終焉だ。外部データが底をつけば、質の高い社内データをいかに整備・管理するかが企業の競争力を左右する。ところが現状、企業の生成AIパイロットの95%はすでにROIを出せていない。つまり、データ枯渇が現実になる前から、企業側のデータ活用基盤は機能不全に陥っている。
原因は「計算資源の不足」ではない
CEATEC 2026において、IPA（情報処理推進機構）のオープンデータスペース主席アーキテクトである津田道隆氏は、この数字を改めて提示した。失敗の主因として挙げられたのは、GPUやモデルサイズの不足ではない。データに対する「文脈的なコントロール」の欠如だ。
既存の企業データベースの多くは、人間が読むことを前提に設計されており、手動入力に最適化されている。AIエージェントがAPIを通じて業務ロジックを自動実行しようとすると、縦割りになった社内サイロをまたいで動かなければならず、ガードレール（制御機構）がないまま運用エラーを増幅させてしまう。「データ量が多ければよい」という発想では、エージェントAIには対応できないということだ。
「オープンデータスペース」という処方箋
この課題に対してIPAが提唱するのが、Open Data Spaces（オープンデータスペース）という分散型データ管理フレームワークだ。従来の中央集権的なデータ収集モデルから脱却し、ドメイン固有の意味（コンテキスト）を保持したままデータを流通させる仕組みを指す。欧州では類似概念としてGaia-Xが推進されており、国際的にも「文脈を持つデータ流通基盤」への関心は高まっている。
CEATEC 2026のセッションには東京ガス、日立製作所、三菱UFJ銀行が登壇し、AIエージェントへの移行における組織的・技術的な障壁について議論した。東京ガスはエネルギー設備の保守業務における社内データサイロの分断を課題として挙げ、日立製作所は製造・インフラ領域での内部エージェント活用において業務意味論の標準化が前提になると発言。三菱UFJ銀行は金融規制上のデータ管理要件とエージェント処理の整合性を取ることの難しさを強調した。いずれも共通して、単なるデータ量ではなく業務上の意味を保持したデータ基盤の整備が移行の前提になると訴えた。
記事の分析パートでは、このアプローチを日本の戦後における品質管理サークル（QCサークル）になぞらえている。QCサークルは現場単位の小集団が継続的に品質改善を行う手法として製造業で広く定着したが、IPAの提言もそれと同様に、大規模モデルを追いかけるのではなく、企業のITインフラを地道に作り直すという方向性を示している。
成功の兆候をどう測るか
記事では、この構造転換が実際に進んでいるかを判断する3つの指標を示している。
- METI（経済産業省）の調達規則がOpen Data Space準拠を政府IT補助金の条件にするかどうか
- 日立・三菱UFJ銀行が内部エージェントを非公開テストから共有ベンダーAPIへ移行するかどうか
- IPAが新たな測定指標を公開し、95%という失敗率が低下し始めるかどうか
ただし、記事はデータ権利をめぐる規制の重さや合意形成の遅さも課題として挙げており、対応が遅れれば機動力のある地域の競合他社に先行される可能性があると指摘している。
詳細はJapan IPA Report: Why 95% of AI Pilots Failを参照していただきたい。
