企業のAI導入はなぜ95%が成果ゼロなのか | MIT『The GenAI Divide: State of AI in Business 2025』を読む

目次

「生成AIですべてが変わる」という言葉が飛び交って数年が経った。だが実際の企業の現場では、何が変わったのだろうか。この問いに正面から答えたのが、MITの研究グループProject NANDAが2025年7月に公表した調査レポート『The GenAI Divide: State of AI in Business 2025』である。300を超える公開されたAI導入事例の分析、52組織への構造化インタビュー、153名のシニアリーダーへの調査（実施期間: 2025年1月〜6月）にもとづく本レポートの結論は、率直で厳しい。

企業が生成AIに投じた300億〜400億ドルにもかかわらず、95%の組織は測定可能なリターンを得ていない。数百万ドル規模の価値を引き出せているのは、統合されたAIパイロットのわずか5%にすぎない。レポートはこの鋭い二分を「GenAI Divide（生成AIの分断）」と名づけた。本稿では、その内容を数値と当事者の証言に沿って読み解く。

#導入は進んでいるのに、変革が起きていない

まず押さえるべきは、AIが「使われていない」わけではないという点だ。レポートによれば、ChatGPTやCopilotのような汎用ツールは8割を超える組織が試用・検証しており、約40%が展開に至っている。にもかかわらず成果が出ないのは、これらのツールが個人の生産性を高めるだけで、損益（P&L）を動かしていないからだ。

その落差は、業種レベルの構造変化を見ると一層はっきりする。レポートは9つの主要セクターを独自の「AI市場破壊指数」で評価したが、明確な構造的変化の兆候を示したのはテクノロジーとメディア・通信の2つだけだった。残る7セクター（プロフェッショナルサービス、ヘルスケア・製薬、消費財・小売、金融サービス、先端産業、エネルギー・素材）は、パイロットは活発でも本質的な変化に乏しい。あるミッドマーケットの製造業COOは、当時の空気をこう言い切っている。

「LinkedInの喧伝ではすべてが変わったことになっている。だが我々の現場では、本質的には何も変わっていない。契約処理が多少速くなっただけで、変わったのはそれだけだ」

この「導入は進むのに変革は起きない」という現象こそ、分断の入口である。

#パイロットから本番への断層

分断がもっとも数字に表れるのが、パイロットから本番稼働への移行率だ。レポートはツールを2種類に分けて追跡している。

汎用LLMは手軽で柔軟なため高い移行率を見せる。一方、企業がカスタムで導入する業務特化型のAIは、本番稼働まで到達するのはわずか5%。この「カスタムのエンタープライズAIの95%が失敗する」という数字こそ、GenAI Divideのもっとも明確な現れである。失敗の主因は、壊れやすいワークフロー、文脈学習の欠如、日々の業務との不整合にあるとレポートは指摘する。あるCIOは、ベンダーからの提案をこう評した。

「今年だけで何十ものデモを見た。本当に役立つのは、せいぜい1つか2つ。残りは（既存LLMの）ラッパーか、実証実験の域を出ない代物だ」

#本当の壁は「学習ギャップ」

では、何が分断を生むのか。レポートの核心はここにある。スケールを妨げているのはインフラでも規制でも人材でもない。それは「学習（learning）」だと明言している。多くの生成AIシステムはフィードバックを保持せず、文脈に適応せず、時間とともに改善しない。この学習ギャップこそが、分断の正体である。

象徴的なのは、汎用ツールを日常的に使いこなす人ほど、社内のカスタムAIツールを信頼していないという逆説だ。ChatGPTを個人利用で高く評価する専門職が、同じ会社が導入したAIツールを「壊れやすい」「過剰に作り込まれている」「実際の業務と噛み合っていない」と切り捨てる。ある中堅法律事務所の弁護士は、勤務先が5万ドルを投じた契約分析ツールではなく、月20ドルのChatGPTを下書きに使い続けていた。理由をこう説明している。

「購入したAIツールは硬直的な要約しか出さず、カスタマイズの余地がほとんどない。ChatGPTなら対話しながら、必要なものに行き着くまで反復できる。品質の差は歴然としていて、同じ基盤技術を使っているとベンダーは言うのに、ChatGPTのほうが一貫して良い出力を返す」

ただし同じ弁護士は、機微な契約実務にはAIを使わない一線を引いている。「ブレインストーミングや初稿には優れているが、顧客の好みを覚えず、過去の修正から学ばない。同じ間違いを繰り返し、毎回大量の文脈を入力し直す必要がある。重要な仕事には、知識を蓄積し改善していくシステムが要る」。この証言は、分断が「知能」ではなく「記憶と適応」の問題であることを端的に示している。実際、レポートの調査では、複雑で長期的な業務では90%が人間を選ぶ一方、メール作成や基本的な分析といった単純な作業では70%がAIを選ぶという結果が出ている。分かれ目は賢さではなく、学習し続けられるかどうかにある。

#「シャドーAI経済」が示すもの

さらに興味深いのが、公式の導入が停滞する裏で進む「シャドーAI経済」の存在だ。公式にLLMを契約している企業は40%にとどまるのに対し、従業員が個人のAIツールを業務に使っている企業は90%に達する。個人のChatGPTアカウントやClaudeのサブスクリプションを使い、情報システム部門の把握や承認を経ずに、業務のかなりの部分を自動化している実態が浮かび上がる。

この現象が示唆するのは重い。柔軟で応答性の高いツールさえ与えられれば、個人はすでに分断を越えられるということだ。停滞しているのは個人の能力ではなく、組織としての導入の仕組みのほうである。レポートは、このシャドー利用のパターンから学び、どの個人向けツールが価値を生んでいるかを分析したうえで全社導入を設計する組織こそ、次の勝者になると見ている。

#投資は営業に偏り、ROIはバックオフィスに眠る

予算配分にも分断は表れる。レポートによれば、生成AIの予算のおよそ50%（機能別では最大7割）が営業・マーケティングに集中している。デモ件数やメールの返信時間のように、成果を経営指標に結びつけやすいからだ。だが、これは実際の価値ではなく「測定のしやすさ」による偏りだとレポートは指摘する。

実際にもっとも劇的なコスト削減が生まれていたのは、注目されにくいバックオフィスだった。レポートが挙げる具体的な成果は次のとおりだ。

• 顧客対応や文書処理のBPO（業務委託）撤廃で、年間200万〜1,000万ドルの削減
• 外部の制作・コンテンツ費用の30%削減
• 金融サービスでの外部委託リスク管理の代替で、年間100万ドルの削減
• リード評価（見込み客の絞り込み）の40%高速化、AIによるフォローアップで顧客維持率の10%改善

注目されるべきは、これらの成果の多くが大幅な人員削減を伴わずに実現している点だ。ツールが仕事を加速させ、外部委託費やエージェンシー費用、高額なコンサルティングを社内のAI能力で置き換えることでROIが生まれていた。あるフォーチュン1000の製薬企業の調達担当VPは、この測定の難しさを率直に語っている。

「チームの作業を速くするツールを買っても、その効果をどう定量化すればいいのか。売上を直接動かすわけでも、測れるコストを下げるわけでもないのに、CEOにどう正当化するのか。研究者がツールを速く使えるようにはなるが、それは損益からは何段階も離れている」

つまり分断は、見えやすいが変革の乏しい用途に資源を向けさせ、もっともROIの高いバックオフィスの機会を過小投資のまま放置させる、という悪循環をも生んでいる。

#分断を越える企業は、何が違うのか

では、成果を出している5%は何をしているのか。レポートは複数の角度から共通点を描き出している。

第一に、作るより買う。組織構造別の本番到達率を見ると、外部パートナーとの協業（Buy）が約66%に対し、社内での内製（Build）は約33%。外部パートナーを活用したチームは、内製チームのおよそ2倍の確率で本番稼働に到達していた。内製は着手数こそ多いものの、成功率は大きく劣る（ただしレポート自身、この差は組織の能力差を反映している可能性もあり、因果関係を証明するものではないと注意を促している）。

第二に、業務成果で評価する。分断を越えた買い手は、AIスタートアップをソフトウェアベンダーとしてではなく、BPOやコンサルティング会社に近い「業務サービスの提供者」として扱っていた。ソフトのベンチマークではなく、業務プロセスへの適合と改善で評価する姿勢である。

第三に、選定基準が明確。経営層がベンダーを選ぶ際に重視した項目は、頻度順に「信頼できるベンダーか」「自社ワークフローの深い理解」「既存ツールを壊さないか」「データの境界の明確さ」「時間とともに改善する能力」「変化への柔軟性」だった。当事者の言葉が要点を突いている。

「Salesforceや社内システムに組み込めないなら、誰も使わない」（既存ツールとの統合について）

「最初の一週間は役に立つ。でもそのあとは同じ間違いを繰り返すだけ。なぜ使い続ける必要がある?」（改善しないツールについて）

成功しているスタートアップ側も同じ像を裏づける。派手なUXよりも、狭くとも価値の高い業務に深く入り込み、文脈に適応し、継続的な学習でスケールするアプローチが勝っていた。トップ層のGenAIスタートアップは、立ち上げから6〜12カ月で年間120万ドルの収益規模に到達しているという。

#その先にある「エージェンティックWeb」

レポートが最終的に見据えるのは、個々のAIエージェントの先にある「エージェンティックWeb（Agentic Web）」だ。持続的な記憶と反復的な学習を設計段階から組み込んだエージェント型AIが、学習ギャップに正面から応える。その基盤として、Model Context Protocol（MCP）、Agent-to-Agent（A2A）、そして本レポートの母体であるNANDA（Networked Agents And Decentralized Architecture）といったプロトコルが挙げられている。

これらは、専門化されたエージェントどうしが連携し、モノリシックな巨大システムを、動的に協調する相互運用可能なエージェントの網へと置き換えていく構想だ。ある売上50億ドル規模の金融サービス企業のCIOは、この移行の非可逆性をこう表現している。

「今、5つの生成AIソリューションを比較検討している。だが最終的に取引を勝ち取るのは、我々固有のプロセスをもっともよく学習し適応するシステムだ。いったんワークフローを理解させる訓練に時間を投じてしまえば、乗り換えコストは法外なものになる」

レポートは、企業がこうした学習するシステムのベンダーを囲い込む「窓」は急速に狭まりつつあり、その期間はおよそ18カ月だと見ている。

#日本企業への示唆

このレポートは米国の調査だが、示唆は日本の営業・業務組織にもそのまま当てはまる。要点を整理すると次のようになる。

• 「導入したか」ではなく「業務が変わったか」で測る。 パイロット件数やツールの契約数は成果ではない。損益や業務プロセスの実際の変化を評価軸に置く。
• 汎用ツールの横展開で満足しない。 ChatGPTの全社配布は個人の生産性を上げても、それ自体は分断の「向こう側」に渡してくれない。特定の業務に深く統合されたシステムが要る。
• 既存の業務システムを壊さない統合を重視する。 「Salesforceに組み込めなければ使われない」という証言は、日本企業でも同じだ。現場のワークフローに乗るかどうかが採否を分ける。
• 学習し、記憶し、改善し続けるかを問う。 一度きりの導入で終わるツールではなく、フィードバックから育つシステムを選ぶ。

#まとめ

『The GenAI Divide』が描くのは、AIの性能競争ではなく「導入アプローチ」の競争だ。分断の向こう側に渡った組織は、内製より協業を選び、汎用より業務統合を選び、賢さより学習と記憶を重視していた。逆に、静的なツールに投資し続け、絶えず文脈を入力し直すことを強いられている組織は、分断のこちら側にとどまり続ける。レポートの結論はシンプルだ。分断は永続的なものではないが、それを越えるには、技術・パートナーシップ・組織設計について根本的に異なる選択が必要になる。

（出典: Aditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari, "The GenAI Divide: State of AI in Business 2025", MIT Project NANDA, July 2025. 数値・引用は同レポートにもとづく。引用は原文からの意訳を含む。）

#aileadの立ち位置

aileadは、営業やカスタマーサクセスの対話データを安全に統合・構造化し、AIエージェントが業務を自律的に動かすためのエンタープライズ基盤です。本レポートが「分断を越える鍵」として挙げた要素、すなわち特定の業務プロセスへの深い統合、既存システムを壊さない連携（Salesforce連携はカスタムオブジェクトに対応）、そして蓄積した文脈にもとづく継続的な運用は、aileadが重視してきた設計思想と重なります。データは日本国内のデータセンターで完結し、ISO/IEC 27001:2022を取得しています。500社を超える導入実績のもと、「導入したかどうか」ではなく「業務がどう変わったか」で語れる形での活用をご支援します。生成AIの投資を成果に結びつける取り組みについてご相談があれば、お気軽にお問い合わせください。

#関連記事

• SFA(業務支援ツール)とは？利用するメリットや比較すべきポイントを紹介
• ChatGPT × Salesforce連携ガイド｜CRM自動入力・商談分析のベストプラクティス
• 松尾豊とは｜日本AI研究の第一人者と産学連携の推進