【ITニュース解説】95% of AI Pilots Crash – Engineers are paying the price

近年、多くの企業が人工知能（AI）技術の導入に多額の投資を行っているが、その実態は成功よりも失敗がはるかに多いことが明らかになった。マサチューセッツ工科大学（MIT）が発表した新しい調査によると、企業がAI技術の導入を試みるために実施した実証実験、いわゆるパイロットプロジェクトのうち、実に95%が失敗に終わっている。投じられた資金は総額で350億から400億ドルにも上るが、10件中9件のプロジェクトは投資に見合う成果、すなわち投資対効果（ROI）が全く得られていないという。この状況は、プロジェクトに携わるエンジニアに大きな負担を強いる結果となっている。なぜこれほど多くのAIプロジェクトは頓挫してしまうのか。その原因は主に三つ指摘できる。

第一の原因は「スコープクリープ」である。スコープとはプロジェクトが対象とする作業範囲を意味し、スコープクリープとは、プロジェクトの進行中に次々と新たな要求が追加され、当初の目的から逸脱して範囲が無秩序に拡大してしまう現象を指す。AIプロジェクトでは特に、「このAIを使えば、あれもこれも解決できるのではないか」という過剰な期待から、一つのプロジェクトで全ての課題を一度に解決しようとする傾向が見られる。しかし、あまりに多くの目標を同時に追求すると、開発リソースが分散し、一つ一つの課題に対する取り組みが浅くなる。その結果、どの目標も中途半端なまま達成できず、最終的にインパクトのある成果を生み出せないままプロジェクトが失敗に終わるのである。

第二の原因は、自社で独自のAIモデルを開発しようとする「内製」への固執である。企業によっては、独自のビジネスに最適化されたAIをゼロから構築することを目指すが、これには多大なコストが伴う。高性能なAIモデルの開発には、高度な専門知識を持つデータサイエンティストやエンジニア、膨大な学習データ、そして強力な計算能力を持つ高価なコンピュータが必要不可欠だ。さらに、開発には長い時間も要する。多くの場合、外部の企業が提供している既存のAIサービスやツールを利用する方が、はるかに迅速かつ低コストで、同等以上の性能を実現できる。すでに多くの場面で利用され、その性能や安定性が証明されている「実戦済み」のツールを使わず、車輪の再発明に時間、人材、予算を浪費することは、プロジェクトを頓挫させる大きな要因となる。

第三の原因は、プロジェクトが狙う「ターゲットの誤り」である。プロジェクトの目標設定が、ビジネス上の本質的な価値からずれているケースが少なくない。例えば、社内外へのアピールを目的として、目立つけれども実際の業務改善や収益向上への貢献度が低いタスクをAI化の対象に選んでしまうことがある。技術的な挑戦としては面白くても、ビジネス上の価値が低ければ、プロジェクトが成功したとしても企業にとっての利益は生まれない。結果として、ROIはゼロとなり、投資は無駄に終わる。プロジェクトの成功とは、技術的に機能するものが作れることだけではなく、それが明確なビジネス価値を生み出すことであるという視点が不可欠だ。

では、どうすればAIプロジェクトを成功に導けるのか。調査では、失敗の教訓から導き出された成功の法則も示されている。それは、失敗の原因を裏返した、非常にシンプルで実践的なアプローチである。

まず、解決すべき課題を「一つ」の「狭い」問題に絞り込むことだ。一度に全てを解決しようとせず、具体的で範囲が限定された課題を一つだけ選ぶ。例えば、「顧客からの全ての問い合わせに自動応答する」という壮大な目標ではなく、「特定の製品に関する返品依頼のメールだけを自動で検出し、担当部署に振り分ける」といったように、スコープを極限まで小さくする。これにより、目標が明確になり、開発に集中でき、成果も測定しやすくなる。

次に、ゼロから開発するのではなく、市場で実績のある「既製のツール」を活用することだ。自社開発にこだわらず、信頼性が高く、導入も容易な既存のAIサービスやライブラリを積極的に利用する。これにより、開発期間を劇的に短縮し、コストを抑えることができる。エンジニアは、AIモデルの基盤技術の開発に時間を費やすのではなく、そのツールをいかにして自社の課題解決に応用するかに専念できる。

最後に、プロジェクトの成功を測るための「明確なKPI（重要業績評価指標）」を設定することである。KPIとは、目標の達成度合いを定量的に測定するための指標だ。例えば、「手作業による処理時間を月間100時間削減する」や「問い合わせの誤分類率を3%未満に抑える」といった具体的な数値目標をプロジェクト開始前に設定する。これにより、プロジェクトの進捗と成果が客観的に評価可能となり、その投資価値を明確に示すことができる。

このシンプルな法則を実践したチームの中には、全く収益がなかった状態から、わずか1年で2000万ドルもの収益を上げるという驚異的な成果を出した事例も報告されている。AIプロジェクトの成否は、最先端技術の追求だけにあるのではない。むしろ、解決すべきビジネス課題を正しく見極め、現実的な計画を立て、適切なツールを選択し、その成果を客観的に評価するという、システム開発における普遍的な原則をいかに忠実に守れるかにかかっている。これは、これからシステムエンジニアを目指す者にとって、技術力と同じくらい重要となる視点である。