こんな経験はありませんか。「話題のAIツールを入れてみた。最初は盛り上がったのに、半年後には誰も使っていない」「どのAIが一番いいか、比較に時間をかけたのに、現場で成果が出ない」「うちの会社はITに弱いから、AIは無理なのかもしれない」——。この記事では、AI導入が失敗する“本当の原因”を、海外の大規模調査で整理します。結論から言えば、原因はたいてい技術ではありません。
- AIの成果は道具選び1割・使い方9割（BCGの10-20-70）
- 生成AIの試験導入は約95%が成果に至らない。原因は「業務に馴染ませる力」
- 「試したけど続かない」はあなたの会社だけではない。構造的な落とし穴
AI導入は「道具選び1割、使い方9割」
まず結論を、簡単に言うと——AIの成果は、どのツールを買うかではなく、買ったあとに何をするかで決まります。世界的なコンサルティング会社BCGが、大規模な調査からこんな配分を示しています。
AIで得られる価値の内訳は、アルゴリズム（AIの頭脳）10%、技術とデータ20%、そして人と業務プロセス70%。成功している企業は、この比率で資源を配分している。
（BCG「Where’s the Value in AI?」CxO・上級役員1,000人、59カ国・20超セクター調査／2024年）
この「10-20-70」を、仕事の言葉に置き換えるとこうです。道具そのもので決まるのは1割。残り9割は、「導入したあと、誰が・どの仕事で・どう使い、どう続けるか」で決まる。つまり、良いツールを契約した時点では、まだスタート地点に立ったにすぎません。にもかかわらず多くの会社は、関心の大半を「どのAIがいいか」の比較に注ぎ、いちばん大事な9割側（業務の作り直し・教育・続ける仕組み）を後回しにします。ここに最初のズレがあります。
「試したけど続かない」のは、あなたの会社だけではない
「うちはAIを試したけど、結局うまくいかなかった」——もしそうでも、落ち込む必要はありません。それは例外ではなく、多数派だからです。マサチューセッツ工科大学（MIT）の研究チームが、厳しい数字を出しました。
生成AIの試験導入（パイロット）のうち、損益にはっきり効果が出たのは約5%。残りの大多数は失速し、利益への測定可能な効果をほとんど出せていない。
（MIT NANDA「The GenAI Divide: State of AI in Business 2025」経営層150名＋従業員350名＋事例300件の分析）
20社に1社しか、はっきりした成果にたどり着いていない。BCGの別の調査でも、試し導入を超えて実際の価値を生めた企業は26%にとどまります。「うちだけがうまくいかない」という思い込みは、まず捨てて大丈夫です。問題は、あなたの会社の能力ではなく、多くの会社がはまる構造的な落とし穴にあります。
失敗の正体は「学習ギャップ」——AIが現場の仕事を覚えていない
では、その落とし穴とは何か。MITはこう名指ししています。失敗の原因は、AIの性能でも法規制でもない。AIを自社の仕事のやり方・組織・文化に「馴染ませられていない」こと——研究チームが「学習ギャップ（learning gap）」と呼ぶ問題です。
問題は規制でもモデルの性能でもない。企業のシステムが、自社の仕事の流れから学習していないことだ。ChatGPTのような汎用ツールは、柔軟だから個人にはよく効く。だが会社の業務では、適応も統合もせず、だから止まってしまう。
（MIT・Aditya Challapally）
これは、とても腹落ちする指摘です。個人で使うと便利なのに、会社で使うと止まる。理由は、AIがあなたの会社の文脈——どんな商品を、誰に、どんな言葉で売っているか——を知らないまま使われているからです。第3幕で見た属人化と同じで、現場の知恵が一人ひとりの頭の中にあるうちは、AIにも会社にも蓄積されません。勝負どころは「賢いモデルを選ぶこと」ではなく「自社の業務にどう組み込み、どう定着させるか」なのです。
過度な期待も、失敗のもと
もう一つ、現実的な構えを持つために大事な視点があります。「AIを入れれば生産性が爆発的に上がる」という煽りには、慎重な反証もあるのです。2024年にノーベル経済学賞を受けたMITのダロン・アセモグル教授は、こう試算しています。
AIによる経済全体の生産性の押し上げは、今後10年で大きくても0.66%程度、控えめには0.53%未満にとどまる可能性がある。
（Daron Acemoglu「The Simple Macroeconomics of AI」2024年）
これは「AIは役に立たない」という話ではありません。効果は“勝手に”出るのではなく、地道な組み込みの努力に比例して、少しずつ積み上がるということです。過度な期待で一気に全社導入して燃え尽きるより、効く業務を1つ選び、小さく定着させる。その現実的な姿勢こそが、9割側を制する第一歩になります。
この連載「導入・定着」では、その9割側——人と組織をどう動かすか——を順番に扱います。次回は、定着のいちばんのカギを握る意外な人物、「旗を振る役割は、誰が担うべきか」から始めます。ヒントは、止まっているのは現場ではない、という海外データです。
横棒グラフで「アルゴリズム10%／技術・データ20%／人と業務プロセス70%」。70%側に注釈「使い方・教育・続ける仕組み＝9割」。下に「生成AIパイロットの成果到達 約5%」「学習ギャップ＝AIが自社業務に馴染んでいない」。多くの会社は関心を10%側に注ぎ、9割側を後回しにする、という対比。
まとめ
- AIの成果は道具選び1割・使い方9割（10-20-70）。勝負は買ったあとにある。
- 生成AIの試験導入は約95%が成果に至らない。「続かない」は多数派で、構造的な落とし穴。
- 失敗の正体は技術でなく学習ギャップ（AIが自社業務に馴染んでいない）。過度な期待も禁物。