AI · 2026年11月9日
AIプロジェクトのユースケース数に依存する評価への警鐘
多くの最高情報責任者やAI責任者が、自社で導入したAIユースケースの数に誇りを持っているが、ユースケースの増加が必ずしも価値の向上に直結しない現状がある。
AI導入におけるコスト増の要因として、個別のユースケースが毎回ゼロから開始される点が挙げられる。データ、システム接続、データ保護やITセキュリティの承認、担当チームなどが個別に設定されるため、10番目のユースケースでも1番目と同等のコストが発生し、共通の基盤が構築されない構造になっている。
価値を抑制する要因の一つは、AIの活用が部門内に限定されていることである。部門をまたいだプロセスの再構築が行われないため、部門間の連携で発生する時間損失という最大の改善ポイントが見逃されている。部門をまたぐプロジェクトは、定義の不一致などの調整コストが高いため避けられる傾向にある。
また、人件費の削減という最大の潜在的レバレッジについて、社内文化や労働組合への配慮から議論が避けられている。多くの責任者が非公開の場で人員削減の可能性に言及しながらも、公式には外部サービスの削減に留めるなど、経済的利益を最大化させる決定がなされていない。
Roland Bergerの調査によると、回答した企業の約90パーセントが、AIプロジェクトへの投資額を上回る成果を得られていない。この状況を改善するためには、ユースケースを数えるのではなく、共通のデータやシステムを利用する事例をパッケージ化して申請し、実質的に共通基盤の構築費用を捻出する方法が提案されている。