「現場の抵抗」という誤診
最も流通している説明は、「現場の抵抗」である。新技術への警戒、既存業務への執着、変化を嫌う組織文化——こうした要因が、せっかくのAI投資を無効化している、というストーリーだ。
このストーリーは直感的に理解しやすく、経営層にとって都合がよい。なぜなら、原因が「現場」にあるならば、解決策は「変革管理」「研修強化」「経営層のメッセージング強化」といった、馴染みのある手段で対応できるからだ。
だが、MITのレポートを精読すると、この診断が成り立たないことに気づく。同レポートが明らかにしたもう一つの重要な事実は、従業員の90%以上が、ChatGPTのような個人向けAIツールを業務で日常的に使用しているということだった。
つまり、現場はAIに抵抗していない。むしろ自発的に、しばしば会社の方針より先回りして、AIを使いこなしている。それでも企業が提供するAIツールは使われない。
この事実は、「現場の抵抗」仮説を根底から覆す。問題は人ではない。個人向けAIに劣る体験を、企業が作っているということなのだ。
失敗の本当のメカニズム
ではなぜ、企業が大規模に投資して構築するAIツールが、個人が無料で使うAIツールに体験で負けるのか。原因を分解すると、いくつかの構造的な要因が浮かび上がる。
第一に、目的の置き違えである。多くの企業は「AIで何を解決するか」を起点にせず、「AIをどう導入するか」を起点にプロジェクトを組成する。RAND Corporationが2024年に発表したAI実装失敗の5つの根本原因のうち、最も多く挙げられたのは「問題定義の誤解——ステークホルダー間で、AIが解くべき問題が共有されていない」だった。技術選定が先行し、解くべき問題が後付けで定義される。この順序の逆転が、後段のすべての歪みを生む。
第二に、評価指標の片寄りである。PoCの段階では「精度94%」「処理時間40%短縮」といった技術指標で成功が判定される。だが本番運用で問われるのは、その技術指標とは別の問い——「使われるか」「信頼されるか」「ユーザーの意思決定をどう変えるか」——である。技術指標で成功したPoCが、体験指標で評価されると失敗に転じる。この指標の不連続が、PoCから本番への崖を作る。
第三に、統合の不在である。エンタープライズAIの導入は、しばしば既存システムの上に「AI機能」を追加する形で進む。だが個人向けAIツールが提供する体験——文脈の記憶、適応的な応答、フィードバックによる改善——は、既存業務フローの中に深く統合されて初めて機能する。表層的なAI機能の追加では、個人向けツールに勝てない理由は、この統合の深さの違いにある。
そして第四に、設計思想の不在である。これが最も根深い問題だ。多くのAI導入プロジェクトには、UI/UXデザイナーは関与しても、「体験設計者」は関与していない。機能を作る人はいるが、その機能がユーザーの一日のなかでどう使われ、どう信頼を獲得し、どう手放されるかを考える人がいない。AIは機能の集合ではなく、ユーザーとの継続的な関係である——この認識が、設計の初期段階に組み込まれていない。
「AI投資価値の70%」が見出されていない
AI価値創造の構造を、業界の有力な分析は「10-20-70」という比率で表現している。AIがもたらす価値のうち、アルゴリズム自体が貢献するのは10%、データと技術基盤が20%、そして残る70%は再設計されたプロセスと人から生まれる、という見立てだ。
この比率は、多くの企業の投資配分と逆転している。AI投資の大半はモデル選定とインフラに費やされ、プロセスと人への投資——すなわち体験設計への投資——は後回しにされる。技術投資の比率が高い企業ほど、PoC段階での見栄えは良くなる。だが本番展開で価値を生むのは、プロセスと人に投資した企業のほうだ。
この乖離は、経営層が見るダッシュボードには現れない。「AIモデルの精度」「インフラの稼働率」「PoCの本数」といった指標は順調に伸びていく。一方で「ユーザーの定着率」「業務における意思決定への影響」「顧客体験指標との連動」は、そもそも測定されていないか、別の部門のKPIとして分離されている。
「精度が高ければ使われる」という前提の崩壊
ここまで論じてきたことを一つの命題にまとめるなら、こうなる。
精度が高ければ使われる、という前提は、すでに崩れている。
これは20世紀的なソフトウェア導入の発想だ。機能が要件を満たし、性能が基準をクリアすれば、ユーザーは使う——この前提のもとに、要件定義書が書かれ、検収基準が設定され、本番展開が判断されてきた。
だが今のAI、特に生成AIが提供する価値は、機能の有無ではなく、ユーザーとの関係の質によって決まる。同じ精度のモデルでも、ある体験設計の下では使われ、別の設計の下では使われない。AIの成否は、もはやモデルの問題ではなく、関係性の問題なのだ。
このパラダイム転換に、多くの企業の意思決定構造は追いついていない。AIプロジェクトは依然としてIT部門のもとで、技術KPIで評価され、技術的成功をもって本番展開が承認される。体験設計は「あとで考えること」「UI/UX担当者がやること」として、意思決定の後段に置かれる。
そして本番展開後、ユーザーが使わない事実が明らかになったとき、組織は再び誤診を下す——「現場の抵抗だ」と。
経営層に問われていること
本稿の論点は、技術論ではない。経営判断の構造の話である。
AI導入が失敗するのは、技術が未熟だからでも、現場が抵抗するからでもない。AIを「機能」として意思決定の俎上に乗せ、「体験」としての評価軸を持たないこと——これが構造的な原因だ。
ならば経営層が問うべきは、こうなる。
「我が社のAI投資判断は、技術指標だけで行われていないか?」
「AI導入の起点は、技術選定から始まっているか、それともユーザー利用シーンの体験設計から始まっているか?」
「PoCの成功基準に、ユーザーとの関係性の質が含まれているか?」
「体験設計者は、AI戦略の意思決定プロセスに、最初から参加しているか?」
これらの問いに「いいえ」が混じる組織は、いま投じているAI投資の95%を、おそらく回収できない。
次回予告
本稿では、AI導入の失敗が技術ではなく体験設計の不在に起因することを論じた。だが議論はまだ序盤である。
次回は、より厄介な現象を扱う。AI導入で社内KPIは改善しているのに、顧客満足度は下がる——という現象だ。効率化と体験は、しばしばトレードオフの関係に陥る。なぜそうなるのか、そしてその罠から抜け出す指標設計とはどのようなものか。第2回「効率化の罠」で詳しく論じる。
次の議題へ
本稿では、AI導入の失敗が技術ではなく体験設計の不在に起因することを論じてきた。問いは次の段階へ移る——では、体験設計を起点としたAI導入とは、具体的にどのような姿か。
Cognizant Moment™は、クリエイティブとテクノロジーの専門家チームが、AIを体験設計の起点から組み込むエンドツーエンドのトランスフォーメーションを提供している。PoCで止まらず、体験として定着するAIをどう設計するか——その実践知を、サービスページにまとめている。
