企業においてAIをどの程度活用すべきかという問いに対する最も有益な答えは、「可能な限り多く」ではありません。「判断力、品質、差別化を損なうことなく、価値を高めることができる範囲まで」です。
これは今日、見た目以上に重要な意味を持っています。イタリアでは、企業における人工知能の導入率が、2024年の8.2％から2025年には16.4％へと上昇しました。これは、『イル・フォリオ』紙が報じたイタリア国家統計局（ISTAT）のデータによるものです。わずか1年で2倍になったという事実は、一つの単純な事実を物語っています。すなわち、もはや「取り組むべきか」という問いではなく、「どの程度まで進めるか」という調整が課題となっているのです。
欧州の中小企業向けAIプラットフォームのCEOとして、また言語モデルの出力のコモディティ化に取り組む研究者として、私は同じ過ちが繰り返されているのを目にしています。企業はAIを「スイッチ」のように扱っています。AIを無視するか、あるいはすべてを自動化しようとするかのどちらかです。どちらの選択も価値を損ないます。前者は対応が遅くなるためであり、後者は表面的には正しいが実質的には脆弱な出力で溢れかえってしまうためです。
うまく機能するフレームワークは、よりシンプルで規律正しいものです。つまり、機械的な作業を削減できる場面ではAIを活用し、責任や文脈、人間の手による判断が必要な場面ではAIの使用を控えるというものです。
多くの企業は、やりすぎか対応が遅すぎるかのどちらかで失敗しています。重要なのはAIを導入することではありません。重要なのは、導入によって生じるリスクに比べて、業務効率の向上がそれに見合わない水準を見極めることです。
バラジ・スリニヴァサンは、誰よりも的確に次のように要約している。「AIが0％だと遅すぎる。だが、AIが100％だと、それは単なるごみだ」。CEOとして、私はこう解釈している。AIの導入が少なすぎると、企業に無駄なコストが残ってしまう。AIの導入が多すぎると、判断力が、もっともらしいが互いに置き換え可能な出力に取って代わられてしまう。
その論理は、知識労働に適用されたラッファー曲線のものです。当初、AIを1ポイント追加するごとに高いリターンが得られます。反復的な作業に費やす時間が減り、実行速度が向上し、プロセスの標準化が進むからです。 しかし、ある閾値に達すると状況は一変する。その閾値を超えると、限界利益は低下し、多くのマネージャーが気づくのが遅れるコストの上昇が始まる。具体的には、巧妙に隠されたミス、管理の甘さ、責任の所在が曖昧になること、そしてコンテンツの画一化などが挙げられる。
ゼロのままにしておくことは、慎重な判断とは言えない。それは、競争上の優位性をもたらさない仕事を、有能な人材に報酬を支払ってやらせていることに他ならない。
これは毎日起きていることだ。財務チームが手作業でファイルを再構成したり、営業担当者がほぼ同じ内容のメールを書き直したり、オペレーションチームがシステム間でデータを移行したり、マーケティングチームが初稿やフォーマットの変更を手作業で作成したりしている。こうした業務は、戦略の改善にも、ポジショニングの強化にも、顧客が感じる価値の向上にもつながらない。ただ、経営陣の注意力を奪い、貴重な時間を浪費するだけだ。
そのため、市場は動き始めている。冒頭で述べたように、何もしないことによるコストが、まずは納期、次に利益率という形でますます顕在化しているため、導入が進んでいるのだ。
AIを使わないと処理が遅くなる。AIを使いすぎると、本来は独自性を保つべきものまで画一化されてしまう。
もう一つの誤りはより微妙なものだ。というのも、最初は効率の向上のように見えるからだ。
AIが完全に作成した財務報告書は、正確で整然としており、説得力さえあるように見えるかもしれません。しかし、真摯なCFOは、単に「見栄えが良い」という理由だけで文書に署名することはありません。CFOは、その内容を注文、入金、在庫、業務の遅延、営業上の例外事項などと照らし合わせて確認します。この確認作業がなければ、企業は適切に自動化を行っているとは言えません。単にリスクをサプライチェーンの先へ先送りしているに過ぎないのです。
営業やマーケティングにおいても同様です。AIが100％生成したメールでも、口調、構成、文法は適切である場合があります。しかし、多くの場合、顧客固有の詳細――顧客が実際に抱える課題、業界の動向、電話でのやり取りで浮き彫りになった具体的な課題――への言及が欠けています。コンバージョンを生み出すのはまさにその部分です。そして、完全な自動化が差別化を損ない始めるのも、まさにその部分なのです。
これが「スロープ」だ。読みやすく、迅速に作成でき、形式的には問題がないが、責任感や競争優位性に欠ける。このリスクについては、こちらの記事「企業がAIにどう向き合っているか」でより詳しく分析している。
実用的なルールは次の通りです：
AIはプロセス全体をうまく自動化できるわけではありません。プロセスの中心部分をうまく自動化します。つまり、「ミドル・トゥ・ミドル」で機能するのです。
まず最初に、問題や背景、制約条件、関連データを定義する人間が必要です。最後に、出力結果を確認し、文脈に照らし合わせて解釈し、その責任を引き受ける人間が必要です。その間、AIは数時間分の作業時間を短縮することができます。
ビジネス分析を例に挙げよう。経営陣が最初の問いを定義する。どの顧客の需要が鈍化しているか、どの商品ラインが成長しているか、どこで利益率が圧迫されているか、といったことだ。AIがデータを集約し、表を整理し、パターンを指摘し、レポートを作成する。その後、専門家がその出力を確認し、そのパターンが真の異常値なのか、それとも一時的なノイズなのかを判断する。
このパターンは、カスタマーサービス、財務、業務、マーケティングにおいても同様です。AIは、データ変換、分類、要約、フォーマットの調整、草案の作成といった作業には適しています。しかし、ビジネス上の優先順位を設定したり、最終的な意思決定に伴うリスクを負ったりすることについては、AIだけでは不向きです。
多くの起業家はAPIやライセンスに注目しています。それはコストの一部ではありますが、決定的な要素となることはめったにありません。真のコストは、適切な指示を出し、その成果を確認するために必要な専門知識を要する時間にあるのです。
ここで、私がチームとよく共有しているデータがあります。Archimediaの実践ガイドでまとめられているように、AIの価値のうち、アルゴリズムが占める割合はわずか10％、データが20％、そして70％は人、プロセス、企業文化によるものです。組織体制、ガバナンス、責任の所在を誤れば、たとえ最高のモデルを持っていても、得られる成果は限られてしまいます。
経営の鉄則：AIは専門知識の必要性をなくすわけではない。単に、その役割を「機械的な作業」から「的確な判断」へと移すだけである。
そのため、「人を置き換える」ことを目指す企業は、しばしば期待外れに終わります。一方、役割を再定義する企業の方が、より大きな成果を上げています。手作業にかかる時間が減り、検証、分析、意思決定に費やす時間が増えるからです。
3つの実践的な示唆：
AIの導入を失敗させる最も手っ取り早い方法は、AIの限界を一時的な問題として扱うことだ。その多くは一時的な問題ではない。それらは、どこで手を止めるべきかを決定するために存在する構造的な制約なのである。
第一の制約は、経済的な側面です。大規模なAIは無料ではありません。呼び出し、ワークフロー、オーケストレーション、統合、制御のそれぞれにコストがかかります。タスクの価値が低かったり、レビューの工程が多すぎたりする場合、自動化は収益性を向上させるどころか、むしろ悪化させる可能性があります。
2つ目の限界は、数学的なものである。AIは、システムが不安定であったり、カオス的であったり、観測が困難であったりする問題を、魔法のように解決することはできない。モデルはシグナルの読み解きに役立つことはあっても、根本的な不確実性を確実性へと変えることはできない。
3つ目の制限は、実用的な面にある。モデルが優れていても、タスク全体を完全に自動化することはできない。誰かが問題を定式化し、誰かがその解答を確認しなければならない。
4つ目の限界は、物理的なものです。AIはあなたの工場に常駐しているわけではなく、顧客を訪問することもなく、交渉の緊張感を感じることもなく、誰かがデータとして提供しない限り、異常な振動を起こしている機械を目にすることもありません。
そのプロセスが暗黙の文脈、直接的な知覚、あるいは強い法的責任を必要とする場合、AIは「操縦者」ではなく「アシスタント」でなければならない。
最も過小評価されているボトルネックは、社内のスキル不足である。イタリアでは、従業員50人未満の企業の68％が、AI導入における最大の障壁として社内のスキル不足を挙げており、AIの活用に関するこの分析（データ、スキル、研修に関するもの）によると、自律的な活用が可能になるまでには平均4～6週間の研修が必要とされる。
この事実は、多くの派手なデモよりも重要だ。社内に出力を管理できる人材が一人もいなければ、自動化はメリットにはならない。それは業務上のリスクである。
マネージャーにとって、正しい問いは「AIはそれができるか？」ではありません。正しい問いはこれです：
これらの答えのうち、どれか一つでも「いいえ」の場合は、人間要素の割合を引き上げてください。
戦略上の最も見過ごされがちな問題は、明らかなミスではない。それは、質の高いものが平凡な水準へと収束していくことだ。私はこの現象を「B+トラップ」と呼んでいる。
主要な生成モデルは、「十分良い」出力を生み出すことがますます多くなっています。整った文章。読みやすい要約。整理された分析。正しい構成。しかし、誰もが同じモデル、同じプロンプトパターン、同じワークフローを使用すると、結果は収束しがちになります。
多くの企業にとって、これは当初は目に見えないものです。彼らはスピードや一見した品質ばかりに注目します。しかし、独自の声や差別化要素、競争上の優位性を失っていることには気づきません。マーケティングにおいては、それは互換性のあるコンテンツとなって現れます。分析においては、誰にでも得られるようなインサイトとなって現れます。戦略においては、自社の独自の強みではなく、市場における平均的な知見に基づいた意思決定となって現れます。
標準的な業務をAIに任せ、そこに社内の専門知識、業界の背景、独自のデータ、そして経営陣の判断を組み込む企業は、これまでとは異なる成果を生み出します。必ずしも時間がかかったり、複雑になったりするわけではありません。より有用なものになるのです。
だからこそ、100％AIというアプローチは競争上の行き止まりとなるのです。AIの性能が低いからではなく、人間の関与を一切排除してすべてをAIに任せると、他社とますます似たような結果しか得られなくなるからです。利益を生み出すのは、コモディティ化されていない部分なのです。
この視点を研究の観点からさらに深く掘り下げたい方には、AIを活用した分析に関する論文をお勧めします。
2026年に優位性をもたらすのは、AIを利用できることではありません。自動化をどこで止め、独自のレイヤーを追加すべきかを知っていることです。
起業家から「自社でAIをどの程度活用すべきか」と尋ねられたとき、私は2つの要素から検討を始めます。ツールそのものからではありません。
まず第一に、タスクの性質です。それは機械的なものか、分析的なものか、それとも意思決定を伴うものか？
2つ目は、ミスによるコストです。出力が間違っていた場合、数分の時間を失うだけでなく、顧客、利益、あるいは信頼を失うことになるのでしょうか？
このアプローチには、非常に具体的な理由からも理にかなっている。ジェネレーティブAIの最も直接的な影響は、メール管理や標準的なレポート作成といった反復的な業務の自動化に見られ、これにより人的リソースがより付加価値の高い業務に振り向けられるようになる。これは、Huwareが企業の生産性に関する詳細な分析で指摘している通りである。
| タスクの種類 | エラーコストが低い | 平均誤差コスト | エラーのコストが高い |
|---|---|---|---|
| 機械的で単調な | 約90％がAIによるもの。データのフォーマット、スケジューリング、タグ付け、コンテンツ配信。 | AIの割合は約70％。高度な自動化と最終チェック。 | AIが約50％を担当。AIが下書きを作成し、人間が一行ずつ確認する。 |
| 分析的かつ解釈的 | 約70％がAIによるもの。AIがパターンを特定し、人間が確認する。 | AIの割合は約50％。経営報告書としてはバランスが良い。 | AIの割合は約40％である。専門家による体系的な見直しが必要である。 |
| 意思決定と戦略 | AIの割合は約40％。シナリオや選択肢の提案。 | AIの割合は約30％です。AIは支援するものであり、結論を出すものではありません。 | AIの割合は約30％。価格設定、戦略、採用、デリケートなコミュニケーション。 |
これらの割合は自然法則というわけではありません。あくまで実務上の出発点に過ぎません。これらは、2つの典型的な過ち――リスクの高いプロセスを時期尚早に自動化してしまうこと、あるいは本来はソフトウェア化されるべきプロセスを手作業のままにしてしまうこと――を避けるために役立ちます。
実際には、自動化のレベルを定期的に見直すことが望ましい。最も有用な指標はシンプルなものである。
このプロセスを正式なものにしたいのであれば、AIの導入を全社に拡大する前に、AIへの投資対効果をどのように評価すべきか検討しておくことが有用です。
主なポイント
このフレームワークを理解する最良の方法は、飾り気のない形で実際に適用されている様子を見ることです。内部的には、この取り組みは「AIのレベル」に関する抽象的な構想から始まったわけではありません。それは、ある単純なルールから始まりました。すなわち、「未検出のエラーのコストが低い場合のみ自動化を行い、エラーのコストが高い場合は人間の管理を維持する」というものです。
最も分かりやすい例は、編集パイプラインだ。最初の試みは単純なものだった。最初の草案から各チャネルへの配信に至るまで、フォーマットの調整、画像の処理、スケジュール設定を含め、すべてを自動化するというものだった。それは機能した。しかし、出力結果は概ね正しいという程度にとどまっていた。
トーンはあった。形式も同様だった。しかし、熟練した読者がすぐに察知するような要素が欠けていた。つまり、独自の視点、評価、見解である。
この調整により、人間の介入は「キーメッセージの見直し」と「プラットフォームごとのアングル選定」という2点に限定されるようになった。フォーマットの調整、クリエイティブ素材の制作、および公開については、引き続きAIが担当した。その結果、1サイクルあたりの人的作業時間は3時間から約30分に短縮され、最終的な作業分担はAIが約80％、人間が約20％というバランスとなった。
最適なポイントは、AIがすべてをこなせる場所ではありません。チームが過度な修正をやめ、出力結果が依然として説得力を保つ場所こそが最適なのです。
この結論に至るために用いられた手法は、どの中小企業でも再現可能です。
監視対象となる内部指標は3つある。是正措置の実施率、エンドツーエンドの総所要時間、そしてエンドユーザーが感じる品質である。これらのいずれかが悪化した場合、スライダーを元の位置に戻す必要がある。
このアプローチは、私が健全だと考える製品哲学もよく反映しています。つまり、AIは、反復的で構造化されたアナリストの業務を代替すべきであり、経営者の判断を代替すべきではないということです。言い換えれば、AIはアナリストの業務を代替するために設計されたものであり、経営者の判断を代替するためのものではないのです。
競争上の優位性は、AIをより多く活用することから生まれるわけではない。自動化によって利益率、信頼、そして仕事の独自性が損なわれ始める前に、その限界を見極めることができることこそが、競争上の優位性をもたらすのだ。
だからこそ、適切な問いは「AIを導入すべきか」ではなく、「企業内の各重要プロセスにおいて、AIをどの程度活用すべきか」ということになる。AIのラッファー曲線は、まさにこの目的のために存在する。つまり、自動化によって生産性とスピードが向上しつつも、チームを「B+の罠」に陥らせないポイントを見極めるためである。この「B+の罠」とは、合格点には達するものの、企業としての差別化を図るにはあまりにも汎用的すぎる成果を指す。
実際には、AIは、時間を短縮し、反復作業を減らし、検証コストを低く抑えられる場面で活用すべきである。一方、エラーによる影響が節約できる時間よりも大きい場合、形式よりも文脈が重要である場合、あるいはその決定がビジネスや評判に重大な影響を及ぼす場合には、AIの使用を控えるべきである。
ここには、経営者としての成熟さが表れている。
次の競争サイクルでは、AIに明確な役割範囲を割り当てられる企業が勝利を収めるだろう。AIをあらゆる場所に無差別に導入する企業ではなく、判断は人間に委ね、残りの部分を規律を持って自動化する企業こそが勝者となるのだ。
意思決定の主導権を損なうことなく、分析を自動化するプラットフォームでこのアプローチを実践したいなら、中小企業向けのAI搭載データ分析プラットフォーム「ELECTE」をご確認ください。生データを、実用的なインサイト、自動生成レポート、そして迅速な意思決定に役立つシグナルへと変換する仕組みをご覧いただけます。ただし、100% AIに依存することはありません。データを活用する準備はできていますか？無料トライアルを開始する →
.svg)
.svg)
.svg)
