南アフリカおよび世界各地で、POC（概念実証）から本番運用への移行に失敗したため、今四半期に大手のAI企業プロジェクトが停止または棚上げされています。6か月前に見事なデモがあったにもかかわらずです。失敗の主因はAI技術そのものの制約ではなく、主に予期せぬインフラおよび計算コスト、エンタープライズ向けの準備不足、そしてデータガバナンスの分断にあります。MITのNANDAイニシアチブは、2025年の調査「The GenAI Divide」に向けて300件以上のエンタープライズ導入をレビューし、約95%が損益（ボトムライン）に対して測定可能な影響をもたらさなかった一方、実際の価値を伴って本番に到達できたのは20分の1にすぎないとしています。またClouderaのData Readiness Index 2026では、EMEAのITリーダーの89%がデータの完全な可視性があると主張しているにもかかわらず、データが完全にガバナンスされていると確認できたのは26%にとどまったことが明らかになりました。
MITの調査で判明：95%のエンタープライズAI導入が測定可能な効果を生まない
MITのNANDAイニシアチブは、2025年の調査「The GenAI Divide」に向けて300件以上のエンタープライズ導入をレビューし、約95%が損益（ボトムライン）に対して測定可能な影響を提供していないことを記録しました。実際の価値を伴って本番運用に到達できたのは、約20分の1の割合にすぎません。MITは、失敗率の多くが弱いワークフロー統合と、学習しないシステムに起因していると分析しています。アフリカの金融サービス、通信、そして公共部門では、分断された、ガバナンスされていない、そして統合が不十分なデータが、失敗した導入の共通の根底にある要因となっています。
Clouderaの指数が、EMEAのITリーダー間におけるデータガバナンスのギャップを露呈
ClouderaのData Readiness Index 2026によると、EMEAのITリーダーの89%が自社データの所在について完全な可視性があると主張している一方で、データが完全にガバナンスされていると回答したのはわずか26%でした。Gartnerは2025年に、AI-readyなデータが欠けていることにより、このデータ準備度のギャップが2026年末までに企業のAIプロジェクトの60%を失敗させると予測しています。リーダーが「見えている」と考えているものと、「実際にガバナンスできている」ものの間にある距離が、エンタープライズAI導入を直撃する中核的なインフラ課題です。
Anthropicのエンジニアが、AIエージェントのトークン消費率を定量化
生成AIシステムはトークンで課金され、回答の質にかかわらず、処理するテキスト量やコンテンツ量に応じて料金が発生します。Anthropicのエンジニアは、単一エージェントは通常のチャットの約4倍のトークンを消費し、マルチエージェントシステムでは、何か問題が起きる前におよそ15倍ものトークンを消費することを見出しました。分断されたデータのせいで、組織はデータ品質の不足を補うために、あらゆるプロンプトにより多くの文脈情報を含める必要があります。さらに、不確実な回答は再試行を引き起こし、その結果、追加の計測課金（メータリング）呼び出しが生まれます。Gartnerは、エージェント型AIプロジェクトの40%以上が2027年末までにキャンセルされ、その主な理由としてコストの上昇を挙げています。
EMEAの組織は、データへのアクセスと統合の障壁に直面
Clouderaの指数におけるEMEAの調査結果では、42%のリーダーが、自分たちが見えているデータを使ううえでの主な障壁として、複雑なアクセス要件を挙げています。また、データソースが環境をまたいで完全に統合されているのは、約3分の1にとどまります。南アフリカの組織はさらに、POPIA（個人情報保護関連）に関する義務、厳しい予算、そして不足するスキルといった圧力に直面しており、不安定なデータ基盤の上で高コストなデモを実行することは財務的に持続不可能です。チームは、AIプロジェクトを、従業員の導入に必要な人の変革マネジメントや実世界のワークフロー要件をないがしろにしつつ、技術的な正確性によって測られる「テクノロジー優先の実験」として扱いがちです。
データインフラの改善が、成功するAI導入に先行する
AIから本当の価値を得られている組織は、AIシステムを導入する前に、データをアクセス可能・統合済み・ガバナンス済みにすることを優先します。データに伴って移動するガバナンス（単一の提供事業者のプラットフォーム内に閉じないガバナンス）は、負債ではなく、POPIAに準拠した監査証跡を生みます。オープン標準によってガバナンスされたデータにAIを持ち込むことで、コスト計画が可能になり、制御不能な支出を避けられます。Clouderaのアフリカ担当リージョナル・バイス・プレジデントであるWarren Olivier氏は、成功するAIプロジェクトはモデルのデプロイやエージェントの立ち上げから始まるのではなく、データインフラの作業から着手すべきだと述べています。
よくある質問
MITの2025年の調査によると、エンタープライズAI導入のうち測定可能なビジネス効果をもたらした割合はどれくらいですか？
MITのNANDAイニシアチブは、2025年の調査「The GenAI Divide」に向けて300件以上のエンタープライズ導入をレビューし、約95%が損益（ボトムライン）に対して測定可能な影響を提供しておらず、実際の価値を伴って本番運用に到達できたのは約20分の1だと確認しました。
AIエージェントは、通常のチャットシステムと比べてどれくらい多くのトークンを消費しますか？
Anthropicのエンジニアによると、単一エージェントは通常のチャットの約4倍のトークンを消費し、マルチエージェントシステムは何か問題が起きる前におよそ15倍のトークンを消費します。これにより、弱いデータ基盤に向けた場合、コストが指数関数的に増大します。
Clouderaの2026年の指数では、EMEAのITリーダーの間でどのようなデータガバナンスのギャップが明らかになりましたか？
ClouderaのData Readiness Index 2026では、EMEAのITリーダーの89%がデータの所在について完全な可視性があると主張している一方で、データが完全にガバナンスされていると回答したのは26%にとどまったことが分かりました。さらに、42%が、可視化されたデータを使ううえでの主な障壁として複雑なアクセス要件を挙げています。
