「企業のAI導入は95%が失敗」は本当か──MITの報告書を原文で読むと、数字の意味が違っていた

「企業のAI導入は95%が失敗している」という数字は、MITのプロジェクトが出した速報版の報告書が出どころです。 ただ原文を読むと、95%は「試験導入のうち95%が失敗した」という意味ではありませんでした。数えていたのは「半年以内に、利益への効果がはっきり確認できた組織」かどうかです。しかも、ChatGPTのような汎用のAIは多くの会社で定着していました。効果を測っていなければ、効果ゼロと数えられる。 小さな会社が学ぶべきなのはこの点です。

今日の元ネタ

1年以上前の報告書ですが、あえて取り上げます。「95%が失敗」という数字は今も、AI導入を見送る理由として会議で持ち出されるからです。数字の中身を知らないまま判断が止まるのは、もったいないことです。

ひとことで言うと

95%は「試験導入の失敗率」ではなく、「半年以内に利益への効果が確認できなかった組織の割合」に近い数字だった。

たとえ話で理解する

会社で「健康診断の結果を見て、体重が減った人」を数える場面を考えてください。

ある調査が「社員の95%はダイエットの成果ゼロ」と発表しました。ところが中身を見ると、数えていたのは「半年後の健康診断で、医師が『はっきり改善した』と記録した人」だけでした。

• 毎朝歩くようになって、体が軽くなった人
• 体重計に乗っていないので、減ったかどうか分からない人

こうした人は、どちらも「成果ゼロ」の側に入ります。やっていない人と、測っていない人が、同じ箱に入っているわけです。

さらに、この調査を読み進めると「手軽な散歩は、多くの人が続けていた」とも書いてありました。見出しだけ読むと「ダイエットは95%失敗」ですが、本文が言っていることはだいぶ違います。

この報告書と「95%」の関係は、これに近い構図です。

報告書でわかったこと

1. 95%は、3か所で少しずつ違う意味で使われていた

報告書の中で「95%」または「5%」が出てくるのは主に次の3か所です。

どれも「試験導入のうち95%が失敗した」とは書いていません。「損益への測れる効果がない」と「失敗した」は、別の話です。

2. 「成功」の基準は、かなり高く置かれていた

報告書の巻末には、成功の定義が書かれています。試験段階を超えて本格運用に入り、測れる指標があること。そして、効果は試験導入から6か月後に測っています。

特定業務向けのツールについては、使った人や経営層が「はっきりとした、持続的な生産性や損益への効果があった」と述べたものを「導入成功」と数えています。

年間数十億円規模の大企業の取り組みを評価するなら、妥当な基準かもしれません。一方で、数人分のChatGPTを契約して、損益の数字として効果を報告する予定もない小さな会社に当てはめるには、かなり厳しい物差しです。

3. 汎用のAIは、むしろ定着していた

同じ章に、導入の段階ごとの割合を示した図があります。図に書かれた数字は次のとおりです。

報告書自身が「汎用のチャット型AIは、試験導入から本格導入に進む割合が高く見える（約83%）」と書いています。そのうえで、「大事な業務では価値が低いと受け止められている」という別の論点につなげています。

止まっていたのは、会社ごとに作り込んだツールや、売り込まれた特定業務向けのツールのほうでした。聞き取りでも、利用者は汎用のAIを高く評価する一方、作り込んだツールには「もろい」「作り込みすぎ」「実際の仕事の流れに合わない」と否定的だったと書かれています。

4. 社員は、会社より先に使っていた

報告書は「影のAI経済」と呼ぶ現象も取り上げています。公式にAIの利用契約を買った会社は40%だけでしたが、90%を超える会社で、社員が個人のAIツールを仕事に日常的に使っていると答えていました。

5. 小さめの会社のほうが早かった

報告書は「大企業」を年間売上1億ドル超と定義し、試験導入の件数は多いのに、本格運用への移行率は最も低いと書いています。一方で中堅企業は動きが速く、上位の会社は試験導入から本格導入まで平均90日。大企業は9か月以上かかっていました。

このたとえで省いたこと

• 報告書は「速報版」です。 本文の注記に、予備的な調査結果だと明記されています
• 導入段階の数字は、聞き取りにもとづくおおよその傾向です。 報告書自身が「各社の公式な報告ではなく、個別の聞き取りにもとづく」「カテゴリごとに回答数が違い、成功の定義も組織によって違う」と書いています
• 協力した組織に偏りがある可能性も、報告書自身が認めています。AIの課題を話してくれる組織と、断った組織は性質が違うかもしれない、という点です
• 6か月という観察期間は短い可能性があり、複雑な仕組みでは成功率を低く見積もっているかもしれない、とも書かれています
• 上の図の「5%」が、全組織を分母にした数字なのかは、本文に説明がありません。ここは報告書を読んだ当メディアの受け止めです
• 報告書の対象は大企業と中堅企業で、数人〜数十人の会社を調べた研究ではありません
• 外部からの批判もあります。Marketing AI Instituteは、6か月で試験導入を評価するのは現実的か、効率化やコスト削減が十分に拾えているか、と疑問を示しました
• 対照的な調査もあります。ペンシルベニア大学ウォートン校の研究チームは2025年10月、従業員1,000人超の企業の経営層800人超への調査で、投資対効果を測っている企業の74%がプラスの効果を得ていると報告しています。数えている対象が違うので、どちらかが間違いというわけではありません

で、仕事にどう関係するの？

ここからは報告書そのものではなく、この内容を小さな会社の業務にあてはめた当メディアの見立てです。

「95%が失敗」は、導入を見送る理由にならない

この報告書が止まっていると指摘したのは、大企業が作り込んだツールです。汎用のAIを数人で使い始める会社の話ではありません。むしろ報告書は、汎用のAIが定着しやすいこと、小さめの会社のほうが早く進むことを示しています。

会議で「95%は失敗するらしい」と言われたら、「それは大企業の、作り込み型ツールの話です」と返すのが正確です。

いちばんの教訓は「測らなければゼロになる」

報告書の物差しでは、効果が記録されていない試験導入は、何もしなかった導入と区別できません。これは小さな会社にもそのまま当てはまります。

いちばん安い対策は、始める前に「その作業に今どれくらい時間がかかっているか」を書き留めておくことです。具体的には、次の3ステップで足ります。

1. AIを使う前に、1つの作業を2週間計る。 議事録、見積もりの下書き、月次の報告コメントなど、繰り返しがあって数えられる作業を選ぶ。印象ではなく「1件あたり何分」を記録する
2. 同じ作業・同じ人で、期間を決めてAIを使う。 変わったのがAIだけ、という状態にする
3. 「続ける」と判断する基準を先に決める。 たとえば「1件あたりの時間が2割減り、手直しの回数が増えていない」。数字を見る前に書いておく

どの作業から始めるかに迷ったら、業務の棚卸しの手順が使えます。効果が出なければやめる、という判断も「数字が出た」という意味で立派な成果です。

社員の「こっそり利用」は、禁止より先に観察する

社員の多くが会社の契約とは関係なく個人のAIを使っている、という指摘は、小さな会社でも起きているはずです。報告書は、先を行く会社が社員の個人利用から、何が役に立つかを学んでいると書いています。

情報漏えいの心配があるなら、禁止するより「どの作業に使っているか」を聞いて、会社として安全な使い方に置き換えるほうが現実的です。ルールづくりの考え方はAI利用ルールは「書く」より「通さない仕組み」にまとめています。管理部門から先に広がらない場合の打ち手は、AIが「総務で止まる会社」と「現場まで広がる会社」の違いも参考になります。

調査の数字は「何を数えたか」から読む

同じ時期の調査でも、何を数えたかで結論は大きく変わります。AI利用率の調査が「96%」と「20%」に分かれた理由は、同じ年の2つの調査を読み比べた記事で整理しています。

用語メモ

まとめ

• 「95%が失敗」の出どころは、MITのプロジェクトが2025年7月に出した速報版の報告書
• 95%は「試験導入の失敗率」ではなく、半年以内に損益への効果が確認できなかった組織などを指す数字だった
• 汎用のAIは定着しやすく、止まっていたのは作り込み型・特定業務向けのツールだった
• 報告書自身が、聞き取りにもとづく傾向であること・偏りの可能性・観察期間の短さを認めている
• 小さな会社の教訓は「測らなければゼロと数えられる」。始める前に、今かかっている時間を記録する

むずかしい調査を、明日の判断に使える形まで読み解くのがこのメディアの役割です。ほかの記事は最新動向にまとめています。