AI準備の現状： 目標からサービス デリバリ アーキテクチャへ

誰もがAIを求めています。多くの組織が取り組んでいると言います。 しかし、求めることと備えていることはまったく別です。 私たちの最新の調査は雑音を取り払い、組織の実態を厳しく見極めます。 事実、多くは自分たちが思うほど準備が整っていません。

私たちは導入段階からモデルの多様性まで、6つの指標を正規化して複合AI準備指数を作成し、回答者を複数の階層に分けました。 「高度に準備が整っている」ゾーンに入ったのはわずか2%です。 21%はほんのスタートラインを超えたばかりでした。 その他の大多数は？ 中間で足踏みしています。 

それは私にとっても驚きではありませんし、あなたにとってもそうあるべきではありません。 指標の半分は生成型AI、AIエージェント、そしてエージェント型AIといった特定のAI機能の導入状況を基にしています。3つすべてに取り組んでいるのはわずか2%という事実は、エージェント型AIが今まさに進化の途上にあることを考えれば納得がいきます。

おっと！ さらに新しいものがありますよ。

実際にそれほどの速さで進んでいます。

ほとんどの人が適度に準備できていると知るのは素晴らしいことで、それは彼らが適切なペースで進んでいることを示しています。 彼らは実践、インフラ、そしてビジネスにおけるAIの活用を着実かつ意義深く成熟させています。 

77%の組織がこの段階にあります。 彼らは過剰な期待を越え、実験に没頭し、成果を確実なものにしようとしています。 基盤作りは始まっていますが、まだ本格的に動き出してはいません。

ほとんどがGenAIプロジェクトをすでに稼働させています。 エージェントを導入しているところもあります。 エージェント型AIとは何かを探っている組織もわずかいます。さまざまなアプリケーションで試しているものの、平均的なAIの活用度はまだ浅い状況です。 目安としては、5前後のユースケースで、約3分の1のアプリに関わり、モデルは通常有料とオープンソースの2つを併用しています。 悪くはありません。 それでも、十分とは言えません。

なぜ重要なのでしょうか？ モデルタイプの多様性が乏しいと、柔軟性が制限されるためです。 単一のモデルがあらゆるワークロードに対応することはできません。 あなたには選択肢が必要です。 アプリケーションも同じことが言えます： チャットボットや社内アシスタントに限定されたAIでは、組織を根本的に変えることはできません。 深さと幅広い分野での展開が必要です。

セキュリティですか？ まだ追いついていません。 AIとセキュリティチームの連携はばらつきがあります。 ファイアウォールは導入されつつありますが、ほとんどはまだ計画段階です。 データ保護は？ 部分的なインライン施行やトークン化はありますが、インフラ全体の管理が追いついておらず体系的とは言えません。

ダクトテープと願望だけでごまかして乗り切れると思ったなら、考え直してください。 弱いセキュリティの代償は悪評だけでなく、規制の反発や信頼喪失、そして増大する事業の存続リスクに繋がります。

そして、問題はデータそのものです。 これらの組織で、正式かつ繰り返し可能なデータラベリングを実践しているのはわずか21％に過ぎません。 まるでフォーミュラ1カーを作りながら、燃料タンクに池の水を入れているようなものです。 できはしますが、遠くまで走れません。

ネットワークやアプリケーションに慣れたあなたには少し奇妙に思えるかもしれませんが、AIの価値は結局のところデータに依存しており、そのデータ量は格段に増えています。 「ゴミを入れればゴミが出る」という格言は今も変わらず当てはまり、アプリ、インフラ、セキュリティなど既存のあらゆるものをAIで強化するときも同様です。AIの性能は、学習に用いるデータの質にかかっています。 この大切なステップを見落とせば、知能を築くどころか間違った判断を強化し、不確かな決定の自動化に手を貸すことになります。

この段階は「勢いはあるが、まだ習熟が追いついていない」と表現できます。 活力と方向性はありますが、多くの摩擦が残っています。 意志が不足しているわけではなく、規模、調整、技術的負債という現実に直面しているのです。

さて、21%について話しましょう。 これらの組織は、どう始めるべきかまだ模索しているか、あるいは必要ないと見せかけているだけです。 チャットボットの試作品を持っているかもしれません。 たぶん。 こうしたチームの問題はビジョンではなく、行動しないことです。

多くはリスクを許容できない規制分野やレガシーな環境で、アーキテクチャが脆弱です。 しかし、そこにも変化の兆しがあります。 AI専用のファイアウォールやインライン実施のようなセキュリティ対策を導入している組織はほとんどありません。 ほとんどの組織は、AIの用途に対応できない一般的なIT境界管理に頼っています。 3分の2がAIプロジェクトを試験運用中か計画中だと答えています。 それは確かな前進です。 しかし、意欲と実行を取り違えないでください。

ここでのリスクはトレンドを見逃すことではありません。 誰も見逃せないはずです。 問題は、その波に飲み込まれてしまうことです。 データ、インフラ、そして人材に土台を築かなければ、最高のモデルでも成功はつかめません。

スキルを上げたいですか？ それなら上位2％のやり方で構築しましょう:

• 有料モデルとオープンモデルの両方を組み合わせて環境に導入しましょう。 柔軟性がカギです。 すべてのモデルがすべての課題に合うわけではありません。
• エージェントをただ持っているだけでなく、実際の運用業務に活用しましょう。 それがスケールアップの鍵です。
• 孤立したアプリを超えて、ワークフロー全体にGenAIを組み込んでいきましょう。 統合は選択肢ではなく、単なる新奇性と実用性の違いを生み出します。
• ポリシーだけでなく、アーキテクチャ段階からデータ セキュリティを強化しましょう。 違反を防ぐのはコンプライアンスではなく、優れた設計です。
• そして何よりも、最初から拡張性を考慮して設計しましょう。 耐障害性を後から加えるのは決して楽な作業ではありませんから。

準備は、あなたが買う商品ではないということを知ってください。 それは、あなたが加入するサービスでもありません。 準備とは、姿勢であり構造であり、考え方なのです。 もし「私たちはそこそこ準備できている」と感じているなら、それは悪いことではありません。 それはひとつの節目です。 しかし、次のステップは偶然に起こるわけではありません。 あなたは意図的に、方向を揃え、少しだけ心地よさを手放す必要があります。

AIは好奇心ではなく、 準備した人にこそ応えます。

データをより深く理解し、モデルの詳細を知りたい方は、「2025年 AI アプリケーション戦略の現状」レポートをぜひ手に入れてください。 「AI 準備指数」レポートはこちらからご覧いただけます。