吳碧娥╱北美智權報 編輯部
世界の人工知能(AI)は、自律的な実行や複数システムのオーケストレーションを実現する新時代へと急速に移行しており、企業による投資額も過去最高を更新し続けている。最新の業界予測によれば、2026年の世界AI市場の投入・創出価値はすでに2.7兆米ドルに達し、前年比49.5%という高成長を記録した。また、マッキンゼー(McKinsey) は2030年までに、AIが世界企業にもたらす年間経済価値は17兆~26兆米ドルに達し、その75%以上が顧客対応、マーケティング・営業、研究開発、ソフトウエアエンジニアリングといった中核業務に集中すると予測している。しかし、巨額の計算能力と資本の投入の裏で、多くの企業は「導入すればするほど、効率が期待を下回る」という苦境に広く直面している。ICT(情報通信技術)リサーチ&アドバイザリ企業のガートナー(Gartner)は、2027年末までに企業向けAIエージェントのプロジェクトの4割超が放棄されると警告している。ゴリラテクノロジー(叡揚資訊)の知識長である李政権氏は、企業の業務と個人によるチャットボットの試用には本質的な違いがあると分析する。AIがシステムを接続して行動を起こせるインテリジェント・エージェントへと進化する時代において、集中的なガバナンスと信頼できるデータ基盤を欠けば、組織は闇雲に推進するうちに「ツールの不透明性、記録の保存の欠如、コストのブラックホール、セキュリティとプライバシーの漏えい」という4つの運用上のブラックホールに陥りやすく、デジタル変革の成果を飲み込む見えない殺し屋となる。

4つの運用上のブラックホールがAIプロジェクトの放棄ラッシュを招く
世界のAIの潮流は、数年にわたるインフラ整備と計算能力の拡大競争を経て、企業の投入規模が記録を塗り替え続けている。ゴリラテクノロジーの知識長である李政権氏は、先日「2027科技產業大預測(2027テック産業大予測)」に出席し、企業のAIのビジネス価値の収益化に関する実務の進展を語った。李政権氏はエヌビディアの元CEOジェンスン・ファン氏が提唱した「AIの5層ケーキ論」を引き合いに出し、最下層のエネルギー、チップ、インフラ、モデルは順次成熟して整ったため、企業の商業的な収益化の成否を決める鍵は、最上層の「アプリケーション層」に全面的に移行したと述べた。しかし、国際的な調査機関のデータは、盲目的な楽観に傾く市場に警鐘を鳴らしている。ガートナーが発表したデータによれば、運用コストの上昇、ビジネス価値の検証の難しさ、リスク管理の不足により、企業向けAIエージェントのプロジェクトの40%超が、2027年末までに失敗・放棄に直面するという[1]。デロイト(Deloitte)の調査でも、実に78%の企業がAIを大規模運用へ広げる際につまずいておいる。主因は、従来の情報システム(Legacy Systems)とデータサイロを接続できないことにある[2]。プライスウォーターハウスクーパース(PwC)台湾のCEO調査と業界データによると、台湾企業のAI導入のスピードは極めて速いものの、「責任あるAI」と完備したリスクガバナンスの能力を真に備えた企業の割合は28%にとどまり(新型の攻撃経路への防御の準備度では、準備ができていると自認する企業はわずか13%)、世界平均を大きく下回ことがさらに明らかとなった[3]。
AIの自律的な権限が大幅に引き上げられるにつれ、企業が直面するリスクは誤った回答だけでなく、実際の業務停止や重大な法的責任を招きかねない。李政権氏は、企業はAIの実装過程における4つの運用上のブラックホールを直視すべきだと強調。エージェントがどの外部モデルを呼び出したかわからない「ツールの不透明性」、意思決定の軌跡を遡れず監査ができない「記録の保存の欠如」、トークン消費が制御を失い事業部へのコスト帰属もできない「コストのブラックホール」、そして機微データがマスキング保護のないまま外部のパブリッククラウドへ直接送られる「セキュリティとプライバシーの漏えい」である。

李政権氏は、この4大ブラックホールがAIエージェントの導入後に急速に悪化するのは、個人がChatGPTを使う発想のまま、企業が組織レベルの応用を進めがちだからだと分析する。個人利用は自分のアウトプットに対してだけ責任を負えばよいが、企業環境では、厳格なアクセス権限管理、極めて低い許容エラー率、そして明確な責任の所在が求められる。そのため、ガバナンスの基盤を築く前に、システムへの通行証(アクセス権)を持つデジタル従業員を急いで稼働させれば、表面上は99%という高い成功率に見えても、その裏に潜む1%の制御できないエラー率は、金融業や中核的な製造業にとっては100%の業務上の大惨事となる。
AIのハードルを段階的に越えることと3つの安定要素
企業が「AIのためのAI」という資源の浪費から抜け出す方法として、李政権氏は台湾人工智恵科技基金会(人工知能科学技術基金会、AIF)の4段階の成熟度指標を踏まえた、段階的な高度化のロードマップを提示する。「第0段階(Unknowing AI)」と「第1段階(Conscious AI)」では、企業は認知の萌芽と評価の時期にあり、まだ「AI導入準備の閾値」に達していない。この時期に高価な計算ハードウエアを闇雲に調達しても、高リスク・低効果に終わるだけである。企業の最優先の課題は、核となる業務の課題を整理し、データの準備度を棚卸しし、従業員が個人の判断でAIツールを業務に使用するシャドーAIのリスクを取り除くことである。その後、「第2段階(Ready AI)」に進み、既存のアプリケーション(AP)のデータガバナンスと権限管理を終えてはじめて、「第3段階(Scaling AI)」へ進める。第3段階では、マルチエージェントの協調と安全のバリアを展開して、部門横断の業務プロセスの再構築を実現できる。

AIエージェントを企業が「安心して任せられる」実行者にするには、「信頼(Trust)、業務フロー(Flow)、ガバナンス(Governance)」という3つの柱を同時に満たす必要がある。また、その中心には「人(共同・協働)」がハブとして位置づけられる。正式に稼働する前に、企業は3つの核心的な問いを厳格に点検しなければならない。第一に、エージェントが読み取るデータは、セマンティック一貫性(意味的整合性)と情報の鮮度と信頼性を備えているか。第二に、エージェントが実行する業務フローは既存の中核システムとシームレスにつなげられるか。第三に、その自律的な行動と権限の範囲は、ライフサイクル全体を通じて監視され、コンプライアンス要件に基づいて追跡・管理できる体制となっているか。
エージェンティックAI導入のボトルネックは、モデルではなくデータ
李政権氏は、エージェンティックAI(自律型AI)の導入で最大の障害は、AIモデル自体の知能不足ではなく、背後にあるデータコンテキストの深刻な欠如にあると指摘する。ガートナーの最新の研究によれば、企業内部のシステムのメタデータ(Metadata)の9割以上が適切に保存・活用されておらず、実際の保存率は3〜8%にすぎない。また、自社のデータエンジニアリング基盤がAI導入を効果的に支援できると考えているデータ・分析部門の責任者は26%に過ぎない。完全な文脈と意味の定義がなければ、いかに強力なモデルでも、システムをまたいでデータを呼び出す際には手探りの状態となり、もっともらしく見えて完全に誤った、ハルシネーション(幻覚)の回答をでっち上げてしまう。
李政権氏は、「メタデータなくしてAIなし(No Metadata, No AI)」の帰結をさらに分析する。第一は「意味の衝突」である。財務報告のエージェントが売上データの集計を命じられたとき、財務システムのRevenueは税込で計算し、営業システムは税抜で認識している場合がある。用語の統一的なガバナンスがなければ、財務数値そのものが誤ったものになってしまう。第二は「失効・期限切れ」である。顧客対応エージェントが製品仕様書を呼び出す際、ファイルに最終更新日時と有効期限のタグがないため、販売終了済みの古い価格や期限切れの条項をそのまま顧客に回答し、取引上のトラブルを招く。第三は「品質の混乱」である。分析エージェントが顧客数KPIを検索する際、データベースに同名でありながら品質にばらつきがあり定義も異なる3つのレポートがあると、ランダムに選ぶしかなく、意思決定がずれてしまう。最も深刻なのは「機微情報の漏えい」である。個人を特定できる情報(PII)の分類ラベルや文書レベルのアクセス制御を適切に設定されていなければ、社内のHRスマートアシスタントが幹部の報酬体系や機密契約を無作為に拾い上げて一般従業員に回答してしまい、法令やコンプライアンス要件に抵触する事態が発生しうる。
マルチエージェントの協調により単一モデル神話を打破
信頼できるデータ基盤が整った後は、AIをいかにスムーズに中核業務フローに導入するかが成否の鍵となる。李政権氏は、多くの企業がエージェントの導入で「AIですべての既存システムを置き換えよう」という誤りに陥り、AIモデルが本質的に「確率的(非決定的)」な演算であることを見落としていると指摘する。同じ指示でも、毎回100%同じ結果が出る保証はなく、推論の各ステップが高額なトークンを消費する。これに対し、企業内部で長年稼働してきたERP(企業資源計画)、CRM(顧客関係管理)、ナレッジマネジメント(KM)、与信審査システム、ロボティック・プロセス・オートメーション(RPA)による自動化スケジュールは、いずれも「決定論的」な実行者であり、厳密な業務ロジック、予測可能性、完全な監査証跡を備えている。
したがって、最適な導入戦略は既存システムを全面的に置き換えることではなく、「AIを頭脳として理解と判断を担わせ、検証済みの既存プラットフォームを手足として正確な実行を担わせる」ことである。具体的なアーキテクチャでは、あらゆるタスクを引き受けようとする単一のスーパーエージェント(Single Super Agent)の発想から脱却することである。長すぎるプロンプトは発散的なハルシネーションを招きやすく、巨大なコンテキストはトークン費用を急増させる。また、全権限を付与したAPI連携は深刻なセキュリティリスクを内包する。これに対し、マルチエージェントの分業マトリクスにより、複雑なタスクを専門の小型エージェントに分解すれば、計算資源の消費を60%以上減らせるだけでなく、意思決定の精度も大きく高められる。同時に、エージェントは中核データベースに直接触れるのではなく、APIやオープンなモデルコンテキストプロトコル(MCP)の標準インターフェースを通じて既存システムを呼び出してタスクを実行する。数値の合算計算や重大な例外の判断は、すべて既存の中核システムまたは人間の専門家の審査に回す。これにより、企業の既存のIT投資を守り、あらゆる処理を監査可能な状態で維持できる。
日常業務フローにおけるAI活用の形態としては、利用シーンに応じて3種類のモデルから選べる。安定性と生産性が最も高い「文脈埋め込み(Contextual Embedded)」モデルは、たとえば金融の与信システムで、画面を切り替えることなく、現在の財務比率に基づいてエージェントを自動的に起動し、「与信5C」の原則に沿って審査レポートを起草する。柔軟に支援する「サイドカー型常駐アシスタント(Embedded Sidecar)」は、従業員が社内規程の検索や帳票作成支援などを随時利用できる柔軟な補助ツールとなる。そして、部門横断の知識を取り仕切るハブとなる「独立した汎用の入口(Agentic Portal)」である。
AIの自律性向上に伴いリスクは指数関数的に拡大
AI技術は、生成能力を持つ生成AI(GenAI)からシステムをまたいで実行するエージェンティックAIへと進化し、さらに工場や物理世界に入るフィジカルAI(Physical AI)へと発展していくにつれ、企業が直面するリスクの範囲も累積的かつ指数関数的に拡大している。生成AIの段階における課題は、入力および出力におけるコンテンツの管理範囲に集中していた。エージェンティックAIの段階では、実行権限の管理範囲へと格上げされ、未承認のシステム呼び出しと自律的な越権を厳重に防がなければならない。フィジカルAIの段階に入れば、セキュリティの脆弱性は、もはやデータ漏えいにとどまらず、工場の停止や人身の労働安全上の被害という、現実世界に直接的な被害を及ぼす可能性がある。
2026年にセキュリティ業界に警鐘を鳴らした重大インシデントを振り返ると、その一つが年初に大きな注目を集めたオープンソースのエージェントプロジェクト「Lobster(ロブスター)」である。過剰なシステムのアカウントや認証資格情報を付与されたために、制御不能な操作と財務的損失が生じた。また、10月に起きた2026年10月に報告された二つの深刻な脆弱性「PHP2Shell」のゼロデイ攻撃も、そうである。後者では、修正プログラムが公開されてわずか15分で、ハッカーがAIツールで逆アセンブル(実行プログラムの機械語をアセンブリ言語に変換)を完了し、高速で隠密な攻撃を仕掛けた。いずれも、現代の脅威の伝播速度が、人間の対応の限界をはるかに上回っていることを示している。李政権氏は、企業はモデルそのものの安全性だけに頼ってはならず、多層的なセキュリティツールを活用して堅固なセキュリティを築かなければならないと呼びかけた。

現在の生成AIとマルチエージェントは、急成長の黎明期にある。企業がAIを中核業務プロセスへ導入する究極の目標は、人を機械に置き換えることではなく、「人と機械の協働」によって従業員を縛ってきた煩雑な事務やデータの照合から時間を解放することである。そして、現場の従業員が自らAIのプロセスの改善に参加し、リスク管理、例外的な意思決定、さらに高度な業務のイノベーションに貴重な知恵を集中させることにある。李政権氏は、次のように総括する。AIは全く新しいテクノロジー革命のように見えるが、企業での実装の本質は依然としてソフトウエアエンジニアリングの品質管理とサイバーセキュリティの基本原則に深く根ざしており、ニーズ分析、安全なシステムアーキテクチャの設計、ソースコード検査、ペネトレーション(侵入)テストから運用・保守のデプロイまで、あらゆる段階においても一切の妥協は許されないのである。
備註:
[1] 2026/6/25,Gartner: Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027.
[2] 2026/3/3,Deloitte: 2026 CDAO Survey: CDAO & Enterprise AI Evolution.
[3] 2026/1/21,資誠:「2026臺灣企業領袖調查:厚積至深 銳意薄發」。
出典:
- 2026/11/5,集邦科技(TrendForce)「2027科技產業大預測」研討會,叡揚資訊知識長李政權簡報。
編集部からの注記:本文は中国語で作成され、日本語に翻訳されました。翻訳内容に相違がある場合は、原文を優先するものとします。原文はこちら:企業導入AI為何效率不如預期?當心四大營運黑洞引爆AI專案棄置潮!
















