能力は決して問題ではなかった。運用モデルが問題だった。

マデレイン・ユーは、次のように述べています：「AIは壊れたシステムを修復しない。ただ、それをより速く実行するだけだ。」この言葉は、私が見た中で最もクリーンに表現された言葉です。 「AIは壊れたシステムを修復しない。ただ、それをより速く実行するだけだ。」 この言葉は、企業のAI会話が2年間で回帰してきたものの、まだ到達していない何かを名付けています。2026年には、能力が問題ではありません。能力はどこにでもあります。企業がまだ欠けているのは、既に所有している能力を顧客が感じる成果に変える運用モデルです。

私はその運用モデルをApplied Intelligenceと呼んでいます。なぜなら、そのギャップは、AIを持っていることとそれを使用することの間にあるからです。区別は重要です。後者は、唯一の複利になるものだからです。

能力の天井に達した

あなたが企業のAIまたはデジタル戦略をリードしている場合、組織の規模に関係なく、購入したAIよりも組織化されたAIのほうが少ないでしょう。セールスのコパイロット、サポートの要約ツール、運用のトライアージェント、市場の分析エンジンなど、さまざまなベンダーからさまざまなAIツールを購入したことがあるでしょう。能力のインベントリは、ボードデッキでは印象的ですが、ワークフローのオペレーターはまだシステムのシームを歩き、顧客もそうです。

MIT NANDAの2025年の調査結果によると、95%のジェネレーティブAIパイロットプログラムは、計測可能なP＆L影響をもたらさないことがわかりました。ヘッドラインは診断を上回りました。パイロットプログラムは、モデルが弱かったから失敗したのではなく、モデル出力と既存のビジネスプロセスを接続するものは何もなかったから失敗したのです。統合容量 — 人、説明責任、データの配管、運用規律が5つのコンポーネントを1つのエクスペリエンスに変えるもの — は、ほとんどの場合、資金提供された項目ではありませんでした。

VimalRaj Sampathkumarは、4月に隣接する点を示しました：企業は、AIを一連の個別の購入として扱う場合、能力を蓄積する必要がある場合、停滞します。蓄積を資金提供することは、地味な作業の半分であり、Applied Intelligenceの半分でもあります。

戦略から実行へのハンドオフが、ほとんどのAIが死ぬ場所

ほとんどの企業のAI失敗モードは、何かが原因で失敗したとされています。データの清潔性、ガバナンス、変更管理、人材などです。すべてが実際の問題ですが、週ごとに見る主な失敗モードではありません。それは、戦略を書いたチームとシステムを出荷するチームの間のハンドオフです。

伝統的なコンサルティングモデルでは、そのハンドオフはデリバブルです。ロードマップ、ターゲット運用モデル、ベンダー選択マトリックスなどです。戦略会社は成果物をシステムインテグレーターまたは内部エンジニアリングチームに渡し、戦略会社は去ります。エンジニアリング作業が始まるまでに、成果物の中の半分の仮定は古くなっています。変更するかどうか判断する人も部屋にいないので、成果物が渡される場所が、ほとんどのAIが死ぬ場所です。

ハンドオフは、ほとんどの業界横断的観察者がギャップを位置付ける場所でもあります。リレー競走では、勝敗はバトンパスのときに決まります。企業のAIでも同様です。最も遅い部分は、コンテキスト、判断、または説明責任が境界を越えるべきときですが、誰もが実際にそれを行うことを所有していないときです。

私が定義するApplied Intelligenceには、3つの運用モデルのコンポーネントがあります。各コンポーネントは、異なるシームを目指しています：

• 戦略とエンジニアリングを一つの屋根の下に。 推奨事項は、実行する人によって構築され、エンジニアリングの判断は戦略が公開される前に形成されます。
• リーダーシップとオペレーターの両方とのデュアルエンゲージメント。 執行可能な後援とオペレーターレベルの採用は、シーケンスではなく並行して実行されます。採用は最後の1マイルではありません。並行の1マイルです。
• 90日間の計測可能な勝利、18か月間の変革ではありません。 各サイクルでは、1つの重要なハンドオフを選択し、1つの説明責任のあるシステムとして修正し、顧客レベルの動きを測定し、次に次のものを選択します。

これらは、新しいものではありません。新しいのは、3つの調達決定ではなく、1つの運用モデルとして実行することです。

生産におけるディシプリンの見た目

コンポーネント自体が機能する最も明確な証拠は、モデルのサイズに関係ありません。誰かがシームを所有しているかどうかです。

金融サービスでは、大手金融機関は、新規顧客に既に収集した情報を再度尋ねるのを10年間続けてきました。なぜなら、KYCワークフローとオンボーディングワークフローは、異なるチームによって異なるメトリックに対して最適化されたからです。12〜14週間の集中作業でそのハンドオフを修正した機関は、アプリケーションの放棄が減り、資金提供までの時間が短縮されたことを確認しました。AIは変わりませんでした。シームが変わりました。

ホテル業界では、同じ教訓がほぼ10年前に浮かび上がりました。ゲストは、部屋を予約したことを知らないチェックインに耐えられなくなりました。ループを閉じたオペレーターは、予約システム、プロパティ管理システム、ロイヤルティプラットフォームをまたいで1つのチームを説明責任を持たせたことでそれを行いました。運用モデルが介入でした。プラットフォームの決定は、その後でした。

ヘルスケアは、結果が即時であるため、最も公開されている現在のケースです。NYU Langoneでは、患者ポータルのメッセージをトライアージュするために展開されたBERTモデル、396,466のメッセージをまたいで、2024年8月にJAMIA Openに公開され、ハイアキュイティメッセージの臨床医の読み取り時間を44〜67%短縮しました。これは、1つの統合ワークフロー内の実証済みの結果です。コンポーネントは実際です。結果を複利する機関は、ベンダーのデモを待つのではなく、その周りのオーケストレーション能力を構築する機関です。

実践、プロジェクトではない

見ることができる最も健康的な企業のAIプログラムは、変革プログラムではなく、臨床的な実践のように実行されています。90日間の学習サイクル、1つのハンドオフずつ、経験に触れるすべてのチャネルの_acrossの単一の説明責任のある所有者。データは、チャネルではなく顧客に従ってインストルメント化され、メトリックは、個々のシステムのダッシュボードではなく、ハンドオフにあります。

これは、Deloitteの2026年の企業におけるジェネレーティブAIの状態で「未利用のエッジ」と呼ばれているものです。組織がAIへのアクセスを約50%年間で拡大しているのに対し、約25%が実験の40%以上を生産に移行している企業の間の運用ギャップです。アクセスの拡大はほぼ無料になりました。生産の規律はそうではありません。

その規律が仕事です。それが、最終的には、次の10年の企業のAIの価値が整理される場所でもあります。

今構築する容量が、後で複利する価値

ユーは、AIは壊れたシステムをより速く実行する、ということについて正しいです。私が提示するべき対応は、AIは規律のあるシステムをもより速く複利する、ということです。2つの結果の選択は、運用モデルの選択であり、ツールの選択ではありません。能力はすでに棚にあります。Applied Intelligenceを現在実践として構築している企業 — 戦略エンジニアリング統合、デュアルエンゲージメント、小さな誠実なサイクル — は、AI投資が次の予算サイクルを獲得し、顧客がすべてのシームを感じるのを止めるような企業です。