Paul Scott-Murphy, Chief Technology Officer at Cirata

AI負債とは何か、そしてビジネスリーダーはどうやってそれを解消するのか、2026年

最近の数ヶ月間、世界経済は、AIへの過剰な出費が実際の利益に結びつかないのではないかという懸念に襲われている。投資家やビジネスリーダーにとって、2026年は、AIによる総変革の約束が現実のものになる年であり、明確なROIとAIをスケールアップする明確な道筋が必要不可欠である。AIの実験の猶予期間は、実際に終了した。これとは対照的に、2025年のMITの報告によると、AIブームが始まってから数年経過したにもかかわらず、企業のAIプロジェクトの95%が、パイロット段階を超えて成果を上げていない。AIプロジェクトを成功させるための適切な基盤を整えずに新しいツールを採用したことによるものである。このような無効な統合は、AI負債として蓄積されてきた。AIプロジェクトでショートカットを取ったことによる、未完のデジタル変革の将来のコストである。これは、企業のインフラストラクチャの中に深く埋もれた、見えないが累積する負債である。AI負債は、完全に廃止されなかったレガシーシステム、統合されなかったデータシロ、完了されなかったクラウド移行によって生じる。AIを当時の要求されたペースで統合するための実用的方法であったかもしれないが、これらの決定は、AIをスケールアップするのを窒息させる複雑なレガシーとモダンなプラットフォームの網の目を作り出している。いかなる財務上の負債と同様に、AI負債も管理され、戦略的に建て直す必要がある。企業のAIに必要な基盤を構築するための戦略である。AI負債のコスト未完の事業のコストは大きい。最近のマッキンゼーの分析は、重要な機会損失を強調している。今日のAIツールの普及にもかかわらず、63%の企業はまだ実験的または初期段階のAIプロジェクトに取り組んでいる。これは、ジェネレーティブAIの全価値を捉えるのに苦労していることを示唆しており、ジェネレーティブAIの全球での価値は2.6兆ドルから4.4兆ドルと推定されている。これは、純粋な構造上の非効率性による、残された財産である。ITリーダーは、高度に断片化されたデジタルアーキテクチャーに直面しており、数年間にわたるボルトオンシステムや矛盾するデータモデルが、AIイニシアチブを進めるたびに、緊密に絡み合ったデータ資産を生み出している。これらの不十分な基盤の上に、数年間にわたって自律的なAIプラットフォームを重ねると、後戻りは困難になる。さらに、古いシステムと新しいシステムを並行して運用すると、メンテナンスコストが20〜50%増加し、GDPRおよびDORAフレームワークの下で深刻なセキュリティリスクが生じる。全体的に見ると、企業のAI統合に不可欠なデータの50〜70%が、シロ化されており、接続されていないと推定されている。堅固な基盤を構築するための変更がない限り、最も約束のあるAIパイロットでも、成果は減少するだろう。機械の中の結び目自律システムを推進するための、独立した意思決定が可能なAIの需要は、近年、問題を悪化させている。AIエージェントを近い将来に展開することを計画している企業が多いが、データを中央集権化したり、インフラストラクチャーが予測されるワークロードの増加に耐えられるようにした企業は少ない。シスコの最近の調査によると、5社に1社以下の企業が、AIへのシームレスなアクセスを可能にするためにデータを完全に中央集権化している。さらに、60%以上の企業は、将来数年以内にワークロードが30%以上増加することを予想しているが、3分の1以下の企業が、エージェントAIシステムを新たな脅威から守るために準備が整っている。最もデジタルに進化した企業でも、計算コストの増加やサイバーセキュリティとAIエンジニアリングの人才不足に苦労している。同様に、技術的負債が以前のソフトウェア開発を遅らせたように、AIインフラストラクチャーの負債は、有意義な成果をもたらす前に、現在の変革の波を停滞させる可能性がある。本質的に、これはデータの問題である。AIシステムは、トレーニングデータを何倍にも増幅させる。データが不完全またはコンテキストに劣化している場合、出力も欠陥がある。LinkedInでビジネスリーダーが「AIのごみ」と呼ばれるような結果を嘆くことが聞かれるが、これが無制限に続けば、技術と企業への信頼を損なう商業的および評判上のリスクを生み出す。請求書の精算AIに本気で取り組むには、企業は短期的な妥協のサイクルを止め、断片化の根本原因に対処しなければならない。Cirataでは、クライアントに最初のステップは、情報源を統一することであるとアドバイスしている。これは、散在するスプレッドシートやシロ化されたサーバーから、情報が簡単にアクセスでき、リアルタイムで更新される単一のモダンなクラウドプラットフォームへの移行を意味する。次の優先事項は、情報の流れを自動化することである。手動でのデータ移動は、固有に遅く、エラーを生みやすいが、データを用意し、利用可能にする自動化されたデータパイプラインを作成するためのデータソリューションがある。最後に、ルールを定めることで、良いガバナンスを確立することが重要である。誰がデータを所有するか、誰がアクセスできるか、そしてどうやって検証するかを定義することで、全システムの完全性を確保できる。データオーケストレーションを基礎となるインフラストラクチャーから切り離すことで、企業は、断片化なく、オンプレミスとマルチクラウド環境間でデータを移動し、統合できる。堅固な基盤を構築するAIプロジェクトが失敗するか、ビジネスを変革するかは、AI自体ではなく、AIに与えられるデータに依存することが多い。AIの約束はまだ大きいが、どのアルゴリズムも、弱い基盤を補うことはできない。建物が追加のフロアを追加する前に、構造的な完全性が必要であるように、AIも、持続可能な価値を提供する前に、信頼できるデータインフラストラクチャーが必要である。AIの約束はまだ大きいが、どのアルゴリズムも、弱い基盤を補うことはできない。AIは、持続可能な価値を提供する前に、信頼できるデータインフラストラクチャーが必要である。これは、AI自体ではなく、AIに与えられるデータが重要であることを示している。