AI の PoC が製品にならない理由

日本企業の AI 導入率は 87%、しかし期待を超える成果が出たと答えたのは 9%。この差は技術ではなく、PoC の次に何をするかを決めていないことから生まれています。

PwC Japan が 2026 年春に発表した六カ国調査に、日本の状況を正確に表した数字があります。

大企業の AI 導入率は 87%。米国の 90% とほとんど変わりません。導入は進んでいます。

一方、期待を超える成果が出たと答えた割合は 9%。米国は 38%、六カ国中で日本が最下位でした。

導入の問題ではなく、効果の問題です。そして私の見てきた範囲では、その原因はほぼ一つに集約されます。

PoC は成功するように設計されている

PoC の目的は「技術的に可能か」を確かめることです。だから条件を整えます。データはきれいなものを選び、対象業務は例外の少ないものを選び、使う人は協力的な人を選びます。

その条件で動くことは、ほぼ最初からわかっています。実際、ほとんどの PoC は成功します。

問題は、成功した PoC が製品として使えるかどうかについて、何も証明していないことです。証明したのは「整えた条件では動く」ということだけで、実際の業務は整っていません。

PoC と製品の間には、技術以外の距離があります。

例外の処理。PoC では 90% のケースを扱えれば成功です。製品では、残りの 10% で何が起きるかを全部決める必要があります。AI が間違えたとき、自信がないとき、答えられないとき。ここを設計していない AI 機能は、現場で一度失敗した時点で使われなくなります。

誰が責任を取るか。出力が間違っていたとき、その結果に責任を持つのは誰なのか。人が確認するなら、確認する手間を含めて本当に速くなっているのかを測る必要があります。この確認が元の作業より重い、という結果になっている導入を何度も見ました。

業務への組み込み。別画面で AI を使う設計にすると、使う人は既存の作業を止めて別の場所に行くことになります。ほとんどの場合、それは使われません。既存の作業の中に入っていない AI 機能は、便利さと引き換えに手間を要求しているからです。

成果が出ている導入には共通点があります。派手さではなく、範囲の決め方です。

一つの業務に絞る。その業務を最初から最後まで通す。そして、その業務を実際にやっている人が判断に入っている。

逆に、うまくいかない導入は、複数部署にまたがる大きなテーマから始まります。範囲が広いほど、決めなければならないことが増え、決める人が増え、誰も決められなくなります。

小さく始めることの意味は、リスクを下げることではありません。決める人を一人にできることです。

PoC に入る前に、次の三つを紙に書いておくだけで結果が変わります。

何が起きたら本番に進むのか。「良さそうだったら」ではなく、数字か、業務上の条件で書く。ここが決まっていない PoC は、成功しても次に進みません。判断する基準がないからです。

誰の仕事が、どう変わるのか。導入によって楽になる人と、確認作業が増える人の両方を書く。後者を書いていない計画は、現場で止まります。

間違えたときにどうするのか。これを決めていない AI 機能は、製品化の段階で必ず止まります。技術の問題ではなく、承認が下りないからです。

2026 年から IT 導入補助金は「デジタル化・AI 導入補助金」という名称になり、AI の導入が明示的に対象になりました。金額は最大 450 万円、補助率は最大 4 分の 3 です。

また、人材開発支援助成金の事業展開等リスキリング支援コースは、社内の教育にかかる費用を最大 75% まで補助します。

これらを使う場合も、上に書いたことは変わりません。補助金は費用を下げますが、範囲を決める作業は代わりにやってくれません。むしろ、申請の段階で何をやるかを書く必要があるので、決めることを先に迫られます。それはむしろ良いことです。

87% と 9% の差は、技術の差ではありません。PoC を成功させる設計と、製品を成立させる設計が別物であることを、途中で認識するかしないかの差です。

PoC の次に何をするかを、PoC を始める前に決めてください。それだけで、9% の側に入る確率はかなり上がります。