95%的AIプロジェクトはリターンを生まないのに、なぜ「つまらない」会社が逆にお金を稼いでいるのか？

作者：深思圈

矛盾した現象に気づいたことはありますか？一方ではAIの成功事例が溢れ、資金調達のニュースが飛び交い、さまざまなAI製品が毎日リリースされているのに対し、もう一方では企業の実情は深刻です。IBMの調査によると、75％のAIソリューションは期待したROI（投資収益率）をもたらしておらず、MITの報告はさらに悲惨で、95％のAIプロジェクトは測定可能なリターンを示していません。この巨大なギャップは一体何なのでしょうか？華やかに見えるAI技術が、実際の導入段階でこれほど困難を伴うのはなぜでしょうか？

数日前、私はBenが2026年のAIビジネスモデルについて深く分析した動画を見ました。Benは自身でAIエージェンシー（AI代理店）とAIソフトウェア事業を2年以上運営しており、その観察は私に多くの共感を呼びました。彼は、多くの人が見落としがちな現実を指摘しています。実際に利益を生み出し、顧客に価値をもたらすAI事業は、最も派手な純粋なプロダクト企業ではなく、「地味に見える」サービス＋製品の組み合わせを提供する企業であることが多いのです。この見解は、私のAI起業に対する認識を根底から覆しました。

なぜ多くのAIソリューションは失敗するのか

Benは動画の中で、衝撃的なデータ比較を紹介しています。ChatGPTの利用率は急速に拡大し、企業もさまざまなAIソリューションを試していますが、実際にビジネス価値を見出している企業はごくわずかです。MITの調査によると、AIソリューションを販売したサプライヤーのうち、試験運用段階を経て本番環境に入ったのはわずか5％です。デロイト（Deloitte）の調査では、AIを導入した企業のうち、顕著で測定可能なROIを得ているのはわずか15％。PwC（プライスウォーターハウスクーパース）の報告では、76％の企業が利益への影響をまだ実感していません。これらの数字はあまりにも悲惨です。

しかし、その一方で全く逆のケースも存在します。Claraの報告によると、彼らのAIアシスタントは顧客サービスコストを40％削減しつつ、顧客満足度も維持しています。Intercomは毎週100万件以上の顧客サポート会話を処理しています。FreshworksはAIを活用してITヘルプデスクの対応時間を76％短縮しました。同じAIを使っているのに、なぜ一部の企業は驚くべきリターンを得られるのに対し、他はまったく成果が出せないのでしょうか？

Benはこの点について、3つの重要な要素を挙げており、その指摘は非常に的確だと感じます。第一の要素は「カスタマイズとプロセスの再設計」です。AIは労働力の自動化を可能にしますが、それがROIを生むのは、実際の業務フローに深く組み込まれたときだけです。単にツールのスタックにもう一つ追加するだけでは不十分です。これには通常、一定のカスタマイズ、システム統合、さらには既存の業務プロセスの再設計が必要です。労働力は、その企業固有のデータ、エッジケース、ツール、そして「何が良いか」の定義と密接に結びついています。マッキンゼーの調査もこれを裏付けており、25の属性の中で、AIのために業務フローを再設計・カスタマイズした場合に、生成型AIの導入によるEBIT（税引前利益）への影響が最も大きいことを示しています。

私もこの点について深く共感しています。多くの企業は、AIツールを買えばすぐに効果が出ると考えがちです。まるでExcelを買えばすぐに使えると思うように。しかし、AIはそう簡単にはいきません。各企業のデータ構造や業務フロー、品質の定義は異なります。深くカスタマイズしなければ、AIはまるで企業の事情を知らない新人社員のようなもので、仕事をこなせません。だからこそ、すぐに使えるAI製品は効果が限定的であり、深くカスタマイズされたソリューションだけが真の価値を生み出せるのです。

第二の要素は「チームのトレーニングと思考の変革」です。Benは強調します。AIは新しい技術であり、従来のソフトウェアは決定論的（deterministic）ですが、AIは確率的（probabilistic）です。人々はAIの出力を盲信せず、批判的に評価する必要があります。多くの人は、一度誤った出力を見ただけで、そのAIソリューションは未成熟だと判断しますが、これは本質を理解していません。AIの本質は確率的であり、出力は状況や入力、モデルの状態により変動します。チームがAIの使い方や評価方法を学ばなければ、導入は失敗します。

Benは良い例を挙げています。彼らのAI SEOソフトは商品化されたソリューションですが、チームに使い方やAIとの協働方法を教育しなければ、正しく採用されません。これは非常に重要なポイントです。AIは魔法ではなく、人間が協働し、管理し、調整し続ける必要があるのです。昔のコマンドラインからGUIへの移行と同じです。新しいインターフェースを学び、操作方法を習得しなければなりません。今や、従来のソフトからAIソフトへの移行も同じ学習曲線を必要とします。

第三の要素は「継続的な運用と人的監督」です。AIソリューションは、単なる生産性ツールではなく、結果を出すことを約束します。したがって、誰かがシステムの運用と品質管理を担当し続ける必要があります。業務やビジネスは変化し、AIも急速に進化しています。これらすべての要素は、品質監視やヒューマン・イン・ザ・ループ（人間の介入）、エッジケースの処理、プロンプトやロジックの更新、そして全体のビジネスとの整合性維持を必要とします。

BenはAIを「賢いインターン」と例えています。設定して放置できるソフトウェアではなく、継続的に指導とフィードバックを行う必要があると。私もこの比喩に非常に共感します。多くの企業は、AIを従来のSaaSのように導入後自動運用できると期待しますが、実際にはAIは社員のようなもので、継続的な管理と調整が不可欠です。ガートナーの調査もこれを裏付けており、定期的なAIシステムの評価と最適化を行うことで、価値を最大化できる可能性は3倍に高まると示しています。

成功しているAIビジネスの共通点

では、成功しているAIビジネスはこれらの要素をどう確実に満たしているのでしょうか？Benの答えはシンプルかつ重要です。それは、AIソリューションやAIソフトウェアの上に「サービス層（service layer）」を追加していることです。これこそが、「地味だけど非常に効果的」なビジネスモデルの核心です。私たちが見る成功しているAI企業は、AIネイティブのソフトウェアを使いながらも、コンサルティング、教育、カスタマイズ導入の組み合わせを提供しています。

Benは主要なビジネスモデルを詳しく分析しています。第一に、AIスタートアップやAIソフトウェア企業は、コンサルティング部門を持つケースが増えています。前線展開エンジニア（Forward deployed engineers）やソリューションエンジニア（solution engineers）は、今や最も需要が高く、価値のあるポジションです。Y Combinatorの多くのスタートアップは、これらのエンジニアを通じてサービスを提供し、実際の導入を確実にしています。彼らは、ソリューションに応じて、継続的な最適化や特定のビジネスへの統合を行います。時にはコンサルティングを行い、企業の優先順位付けや業務再設計を支援し、また教育やトレーニングを通じて、AIとの協働を促進します。

Benが挙げるY Combinatorの企業例、Harvey AI、Strata AI、Sakana、Collectwise、Furaiなどは、これらの役割を大量に採用しています。大手企業のn8n、Relevance AI、Make.comも、主要顧客向けにサービス部門を持ち、パートナー経由で小規模顧客向けのサービスも提供しています。n8nの成功は、YouTubeのインフルエンサーが多くの企業主に実践的な使い方を教えたことに大きく依存しています。これは何を示しているのでしょうか？最良のプロダクトであっても、教育とサービス層がなければ真の価値は発揮できないということです。

ソフトウェアの性質によって、カスタマイズ重視のものもあれば、トレーニングやエンパワーメントを重視するもの、コンサルティングを中心とするものもあります。時にはこれらを組み合わせることもありますが、ほぼすべてのAIネイティブソフトウェア事業にとって、このサービス層はROIを実現するために不可欠です。これまでのソフトウェアビジネスの理解を根底から覆すものでした。従来のSaaSでは、最も成功したビジネスモデルはセルフサービス型のスケーラブルな製品でしたが、AI時代では、最良の製品であってもサービス層のサポートが必要です。

第二のビジネスモデルは、AI優先のサービスエージェンシー（AI-first service agencies）です。例えばマーケティングやリードジェネレーションのエージェンシーです。これらは内部のワークフローにAIを大量に導入し、顧客に提供するサービスを自動化しています。BenはCalled IQを例に挙げています。これはAI優先のリードジェネレーションエージェンシーで、AIを使ってコンテンツ作成、メール送信、LinkedInのアウトリーチを自動化し、クライアントのマネージャーやGTMエンジニア（go-to-market engineers）がこれらのサービスを提供します。これらのエージェンシーは、自分たちがAIオペレーターでもあるため、クライアントのチームにAIの使い方を教える必要がほとんどありません。これは非常に賢いモデルです。クライアントにAIの使い方を学ばせるのではなく、結果を見せることに集中できるからです。

このモデルの魅力は、結果を直接提供できる点です。クライアントはAIの使い方を学ぶ必要はなく、より良いマーケティングやリード獲得の結果だけを求めます。これにより、AIの複雑さはサービスの背後に隠され、クライアントは結果だけを買います。これが、多くの伝統的なサービス企業がAI導入によって利益率を大きく向上させている理由です。彼らの提供コストは下がる一方で、顧客が支払う価格は変わらないからです。

第三のモデルは、最大ROIをもたらし、最も牽引力のあるAI自動化エージェンシーです。これらは単なる構築者ではなく、企業のAIパートナーとして、AI監査、カスタマイズ導入、チームトレーニングを含む包括的なサービスを提供します。これらのエージェンシーで非常に価値の高い役割は、デリバリーマネージャー（delivery managers）です。彼らはビジネス理解、AI技術、コミュニケーション能力を兼ね備え、継続的なコンサルティングや業務再設計、低効率部分の発見、チームのトレーニング、AIオペレーターの配置を行います。

Benは自身の経験も非常に示唆的です。彼は、最初は実装に重点を置いていましたが、その結果、AIソリューションが企業に浸透しませんでした。後に戦略、教育、実装を組み合わせ、これらのデリバリーマネージャーを導入したところ、採用率とROIが飛躍的に向上しました。この変化は非常に重要であり、技術の導入だけでは成功しないことを示しています。成功の鍵は、適切に使われて結果を出すことにあります。

第四の高付加価値役割は、AI責任者（AI officers）やフラクショナルAI責任者（fractional AI officers）です。これらは、ビジネス感度とAI技術理解を兼ね備え、企業のAI変革を支援します。Benはこれらの役割にさまざまな呼び名を付けていますが、要は高い価値を持つスキルセットを持ち、AIソリューションから真のROIを引き出せる人材です。

製品とサービスの境界線が曖昧に

Benの核心的な見解の一つは、たとえ今Claude Codeを使って数時間で優れたソフトウェアを構築できたとしても、AIビジネスを築くには、多くの場合、サービス提供に多大な投資が必要だということです。多くの人は、製品とサービスを白黒の二色と考えがちですが、BenはAIの領域ではそれはスペクトラムだと指摘します。完全なセルフサービスのAI SaaSもあれば、AI変革コンサルのように完全にカスタマイズされたものもあります。

私も彼の意見に完全に同意します。Benの主張は、2026年に向けて多くのAI事業は、どのビジネスモデルであれ、何らかのサービス層を追加する必要があるということです。たとえ完全なセルフサービスの製品を持っていても、教育やオンボーディングに多くの投資が必要です。Claude Codeのようなツールの登場により、製品構築はますます民主化しています。SaaS時代のように、良い製品を作るのは難しかったのに対し、今や成功するAI SaaSの立ち上げは、コードを書くことではなく、AIの展開能力に関わることになっています。

この洞察は非常に深いです。技術のハードルは下がる一方で、サービスのハードルは上がるのです。かつては、コードを書けるだけで大きな価値を生み出せました。今や、コードを書けるだけでは不十分です。なぜなら、AIはあなたのニーズを理解し、適切なソリューションを設計し、正しく展開・運用できる能力が求められるからです。これらは高度なサービス能力であり、単なる技術力だけでは実現できません。

Benは、多くの人がAI製品を作り、シンプルに売りたいと夢見ていますが、実際には、多くの場合、サービスに多額の投資をしてから始めるのが最も早くROIを出す道だと述べています。サービスを通じて価値を証明し、プロダクトマーケットフィットを見つけてから、スケールを考えるのです。この「サービスから始める」アプローチは、一見地味に見えますが、最も堅実で成功の可能性が高いのです。

また、従来のプロダクト思考がAI時代に通用しなくなった根本的な理由は、AIの確率的性質にあります。従来のソフトは決定論的で、同じ入力には常に同じ出力を返しますが、AIは確率的であり、同じ入力でも出力は変動します。しかも、その品質は訓練データやプロンプト、コンテキストに依存します。この不確実性が、AIを「設定して放置できる」ソフトウェアから、「継続的に管理・調整が必要な」システムへと変えているのです。

このことが、サービス層の重要性を示しています。サービス層は、単なる技術サポートだけでなく、継続的な最適化と調整のプロセスを提供します。Benが言うように、AIは「賢いインターン」のようなもので、設定して終わりではなく、フィードバックを与え、行動を調整し、エラーを修正し、新しいスキルを教える必要があります。このプロセスは一度きりではなく、継続的に行う必要があります。そうしなければ、単なる製品販売だけでは、顧客は価値を実感できません。

未来展望と提言

Benの分析と私の考えを踏まえ、AIビジネスの未来についていくつかの見解を持っています。短期（今後2〜3年）は、サービス指向のAIビジネスモデルが引き続き主流となるでしょう。技術は急速に進化し、各企業のニーズも多様であり、標準化はまだ進んでいません。この段階では、深いカスタマイズと継続的サポートを提供できる企業が最大の価値を得ることになります。

中期（3〜5年）には、成功例の一部がプロダクト化を始めるでしょう。サービスの中で見つけた再現性の高いパターンを、製品の機能として固めていきます。ただし、この段階でも、完全なセルフサービスのAI製品は少数派で、多くの成功企業は依然としてサービス要素を持ち続けるでしょう。今の企業ソフト市場の例で言えば、Salesforceのような高度にプロダクト化された企業も、実装パートナーや専門サービスチームを持っています。

長期（5年以上）には、AI技術がより成熟し、信頼性も高まるにつれ、より多くの完全なプロダクト化されたAIソリューションが登場する可能性があります。しかし、サービス層は永遠に消えないと私は考えています。ビジネスの複雑さと多様性は永遠に続くからです。AIがより賢くなっても、企業は自社の独自業務にAIを適応させるための支援を必要とし続けるでしょう。

AI分野に参入したい専門家には、複合的な能力を養うことを強く推奨します。技術だけ、ビジネスだけを学ぶのではなく、両方を兼ね備えることです。AI自動化ツール（n8nやMake.comなど）を学びつつ、コーディングも習得し（Claude Codeなど）、同時にビジネス洞察力も養い、企業の痛点を見極め、解決策を設計し、顧客とコミュニケーションを取る能力を身につけることです。これらの複合スキルは、未来の価値ある資産となるでしょう。

Benは、専門家は徐々に自分を企業のAIオペレーターやAI責任者（AI Officer）に位置付けるべきだと提案しています。自分の業務の一部を自動化し、他の業務にも展開し、チームにAIの使い方を教え、トレーニングを行う。これにより、現在の会社での存在感を高めるだけでなく、AI時代の貴重なスキルセットを築くことができます。私はこのアドバイスに非常に共感します。AIは人を置き換えるのではなく、AIを使いこなす人が、使えない人を置き換える時代になるからです。

起業を目指す人には、BenはAIエージェンシーやフラクショナルAI責任者（fractional AI officer）から始めることを勧めています。これにより、コンサルティング、実装、トレーニングの3つのスキルを自然に身につけることができるからです。ツールは数週間で習得可能ですが、これらのスキルは実践を通じて磨かれます。多くの企業はAIの潮流に遅れていますが、少し先を行けば、数週間や数か月の差で長期的な関係を築きやすくなります。通常、2〜4人のクライアントから月額1万〜2万ドルの継続収入を得ることが可能です。

すでにAIエージェンシーを運営している場合、Benは、サービスの提供範囲に本気で投資すべきだと提案しています。コンサルティング、トレーニング、実装を組み合わせることで、ROIを生み出すソリューションを実現できます。多くの企業は、単に実装だけに集中していますが、AI監査やワークショップ、トレーニングを加えることで、より高い価値を提供できるのです。そして、これらのクライアントと長期契約を結ぶことが、継続的な収益を生むポイントです。

既存のサービス機関、例えばマーケティングやリードジェネレーションのエージェンシー、あるいはこれらの分野で経験のある方は、非常に良いポジションにいます。外部のAIブームに惑わされず、AIを活用したサービスを自社内で展開し、企業に高利益率のビジネスを築くことが可能です。重要なのは、AIがあなたの提供コストを大きく下げる一方で、価格は変えずに利益を拡大できる点を理解することです。

もし、AIプロダクト事業で牽引力を得るのに苦労している場合、Benは、数か月から数年の間にサービス層に多額の投資を行い、その後にプロダクト化を目指すのが最良だと提案しています。これは、多くのAIスタートアップの失敗が、スケールを追い求めすぎてサービスの重要性を軽視したことに起因しているからです。まずはサービスを通じて価値を証明し、プロダクトマーケットフィットを見つけてから、スケールを考えるのです。

最後に、2026年のAI分野には、まだ本当の専門家はいません。皆が学び、模索している段階です。これは挑戦であると同時に、絶好のチャンスでもあります。深く学び、実践し、情報を共有する人々には、先駆者としての大きな可能性があります。Benが言うように、この巨大な採用ギャップ（adoption gap）を利用し、今すぐAIの世界に飛び込むべきです。すべてが成熟するのを待っていると、そのチャンスは閉ざされてしまいます。

私は、今後数年間がAIビジネスモデルの確立にとって非常に重要な時期になると確信しています。最も良いバランスを見つけ、真に顧客に価値をもたらす企業、技術だけに走らずサービスと融合させる企業、複合的なスキルを持つチームが、この時代の勝者となるでしょう。そして、「地味に見える」サービス＋製品のハイブリッドモデルこそ、最も持続可能で価値のあるAIビジネスモデルかもしれません。