失敗するAIプロジェクト — AIプロジェクトが死ぬ瞬間

ほとんどのAIプロジェクトは失敗して死ぬのではありません。 静かに忘れられて死ぬのです。

失敗はドラマチックではない

AIプロジェクトの死を想像すると、大げさな光景が浮かびます。システム障害、予算超過、経営陣による中止宣言。しかし現実のAIプロジェクトはそうやっては死にません。

会議が一回延期され、担当者が他の業務に追われ、データ整理が予想より長引き、パイロットの結果が曖昧で、誰かが「とりあえず保留にしよう」と言います。そして誰もそのプロジェクトを再び持ち出しません。

こうした静かな死にはパターンがあります。パターンを知っていれば、死ぬ前に救うことができます。

死の5段階

第1段階：過剰な期待 —「これで全部変わります」

AI導入の初期段階では、誰もが興奮します。デモが印象的で、競合もやっていて、経営陣が関心を示しています。このとき最も危険な発言が出てきます。

「この機会に全社的に展開しましょう。」

全社展開は全社的失敗の前兆です。範囲が広がるほどステークホルダーが増え、それぞれの期待が異なり、合意に至る時間が指数関数的に増加します。

救う方法：興奮が大きいほど範囲を狭めるべきです。「全社」ではなく「1つのチームの1つのプロセス」から始めてください。1つの成功事例が、全社展開への最速の道です。

第2段階：データの壁 —「これがデータですか？」

プロジェクトが始まると、最初にぶつかるのは技術ではなくデータです。あると思っていたデータがなく、あるデータはフォーマットがバラバラで、重要なデータは誰かの個人PCにExcelで存在しています。

この段階で多くのプロジェクトが「まずデータ整備から」と言って長期プロジェクトに転換されます。そしてデータ整備は終わりません。なぜなら完璧なデータは存在しないからです。

救う方法：完璧なデータを待たないでください。「今あるデータでできる最小の実験」を先にやってください。実験結果がデータ整備の優先順位を教えてくれます。すべてのデータを直そうとせず、実験が必要とするデータだけを直してください。

第3段階：現場の抵抗 —「つまり、私の仕事はなくなるんですか？」

技術的な問題がある程度解決されると、本当の問題が登場します。人です。

現場の担当者にとって、AIは2つの脅威として映ります。「自分の仕事がなくなる」という不安と、「また新しいシステムを覚えなければならない」という疲労。この2つが重なると、どれほど優れたツールも使われないツールになります。

救う方法：AIが代替するものと強化するものを明確に区別して伝えてください。「このツールがデータ集約を担当するので、あなたは分析と判断に集中できます」が正しいメッセージです。そして最も重要なのは — 現場がツール設計に最初から参加することです。自分が作ったものは自分で使います。

第4段階：曖昧な成果 —「効果があるのかどうかわからないんですが」

パイロットが終わりました。しかし成果が明確ではありません。「少し楽になった気もするし...」という反応が返ってきます。

この段階でプロジェクトが死ぬ理由は1つです。最初に測定基準を決めていなかったからです。 第1回で強調した「測定可能な問題定義」がここで再び登場します。ベースライン（Before）なしに始めると、変化（After）を証明する方法がありません。

救う方法：プロジェクト開始前に必ず3つを記録してください。①現状の数値（処理時間、エラー率、コストなど）、②目標数値、③測定時期。この3つがなければパイロットを始めないでください。始めること自体が無意味です。

第5段階：静かな廃棄 —「とりあえず保留にしましょう」

「保留」はビジネスにおける最も丁寧な死亡宣告です。誰も「失敗した」とは言いません。ただ他のプロジェクトが優先され、会議の議題から外れ、担当者が他の業務に移ります。

救う方法：正直に失敗を認めてください。「このプロジェクトはこういう理由で期待した成果を出せなかった」とドキュメント化してください。失敗を記録する組織は同じ失敗を繰り返しません。保留にする組織は6か月後にまったく同じプロジェクトを再び始めます。

死なないプロジェクトの共通点

逆に、生き残るAIプロジェクトにもパターンがあります。

小さく始めていました。 全社ではなく1つのチーム、全プロセスではなく1つのステップから出発しました。

問題にオーナーがいました。 誰かがこのプロジェクトの成否を自分ごととして引き受けていました。

2週間以内に最初の成果を出していました。 完璧でなくても、何かが動いているのを素早く見せていました。初期のモメンタムがプロジェクトの生死を決めます。

現場と一緒に作っていました。 技術チームが作って現場に渡したのではなく、現場がニーズを語り、一緒にブラッシュアップしていました。

失敗を共有していました。 うまくいかなかったことを隠さず、なぜうまくいかなかったかをチーム全体で共有していました。このプロセスを通じて、次の試みがより正確になりました。

AIプロジェクトを始める前に、この5つの段階を一度読んでみてください。そして、今進行中のプロジェクトが何段階目にいるかチェックしてみてください。

まだ息があるなら、救えます。