AI製品は失敗事例から読んでください — 撤退した企業から原因文を抜き出す(1)

AIで新しい製品やサービスをつくろうという話になると、たいていは成功事例から探し始めます。しかし設計に使える情報は、先に挑戦して撤退した企業のほうに多く残っています。RANDの報告書が挙げたAIプロジェクト失敗の5つの原因と、IBM Watson for Oncology、Zillow Offers、Humane AI Pin、韓国のAIデジタル教科書の事例をもとに、失敗を一文の原因に変える方法を整理しました。

AXAI活用失敗分析製品企画

まず、このアイデアを先に試した企業があったかどうかを確かめてください。 あったなら、その企業がなぜ撤退したのかが、自社の設計の最初のページです。

「これはまだ誰もやっていないはずです」

新規事業の会議でAIのアイデアが出ると、場の空気は一気に熱を帯びます。写真を撮るだけで判定してくれるアプリ、問い合わせ対応を代わりに受けるチャットボット、価格を事前に当てるレコメンドエンジン。デモも1日あればできます。そして誰かがこう言います。「これはまだ誰もやっていないはずです」。

ほとんどの場合、誰かがすでに試しています。ただ静かに撤退しただけです。成功したサービスはプレスリリースや受賞歴として残りますが、撤退したサービスは一行のお知らせとともに消えていきます。検索すると成功事例ばかり出てくる理由はここにあります。

そこで私たちは、AI製品の企画相談で順番を一つ入れ替えるようお勧めしています。うまくいった事例を探す前に、挑戦して撤退した事例から集めてください。成功事例は「できる」ことを教えてくれますが、撤退事例は「どこで崩れるか」を教えてくれます。設計に必要なのは後者です。

失敗は珍しくありません。珍しいのは記録です

まず、AIプロジェクトがどれくらいの頻度で失敗するのかを見てみます。米国のシンクタンクRANDが2024年に発表した報告書は、AIプロジェクトの80%以上が失敗するという推計を引用し、これはAIを含まないITプロジェクトの失敗率の2倍だと記しています。研究チームは経験5年以上のデータサイエンティストとエンジニア65人にインタビューし、失敗の根本原因を5つ挙げました。最も多い原因は技術ではなく、問題を理解し伝える段階にありました。

RANDが挙げたAIプロジェクト失敗の5つの根本原因。最も多いのは何を解くべきかを誤解する、または誤って伝えることで、続いて学習させるデータの不足、利用者の課題より最新技術への傾注、データ管理とモデル展開の基盤の不足、AIには難しすぎる問題への適用が並ぶ。
AIプロジェクト失敗の5つの根本原因。出典:RAND, 2024

この5つは他社の話のように見えますが、実際に撤退したサービスを一つずつ分解してみると、ほぼすべての事例がこのうち一つ以上に引っかかっています。問題は、その事実をつくる前に知るのか、つくった後に知るのかです。

つくった後に気づく過程は、失敗するAIプロジェクトで5つの段階に整理しました。本稿はその手前、まだ何もつくっていない段階でやるべきことを扱います。

原則1. 失敗を「原因文」に変えてください

事例を集めるだけでは、読み物が増えるだけです。事例ごとに「何が原因で撤退したのか」を一文で書いてこそ、設計に使えます。2つの例を見てみましょう。

IBM Watson for Oncology。2018年、米国の医療専門メディアSTATが入手したIBMの内部文書によると、社内の専門家や顧客が、このがん治療推奨システムによる「安全でなく不正確な治療推奨」を何度も確認していました。文書は原因として学習方法を指摘しています。実際の患者データではなく少数の仮想症例で学習しており、推奨は診療ガイドラインや根拠よりも、がんの種類ごとの少数の専門家の判断に頼っていたというのです。原因文にまとめるとこうなります。「学習素材が現場のデータではなかった」。

Zillow Offers。米国の不動産プラットフォームZillowは、アルゴリズムで住宅価格を予測して自ら住宅を売買する事業を展開していましたが、2021年11月に撤退しました。Zillowの第3四半期決算発表によると、想定売却価格より高く買った住宅のために、その四半期だけで約3億400万ドルの在庫評価損を計上し、人員の約25%を削減することを決めました。原因文は「予測誤差を自社資産で直接抱え込む構造だった」です。予測が多少外れるのはどのモデルにもあることですが、その誤差がそのまま在庫損失になるように事業を組んでいました。

こうして原因文を書いておけば、自社の企画書にすぐ問いを投げかけられます。自社モデルの学習素材は現場のデータか。自社の事業で予測が外れたら、そのコストは誰が負うのか。

撤退事例を一行の原因文にまとめ、その文を自社の企画書への問いに変える流れ。Watson for Oncologyは学習素材が現場のデータではなかったという文に、Zillow Offersは予測誤差を自社資産で抱え込む構造だったという文にまとまる。
事例から原因文へ、原因文から企画書への問いへ。出典:STAT, 2018、Zillow Group, 2021

原則2. 技術ではなく「使う場面」で崩れた箇所を探してください

撤退事例の多くは、技術がまったく動かなかったからではなく、使う人の一日に入り込めなかったから崩れました。

Humane AI Pin。服に付けるAIデバイスでスマートフォンを置き換えると掲げたスタートアップHumaneは、投資家から2億3,000万ドルを集めました。しかしFortuneの報道によると、2025年2月にHPが1億1,600万ドルで同社を買収し、すでに販売されたデバイスは2月28日から正常に動作しなくなりました。著名なテックレビュアーは、速度・安定性・バッテリーを理由に、自分がレビューした中で最悪の製品の一つだと評しました。スマートフォンがすでにやっていることを、より不便にするデバイスだったわけです。

AIデジタル教科書。韓国では2025年度1学期から、一部学年の英語・数学・情報の科目にAIデジタル教科書が導入されました。しかし京郷新聞の報道(韓国語)によると、採択率は約33%にとどまり、実際の接続率は10%にも届かず、試行期間なしに急いで導入したという教員団体の批判が続きました。結局、2025年8月4日の国会本会議で、AIデジタル教科書を教科書ではなく教育資料に位置づけ直す初・中等教育法(日本の学校教育法に相当)の改正案が可決されました。原因文にまとめると「使う人が十分に試す前に、全面導入を先に決めた」です。

2つの事例はいずれも、RAND報告書の3つ目の原因、つまり利用者の実際の課題より技術を優先したケースに当たります。失敗事例を読むときは「この技術はうまく動いたか」よりも、「誰が、いつ、どんな瞬間にこれを使おうとしたのか」を探して書き留めてください。その場面が自社製品の利用場面と重なるなら、同じところでつまずく可能性が高いということです。

原因文の集め方

こうした原因文は、事例が10件から20件ほど集まると共通する箇所が見え始めます。集め方はシンプルです。

  • 自社のアイデアに似た製品名に「サービス終了」「撤退」「shut down」「discontinued」を付けて検索します。
  • 企業自身が出した終了のお知らせ、決算発表、監督機関の資料といった一次情報を優先します。出典が見つからない理由は書きません。
  • 事例ごとに、いつ始めていつ撤退したのか、企業が明かした理由と外部が分析した理由を並べて書き、最後の行に原因文を一つ書きます。

本稿で見た4つの事例をこの方法で整理すると次のようになります。

事例時期明らかになった理由原因文
IBM Watson for Oncology2018年に内部文書が報道少数の仮想症例で学習、少数の専門家の判断に依存学習素材が現場のデータではなかった
Zillow Offers2021年11月に事業終了を発表想定売却価格より高く買った住宅、四半期の在庫評価損約3億400万ドル予測誤差を自社資産で直接抱え込む構造だった
Humane AI Pin2025年2月にHPが買収、デバイスが動作停止速度・安定性・バッテリーへの酷評スマートフォンがすでにやっていることを、より不便にした
AIデジタル教科書(韓国)2025年8月に教育資料へ転換採択率約33%、接続率10%未満、試行期間なしの導入使う人が十分に試す前に、全面導入を先に決めた

AI検索ツールを使えば、収集と整理は半日で終わります。ただし、どの理由が本当の原因なのかを選ぶ判断は人がしなければなりません。着手前にあわせて確認したいほかの問いは、AI導入前チェックリストにまとめています。

まとめ

AI製品のアイデアの多くは、新しいものではありません。新しくなりうるのは、先行企業がつまずいた箇所を知ったうえで、それを避ける設計です。その第一歩は、撤退事例を集め、事例ごとに原因を一文にまとめ、技術よりも使う場面で崩れた箇所を探すことです。

次回は、こうして集めた原因文を実際の設計表とプレモーテム会議に移す手順を扱います。


連載「AI製品は失敗事例から読んでください」
  1. 撤退した企業から原因文を抜き出す(本稿)
  2. 改善リストとプレモーテムで設計する

参考資料