AIプロジェクトの85%は失敗する——その原因はAIではなく「データ」だった

「AIを入れれば、うちも変わるはずだ」

そう考えて導入に踏み切る企業は多い。しかし現実は厳しい。AIプロジェクトの85%は失敗に終わる（Gartner調査）。

しかも、失敗の原因はAIの性能ではない。

Gartner、Deloitte、McKinseyなど複数の調査機関が一致して指摘しているのは、AIプロジェクト失敗の70%以上がデータ問題に直結しているという事実だ。

具体的には：

RAND Corporationが2024年に発表した研究では、AIプロジェクトの5大失敗パターンのうち2つがデータに直接起因すると結論づけている。

AIの精度を上げたいなら、モデルを変えるより先に、データを整えるべきなのだ。

ここに厄介な問題がある。

Capital OneとForresterの共同調査（2024年）によると、経営層の87%が「自社のデータはAI対応済み」と認識している。

一方で、現場の技術担当者の84%が、毎日データの修正に数時間を費やしている。

経営者は「データならExcelにある」「基幹システムに入っている」と考える。現場は「フォーマットがバラバラ」「手入力のミスだらけ」「そもそも必要なデータが取れていない」と悲鳴を上げている。

この認識ギャップが埋まらないまま、AIツールだけが導入される。結果、**「ツールは入れたけど使われなくなった」**という話になる。

海外の話だけではない。日本の状況はさらに深刻だ。

中小企業基盤整備機構の2024年12月調査によると、日本の中小企業のDX進捗は以下の通り：

つまり、約6〜7割の企業がデータのデジタル化すら終わっていない。

AIの前に、データがデジタルになっていない。 AIの前に、データが蓄積される仕組みがない。

総務省の調査でも、中小企業のAI導入率はわずか5.1%。大企業の全社導入率19.0%と比べて、約15倍の格差がある。

この差は「AIへの関心」の差ではない。データ基盤の差だ。

Gartnerは2025年2月、衝撃的な予測を発表した。

「2026年までに、AI対応データに裏付けられないAIプロジェクトの60%が放棄される」

AIツールの性能は日々向上している。ChatGPT、Claude、Gemini——どれも1年前とは別物だ。にもかかわらず、AIプロジェクトの失敗率は下がっていない。

理由は明白で、ボトルネックはAIではなくデータだからだ。

モデルがどれだけ賢くなっても、食わせるデータがなければ意味がない。どれだけ優秀なシェフを雇っても、食材がなければ料理はできない。

多くの企業が「AI導入」と聞いてイメージするのは、ChatGPTのアカウントを契約する、AIツールをインストールする、といったことだ。

しかし、AIが継続的に成果を出すために必要なのは、もっと地味で泥臭い仕事だ：

1〜3がない状態で4だけやろうとしている企業が、85%の「失敗」に含まれている。

前回の記事で「DXの成功率は21%、失敗の64%が業務プロセスの整理不足」というデータを紹介した。

今回の話も根っこは同じだ。

どちらも、ツールを入れる前の「設計」がないことが原因だ。

AIツールは毎月のように進化する。来年にはもっと安くて賢いモデルが出てくるだろう。しかし、御社の業務データは、今日から貯め始めなければ来年も存在しない。

データは貯め始めた日からしか溜まらない。

AIへの投資を考えているなら、まず問うべきは「どのAIツールを使うか」ではなく、**「何のデータを、今日から貯めるか」**だ。

出典

弊社では「データ × AI」の仕組みづくりを行っています。実際に毎朝、AIがネット上のデータを自動収集・分析してレポートを配信する仕組みを自社で運用中です。