AIに投資した企業の９５％は成果ゼロ。MITの論文紹介

米国MIT(マサチューセッツ工科大学)の研究者による
「ビジネスにおけるAIの現状 2025」
という論文を紹介します。

この論文は世界的に大きな話題となり、現在のAIデータセンターへの巨額投資は、バブルではないか？（実需が本当にに有るのか？）という議論を引き起こしています。

ここでは、Chat GPTによる論文の要約を提示しています。

最後に資料として、この論文の英語版と、DeepL翻訳版の２つのPDF（全文）を添付していますので、必要に応じてご参照ください。

以下、Chat GPTによる概要。

1. Executive Summary（概要）

1-1. 生成AI Divide の現実

生成AI には 300〜400億ドルが投資されているが、95%の企業は成果ゼロ。わずか5%だけが利益貢献に成功。成功・失敗の分岐はモデル質ではなく「アプローチの違い」であり、企業規模や規制の問題ではない。

1-2. 広い採用・狭い効果

ChatGPT/Copilot など汎用LLMは広く採用されるが、効果は個人の生産性向上に留まり、P/L向上にはつながらない。企業向けカスタムAIの多くが「脆弱・文脈学習不足」で導入失敗。

1-3. 4つの特徴的パターン

多くの企業は変革できず、

• 産業構造変化は限定的

• 大企業はパイロット多いが本番導入が遅い

• 予算偏重（営業・マーケに偏る）

• 外部パートナーの成功率が内部開発の2倍
  という傾向が確認される。

1-4. 真の障壁＝“学習欠如”

最大の障壁は、AIツールが「学習しない」「文脈を保持できない」点。成功企業はプロセス特化・カスタム統合・改善型システムを優先し、迅速な成果を上げている。

1-5. ROI が出ている領域

成功企業は BPO削減、顧客サポート効率化、エンジニアリング自動化などで実際のコスト削減を実現している。構造改革なしでも一定の利益が確認される。

2. The Wrong Side of the GenAI Divide

（高採用・低変革）

2-1. 導入は広いが変革は起きていない

9大産業のうち7産業では、生成AIは採用されても、実際の構造変革がほぼ発生していない。企業はパイロットを多く開始するが、本導入には至らない。

3. Disruption Reality Behind the Divide

（業界別の変革度）

3-1. 本当に変わったのは2産業のみ

AI変革指数を用いると、Tech と Media のみ大きな構造変化が見られ、それ以外は「試して終わり」。ユーザー行動やビジネスモデルの大幅変更は限定的。

3-2. 変革指標の結果

市場シェア変動、新規AI企業の成長、行動変化などから、7/9産業は低スコア。製造・金融などは局所的な効率化にとどまる。

3-3. 現場の声

「LinkedInでは大変革と言うが、現場は契約処理が少し速くなっただけ」との声が象徴的で、期待と実態のギャップが大きい。

4. Pilot-to-Production Chasm

（パイロットから本番への断絶）

4-1. 本番導入率5%の衝撃

カスタム生成AIツールのパイロット→本番はたった5%。一方、一般LLM（ChatGPTなど）は導入しやすいが、P/L貢献は乏しい。

4-2. 大企業の paradox

大企業ほどパイロット数が多いが、実装は遅い。中堅企業は平均90日で本番導入するのに対し、大企業は9ヶ月以上かかる。

4-3. 失敗の背景

ユーザーは「汎用LLMは便利、企業向けツールは固い・使いにくい」という評価。多くが「デモは良いが現場に合わない」ため失敗。

5. Shadow AI Economy

（社員による非公式AI利用）

5-1. 影のAI活用が本物の変革を起こす

公式導入40%に対し、社員の個人AI利用は90%。企業AIが停滞する一方、社員の“個人ChatGPT経済”が生産性を大きく上げている。

5-2. 企業が学ぶべき点

成功企業は、社員の影の利用を分析し「実際に効果のあるプロセス」を公式施策へ取り込んでいる。

6. Investment Patterns Reflect the Divide

（予算配分の偏り）

6-1. 予算の70%が営業・マーケへ偏る

可視化しやすい効果（メール自動化・リードスコアなど）に投資が集中し、本当の高ROI領域＝バックオフィスは軽視される。

6-2. 本来の高ROI領域は無視されがち

財務・調達・法務などは測定が難しいため投資不足。担当者も「CEOに説明しにくい」と回答。

7. Why Pilots Stall: The Learning Gap

（多くの失敗の根本理由＝学習できない）

7-1. 最大の壁＝“学習しないAI”

導入障壁の筆頭は「ユーザー採用抵抗」だが、実態としては

• 文脈理解不足

• フィードバック反映不可

• メモリ欠如
  が本質的課題。

7-2. ユーザーはChatGPTを好むが本番では使わない

ChatGPTは便利だが毎回文脈を入力しなければならず、改善しないため、重要業務には使えない。

7-3. 高難度タスクは9:1で人間が選ばれる

メールなど軽作業はAI優勢だが、複雑業務では圧倒的に人間。理由は「記憶しない・学習しない」こと。

8. Crossing the GenAI Divide: How Builders Succeed

（ベンダー側の成功戦略）

8-1. 成功ベンダーの共通点

成功している企業は、

• 学習・メモリ・適応が可能

• 深いワークフロー統合

• 狭い領域から拡大
  を実施している。

8-2. 企業が求める5要件

• 信頼できるベンダー

• 深いワークフロー理解

• 既存ツールとの連携

• データ境界の明確化

• 継続的学習能力

9. Winning Playbook for Startups

（スタートアップの勝ち筋）

9-1. 狭い領域で勝ち、横展開

成功例は、契約レビュー、音声AI、コード生成など、単機能で即効性のある領域を制し、その後広げている。

9-2. 参入経路は“紹介ネットワーク”

導入の多くは

• 既存ベンダー紹介

• 顧客の口コミ

• ボードメンバー経由
  で広がる。広告やデモだけでは弱い。

10. The Narrowing Window

（導入レースの締切が近い）

10-1. 18ヶ月でシステムが固定化される

学習型AIを導入した企業は、継続的改善でスイッチングコストが急上昇。今後18ヶ月で市場は固定化に向かう。

10-2. Agentic Webの胎動

MCPやA2A、NANDAが「相互運用可能なエージェント網」を構築し、AI市場の競争構造を大きく変える。

11. How the Best Buyers Succeed

（購入者側の成功行動）

11-1. BUY が BUILD の2倍成功する

外部パートナーとの共同開発は成功率66%、内製は33%。成功企業は「BPO買い」のようにAIを調達する。

11-2. ボトムアップ導入が鍵

最前線の“プロシューマー社員”がユースケースを見つけ、現場主導で導入する企業が成功する。

11-3. 真のROIはバックオフィスにある

• BPO削減

• 代理店費削減

• リスクチェック効率化
  など、目立たない領域が最も利益を生む。

12. Job Impact Reality

（実際の雇用影響）

12-1. 解雇ではなく外注削減

影響は

• BPOの20%削減

• 標準化業務の人員縮小
  など外部コスト中心。社内大規模解雇は稀。

12-2. AIリテラシーが必須スキルに

企業は AI活用能力を人材評価に組み込み、新卒が熟練者より優位に立つケースも増加。

13. Agentic Web

（エージェントがネット全体で協働する未来）

13-1. AIが自律的に“検索・交渉・統合”する世界

エージェントが

• サプライヤ探索

• 契約交渉

• API自動統合

• 複雑ワークフローの自己最適化
  を実行する“自律的インターネット経済”が出現。

14. Conclusion

（結論）

14-1. 成功の鍵は「学習するAI」と「買う戦略」

成功企業は

• 買う（BUY）

• 学習・統合可能なAIを選ぶ

• 現場主導で導入
  という共通パターンを持つ。

14-2. 2026年までが勝負

スイッチングコストの上昇により、今後18ヶ月で「AI導入勝者」が確定する。

ーーーーーーーーー　要約はここまで。

参考資料

英語版

日本語翻訳版

以上