企業AIエージェントのパイロットから本番環境へ：79%と11%の間で何が起きているのか

数字の裏にある4つのギャップ

2025〜2026年に発表された複数の調査を並べてみると、同じ構図が浮かび上がります。試している企業は多いものの、本番で稼働させている企業は少ないのです。79%と11%の間にある68ポイントこそが、いわゆる「PoC工場」です。Accentureの観察によれば、企業の80〜85%がこの段階にとどまっており、デモは次々と生まれるものの、日々の業務プロセスに組み込まれるものは1つもありません。

ギャップ1：データの準備不足

調査によれば、大規模言語モデルによってそれまで活用できなかったデータにアクセスできるようになったケースは88%にのぼる一方、AI-readyな状態にある企業データはわずか6%です。パイロット段階で使うのは、厳選された数十件のドキュメントであることがほとんどです。本番環境で向き合うのは、形式がばらばらで、バージョンが混在し、権限も異なる数万件の実データです。この段階で検索精度は通常20〜30ポイント低下し、デモで見せた「正確な回答」はここで姿を消します。

ギャップ2：生成より難しいシステム連携

デモに必要なのは「話せる」モデルですが、本番環境に必要なのは「動ける」エージェントです。注文を照会するにはERPに接続し、住所を変更するには承認フローを通し、データを書き戻すには権限チェックを通さなければなりません。各システムのインターフェースには、それぞれ固有の認証方式、レート制限、例外処理があります。当社の導入実績を集計すると、本番環境に到達したエージェントは平均4〜6個の外部システムのインターフェースと連携しており、連携作業がプロジェクト総工数の40%以上を占めるのが一般的です。

ギャップ3：評価なくして信頼なし

パイロット段階なら「見たところ問題なさそうだ」という感触で効果を判断できますが、本番環境では「正答率はどの程度か」「どの種類の質問で誤るのか」「プロンプトを変更した後に劣化していないか」に答えなければなりません。模範解答付きの100〜300問の評価セットがなければ、どんな最適化も当てずっぽうの修正にとどまり、業務部門も安心してプロセスを任せる決断を下せません。

ギャップ4：組織側の受け皿の欠如

調査によれば、AIプロジェクトの隠れたコスト（チェンジマネジメント、データ品質、プロセス再設計）は全体の77%を占め、目に見える技術投資1ドルに対して最大10ドルの無形投資が発生します。法務、人事、リスク管理といった管理部門からの抵抗は35%で、エンドユーザーの23%を上回ります。技術をリリースしても、プロセスは変わらず、誰もトレーニングを受けず、誰も運用に責任を持たないままでは、エージェントは3か月もすれば静かに使われなくなります。

ギャップを越える4つの実践

• 厳選データでデモを作るのではなく、実データでMVPを構築する
• 連携工数をインターフェース数に基づいて事前に見積もり、計画に組み込む
• リリース前に100〜300問の評価セットを構築し、リリース後は毎月スコアを計測する
• トレーニングと運用をプラットフォーム構築と同時に開始し、「第2フェーズ」に先送りしない

この4つのうち、モデル選定に関わるものは1つもありません。だからこそ当社は、デモと本番環境を隔てているのは導入・実装の能力一式だと考えています。