PoC地獄は誰の責任か｜段階3の4症状を生む市場構造とPlateau Type C

Plateau Type C（伴走能力不足型 Plateau）とは、AX Area に正しく踏み出しているにもかかわらず、100倍化に届かないまま停滞する状態である。原因は個人や組織の能力不足ではなく、AX 黎明期における市場構造の不整合そのものにある。

AI は効率化から、収益の創造へ──このメッセージを掲げて事業を動かしている人ほど、足元で立ち止まっている景色を見ているのではないか、と思う。AI 推進室は走っている。経営層も理解している。ベンダーも動いている。それでも、売上は動かない。

このとき多くの議論が「誰の責任か」に流れる。発注側の意思決定が遅いからだ、経営層の理解が浅いからだ、推進室の力量が足りないからだ、ベンダーが力不足だからだ──。本稿はその議論にひとつ反論したい。段階3の4症状（書籍『AI収益進化論』第1-6章）は、個別の主体の責任ではなく、AX 黎明期における市場全体の構造的不整合から生まれている。

その停滞を、私は Plateau Type C（伴走能力不足型 Plateau） と呼んでいる。Plateau 4類型のうち、最も実装上やっかいで、最も多くの段階3経営者がいま立っている場所だ。

PoC地獄、ROI定義困難、ベンダー依存、現場との断絶に関するよくある誤解

段階3 で起きていることを「誰かの責任」に帰す説明には、典型的な3つの誤解がある。

• 誤解1：PoC地獄は発注側の意思決定が遅いから起きている　社内稟議が遅い、経営層が腰が重い、推進室が決め切れない、という説明。たしかにそれらは存在する。しかしそれだけで PoC地獄が起きるのなら、意思決定が速い企業では PoC地獄が起きないはずだ。実際には世界中のあらゆる規模・あらゆる意思決定速度の企業で同じ症状が起きている（ai-adoption-three-stages）。
• 誤解2：ROI が立たないのは経営層の AI 理解が浅いから　経営層の理解度を上げれば ROI が立つ、という説明。しかし PwC Japan の5カ国比較調査で「期待を大きく上回る効果」と回答した日本企業はわずか10%にとどまる。経営層が理解していようがいまいが、構造として10%しか効果が出ていない。
• 誤解3：ベンダー依存と現場との断絶は、社内の AI 人材不足と推進室の力量不足の問題だ　優秀な AI 人材を採れば、優秀な推進室長を立てれば、解決する、という説明。しかし採用市場で100倍化伴走を経験した人材はほとんどおらず、推進室長個人の力量で覆せる構造でもない。

これら3つの誤解には共通点がある。症状の発生源を、個別の主体（個人・部門・会社）の能力不足に帰している、という共通点だ。

そして、その説明の仕方そのものが、Type C Plateau から抜け出せない最大の理由になっている。

なぜそれが誤解なのか｜AX黎明期の市場構造分析

構造1：発注側の評価能力の未成熟

AI 投資を承認する経営層・推進室が、「100倍化基準」を持っていない（100x-transformation-as-ax-entry-criterion）。

ここで起きていることは、能力の問題ではない。AX という言葉が世に出てまだ数年しか経っておらず、「AI を入れた成果」を測る物差しが市場全体でまだ確立されていない、という事実がある。だから、業務時間が15%短縮された、コストが1.2倍効率化された、という1.5倍の効率化を「AX 成果」として受け入れる市場ができあがっている。

100倍化に到達する施策と、しない施策を区別する物差しがまだ広まっていない。その状態で投資判断をすれば、判断そのものが100倍化を妨げる方向に働く。BCG の調査では、AI 投資の効果を財務 KPI で追跡できていない企業が60%に上る。つまり、半数以上の企業が「自社の AI 投資が100倍化に向かっているかどうかを判定する仕組み」を持っていない。

構造2：供給側の伴走能力の偏在

AI ツールの提供は供給過剰になっている。一方で、100倍化まで伴走できる能力は市場全体として希少のままだ。

これは個別の AI ベンダー、コンサル、SIer の能力差の話ではない。「100倍化伴走」という能力カテゴリ自体が、市場でまだ確立されていない。Gartner の調査が示すように、数千社のいわゆる Agentic AI ベンダーのうち、真正な能力を持つのは約130社程度と推定されており、残りの大多数は既存ツールの再ブランディングに近い。AX 全体でも構造はほぼ同じだ。供給は多い、しかし伴走できるプレイヤーは少ない。

伴走能力の偏在は、市場の成熟度の問題である。だから、ベンダーを替えても症状が再発する。

構造3：契約構造の不整合

多くの AI 案件が「PoC → 本格導入」という二段階で組まれている。この契約構造そのものが、100倍化を阻む。

100倍化は、PoC 単独では達成できない。PoC で技術検証が済んだあと、現場で業務をアンラーンし、PI Injection で新たな金脈を探し（AX for Revenue Loop）、本格運用後にあらためて Plateau Detection を回す、という長い循環が必要になる。ところが多くの契約では、PoC のあとは「導入支援」までしか定義されていない。100倍化を伴走する契約構造が、そもそも存在しない。

MIT NANDA の調査では、カスタム/ベンダー製エンタープライズ AI ツールの本番化変換率は、調査60%、パイロット20%、本番稼働5%という極端な落差を示す。契約構造が PoC で完結する設計になっているからこそ、5%しか本番に到達しない。

構造4：成果指標の不整合

多くの AI 案件が、効率化指標（時間短縮、コスト削減）で測られている。しかし、100倍化は質的変化であり、効率化指標では捉えきれない。

ここで質の悪い循環が起きる。効率化指標で測ると、1.5倍の改善が「成果あり」と判定される。一方、100倍化に向かう試行は、立ち上げ期には効率化指標上ではむしろマイナスに見えることがある。新しい業務プロセスへの移行コスト、現場の学習コスト、PI Injection の試行錯誤コストがかかるからだ。結果、100倍化に達する施策の芽が、効率化指標によって早期に摘まれる。

財務省のコラムが示すように、「単なるツール」ではなく「業務変革の中核」として捉える企業ほど成果を出している。しかし業務変革は質的指標であり、効率化の物差しでは測れない。

これら4つの構造は、底でつながっている。書籍『AI収益進化論』第1-7章が「3段階の底でつながっている壁は、AI を効率化のための道具として、設計思想のレベルから扱っていること」と整理した壁は、Type C Plateau の市場側の現れだ、と私は見ている。

データが示す真実

ここでデータをもう一度並べる。

MIT NANDA の2025年調査では、企業の生成AI 投資累計300〜400億ドル規模に対し、組織の95%が測定可能な P&L リターンを得られていない。同調査はこれを GenAI Divide と呼ぶが、注目すべきは原因の分析だ。スケールを阻む最大障壁は、インフラ・規制・人材ではなく、「ツールが学習・記憶・適応しないこと」とされている。経営層の66%が「フィードバックから学ぶシステム」を求めている。これは、まさに100倍化伴走能力の市場的欠落を示すデータだ。

McKinsey State of AI 2025（11月版）では、AI 利用企業は88%に達したが、全社スケール化に到達した企業は約3分の1に留まる。EBIT 影響を報告する企業は39%だが、多くはEBITの5%未満。同調査が「AI 高業績企業」と呼ぶ層は約6%しか存在せず、彼らはワークフロー根本再設計の実施率が他の約3倍にのぼる。100倍化に到達している層は、契約構造と指標構造を変えている、ということだ。

PwC Japan の生成AI 実態調査2025春では、「期待を大きく上回る効果」と回答した日本企業は10%、米国は45%だ。この4.5倍の差を、日本企業の能力不足や経営層の AI 理解不足で説明するのは無理がある。期待を上回る層と未満層の最大の差分は、業務プロセスへの正式組込み（72% vs 14%）と社長直轄推進体制（61% vs 8%）にある。組込みと推進体制──いずれも、契約構造・指標構造に直結する変数だ。

これらのデータは、症状を個人や組織の責任に帰す説明では一貫した解釈ができない。市場構造の話としてしか説明がつかない。

段階3の4症状を、Type Cの臨床所見として読み直す

ここで、書籍『AI収益進化論』第1-6章が整理した段階3の4症状を、Type C の臨床所見として読み直してみる。

症状	表層の説明	構造的説明（Type C 視点）
PoC地獄	意思決定が遅い、PoC が量産される	100倍化を見込める PoC 設計になっていない。PoC 後の業務アンラーン・PI Injection・本格運用後の Plateau Detection が契約に含まれていない
ROI定義困難	経営層の AI 理解が浅い	100倍化を狙わず効率化指標で評価している。質的変化が現れる前に投資判断が打ち切られる
ベンダー依存	社内人材不足、推進室の力量不足	100倍化伴走能力を持つプレイヤーが市場で希少。発注側もベンダーを「ツール提供者」として扱う契約構造を持っている
現場との断絶	推進室の力量不足、現場の協力不足	「ツール導入数」を KPI にすると現場の業務アンラーンが後回しになる。導入数と現場変化の質が乖離する

4症状は、別々の問題ではない。同じ Type C の市場構造から、別々の面に出てきた4つの臨床所見である。

書籍『AI収益進化論』が「これら4つは底でつながっている」と整理した通り、原因はひとつだ。AX Area に正しく踏み出しているのに、100倍化に届かない。それを発注側にも市場にも、まだ伴走能力が確立されていない、という構造から見るしかない。

Type C から抜け出す3つの構造的アプローチ

ここから先は、私の現時点の見立てだ。Type C を抜け出すには、個人や部門の頑張りで対処しても症状が再発する。構造そのものを変えるしかない。3つのアプローチを示す。

アプローチ1：発注側が「100倍化基準」を経営判断に持ち込む

評価能力の未成熟という構造1に対する応答だ。

具体的には、AI 投資の承認プロセスに「この施策は1.5倍の改善か、100倍化の試行か」を区別する問いを組み込む。1.5倍の改善は DX Area の話であり、それ自体は正当な投資だ（dx-area-infrastructure-for-ax）。しかし、それを AX 成果として承認すると、市場全体の物差しのズレに加担することになる。経営層と推進室が「100倍化」と「1.5倍」を別ものとして区別し、投資判断で別の物差しを使う。これが、最初の一歩になる。

アプローチ2：契約構造を「PoC → 本格導入」から「100倍化伴走」に組み直す

構造3への応答だ。

契約構造を、PoC とその先の業務アンラーン・PI Injection・本格運用後の Plateau Detection をひとつの伴走として設計し直す。一括の長期契約に縛る必要はないが、少なくとも「PoC のあとに何が必要か」を契約段階で言語化しておく。AI ツールの導入そのものが目的ではなく、100倍化を見届けるところまでが伴走対象だ、という前提に立つ。

アプローチ3：成果指標を「効率化」から「質的変化」に組み直す

構造4への応答だ。

KPI を「時間短縮」「コスト削減」だけで設計しないこと。100倍化が起きる対象領域では、業務プロセスそのものが書き換わるため、効率化指標は立ち上げ期にむしろ悪化することがある。質的指標（業務プロセスの書き換え深度、収益進化の3パターンへの接近度（revenue-evolution-three-patterns）、現場のアンラーンの進行度）を主指標に据え、効率化指標は補助指標に降ろす。

これら3つは、いずれも社内で実行できる構造変更だ。市場が成熟するのを待たなくても、発注側から構造を変えにいける。

ただし留保がある。これらは Type C を抜け出すための「構造的入口」であって、抜け出した先で何が起きるかは、その会社の事業の中身による。発注側が構造を変えても、伴走できるプレイヤーが市場に十分そろうまでには、まだ時間がかかる。AX 黎明期というのはそういう時期だ。だからこそ、市場の成熟を待つのではなく、発注側が市場の成熟を引っ張る、という構えが要る。

次に取るべきアクション

3つの具体的なステップを示す。

第一に、自社が向き合っている Plateau が、Type A／B／C のどれかを診断する（plateau-four-types）。Type C だと判定できた瞬間、症状を個人や部門の責任に帰す説明は手放せる。

第二に、いま動いている AI 案件を「100倍化基準」で棚卸しする。1.5倍の効率化を狙っている案件はそれとして肯定し、100倍化を狙う案件と分けて管理する。両者を同じ KPI で評価しないこと。

第三に、100倍化を狙う案件について、契約構造と指標構造を組み直す対話を、発注側からベンダー側に持ちかける。これは値段交渉ではない。市場構造そのものを発注側から動かす対話だ。

AI は効率化から、収益の創造へ。この移行は、技術の問題ではなく、市場構造をどう書き換えるかの問題である。Type C Plateau は、その書き換えが進んでいない時期に、構造的に出現する停滞だ。だから、誰かの責任ではない。ただし、誰かが構造を動かさなければ、抜け出せない。

よくある質問

Q1. Plateau Type C は、Plateau Type A や Type B とどう違いますか。 A. Type A（領域誤認型）は Human Area に AI を持ち込んでしまっている状態、Type B（DX止まり型）は AX Area ではなく DX Area の改善に AI 投資が止まっている状態、Type C（伴走能力不足型）は AX Area に正しく踏み出しているが100倍化に届かない状態を指す。Type A／B をクリアしたあとに現れるのが Type C であり、段階3経営者の多くが立っているのはここだ、と私は見ている。詳細は plateau-four-types を参照されたい。

Q2. なぜ PoC地獄は、意思決定の速さでは解消しないのですか。 A. PoC地獄の構造的原因は、PoC の設計そのものが100倍化を見込んでいないこと、および PoC のあとの業務アンラーン・PI Injection・本格運用後の Plateau Detection が契約に含まれていないことにある。意思決定が速い企業でも、契約構造が同じであれば、速く PoC を回して速く頓挫するだけだ。MIT NANDA の調査で、本番化変換率がパイロット20%から本番稼働5%へ大きく落ち込むのは、この契約構造の不整合を示している。

Q3. ベンダー依存は、優秀な AI 人材を採用すれば解決しますか。 A. 個別企業の現場では緩和することがあるが、構造としては解決しない。100倍化伴走を経験した人材は採用市場でほとんど流通していないからだ。AX 黎明期において、100倍化伴走は個人の能力ではなく、契約構造と指標構造を含む組織的な仕組みとして設計されるべきものだ、と私は考えている。

Q4. ROI が立たないのは、本当に経営層の理解の問題ではないのですか。 A. 経営層の理解度は重要だが、それだけでは説明がつかない。PwC Japan の5カ国比較で日本企業の「期待を大きく上回る効果」が10%に留まる現状は、経営層の理解度の問題というより、効率化指標で AI 投資を評価する構造の問題だ。100倍化を狙う案件を、効率化 KPI で測れば、ROI は立たない。指標構造を組み直す必要がある。

Q5. どうして「市場構造の話」として扱うことが、現場の打ち手につながるのですか。 A. 症状を「誰かの責任」に帰すと、対処は「責任主体を変える」「人を入れ替える」に流れる。しかし構造が変わらないかぎり、責任主体を変えても症状は再発する。市場構造の話として扱うと、対処は「契約構造を組み直す」「指標構造を組み直す」「100倍化基準を経営判断に組み込む」という構造変更に向かう。Type C は、構造変更でしか抜け出せない停滞である、というのが本稿の見立てだ。

関連概念

• plateau-four-types
• ai-adoption-three-stages
• 100x-transformation-as-ax-entry-criterion
• three-area-model-of-ai
• AX for Revenue Loop
• cost-center-vs-profit-center-themes
• 本稿の理論的支柱として、書籍『AI収益進化論』を参照されたい（本書）。