AI事業開発はなぜPoCで止まるのか｜段階3の4症状と構造的解釈

AI 投資が PoC で止まる現象は、個別企業の責任問題ではない。書籍『AI収益進化論』が体系化した段階3の4症状（PoC 地獄／ROI 定義困難／ベンダー依存／現場との断絶）は、AI 推進中なのに売上が動かない企業に共通して現れる症候群である。4症状はそれぞれ別の原因を持つ。

AIは効率化から、収益の創造へ。この移行点で立ち止まっている企業の多くが、同じ症状を抱えている。本記事は、その症候群を構造的に解釈する。

「PoC で止まる」を個別問題として語ってはいけない

AI 業界では、PoC で止まる現象が個別問題として語られてきた。PoC の進め方が悪い。要件定義が甘い。ベンダー選びが間違っていた。経営層のコミットが弱い。社内人材が足りない。

これらの説明はそれぞれ部分的に正しい。しかし、AI 推進中の企業群に共通して同じ症状が現れている事実は、別の解釈を要求する。MIT NANDA の調査では、企業の生成AI 投資の95%が測定可能な P&L リターンを生んでいない。McKinsey の State of AI 2025 では、AI 採用率は88%に達したが、EBIT インパクトを報告する企業は39%、その多くが EBIT の5%未満にとどまる。BCG の調査でも、経営層の75%が AI/生成AI を戦略的優先事項に挙げる一方、significant value を得ているのは25%のみだ。

個別企業の問題が、ここまで世界共通の数字として現れることはない。これは構造的問題である。

書籍『AI収益進化論』は、企業が AI 活用に取り組む過程を3段階に整理した。段階1 は AI 未導入、段階2 は Copilot 等のツール導入済みで事業未変化、段階3 は推進中だが売上未動の状態である（麻生要一『AI収益進化論』第1章）。PoC で止まる企業の多くは、段階3 に到達している。段階3 に達した企業群に共通して現れる4症状を、症候群として捉え直す必要がある。

AI導入の3段階モデルの整理は、ここから始まる。

段階3の4症状とは何か ── AI 推進中なのに売上が動かない企業の症候群

3段階モデルの全体像を簡潔に示す。

段階1 は、AI をまだ本格的には自社に入れていない状態である。何から手をつけるか、まだ決まっていない。段階2 は、ChatGPT や Copilot といったツールは入れた状態である。社員が使っている実感もある。しかし事業として何が変わったのかと問われると、答えにくい。段階3 は、AI 推進室・専門予算・部門横断プロジェクトを動かしている状態である。効率化の数字は出ている。しかし肝心の売上は動かない。

段階3 に達した企業群には、4つの典型症状が観察される。① PoC 地獄、② ROI 定義困難、③ ベンダー依存、④ 現場との断絶（麻生要一『AI収益進化論』第1-6章）。

重要なのは、4症状が連動して発生する一方で、それぞれ別の原因を持ち、別の回避策を必要とする点である。「PoC の進め方を変える」だけでは ROI 定義困難は解けない。「ベンダーを変える」だけでは現場との断絶は埋まらない。4症状を個別に解剖し、それぞれの構造的原因を見極めなければならない。

その共通の底にあるのが、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事実である。本記事は、4症状の構造的解釈と、抜け出すための3つの転換を示す。

段階3の4症状の構造的解釈

症状①｜PoC 地獄 ── 仕様確定後の PoC で止まる構造

現象： PoC を立ち上げては「効果が不明確」で停止し、別の PoC を立ち上げては停止する、を繰り返す。1年経っても本番稼働に至らない。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ツールの本番稼働到達率はわずか5%にとどまる。

構造的原因： 「仕様を確定してから PoC で検証する」という発注モデル自体が、収益進化AI には合わない。効率化AI の PoC は、決められた業務に AI を当てはめる構造のため、仕様確定が成立する。議事録自動化、コールセンターの一次対応、経理処理の自動化などはこの型に収まる。

しかし収益進化AI の仕様は、回し始めた後に発見・書き換える対象である。「どの顧客に・何を・どう売るか」の非連続な書き換えを目指す活動では、最初に確定した仕様の通りに進めることが、むしろ失敗を意味する。市場との対話の中で仕様が変わることが、Loop の本体である。仕様確定後の PoC モデルでは、構造的に成立しない。

回避策： PoC を AI Sprint と Ship-as-Validation の組み合わせに置き換える。10〜50回の反復で性能水準まで到達させ、市場に出すこと自体を最大の検証とする思想に切り替える。「検証のために作る」のではなく「本番として作ったものを出すこと自体が最高解像度の検証である」（麻生要一『AI収益進化論』第8-4章）。

症状②｜ROI 定義困難 ── 効率化ROIで測れない投資の構造

現象： AI 投資の ROI を経営層に説明できない。投資判断が立たない。BCG の調査では、60%の企業が AI 価値創出に関する財務 KPI を定義・モニタリングできていない。

構造的原因： 効率化AI と収益進化AI は、別の ROI で測る必要がある。効率化AI の成果は、コスト削減率、処理時間削減、人件費削減で測定可能である。従来の IT 投資 ROI の枠内に収まる。一方、収益進化AI の成果は、新規収益、新カテゴリ創出、LTV と CAC の構造変化で測定される。これは Revenue ROI と呼ぶべき別のフレームである。

両者を同じ ROI で測ろうとすると、収益進化AI への投資は「数字が出ない」と判断されて止まる。新規収益の創出は時間がかかり、初期段階では測定可能な数字が出にくい。Deloitte UK の調査では、AI 投資で満足できる ROI を実現するまでの期間を2〜4年と回答する経営層が多数派であり、テクノロジー投資の通常期待回収期間7〜12か月を大幅に超過する。効率化 ROI の物差しで測れば、収益進化AI は常に「数字が出ない投資」として却下される運命にある。

回避策： 投資領域ごとに別の ROI フレームを使い分ける。効率化AI には従来 ROI、収益進化AI には Revenue ROI。経営層、特に CAXO（Chief AI Transformation Officer）が Revenue ROI を理解し、別の投資判断軸として使い分ける体制を整える。

症状③｜ベンダー依存 ── 内製化できず外部に依存し続ける構造

現象： AI ベンダーに繰り返し発注するが、社内には何も残らない。プロジェクトが終わるたびに、また別のベンダーにゼロから依頼する。MIT NANDA の調査では、内製型 AI プロジェクトの失敗率は外部購入の2倍に達し、戦略的パートナーシップ型の成功率は約66%である一方、依存と内製のどちらに振っても課題が残る構造が観察されている。

構造的原因： 社内側に「AXアーキテクト（BA能力 × AI能力）」が存在せず、ベンダーから受け取った成果を継続的に実装し、改良し、組織知化する担い手が不在である。

AI 受託開発モデルは、仕様を渡してベンダーが作り、納品で終わる構造である。業務効率化の領域では、このモデルは有効に機能する。仕様が確定する領域だからである。しかし、収益進化AI の領域では、納品後に仕様が書き換わる。Loop を回し続けることが本体である。受託開発モデルの延長線では、Loop を回せる主体が社内に育たない。

ベンダーが無能なのではない。AI 受託開発を主軸とする事業者は、その役割の中では正当に機能している。問題は、社内に Loop を回せる主体が不在のまま、受託開発モデルだけで AI 投資を進めようとする構造にある。

回避策： 社内に AXアーキテクトを育てる。BA能力（事業を構想し、組織を動かす力）と、AI能力（AI Sprint・AI Orchestration・Full-Product Launch を回す力）を掛け合わせた人材を、4要素循環構造（発掘・研修・OJT・独立）で組織知化する。詳細はAXアーキテクトとは何かを参照。

症状④｜現場との断絶 ── AI 推進室と事業現場が分断される構造

現象： AI 推進室が AI ツールを導入するが、事業現場では使われない。あるいは使われても、事業の売上構造には届かない。Gartner の調査では、2027年末までに40%超のAgentic AIプロジェクトがキャンセルされると予測されており、その主因の一つに「現場との不整合」が挙げられる。

構造的原因： AI 推進室は、DX Area（業務のデジタル化を主目的とする領域）の組織として設計されており、AX Area（AIで進化させる事業領域）の担い手としては設計されていない。組織配置と役割の問題である。

DX Area の担い手は、AI 推進室、情報システム部門、人事部などが適切である。業務横断のデジタル化を進めるために設計された組織だからである。一方、AX Area の担い手は、事業現場の AXアーキテクトと経営層（CAXO）である。事業の売上構造を書き換える活動は、業務横断組織からは届かない。事業現場の中に主体が存在しなければならない。

AI 推進室が悪いのではない。AI 推進室は DX Area で正当に機能している。問題は、AX Area の担い手を AI 推進室に押し付けてしまう組織設計にある。担い手の組織配置が違うため、AI 推進室主導では事業現場に届かない構造ができている。これは領域誤認の組織版である。

回避策： AI 推進室の役割は DX Area で維持する。並行して、事業現場に AXアーキテクトを配置し、AX Area の担い手とする。CAXO が両者を束ね、効率化AI と収益進化AI の両輪を回す体制を整える。

4症状の構造的背景 ── Plateau Type C（市場構造由来）の臨床所見

4症状は、個別企業の責任ではなく、AI 黎明期の市場構造に起因する症候群として再整理される。これを Plateau Type C と呼ぶ。

Plateau Type C とは、市場全体として、収益進化AI の実装まで伴走できるプレイヤーが限定的である構造を指す。効率化AI の実装プレイヤーは多数存在する。AI 受託開発、業務 SaaS、生成AI 基盤、社内RAG 構築など、効率化AI の領域には豊富な供給がある。しかし、AX for Revenue Loop を回し、PI Injection を経て収益構造の再設計まで踏み込めるプレイヤーは、市場全体として限定的である。

この市場構造の中で、企業が AX Area に踏み出そうとしても、伴走できる相手が見つからない。結果として、効率化AI の延長線で PoC を繰り返し、ROI が定義できず、ベンダーに依存し、現場と断絶する。4症状は、企業側の能力不足ではなく、市場構造の不整合が個別企業に現れた臨床所見である。

この認識を持つことが、4症状を抜け出す第一歩である。「自社が無能だから止まっている」のでも「ベンダーが無能だから止まっている」のでもない。AI 黎明期の市場構造の中で、AX Area に踏み出すための条件が、まだ社内にも市場にも整っていないだけである。

4症状を抜け出すための3つの転換

転換①｜PoC モデルから AI Sprint への転換

「仕様確定後の PoC」から「仕様自体を発見する AI Sprint」へ。

AI Sprint は、10〜50回の反復で性能水準まで到達させる方法論である。仕様は最初に確定しない。回し始めた後に発見し、書き換える。市場に出すこと自体を最大の検証とする Ship-as-Validation の思想と組み合わせて運用する。

効率化AI の領域では、従来の PoC モデルが引き続き有効である。仕様が確定する領域だからである。両者を使い分けることが要点となる。

転換②｜従来ROIから Revenue ROIへの転換

「コスト削減 ROI」と「Revenue ROI」を、投資領域ごとに使い分ける。

効率化AI 投資には従来 ROI を使う。コスト削減率、処理時間削減、人件費削減で評価する。収益進化AI 投資には Revenue ROI を使う。新規収益、新カテゴリ創出、LTV と CAC の構造変化で評価する。両者を混同せず、投資領域ごとに評価軸を分ける。

経営層、特に CAXO が Revenue ROI を理解し、別の投資判断軸として使い分ける。これがなければ、収益進化AI 投資は常に効率化 ROI の物差しで却下される。

転換③｜AI推進室主導から AXアーキテクト主導への転換

AI 推進室（DX Area）の役割は維持する。並行して、事業現場に AXアーキテクトを配置し、AX Area の担い手とする。

効率化AIイネーブルメントは AI 推進室が担う。全社横断のリテラシー教育、ツール導入、業務効率化の標準化を進める。収益進化AIイネーブルメントは事業現場の AXアーキテクトが担う。事業の売上構造を書き換える Loop を、事業現場の中で回す。両者を両輪として実装する。

CAXO がこの両輪を束ねる。効率化AI と収益進化AI、AI 推進室と AXアーキテクト、従来 ROI と Revenue ROI。すべての両輪を、経営の意志で束ねる役割である。

よくある質問

Q1：PoC は今後も意味があるのか？

意味はある。ただし領域を選ぶ。効率化AI の領域、つまり仕様が確定する業務（議事録自動化、コールセンターの一次対応、経理処理の自動化など）では、従来の PoC モデルは引き続き有効である。一方、収益進化AI の領域では、仕様自体を発見する活動になるため、PoC モデルではなく AI Sprint と Ship-as-Validation の組み合わせに切り替える必要がある。問題は PoC そのものではなく、PoC モデルが適切ではない領域に PoC モデルを当てはめている構造にある。

Q2：4症状はすべて同時に解決すべきか、順番に解決すべきか？

4症状は連動して発生するが、それぞれ別の原因と回避策を持つため、同時並行で取り組むのが望ましい。ただし、優先順位はある。最初に着手すべきは症状②（ROI 定義困難）である。Revenue ROI のフレームが経営層で共有されなければ、症状①の AI Sprint も、症状③の AXアーキテクト育成も、症状④の組織再配置も、投資判断が立たない。Revenue ROI を経営層が理解する状態を作ることが、他の3症状を解く前提条件になる。

Q3：AI 推進室は廃止すべきか？

廃止すべきではない。AI 推進室は DX Area（業務のデジタル化）の担い手として、正当に機能している。問題は、AX Area（事業の収益進化）の担い手まで AI 推進室に押し付けてしまう組織設計にある。AI 推進室は DX Area で維持し、AX Area の担い手として事業現場に AXアーキテクトを配置する。CAXO が両者を束ねる。役割の整理であり、廃止ではない。

Q4：ベンダー依存を抜け出すには、AI を内製化するしかないのか？

内製化だけが答えではない。MIT NANDA の調査では、戦略的パートナーシップ型の成功率は約66%、内製型は約33%であり、外部との協働モデルの方が成功率は高い。重要なのは、社内に AXアーキテクト（BA能力 × AI能力）を育て、外部パートナーと協働しながら Loop を回す主体を社内に確保することである。外部パートナーは Loop の構築を支援する役割を担い、Loop を回し続ける主体は社内にある、という分担が要点になる。

Q5：段階3の4症状を抜け出すまでに、どれくらいの期間が必要か？

書籍『AI収益進化論』および現場観測の整理では、最初の Loop が一巡するまでに概ね半年から1年、Revenue ROI で測定可能な収益進化が現れるまでに1年から3年の幅がある。Deloitte UK の調査でも、AI 投資で満足できる ROI を実現するまでの期間を2〜4年と回答する経営層が多数派である。短期で抜け出すことを目指すよりも、4症状の構造的原因を正しく理解し、3つの転換を着実に進める方が、結果として早く抜け出せる。

関連する AX for Revenue の概念

本記事で扱った概念について、より深く理解するための関連記事を以下に示す。

• AI導入の3段階モデル
• Plateau Type C と段階3の4症状を生む市場構造
• 領域誤認｜AX Area と Human Area の取り違え
• AXアーキテクトとは何か
• AI Orchestration｜複数のAIを経営の意志で束ねる
• 4層プロダクト・アーキテクチャ

---

発行: 株式会社アルファドライブ