AIエージェントの平均ROIは171%。それでも本番導入できたのは、8社に1社だけだった

2026年9月9日 22:05

会社でAIエージェントのPoC（試験導入）を任されたことがある方、あるいは今まさに「評判は良かったのに、そこから全然進んでいない」という状況にいる方に向けて書いています。

「うちの会社もAIエージェントを試してみたけど、結局それっきりになっている」——もしそんな感覚があるなら、それはあなたの進め方が悪かったわけではないかもしれません。実は、これは多くの会社で起きている、かなり構造的な問題です。

私自身、社内向けのAIエージェントを試作して「評判は良かったのに半年近く宙ぶらりんになった」という経験があります。デモの評判は良かったのに、なぜか本番の話になると誰も先に進めてくれない。担当していた当時は、「自分のやり方が何かまずいのかもしれない」と、正直かなりモヤモヤした気持ちを抱えていました。この記事では、その体験と、直近の調査データを合わせて、「なぜ多くの会社でAIエージェントが本番導入まで届かないのか」「今日から自分にできることは何か」を、できるだけやさしい言葉でお伝えします。

儲かるとわかっているのに、なぜか進まないという矛盾

まず、ちょっと不思議な数字から紹介させてください。

BCGとForresterが2026年に行った調査によると、本番稼働まで届いたAIエージェントの平均ROI（投資利益率）は171%だったそうです。アメリカに限ると192%というから、投資した分のほぼ2倍近いリターンが出ている計算になります。これだけ聞くと「じゃあみんな早く本番導入すればいいのに」と思いますよね。私も最初にこの数字を見たとき、正直「じゃあ迷う理由がないじゃないか」と思いました。

ところが同じ調査群の中で、ForresterとAnacondaが2026年にまとめた別のデータには、こう書かれています。AIエージェントのパイロット（試験導入）のうち、本番環境にまで到達するのはおよそ8社に1社程度。つまり、残りの多くは「評判は悪くなかったのに、そこで止まっている」状態のままなのです。

儲かるとわかっている。でも、そこにたどり着けない。これって、ダイエットで言えば「体重を毎日測れば痩せられるとわかっているのに、なぜか測る習慣が続かない」みたいな話に近いんじゃないかと思います。方法がわからないわけじゃなく、「続ける仕組み」や「決める仕組み」が足りていない、というパターンです。

「AIエージェントを使っている」と「AIエージェントで成果が出ている」は違う

これまでもこの連載で何度か書いてきましたが、「AIを使っている」と「AIで成果が出ている」は、似ているようで全然違う話です。AIエージェントについても、まったく同じことが言えます。

「使っている」の基準で見れば、今、多くの会社が何らかのAIエージェントを試しています。デモを見せれば「すごいですね」という反応が返ってくるし、社内アンケートを取れば「AIエージェントを導入している」に丸をつける人もそれなりにいるでしょう。

でも、「成果が出ている」の基準で見ると話が変わります。デモがうまくいったことと、それが日常業務の一部として本当に使われ続けていることの間には、思っている以上に大きな溝があります。冒頭で紹介した「8社に1社しか本番に届かない」という数字は、まさにこの溝の深さを表しているのだと思います。

面白いのは、この溝が「AIエージェントの能力が低いから」生まれているわけではなさそうだ、という点です。次の章で、そのあたりを少し詳しく見ていきます。

本番に届かない理由は、AIの実力不足ではなかった

ここで気になるのが、「じゃあ、その溝を生んでいるのは何なのか」ということですよね。

多くの人は「AIエージェントの性能がまだ足りないから」だと考えがちです。私も最初はそう思っていました。ところが、いくつかの調査データを読んでいくと、どうやら話の本筋は少し違うようです。

Deloitteが2026年にまとめた企業向けAI活用調査によると、AIエージェントの運用について「成熟したガバナンスモデルを持っている」と答えた組織は、全体のわずか21%だったそうです。ガバナンスというと少し堅い言葉に聞こえますが、簡単に言えば「誰が最終判断を下すのか」「何を基準にOK・NGを決めるのか」というルールのことです。つまり、8割近い組織は「動かし方」は用意していても、「進めるかどうかを決める仕組み」そのものが整っていない、ということになります。

さらに興味深いのが、Forresterが指摘しているもう一つのデータです。導入したもののROIがマイナスになってしまった案件のうち、41%は「最初から成功基準が曖昧だったこと」が原因だったとされています。つまり、「このAIエージェントが成功したかどうかを、どの数字で判断するか」を最初に決めていなかった、というケースが4割近くを占めているわけです。

IDCがLenovoと協力して行った調査でも似たような傾向が出ていて、企業のAI概念実証（PoC）のうち本番規模まで到達するのはおよそ12%、つまりだいたい8社に1社という結果でした。数字の出し方は少し違っても、複数の調査が同じ方向を指しているのは、なかなか重い事実だと思います。

一方で、実際に本番導入まで進められている会社にも、共通した特徴があるようです。Digital Applied社が複数の調査を集計したレポートによると、本番化に成功している組織のうち、予算の決定権を持つ専任の「エージェントオーナー」を置いていた割合は9割を超え、プロンプトやツールを変更する前に必ず評価のプロセスを通していた割合も9割近く、対象業務を最初から一つの単一ワークフローに絞り込んでいた割合も8割を超えていたそうです。三つとも、驚くほど高い割合でした。逆に言うと、「誰が責任者かはっきりしない」「何がゴールかその都度変わる」「一度にあれもこれもやろうとする」——このあたりが、パイロットのまま止まってしまう会社に共通するパターンなのだと思います。

正直に言うと、私はこの話を読むまで「本番化できないのは技術的な限界があるからだろう」と思っていました。ですが実態は、技術の話ではなく「誰が決めるか」「何を基準に決めるか」「どこまでの範囲でやるか」という、かなり地味な運用設計の話だったんですね。

ちなみに、「変更前に評価のプロセスを通す」というのも、言葉だけだと少し難しそうに聞こえるかもしれません。でも、実際にやることはそれほど大がかりではありません。たとえば、AIエージェントに任せている業務の中から、よくあるパターンを20件くらいピックアップしておき、プロンプトやツールを少しでも変えたときは、その20件に対して同じ回答が出せているかを毎回確認する。これだけでも、立派な「評価プロセス」と呼べます。大事なのは仕組みの複雑さではなく、「変更するたびに、決まったチェックリストを必ず通す」という習慣そのものです。私も、これを知ってからは、変更のたびにこの確認をルーティン化するようにしています。

業界によって、進みやすさに差はあるのか

ここでもう一つ、気になるデータを紹介させてください。本番導入までの進みやすさは、業界によっても差があるようです。

いくつかの調査を見ていくと、銀行・保険業やソフトウェア業界は比較的本番導入が進んでいる一方、ヘルスケアや公共部門ではまだ本番導入まで届いている組織が少ない、という傾向が見えてきます。これは単純に「予算があるかどうか」という話だけではなく、扱っている情報の重さや、関係する部署の数、承認にかかわる人数の違いも影響しているのだと思います。

つまり、扱う業務が複雑で、関わる人が多いほど、「誰が決めるか」があいまいなまま進めてしまうリスクは高くなる、ということです。これは業界の話に限らず、社内の一つの部署の中でも同じことが起きます。関わる人が増えるほど、「誰かが決めてくれるだろう」という空気が生まれやすく、結果として誰も決めない、という状態に陥りやすいのだと思います。私が体験したのも、まさにこの「関わる人が増えたことで、誰も決めない状態になった」パターンでした。

これは、心理学で「責任の分散」と呼ばれる現象にも近いのではないかと思います。関わる人数が増えるほど、一人ひとりが感じる「自分が決めなくては」という感覚は薄れていきます。誰も悪気がないのに、全員が少しずつ「誰かがやってくれるだろう」と思ってしまう。会議に人を増やせば増やすほど話がまとまりやすくなる、というのは実は幻想で、むしろ逆の現象が起きやすいのだと、私は身をもって学びました。

最初の一つを選ぶなら、どの業務が向いているか

3ステップの3つ目「対象を一つに絞る」を実際にやろうとすると、次に出てくる悩みは「じゃあ、どの業務から始めればいいのか」だと思います。ここでもう一つ、参考になりそうなデータを紹介します。

いくつかの調査データを重ねて見ていくと、AIエージェントの導入がすでに進んでいる業務と、まだあまり進んでいない業務には、はっきりとした傾向差があります。カスタマーサポートやソフトウェア開発のように、「正解・不正解がはっきりしていて、人がチェックする最終工程を挟みやすい」業務は導入が進みやすい一方、法務やコンプライアンスのように「人の判断が最後まで欠かせない」業務は、AIエージェントに任せた後も人の確認が手放せず、導入がなかなか進んでいません。

これは特別なことではなく、考えてみれば当然の話です。「正解の形がはっきりしていて、間違えても被害が小さい」業務ほど、成功基準を数字で決めやすく、範囲も絞りやすい。逆に、「正解が一つに定まらず、間違えたときの影響が大きい」業務ほど、慎重にならざるを得ません。もし今、最初の一つをどれにするか迷っているなら、「間違えても大きな問題にならず、正解・不正解がはっきりしている業務」から選ぶのが、遠回りに見えて実は一番早い、というのが私の実感です。

具体的なイメージで言うと、よくある質問への一次回答の下書き作成、定型フォーマットへのデータ入力、議事録からのタスク抜き出し、といった業務は、多少ミスがあってもすぐに人が直せますし、正解のイメージも比較的はっきりしています。一方で、契約書の条文チェックや、顧客への最終回答そのものの自動送信のように、間違えたときに後戻りしにくい業務は、最初の一つに選ぶには少しリスクが高いように思います。私が問い合わせ対応を選んだのも、「最終チェックは必ず人が行う」という一段階を挟めることで、間違えたときの被害を小さくできる、という理由が大きかったです。

私のPoCが半年間"宙ぶらりん"になった話

ここで、私自身の体験を少し書かせてください。

以前、社内の問い合わせ対応を手伝ってもらうAIエージェントを、個人的に試作したことがあります。よくある質問に自動で下書きの回答を作ってもらい、担当者が最終チェックだけすればいい、という仕組みです。動かしてみると評判は悪くなく、実際にデモを見せた同僚からも「これいいじゃん、早く使いたい」という声をもらいました。

ところが、そこから半年近く、まったく前に進みませんでした。

理由を今振り返ってみると、笑ってしまうくらい単純です。「これを本番で使っていいかどうか、誰が最終的にOKを出すのか」が誰にもわかっていなかったのです。私は現場の担当者としては前向きだったのですが、システムを本番の問い合わせフローに組み込む権限は自分にはなく、上長に相談すると「情報システム部門にも確認してほしい」と言われ、情報システム部門に相談すると「業務側でどこまで責任を持つか整理してから」と言われる。誰も反対しているわけではないのに、誰も「進めましょう」と言わない。そんな状態が続きました。

打ち合わせの場では、いつも同じような会話が繰り返されました。「良さそうですよね」「うん、悪くないと思う」「じゃあ、次はどうしましょうか」「うーん、ちょっと持ち帰って検討します」。悪意があるわけでもなく、誰も反対しているわけでもないのに、話が一歩も前に進まない。この空気、経験したことがある人も多いのではないでしょうか。

さらに厄介だったのが、「これが成功かどうか」を判断する基準を最初にまったく決めていなかったことです。デモの時点では「回答の下書きがそれっぽくできていればOK」くらいのゆるい感覚で評価していたのですが、本番導入の話になると「回答の正答率は何%あればいいのか」「誤字や表現のブレはどこまで許容するのか」といった、より厳密な基準を求められるようになりました。基準が決まっていないので、誰も「これなら合格」と言えず、話がいつまでも堂々巡りになっていたのです。

これはまさに、先ほどのデータで見た「成功基準が曖昧なまま進めていた」パターンそのものだったんだと、後から気づきました。

状況が動いたのは、私が思い切って「この件については、私が窓口になって最終まで持っていきます」と手を挙げたときでした。あわせて、上長と情報システム部門を交えた短い打ち合わせを一度だけ設定し、「回答の正答率が9割を超えたら本番に切り替える」「対象は、まず一つのカテゴリの問い合わせだけに絞る」という、たった二つの基準だけをその場で決めてもらいました。範囲を絞ったことで検証もしやすくなり、結果として、そこから1ヶ月ほどで実際に本番に切り替わりました。半年間止まっていたものが、たった1ヶ月で動いたのです。

振り返ってみると、私が半年間足踏みしていたのは、AIエージェントの性能が足りなかったからではなく、「誰が決めるか」と「何を基準に決めるか」を誰も決めていなかったからでした。技術的な問題は、実はほとんどなかったんです。

本番に切り替わったあと、実際に何が変わったかも書いておきます。担当者が一件あたりの下書き作成にかけていた時間は、感覚として3分の1くらいになりました。もっと大きかったのは、「対応が遅れている」という焦りが減ったことです。件数が多い日でも、下書きさえあれば確認と調整だけで済むので、心理的な負担がかなり軽くなりました。もちろん、正答率9割という基準を決めていたおかげで、「たまに変な回答が出てくるけど、それは想定の範囲内」と最初から割り切れていたのも大きかったです。基準を先に決めておくと、実際に多少のミスが出ても「これは織り込み済み」と冷静に受け止められる、というのも地味に助かったポイントでした。

「決定権がない自分には無理」と思ったときに考えたこと

ここまで読んで、「そもそも自分には決定権がないから、オーナーを名乗るなんて無理」と感じた方もいるかもしれません。私自身も、最初はそう思っていました。

でも、実際にやってみて分かったのは、「オーナーになる」というのは、必ずしも予算や人事の権限を持つことではない、ということです。私がやったのは、「この件の進行管理は自分が引き受けます」と手を挙げて、関係者を一度だけ同じ場に集め、決めるべきことをその場で確定させる、という役割でした。決定そのものは上長や情報システム部門にお願いしましたが、「誰に何を確認すればいいのか」を整理して持っていく人がいるだけで、話の進み方はまったく変わります。

言ってしまえば、決定権のある人たちは「悪いようにはしたくない」と思っているだけで、多くの場合、決める材料や、決めるきっかけを待っているだけなのだと思います。だとしたら、その材料ときっかけを用意する役割は、決定権がなくても引き受けられます。むしろ、現場に近い立場の人ほど、その役割は向いているのかもしれません。

実際に私が上長に声をかけたときの言い方も、大げさなものではありませんでした。「この件、私の方で一度整理して、確認すべきことをまとめて持ってきます。〇〇部門にも同じ場で確認を取りたいので、30分だけお時間いただけますか」——これだけです。決定を求めているわけではなく、「決めるための場を作りますよ」というお願いなので、断られる理由も特にありません。実際、この一言をきっかけに、それまで数ヶ月動かなかった話が、一度の打ち合わせで前に進みました。

今日からできる3つのステップ

同じような足踏みを経験している方、あるいは今まさにその真ん中にいる方に向けて、私の経験と先ほどのデータから見えてきた、明日からできる3つのステップをまとめておきます。

1. 「決める人」を先に一人、決めてしまう

「みんなで決める」は、実は一番時間がかかるやり方です。予算の決定権まで持てなくてもいいので、まずは「この件について、進めるかどうかの相談窓口は自分（か、特定の誰か）」ということだけを、関係者の間ではっきりさせてしまいましょう。窓口が決まるだけで、話の行き先がなくなる、という状態は避けられます。窓口を決めたら、「いつまでに何を確認するか」も合わせて一言添えておくと、さらに話が早く進みます。「来週の水曜までに、〇〇部門の確認を取ります」くらいの一言で十分です。

2. 「何割できたら合格か」を、動かす前に数字で決める

私の失敗は、まさにここでした。デモの評判が良かったことと、本番で使える基準を満たしていることは別の話です。「正答率が何%を超えたら本番切り替え」のように、できれば一つだけ、わかりやすい数字の基準を最初に決めておくと、後になって話がぶれません。数字を決める際は、欲張らずに一つだけに絞るのがポイントです。基準が二つ、三つと増えるほど、「こっちは合格だけど、こっちは微妙」という判断が難しくなり、結局また話が止まってしまいます。もし数字の目安に迷ったら、「今、人がやっていて許容している間違いの割合」を基準にするのがおすすめです。人がやっても間違えることはあるはずなので、そこと同じか、それより良ければ十分合格とみなせます。

3. 最初の対象は、思い切って一つの業務に絞る

あれもこれも一気にAIエージェントに任せようとすると、評価も難しくなり、誰の責任かもぼやけてしまいます。本番化に成功している会社の多くが、最初は一つの単一ワークフローに絞っていた、というデータもありました。まずは一つだけ、確実に「合格」と言える状態を作ることを優先したほうが、結果的には早く前に進みます。範囲を広げるのは、一つ目がうまく回り始めたあとで十分です。先ほど紹介した「正解・不正解がはっきりしていて、間違えても被害が小さい業務」を最初の一つに選ぶと、この絞り込みもやりやすくなります。

どれも、特別なツールや知識がなくてもできることばかりです。むしろ、AIエージェントそのものの性能よりも、こうした「進め方」の部分にこそ、伸びしろが残っているのだと思います。

チームを頼れない一人担当の場合はどうするか

ここまで「関係者を集める」「上長にお願いする」という前提で書いてきましたが、部署に自分一人しかAIエージェントを触っていない、という方もいると思います。そういう場合は、関係者を集める前に、自分の中だけで先に3ステップを済ませてしまうのがおすすめです。

つまり、「自分がこの件の窓口である」「合格基準は正答率〇割」「対象は最初はこの一業務だけ」という3つを、誰にも相談せずにまず自分で仮決めしてしまいます。そのうえで、上長やIT部門には「決めた案」を持っていき、「これで進めていいですか」と確認する形にすると、ゼロから相談するよりもずっと話が早く進みます。判断してもらう相手にとっても、「白紙の状態から考える」のと「すでにある案にYes・Noを言う」のとでは、かかる負担が全然違います。これは、一人で進める場合に限らず、関係者が多い場合でも同じように使える考え方だと思います。

私自身、最初の頃は「決めていいのは上の立場の人だけ」と思い込んでいて、案を持っていくことすら気が引けていました。でも、実際にやってみると、「勝手に決めた」と受け取られることはほとんどなく、むしろ「ここまで整理してくれて助かる」と言われることの方が多かったです。決める内容そのものよりも、決めるための土台を誰かが用意してくれるかどうかの方が、多くの現場では不足しているのだと思います。

「これは大企業だけの話」ではない理由

ここまで紹介してきたデータは、大企業を対象にした調査が中心です。なので、「うちみたいな規模の会社には関係ない話かも」と思う方もいるかもしれません。ですが、私はむしろ逆で、規模が小さい会社や部署ほど、この考え方が刺さるのではないかと思っています。

大企業であれば、多少判断が遅れても、他の業務でカバーが効きます。一方で、人数が少ない会社や部署ほど、一つのPoCが宙ぶらりんになっている間の「もったいなさ」は相対的に大きくなります。担当者が一人か二人しかいない状況なら、「誰が決めるか」を決めるコストもそれだけ小さくて済むはずです。つまり、今日紹介した3ステップは、大企業よりもむしろ、身軽に動ける規模の会社・チームの方が、実践しやすく、効果も出やすいのだと思います。

実際、私が体験した「半年間の宙ぶらりん」も、決して大きなプロジェクトだったわけではありません。関わっていたのは、私と上長、情報システム部門の担当者一人ずつ、合計三人程度です。それだけの人数でも、「誰が決めるか」が曖昧なだけで、半年間も止まってしまう。逆に言えば、それだけの人数なら、決め方さえ整えれば、驚くほど早く動き出す、ということでもあります。

まとめ

AIエージェントは、本番稼働までたどり着けば平均171%のROIを生む、という調査データがある一方で、実際に本番までたどり着けているのは8社に1社程度、というのが今の実態のようです。その差を生んでいるのは、AIの実力不足ではなく、「誰が決めるか」「何を基準に決めるか」「どこまでの範囲で始めるか」という、意外と地味な運用設計の部分でした。

私自身、半年間止まっていたPoCが、窓口を決めて基準を数字にしただけで1ヶ月で動いた経験があります。振り返ってみると、あの半年間、AIエージェントそのものは最初からほとんど変わっていませんでした。変わったのは、私たちの「決め方」の方だけだったんです。技術は準備できていたのに、決め方だけが準備できていなかった——そう考えると、なんだかもったいない話だなと今でも思います。

もし今、あなたの会社のAIエージェントが「評判は良いのに、なぜか進まない」状態にあるなら、性能を疑う前に、まずは「決める人」と「合格の基準」が決まっているかどうかを、一度確認してみてほしいです。案外、足りていなかったのはAIの実力ではなく、そのたった二つだけだった、ということも多いのではないかと思います。