AI導入の「失敗率」、その数字は本当？ — 提案書の数字を確かめる3つの質問

カテゴリ: AI活用
約7分で読めます
最終更新: 2026年7月16日

はじめに

会社にAIを入れようか迷っている方から、こんな声をよくいただきます。

「AIの導入って、95%は失敗するらしいですね。うちがやって、大丈夫でしょうか」

その一方で、別の資料には「導入した会社は生産性が◯◯％アップ」と書いてある。片方は「ほとんど失敗する」、もう片方は「すごく効果がある」。正反対で、どちらを信じればいいのか分からない——。いま、いちばん多いご相談の入り口です。

そこで私たちは、よく見かける「AIの失敗率」の数字を、ひとつずつ大もとまでさかのぼって確かめてみました。この記事は、その記録です。

先にお伝えしておくと、どの数字も、もとはきちんとした調査でした。悪い数字でも、ウソの数字でもありません。ただ、その数字が記事や提案書を通じて手元に届くまでのあいだに、「いつ・誰に・どう調べたか」という条件が、少しずつ抜け落ちていく。伝言ゲームに近い現象です。

ですからこの記事の目的は、数字を否定することではありません。目の前の数字を、ご自身で確かめられるようになることです。

結論 — 確かめるのは、この3つだけ

提案書やネット記事で数字を見たとき、次の3つを確かめれば、たいていのことは見分けられます。

この記事の後半は、この3つが実際にどう効くのかを、有名な5つの数字で確かめていくものです。お急ぎであれば、この章だけでも十分です。

① MITの「95%が失敗」— これは何を測った数字か

いちばん有名な数字から見ていきます。大もとの報告書を取り寄せて読みました。

ここから、2つのことが見えてきます。

1つめ。「95%」は「95%の計画が失敗した」という意味ではありません。報告書が実際に言っているのは、「95%の組織が、損益に表れるほどの成果はまだ出せていない」ということ。「失敗した」と「まだ利益には届いていない」は、経営判断としてはかなり違います。

しかもこの95%は、その会社専用に作り込んだAIに限った数字です。同じ報告書のなかで、ChatGPTのような汎用のAIなら8割以上が本番導入まで到達しているとも書かれています。ひとつの報告書に、印象の正反対な2つの数字が並んでいる——ここが見落とされがちです。

2つめ。「2025年8月の調査」と紹介されることがありますが、正しくありません。報告書は7月、調査は1〜6月。8月は、メディアが大きく取り上げた月です。発表された月と、実際に調べた月は、平気でずれます。

なお、この数字を広めたある大手経済メディアの記事は、調査手法を「責任者150人・従業員350人」と紹介していますが、手元の報告書には「52社・153人」としかありません。広まっている説明と、原典の記述が食い違っている——それ自体が、この記事のテーマそのものです。

② RANDの「80.3%が失敗」— 伝言ゲームの、分かりやすい例

今回の調べもので、いちばん示唆に富んだ例です。

「RAND（米国の著名な調査機関）の調査で、AIの取り組みの80.3%が失敗すると分かった」——この一文は、日本語のAI記事で本当によく見かけます。

そこで、RANDの報告書（2024年8月13日公開）を実際に読みました。書いてあったのは、こういう一文でした。

いくつかの推計によれば、AIプロジェクトの80%以上が失敗する（原文の日本語訳）

ポイントは、はじめの「いくつかの推計によれば」です。RANDは、「自分たちが測った」とは書いていません。 よそからの推計を、伝聞と分かる形で引いているだけ。むしろ誠実な書き方です。

では、その「いくつかの推計」とは何か。この一文には注（出どころのメモ）が付いていました。たどると、行き着いた先は——2022年7月のある経済メディアの記事で、そこで紹介された一人の経営者の発言でした。

整理すると、こうなります。

4年前の、雑誌記事の、一人の発言。それが、まわりまわって「RANDの最新の調査結果」として提案書に載っています。

興味深いのは、どの段階にも、はっきりした「ウソ」がないことです。RANDは伝聞だと明記し、引用した人も、RANDに書いてあったことを引いている。それでも一往復するたびに「いくつかの推計によれば」という留保が落ち、最後には「RANDが測定した」に変わってしまう。

そして、いつのまにか小数点がつきます。RANDの原文は「80%」であって、「80.3%」ではありません。一部の記事では、80.3%の“内訳”とされる数字（33.8%・28.4%・18.1%）まで見かけますが、これらはRANDの報告書のどこにもありません。 どこで足されたのかは、たどれませんでした。

ここに、実務で役立つ教訓があります。数字は、細かいほど本当らしく見えます。「約80%」より「80.3%」のほうが、なんとなく正確そうに映る。だからこそ、やたらと細かい数字ほど、大もとを確かめる価値があります。

（念のため補足すると、RANDが実際に自分で行った調査は、2023年8月〜12月に、経験5年以上のAI技術者65人へ聞き取りをしたものでした。こちらは、しっかりした調査です。）

③ S&P Globalの「42%が中止」— 発表日と調査日は違う

3つめは、数字そのものは本物でしたが、「いつ」に落とし穴があった例です。

注目したいのは、この調査の名前に「2025」と入っているのに、実際に調べたのは2024年の秋だという点です。調査名についている年号は、調べた年とは限りません。

紹介記事の多くは「いつ調べたか」に触れておらず、読み手は「2025年3月の最新調査」と受け取ってしまいます。発表日と調査日は、分けて見る。それだけで避けられます。

④ Gartnerの「AIで人を減らしても、もうからない」— 誰に聞いた調査か

4つめは、「誰に聞いたか」がいちばん効く例です。

Gartnerが言っているのは、「ROIが高かった企業も、そうでない企業も、人員削減の割合はほぼ同じだった」ということ。ただし、これを「削減とROIに相関はない」と言い切るのは、あくまで解釈です。Gartnerが公表しているのは「ほぼ同じ」という記述までで、グループごとの数値は出していません。ここではGartnerの言い方どおりにとどめます。

そして、ここで効くのが「誰に聞いたか」です。相手は年間売上10億ドル（千数百億円）以上の大企業でした。日本の中小企業とは、聞いた相手がまったく違います。大企業向けの数字をそのまま中小企業に当てはめるのは、この記事が問題にしていることそのものです。

⑤ Stanfordの調査 — 「良い調査」は、自分の弱点を自分で書いている

最後は、信頼できると感じた調査を紹介します。悪い例ばかりでは不公平ですし、良い調査の見分け方は実務でも役立ちます。

スタンフォード大学のあるチームが、2026年4月に出した報告書です。

よく引用されるのが「成功した導入の61%は失敗を経験している」という数字です。正確には、61%は、いまの成功の“前に”、別のプロジェクトで失敗していた——過去の失敗、という意味です。

そして、この報告書が優れているのは、自分たちの弱点を自分から書いていることです。この調査は、成功した事例だけを意図的に選んで集めています。だから報告書自身が、こう書いています。

良い結果のほうに、選び方のかたよりがある。だから、成功がどれくらい一般的かについて、代表的なデータを示すものではない（原文の日本語訳）

つまり「61%が失敗を経験している」は、あくまで成功した企業のなかでの比率であって、「失敗しても61%は成功できる」という意味ではありません。それを、著者たち自身が先回りして書いています。

弱点を自分で書いている調査は、信頼できます。この報告書を今回いちばん質が高いと感じた理由は、数字の大きさではなく、この一文があることでした。良い資料を見分けるときの、確かな目印になります。

というわけで — 提案書を受け取ったら

冒頭の3つを、そのまま聞いてみてください。「その数字の出どころは？」「いつ実施した調査ですか？」「誰に聞いた調査ですか？」。今回の5つでも、Gartnerは9か月、S&P Globalは4か月、発表と調査がずれていました。

相手を困らせる質問ではありません。きちんと答えられる提案は、それだけで信頼できます。良い相手を見つけるための質問だと思ってください。

最後に

この記事では、出てくる数字すべてに「どこの・いつ・誰に・何件の」を添えました。他人の数字の使い方を話題にする以上、自分の数字も同じ基準で扱うべきだからです。判断に使う数字だけでも確かめる——それだけで、意思決定の質は変わります。

まとめ

• MITの「95%」：意味は「95%の組織が損益にはまだ届いていない」であって「95%が失敗」ではない。特別に作り込んだAIに限った数字で、汎用のAIなら8割以上が本番導入まで到達している
• RANDの「80.3%」：RAND自身は「いくつかの推計によれば80%以上」と伝聞で書き、その出どころは2022年の雑誌記事。原文に小数点はなく、“内訳”の数字は存在しない
• S&P Globalの「42%」：数字は本物。ただし発表2025年3月に対し、調査は2024年秋
• Gartner：発表2026年5月に対し、調査は2025年の夏〜秋。対象は売上10億ドル以上の大企業で、中小企業とは事情が違う
• Stanford：自分の弱点（選び方のかたより）を自分で書いている。良い調査の見分け方として使える
• 確かめるのは「出どころ／調査日／対象」の3つでいい

AIの導入がうまくいくかどうかは、統計では決まりません。自社の業務と、自社の進め方で決まります。95%も80%も、そこまでは教えてくれません。

お手元に提案書があれば、そこに書かれた数字の出どころを一緒にたどるところから始められます。数字が確かなら、それは良い提案の裏づけになります。数字の棚卸しは、いつでもお手伝いします。

参考・出典

• MIT NANDA『The GenAI Divide: State of AI in Business 2025』（2025年7月、Preliminary Findings＝暫定版）
• RAND Corporation『The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed』RR-A2680-1（2024年8月13日）
  https://www.rand.org/pubs/research_reports/RRA2680-1.html
• Jeremy Kahn “Want Your Company’s A.I. Project to Succeed? Don’t Hand It to the Data Scientists, Says This CEO”, Fortune（2022年7月26日）※上記RANDの報告書が注で参照している出どころ
• S&P Global Market Intelligence『Voice of the Enterprise: AI & Machine Learning, Use Cases 2025』（発表2025年3月／調査実施2024年10〜11月、回答1,006人）
• Gartner “Gartner Says Autonomous Business and Artificial Intelligence Layoffs May Create Budget Room but Do Not Deliver Returns”（2026年5月5日／調査実施2025年第3四半期、回答350人）
  https://www.gartner.com/en/newsroom/press-releases/2026-05-05-gartner-says-autonomous-business-and-artificial-intelligence-layoffs-may-create-budget-room-but-do-not-deliver-returns
• Stanford Digital Economy Lab『Enterprise AI Playbook: Lessons from 51 Successful Developments』（2026年4月2日）
  https://digitaleconomy.stanford.edu/publication/enterprise-ai-playbook/

この記事の数字・記述は、執筆時点（2026年7月16日）に各出典の原本で確認したものです。ただしS&P GlobalとGartnerは公式サイトが自動での読み取りを受け付けないため、一部を複数の二次情報で確認しており、原典ページでの直接確認には至っていません。各調査の正確な定義や対象は、各出典の原本をご確認ください。