同じ形の失望が、繰り返し起きてきた

AIは今度こそ本物だ、という言い方は今回が初めてではありません。過去のブームでも同じ言葉が使われ、同じ形の失望が起きました。繰り返されているのは技術ではなく、人間側の振る舞いです。

技術の停滞と、その周辺で起きた誇大な言説の膨張は、別の現象です。前者は研究の問題ですが、後者は組織と市場の問題として繰り返されてきました。そして繰り返しの型はよく似ています。

先に結論を述べます。過去のブームで最も損失を出したのは、技術を信じた組織ではなく、技術についての説明を検証せずに投資した組織でした。技術そのものはたいてい、期待より遅く、しかし着実に実用化されています。

過去のブームで観察された共通の型

インターネットの企業導入、ITバブル、クラウド、ビッグデータ、ブロックチェーン。分野は違っても、次の型が共通して現れました。

技術ブームで繰り返される5つの段階
段階起きることこの段階で通りやすい説明
1. 期待の立ち上がり限定的な成功例が広く紹介される「先進企業はすでに導入している」
2. 抽象化技術の名前が、目的や戦略の代わりに使われる「全社的な○○の推進」
3. 供給の急増その分野の専門家を名乗る人と事業者が急増する「豊富な導入実績があります」
4. 投資の先行効果の測定より着手が優先される「まずは小さく始めましょう」
5. 幻滅効果が測れないまま予算が縮小する「時期が早すぎた」

注目すべきは、5段階目の総括のしかたです。「技術が未熟だった」「時期が早かった」という説明で終わることが多く、投資判断の過程そのものが検証されないまま次のブームに移ります。だから同じ型が繰り返されます。

なぜ同じパターンが繰り返されるのか

個人の学習不足ではなく、構造的な理由があります。

専門性の細分化が追いつかない

成熟した分野では専門性が細かく分かれており、誰がどの範囲の専門家なのかが社会的に共有されています。新しい分野ではこの分化が進んでいないため、1つの経験を持つ人が、隣接する4つの領域についても意見を求められます。

AIの領域では、モデルの仕組み、実装、データ整備、法規制と契約、プロジェクト運営という、実際にはほとんど重ならない専門性が「AIに詳しい」という一括りの中に混在しています。

検証の費用が非対称

主張する側の費用は低く、検証する側の費用は高い、という非対称があります。「AIで業務が半分になります」と述べるのに必要な労力と、それを検証するのに必要な労力は桁が違います。

この非対称があるため、検証されない主張が市場に滞留します。誤りが判明するのは、実際に投資した組織が結果を得た後になります。

失敗が共有されない

幻滅の段階で起きたことは、組織の外に共有されません。理由は明確で、共有すると自組織の判断の誤りを公表することになるからです。結果として、成功例だけが流通し、失敗例は各組織の中に留まります。

この構図は、表の網羅版 第15章「経営層と現場のギャップ」で扱った社内の情報の非対称性と同じ形をしています。規模が組織内から市場全体に広がっただけです。

期待の主体が入れ替わる

ブームの初期に懐疑的だった層が、後期には推進側に回ることがあります。逆もあります。担当者の異動、経営層の交代、組織の再編によって、過去の判断の経緯が引き継がれません。3年前に同じ検討をして見送った記録が残っていない組織では、同じ議論を一から行うことになります。

過去のブームで「詳しい人」を名乗った人々

この節は個人を批判するためのものではありません。肩書きの性質を見る観点を得るために扱います。

新しい分野では、次の3種類の人が同じ肩書きで並びます。

  1. 実際に手を動かして成果を出した人 ― 経験の範囲は限定的だが、その範囲では確度が高い。失敗の話ができる。
  2. 説明を専門にしている人 ― 全体像の整理は得意だが、実装や運用の経験は薄い。前段の整理には有用。
  3. 分野の名前を使って別の商品を売る人 ― 技術の話は手段であり、目的は別にある。

3種類とも存在すること自体は問題ではありません。問題は、肩書きだけでは区別できないことです。区別する方法は1つで、経験の範囲を具体的に聞くことです(第23章)。

現場のシーン架空の例

二年目の四月、AI推進室の瀬尾は、常務の大槻が引用した講演の講師の事務所へ、2つの質問を送りました。遅れると当社の業務で何がどれだけ不利になるのか。ご自身が実際に手を動かされたのはどの範囲か。一年目の一月に同じことを聞いたAI戦略アドバイザーは、答えませんでした。今回の返信は、1問目には業界一般の話と期限だけでしたが、2問目には「弊職は全社戦略の立案を担当しており、実装と社内データの整備は、各社の専門チームにお任せしております」とありました。助言を頼むなら全体の整理の部分で、データの整備と動かしたあとの保守は自社で持つ、と決まります。大槻は、講師への助言の依頼を急がないことにしました。この質問は相手を試すためのものではなく、どの部分を自分で補うかを決めるためのものです。

この場面は網羅物語之巻 第1章「三か年計画」に出てきます。

今回のAIブームで警戒すべきパターン

過去の型を、現在の状況に当てはめます。第1章以降で個別に扱う内容の見取り図になります。

過去の型と、今回の現れ方
過去の型今回の現れ方扱う章
技術の名前が目的の代わりになる「AI活用の推進」が目標として設定される第30章
専門用語で検証を封じる分類・仕組み・比較の話で確認を避ける第1〜3章
限定的な成功例が一般化されるPoCが本番導入として紹介される第4・5章
前提条件の整備工数が省かれるデータ整備の工数が見積もりから外される第6章
号令だけの推進現場の粒度を無視したDX宣言第7章
報告が実態から離れる成果だけが上がり、条件が落ちる第8章
効果測定が後回しになるROIを曖昧にしたまま進む第9章
依存が深まるロックインのリスクが説明されない第10章
「誰でも使える」の誇張「誰でも作れる」という宣伝第11・12章
形だけの体制整備規程・委員会・対策の形骸化第16・19〜22章
危機感による判断の圧縮「今始めないと遅れる」第25章

歴史から取れる対処は3つ

過去のブームを踏まえて、組織として取れる対処を挙げます。いずれも技術の知識を必要としません。

  1. 見送った判断を記録する ― 何を検討し、なぜ見送ったかを残します。数年後に条件が変わったときの再検討が容易になり、同じ議論の繰り返しも防げます。表の網羅版 第0章「AIの歴史と現在地」で触れた「費用と性能が変わって採算が合うようになる」という状況は実際に起きるため、記録には両方の価値があります。
  2. 失敗の記録を組織内で共有する ― 市場全体では共有されませんが、自組織内では可能です。中止した理由の共有が、次の判断で最も効きます。
  3. 経験の範囲を確認する習慣を持つ ― 肩書きではなく、手を動かした範囲を聞く。これだけで、どの部分を自分で補うかが決まります。
⚠ 危険信号

「この技術は過去のブームとは違う」という説明を受けたときは、何が違うのかを具体的に聞いてください。実際に違う点は存在します(実用例の広さ、利用の敷居の低さ、コストの低下)。しかしその説明が「今回は本物です」という水準で止まる場合、それは過去のブームでも同じように語られてきた表現です。違いを具体的に説明できる相手であれば、その説明自体が判断材料になります。

技術への懐疑ではない

最後に本書全体の立場を明確にしておきます。本書はAIの技術的な有用性を否定するものではありません。表の網羅版31章が示すとおり、実務での価値は多くの領域で確認されています。

本書が扱うのは、技術と組織の間に入る人間側の説明と判断の過程です。良い技術が誤った判断で導入されれば効果は出ず、逆に地味な技術が適切な判断で導入されれば成果が出ます。過去のブームが示しているのは、この差が技術の優劣より大きいということです。