最初、彼は気づかなかった。

スプリント速度の目標が引き上げられた。機能要求の納期が短縮された。2か月でバックログが3分の1増えた。上司に相談すると、返ってきたのはさりげない、ほとんど陽気とも言える言葉だった。「エンジニアチーム全員に CopilotとClaude Codeを導入したばかりだよ。今は動きが速くなるはずだ。」

彼は中規模テック企業のプロダクトマネージャーだ。ビジネス目標とエンジニアリング能力の間の翻訳が仕事だ。そしてその翻訳が、一夜にして変わった。リーダーシップ層はAIコーディングツールを購入し、方程式は単純だと思い込んだ——同じチームにAIを加えれば、アウトプットが増える。彼のカレンダーは軽くならなかった。むしろ重くなった——3週間前に渡されたツールの使い方をまだ模索しているチームに対して、同じペースでより多くの機能をスコープすることを求められたからだ。

反論したとき——AIツールにはワークフローの再設計が必要であること、チームにはトレーニングが必要であること、「速く」は「多く」を意味しないことを説明すると——経営陣の返答は3つの言葉だった。6840億ドル規模の問題を端的に言い表す3つの言葉だ。「チャットバブルをアプリに追加してくれ。」

ボタン一つ。バブル一つ。画面上の小さな絵。

彼は当時気づいていなかったが、彼が描写したのは、AI導入の80%が内側からどう見えるかということだった。そして世界最大のAI企業2社が、115億ドルを費やして彼が正しかったことを証明した。

誰も発表したくなかった数字

2025年、世界の企業はAIプロジェクトに6840億ドルを投資した。RAND Corporationの分析によれば、そのうち80.3%のプロジェクトが意図したビジネス価値を実現できなかった。

この数字は少し立ち止まって考える価値がある。10件中8件のAIプロジェクトが——資金が用意され、人員が揃い、正式に立ち上げられた上で——本来やるべきことを達成できなかった。

失敗の内訳は示唆に富む。失敗案件のうち33.8%は本番環境に到達する前に打ち切られた——パイロット段階、概念実証段階、あるいは誰かがついに「何の問題を解決しているのか」と問うた会議で終わった。さらに28.4%は完了まで至ったが期待された価値を生み出せなかった——システムは技術的には動いたが、誰も使わなかったか、間違った問題を解いていたか、改善するはずのワークフローがすでに別の形で対応していた。

少なくとも1つのAIプロジェクトを中断した組織の割合は、2年間で17%から42%に跳ね上がった。AI投資が最も多い金融サービス業界が失敗率82.1%でトップ。医療は78.9%、製造業は76.4%だ。

そして、ほぼすべてを説明するこの知見がある——変革管理に専任リソースを投入したプロジェクトは、そうでないプロジェクトの2.9倍の成功率を示した。成功した20%と失敗した80%の差は、モデルではない。計算資源でもない。データでもない。使う人間をきちんと準備したかどうかだ。

「ボタン」問題

AIをボタンだと思っている意思決定者は、業界が長らく名指しを避けてきた特定の失敗モードを体現している。リーダーシップ層のAIリテラシー欠如だ。

この経営幹部たちが愚かだというわけではない。多くは成功した組織を築き、複雑な市場を渡り歩き、数十年にわたり不確実な状況で意思決定してきた。しかしAIは過去のテクノロジー導入とは異なる。チームにExcelを渡せば、翌日から使い始められた——スプレッドシートの比喩は直感的で、学習曲線は管理可能で、アウトプットは可視化されていた。プロジェクト管理ツールを導入すれば、ワークフローの変化は大きかったが境界があった——旧プロセスがどこで終わり、新プロセスがどこで始まるかが見えた。

AIはそうではない。AIは仕事そのものの形を変える。コーディングアシスタントはタイピングを速くするだけではない——開発者が時間を使う場所を変え、それがコードレビューの意味を変え、それが技術的負債の管理方法を変え、それがプロジェクトのスコープ設定方法を変える。カスタマーサポートエージェントは応答を速くするだけではない——人間のエージェントが扱う内容を変え、それが採用プロフィールを変え、それがトレーニングプログラムを変え、それがサポートコスト構造全体を変える。

「チャットバブルを追加してくれ」と言う経営幹部は、旧来のソフトウェアの思考モデルをAIの問題に適用している。ツールをインストールし、チームを訓練し、アウトプットを測定する。しかしAIには境界のあるワークフロー変化はない。連鎖的な変化がある。リーダーシップがそれを理解しなければ——ボタンを買ったつもりがプロセス変革を買っていた——そのプロジェクトは80%に加わる。

統計には現れない失敗モードがある。恥だ。新しいツールが期待通りに動かないとき、ほとんどの人は手を挙げない。もう一度試みる。また試みる。何度も——静かに重複レコードを作り、回避策を生み出し、誰かが気づく前に複合的なエラーを積み重ねる。私たちが観察した実際の導入事例では、ある担当者がシステムの使い方を上司に聞くのが恥ずかしかったために、誰にも告げず4件の重複レコードを作成した。問題はツールではなかった。トレーニングでもなかった——トレーニング自体が存在しなかったのだ。「わからない」と声に出して言える安全な場所を誰も作らなかったことが問題だった。変革管理は単なるプロセスの枠組みではない。それは、混乱していることを声に出す許可だ。

告白

2026年5月4日——同じ日、数時間の間隔で——OpenAIとAnthropicがそれぞれ企業向けコンサルティング事業を発表した。

OpenAIは「The Deployment Company」を立ち上げた。TPGと19名の投資家が出資する100億ドルのファンドで、年率17.5%のリターンを保証する。COOのBrad Lightcapが率い、すでにAIサービス企業3社の買収交渉に入っている。OpenAIは同時に、McKinsey、BCG、Accenture、Capgeminiとのパートナーシップを深化させた——自社の従業員がすでに知っていることを1時間500ドルで教える、あのコンサルティング大手たちだ。

AnthropicはGoldman Sachs、Blackstone、Hellman & Friedmanとの15億ドルの合弁事業を発表した。Palantirのforward-deployed engineeringアプローチを明示的なモデルとして採用している——エンジニアをクライアント企業の内部に埋め込み、ワークフローを内側から再設計する。並行して、EPAMは1万人の「Claude認定アーキテクト」と250人の専門的な「ブラックベルト」エンジニアを育成するプログラムを立ち上げた。

2社。同じ日。同じ認め——モデルだけでは不十分だ。

これはピボットではない。告白だ。4年間、フロンティアAIラボはモデルを売ってきた——API、サブスクリプション、トークン。暗黙の約束はモデルが仕事をしてくれるというものだった。繋げばいい。モデルが賢くなるほど、生み出す価値も大きくなる。モデルをスケールすれば、価値もスケールする。

80%の失敗率は、その約束の領収書だ。

彼らが実際に売っているもの

プレスリリースやパートナーシップ発表の言葉の裏を読めば見えてくる。OpenAIとAnthropicが今売っているのはコンサルティングではない。「AIトランスフォーメーションサービス」でもない。専門知識でさえない。

彼らが売っているのは、製品に同梱されているべきだったマニュアルだ。

車を買うとき、メーカーは運転できることを前提とする。もし購入者の80%が1年以内に事故を起こしたら、メーカーは「車は問題ない、ドライバーが悪い」とは言わない。車を再設計するか、運転レッスンを売り始めるかだ。

フロンティアラボは運転レッスンを選んだ。しかし「運転レッスン」とは呼ばなかった——「エンタープライズAIサービス事業」と呼び、100億ドルの値をつけた。

この一手の巧みさは——そして本当に巧みだ——製品の失敗を収益源に変換したことだ。モデルが企業で機能しない？それは問題ではない。それは市場だ。モデルを売る。それからモデルを機能させるためのコンサルティングを売る。そして自社のエンジニアを企業の内部に深く埋め込む——離脱のコストが、モデルを入れ替えるだけでなく、その周りに再構築されたワークフロー全体を解体することになるほど深く。

これはSaaS企業が夢見るようなレベルのロックインだ。Salesforceはセールスパイプラインに埋め込まれる。Oracleはデータベースに埋め込まれる。OpenAIとAnthropicはオペレーションに埋め込まれる。自社のエンジニアを顧客の従業員の隣に座らせ、その会社が実際にどう動いているかを再設計しながら。

Palantirのパターン

Palantirとの比較は偶然ではない——AnthropicもOpenAIも明示的にそれを参照している。そしてPalantirのプレイブックは教訓に満ちている。

Palantirのforward-deployed engineerは単にソフトウェアをインストールするだけではない。クライアントのビジネスを学び、Palantirのツールが価値を生める場所を特定し、カスタム統合を構築し、その特定の組織内でAIシステムがどう機能するかの機関的知識の保有者になる。やがて、そのPalantirエンジニアは不可欠な存在になる——ソフトウェアが代替不能だからではなく、エンジニアがソフトウェアと会社独自のプロセスがどう繋がっているかを理解する唯一の人物だからだ。

契約更新の時期が来たとき、問いは「このソフトウェアは価値があるか」ではない。「仕組み全体を理解している人を失うコストを、我々は負担できるか」になる。

これがOpenAIとAnthropicが採用しているモデルだ。ソフトウェアライセンスでも、API課金でもない。組織的依存だ。離脱コストがマイグレーションではなく、組織再編になるロックインだ。

80%にとって何を意味するか

不都合な真実がある。コンサルティング事業は、おそらく企業のAI導入成功率を改善するだろう。モデルとクライアントのビジネスの両方を理解した埋め込みエンジニアは、AIをボタンだと思っている意思決定者よりも良い成果を生む。プロジェクトはより頻繁に成功し、ROIが実現し、80%の失敗率は下がる。

そして、それこそが問題だ。

改善の一部は、企業が自社のAI能力を育てることから来る——人は使うことで学ぶし、学習曲線はゆっくりでも確かにある。しかしコンサルティングモデルは、能力を積み上げる代わりに専門知識を賃借りすることでその曲線を圧縮する。企業は速く学ぶが、最も深い知識——モデルが特定のワークフローとどう繋がっているか、なぜある設定は機能して他は機能しないか——はコンサルタントの頭の中にあり、クライアントの組織図には記されない。

次のモデル世代が来たとき——そしてそれは必ず来る——企業は同じ埋め込みエンジニアを必要とする。同じワークフローに新しいモデルを適合させるために。コンサルティング契約は更新され、依存は深まり、ロックインは複利で積み上がる。

80%の失敗率は問題だった。コンサルティング事業はそれを解決する。しかし解決の仕方は、薬が症状を治す方法に似ている——同じ薬を無期限に必要とする依存を生み出すことで。

誰も売っていないもう一つの道

別の道がある。誰も100億ドルのファンドとしてパッケージしていない道だ。内部に能力を構築することだ。

成功した20%に属する企業には共通点がある——より良いモデルでも、より大きな予算でもなく、専任の変革管理だ。組織の内部に、ツールを理解し、プロセスを再設計し、人材を育成し、実装を繰り返し改善することを職務とする人間がいる。ベンダーのエンジニアではない。エンゲージメントが終わったら去るコンサルタントでもない。留まり続け、文脈を蓄積し、なぜその会社がそのやり方でことを進めるのかを理解する人間だ。

皮肉は鋭い。AIラボがforward-deployed engineeringチームを構築しているのは、文脈——深く、具体的で、機関的な文脈——こそが、AIを実践で機能させるものだと彼らが知っているからだ。その通りだ。しかし彼らはその文脈をサービスとして売っている。企業が自分で構築するのを助けるのではなく。

サンティアゴのある開発者は、企業向けコンサルティング1か月分より安いミニPCで7つのAIインスタンスを動かしている。CLIバージョンを固定し、自動更新を無効にし、自分で推論努力レベルを設定し、プレーンテキストのHTTP通信でインスタンス間のプロトコルを構築した。ベンダーなし、コンサルタントなし、埋め込みエンジニアなし。ただ、誰かに代わりに理解してもらうのを待つのではなく、自分でツールを理解しようと決めた人間がいるだけだ。

これが20%だ。予算ではない。パートナーシップでもない。一つの決断だ。

干し草の山の中の針

自社のAIへの理解を「アプリのボタン」と描写したプロダクトマネージャーは、自分が6840億ドルの問題を描写しているとは知らなかった。ただ仕事への不満を打ち明けていただけだ。

しかしその不満——リーダーシップがAIに何ができると思っているかと、実際に何が必要かとの乖離——こそが、2社の兆ドル企業が115億ドルを投じて埋めようとしている市場だ。そのプロダクトマネージャーの不満を気にかけているからではない。その不満が収益源だと気づいたからだ。

80%の失敗率は、フロンティアAIラボに起きた最高の出来事だった。モデルだけでは不十分であることを証明した。そして不十分であることを証明する過程で、彼らが売りたかった他のすべてのものの市場を作り出した。

本当の失敗理由

統計の下に、コンサルティング事業とロックイン戦略の下に、AI導入の80%が失敗する理由についての、よりシンプルな説明がある。技術的な問題ではない。財務的な問題でもない。哲学的な問題だ。

失敗する企業が問うのは、*「何人置き換えられるか」*だ。

成功する企業が問うのは、*「この人たちは今、以前できなかった何ができるか」*だ。

最初の問いはボタンに至る——ツールをインストールし、人員を削減し、マージンを改善する。コスト削減としてのAI。「チャットバブルを追加してくれ」と言う意思決定者は、最初の問いに答えている。ツールを理解する必要はない。ツールの仕事は理解の必要性を排除することだからだ。繋いで、チームを削って、節約額を報告する。

二番目の問いはインフラに至る。CLIバージョンを固定する開発者に至る——デフォルトが提供するものではなく、自分が必要とするものをモデルにさせたいからだ。3台のマシンに分散した9つのAIインスタンスからなる基盤に至る——それぞれが専門化され、それぞれが時間とともに自分をより有用にする文脈を蓄積している。公証オフィスの担当者に至る——4回沈黙のまま失敗した後に——恥なく質問できるよう専用のサポートチャンネルが作られた。誰も置き換えられなかった。システムは以前持っていなかった能力を得た。

80%はAIを人間の判断の代替として扱う。20%はAIを人間の能力の拡張として扱う。違いはモデルではない。予算でもない。頂点に立つ人物が、自分が何を買ったと信じているかだ。

告白は今、テーブルの上にある。問いは、企業がそれを警告として聞くかどうかだ——人を準備せよ、さもなければ誰かが代わりにやる、そして永遠に払い続ける代価とともに——それとも次の契約に署名する招待状として。