ある企業で、こんな話を聞いたことがあります。
需要予測の精度を上げたい、在庫を最適化したい、という経営課題を背景に、数千万円規模のAI需要予測ツールを導入した。
ベンダーのデモンストレーションは素晴らしく、導入プロジェクトも半年かけて丁寧に進めた。
社内説明会も開き、現場の担当者にも使い方の研修を行った。
ところが、導入から1年が経った頃、このツールはほとんど使われていませんでした。
現場の発注担当者は相変わらずExcelで数字を作っていて、月次会議ではそのExcelの数字が報告される。
AIツールの画面を開く人は、月に数人。
しかも、「念のため確認する」という位置づけで、判断に使われることはほとんどない。
「あのツール、結局どうなったの？」と経営層に聞かれると、DX推進部門は言葉を濁す。
そして来期の予算会議で、「次はもっと高機能なツールを検討しよう」という話になる。
この光景、どこかで見覚えがないでしょうか。
Contents
なぜ「ツールを入れても使われない」が繰り返されるのか
こうした失敗を、ツールの性能不足や現場のリテラシー不足のせいにするのは簡単です。
しかし、同じ企業が次のツールを導入しても、多くの場合また同じことが起きます。
問題はツールにあるのではありません。
ツール導入の「動機」と「設計」の順序が逆転していることに、根本的な原因があります。
多くの企業では、ツール導入の検討は次のような順序で進みます。
- まず、「データ活用を進めたい」という漠然とした経営課題がある。
- 次に、情シスやDX推進、経営企画などのコーポレート部門がベンダー数社からデモを受ける。
- 機能比較表を作り、一番良さそうなツールを選定する。
- そして導入プロジェクトが始まり、社内展開が行われる。
この流れの中で、決定的に欠けているものがあります。
「導入した後、誰が、どんな判断のために、このツールの出力を使うのか」という問いです。
この問いが曖昧なまま導入が進むと、どれだけ優れたツールでも「使い道のない成果物」になります。
- 現場は「使え」と言われても、何を判断するために使えばいいのかわからない。
- 分析チームは「活用されない」と嘆くが、活用の定義自体が共有されていない。
ツールを入れる前に決めておくべきだったのは、機能比較ではなく「意思決定・活用法の設計」だったのです。
「AIが何とかしてくれる」という期待の正体
もう一歩踏み込んでみましょう。
なぜ、多くの企業が意思決定・活用法の設計を後回しにして、ツール選定に走ってしまうのでしょうか。
理由の一つは、「AIが入れば、今の問題の多くは自動的に解決する」という期待があるからです。
この期待は、実は無意識のうちに組織の中に広く共有されています。
- 経営層は「AI時代に乗り遅れたくない」と考え
- 情シスやDX推進などは「先進的なツールを導入するのが自分の仕事」と考え
- 現場は「面倒な予測作業から解放されるかもしれない」と期待する
それぞれの立場から、AIという言葉に自分なりの希望を投影しています。
しかし、AIがしてくれるのは「数字を出すこと」までです。
その数字をもとに何を判断するか、外れたときにどう対応するか、現場の肌感覚とどう統合するか。
こうしたことは、結局すべて人間が設計しなければなりません。
むしろ厄介なのは、AIが出した数字は「それらしく」見えてしまうことです。
勘と経験で出した数字なら、「これは読みです」と誰もが認識します。
しかしAIが出した数字は……
- 「科学的に算出されたもの」として無条件に信頼されるか、
- 逆に「よくわからないから信用できない」として無視されるか、
……どちらかに傾きがちです。
どちらにしても、人間が建設的に関与する余地が狭まります。
AIツールが本当に機能するのは、「この数字は何のためにあり、どう扱うべきか」という運用設計が先にある組織だけです。
設計が先、ツールは後。この順序を逆にすると、どんなに高額なツールもほぼ必ず失敗します。
失敗する組織に共通する「3つの空白」
ツール導入が失敗する組織には、驚くほど共通したパターンがあります。
導入前に「3つの空白」が残っているのです。
空白①：ツールの出力を「誰が受け取るか」が決まっていない
「現場で使います」という曖昧な答えしか返ってこない組織は危険信号です。
現場の誰が、どのタイミングで、何のために受け取るのか。発注担当者なのか、営業部長なのか、経営企画なのか。
受け取る人の役職と業務フローの中での位置づけが具体的になっていないと、ツールは「誰のものでもない情報」になります。
誰のものでもない情報は、誰も使いません。
空白②：既存の判断プロセスと「どう接続するか」が決まっていない
どの企業にも、既存の発注プロセスや会議体があります。
そこに新しいツールの出力が入ってきたとき、従来の意思決定の流れのどこに、どのように差し込むのか。
この接続設計が曖昧なまま導入されるケースが非常に多いのです。
「ツールが出した数字を参考にしてください」という指示だけでは、既存プロセスは変わりません。
現場は慣れた方法で仕事を進め、ツールは横に置かれたまま誰も見なくなります。
ツールを使うことが業務フローに組み込まれていないからです。
空白③：「外れたとき」の対応が決まっていない
ツールが出した数字通りに動いた結果、大きな損失が出た場合、誰がどう説明するのか。
その経緯をどう振り返り、ツールをどう見直すのか。
この取り決めがないと、一度の大きな外れで現場の信頼が崩壊します。
そして「やっぱりAIは使えない」という空気が組織に広がり、ツールは静かに放置されていきます。
「ツールを選ぶ」前に問うべきこと
ここまで読まれて、「じゃあ、ツールを入れる前に何をすればいいのか」と思われたかもしれません。
結論から言えば、ツールを選ぶよりもずっと前に、いくつかの問いに答えておく必要があります。
これらは技術の話ではなく、業務と組織の話です。
今、どの判断がうまくいっていないのか
一つ目は、「今、どの判断がうまくいっていないのか」という問いです。
「データ活用を進めたい」という抽象的な課題設定ではなく、「どの業務の、どの判断の質を上げたいのか」を具体化する必要があります。
発注量の決定なのか、生産計画の立案なのか、キャンペーン時期の選定なのか。
対象が具体的になると、必要な情報の種類も精度も、まったく違って見えてきます。
その判断の質が上がったかどうかを、どう測るのか
二つ目は、「その判断の質が上がったかどうかを、どう測るのか」という問いです。
予測精度ではありません。
判断の質を測る指標です。
たとえば、欠品率の低下、廃棄ロスの削減、過剰在庫の減少、判断にかかる時間の短縮。
こうした業務上の指標を事前に決めておかないと、ツール導入の成否すら評価できなくなります。
人間はどこで関与するのか
三つ目は、「人間はどこで関与するのか」という問いです。
AIツールが出した数字を、人間はそのまま使うのか、補正して使うのか、参考にするだけなのか。
補正する場合、どんな情報をもとに補正するのか。
この関与のルールが決まっていないと、現場は「結局、自分で考えなきゃいけないなら、今まで通りでいいや」となります。
これらの問いに答えを出してから、ツールを選ぶ。
この順序を守るだけで、ツール導入の成功確率は大きく変わります。
「AIを入れる」ではなく、「意思決定・活用方法を設計する」
データ活用の文脈で、「AIを導入する」という言葉がよく使われます。
しかし、この言葉には少し注意が必要です。
「AIを導入する」と言うと、ツールを買ってきて設置するイメージになります。
サーバーにソフトをインストールし、データを流し込み、画面を使えるようにする。
一連の作業が終われば「導入完了」です。
しかし、本当にやるべきなのは、意思決定・活用方法のプロセスそのものを再設計することです。
どの判断を、誰が、どんな情報を使って、どんなルールで行うのか。
外れたときにどう対応し、どう振り返り、どう改善するのか。
この一連の流れをまず設計し、その中で必要になる「数字を出す部分」をツールに任せる。
つまり、ツールは意思決定の設計の「部品」であって、「主役」ではないのです。
主役を間違えると、どれだけ高性能なツールを導入しても、組織の意思決定は変わりません。
変わるのは、使われないツールの数だけです。
今回のまとめ
AIやBIツールの導入が失敗する組織には、「誰が受け取るか」「既存プロセスとどう接続するか」「外れたときどう対応するか」という3つの空白が共通して存在します。
これらは技術の問題ではなく、意思決定・活用方法の設計の問題です。
ツール導入を検討する前に、「今、どの判断がうまくいっていないのか」「質が上がったことをどう測るのか」「人間はどこで関与するのか」という業務側の問いに答えを出しておく必要があります。
AIは数字を出すところまでしかしてくれません。
その数字をどう使って意思決定を変えるかは、結局すべて人間の設計にかかっています。
「AIを導入する」という発想から、「意思決定を設計し直す」という発想へ。
この順序の転換が、ツールを「眠らせない」ための最も確実な第一歩になります。
