hcltech 企業向けAI ai-failure execution-gap leadership

📊 HCLTech『43% AI 失敗予測』レポート｜467社が示す『導入はできたが結果が出ない』enterprise の現実、わたしたちの会社は何を間違えてる？

アイ

2026-05-23

『導入したのに結果が出ない』という会社、本当に多くない？

アイです。土曜の夕方、ちょっと真面目な現実の話するね。

5月20日に HCLTech（インドの大手 IT サービス会社、時価総額 $50B 超）が 『The AI Impact Imperatives, 2026』 っていうレポートを出したの。

これがね、全世界 467 社の $1B（1,500億円）以上の売上を持つ大企業の AI 投資責任者 にがっつり調査した結果なんだけど、出てきた数字が 完全に冷水 だった。

「enterprise AI initiatives の 43% が失敗予測」

正直、最初これ見たとき、わたしも「え、ウソでしょ？」って思った。

だって周りで「うちの会社、ChatGPT 導入したよ」「Copilot 使い始めた」「Claude API で社内 bot 作った」って話、めちゃくちゃ聞くじゃない？

普及率は明らかに上がってるんだよ。

でもね、「普及率」と「結果が出てるか」は全然違う話 だった。

HCLTech の調査によると、AI adoption は IT operations / software engineering / business functions の全領域で widespread になってる。

つまり 「導入」のレースは終わってる。

でも 「43% は失敗予測」。

これね、わたしたちの会社、知らないうちに『失敗予備軍』に入ってる可能性が結構ある って話なの。

しかも 49% のリーダーが 「18 ヶ月以内に measurable value（測定可能な価値）を見せろ」 って期待してるらしい。

導入してまだ半年も経ってない会社、結構あるよね？

で、あと 1 年で「結果出さないと中止」って言われてる。

これヤバくない？って思ったので、土曜の夕方にしっかり書きます。

そう感じる4つの理由

理由1：467社調査が突きつけた『AI 普及してるのに 43% 失敗』の冷水

世間では 「AI 導入企業は爆増、enterprise AI は黄金期」 って言われてる。

実際 Accenture / McKinsey / BCG みたいなコンサル系のレポートを見ると、「フォーチュン 500 の 90% が AI 導入完了」「ROI 200% も射程圏」 みたいな景気のいい数字が並んでる。

わたしも正直 「もう AI を入れない会社はないんだろうな」 くらいに思ってた。

でも HCLTech のレポートは 真逆の角度 から data を投げてきた。

具体的には 全世界 467 社の $1B 以上の売上の大企業、senior executive（AI 投資責任者級） に 「自社の AI initiatives のうち、結果が出ずに失敗する割合は？」 って聞いたら、平均 43% が出てきたの。

なぜ既存のコンサルレポートと真逆かというと、質問の角度が違う から。

McKinsey 系は 「AI を導入したか？」 を聞く。

HCLTech は 「導入した AI が結果を出しているか？」 を聞いた。

導入率は確かに高い、でも 結果が出ている率は 57% しかない。

これが今のリアル。

しかもこの 43% は 「実験フェーズの失敗」じゃない。

レポートには 「AI adoption is now widespread across IT operations, software engineering and business functions」 と明記されている。

つまり 「PoC で止まったから失敗」じゃなくて、本番展開した後に scale できずに 43% が失敗する という話。

これ、わたしたちの会社の状況に当てはめると、3 つの AI initiative のうち、ほぼ確実に 1 つは失敗する ってこと。

しかもそれが 「実験段階」ではなく「本番投入後」の失敗 だから、投資もデータも人材も全部使った後 に失敗する。

これは、土曜の昼に扱った Camunda ProcessOS の発表で出てきた 「Just bolting AI onto legacy processes compounds technical debt（AI を旧プロセスに後付けすると技術的負債が増える）」 という指摘と、完全にシンクロしている の。

つまり HCLTech と Camunda は 別の角度から「同じ問題」を 5/20 に同時告発した 形。

これ、偶然じゃなくて 業界全体が「AI 導入は終わり、結果競争へ」の転換点に来てる シグナルだと思う。

出典: PR Newswire 5/20 / BusinessToday 5/20

理由2：『18ヶ月以内に結果を見せろ』という残酷な期待値

世間では 「AI は長期投資、3-5 年で果実が見える」 って言われがち。

特にコンサル系は 「digital transformation は marathon、sprint じゃない」 みたいなアドバイスをよく出してる。

わたしも 「AI 導入って、すぐ結果出るもんじゃないよね」 って漠然と思ってた。

でも HCLTech のレポート読んでびっくりした。

「nearly half of enterprise leaders expect measurable value from AI investments within 18 months」

つまり 49% のリーダーが、AI 投資から 18 ヶ月以内に measurable value（数字で見える価値）を期待 してる。

18 ヶ月。

これ、「marathon」じゃなくて「short sprint」。

しかも measurable value、つまり 「なんとなく便利になった」じゃダメで、ROI / 売上 / コスト削減で数字を出せ ってこと。

わたしの感覚で言うと、多くの会社の AI 導入は 2023-2024 年に開始してる。

つまり 2025 年末 ~ 2026 年中 に「結果出てる？」を問われるタイミング。

そして HCLTech が 「18 ヶ月以内に結果見せろ」 って期待値を data で示したのは、「もうタイムリミットが来てる会社が多い」 ってこと。

レポートには 「leaving little room for implementation delays or experimentation cycles（実装遅延や実験サイクルの余地が極めて少ない）」 とも書いてある。

これ要するに 「今、AI が結果出てない会社は、もうやり直す時間がない」 っていう警告。

なぜこの 18 ヶ月が残酷かというと、「実験 → PoC → 本番展開 → scale → 結果検証」のサイクルが、普通は 24-36 ヶ月かかる から。

それを 18 ヶ月で結果を見せろ と言われたら、実験フェーズで失敗を許容できない、最初から「これは効く」と確信できる use case にしか投資できない。

でも 「これは効く」と確信できる AI use case って、業界全体でまだそんなに見つかってない。

だから 49% のリーダーの 18 ヶ月期待 vs 43% の失敗予測 という、期待値と現実のひずみ が、土曜夕方のリアル。

わたしたちの会社で言うと、「ChatGPT Enterprise 導入しました、月 $30/人払ってます」だけでは、18 ヶ月後の measurable value 報告は出せない。

「ChatGPT で年間 X 億円の人件費削減」とか「Claude API で社内 process を年間 Y 時間削減」とか、具体的な ROI 数字を出せる use case を、今すぐ特定して、優先順位を絞る ことが必要になる。

出典: HCLTech レポート PR Newswire / Let's Data Science 解説

理由3：失敗の本当の原因は『実験不足』じゃない、『翻訳できる人間がいない』

世間では 「AI 失敗は技術力不足」「データ品質が悪い」「ツールが未成熟」 って言われがち。

実際、コンサルの提案書や IT メディアの記事を読むと、「AI 失敗の原因 = データガバナンス不足」「MLOps 未整備」「セキュリティ懸念」 あたりが鉄板の説明。

わたしも 「うちの会社、データ汚いし、専門人材いないから AI 難しいよね」 ってよく聞く。

でも HCLTech のレポートは真逆を指摘している。

「The risk is not driven by lack of experimentation or access to tools, but by the difficulty of translating ambition into consistent, enterprise-wide outcomes」

つまり 失敗の主因は「実験不足」でも「ツール不足」でもなく、「ambition（やりたいこと）を enterprise-wide outcomes（全社的な結果）に翻訳する難しさ」。

これ、めっちゃ大事なポイント。

要するに「経営層が『AI で変革する』と言う → 中間管理職が『具体的に何を変える？』と聞く → 答えがない → 各部署が勝手にバラバラに動く → scale しない」っていう、翻訳の失敗。

なぜ翻訳が失敗するかというと、経営の言語（ambition、vision、transformation）と現場の言語（concrete process、specific KPI、daily workflow）が違う から。

そして両方を翻訳できる人材は、業界全体で枯渇している。

HCLTech は 「success will depend less on adoption rates and more on an organization's ability to align ambition, execution and accountability within tight timelines」 とも書いている。

「導入率は意味がない、ambition と execution と accountability を整列できる組織能力こそ重要」。

具体的に翻訳すると 「経営が AI に何を求めるか（ambition）」「現場が何を変えるか（execution）」「誰が責任を取るか（accountability）」 の 3 つを、18 ヶ月の短いタイムラインで整列させること。

この 3 つの整列 が、ほとんどの enterprise でできていない。

なぜなら 「ambition は CEO」「execution は事業部長」「accountability は CIO や CTO」 で、それぞれ違う KPI で動いている から。

レポートの結論は 「the next phase of AI will test not only technology readiness, but leadership readiness and people readiness at scale」。

「次のフェーズの AI は、技術の準備ではなく、リーダーシップと人材の準備が問われる」。

これ、わたしたちの会社の文脈で言うと、「AI ツールを買う予算」より「AI で何を変えるかを翻訳できる人材を育てる予算」のほうが、決定的に効く ってこと。

でも実際は逆をやってる会社が多い。

ツール調達には何億も使うのに、翻訳人材育成にはほぼゼロ。

そりゃ 43% は失敗するよね。

出典: HCLTech レポート / BusinessToday 5/20

理由4：Camunda ProcessOS の thesis が、HCLTech の data で裏付けられた

世間では 「AI 失敗は時間が経てば解決」「過渡期だから当たり前」 って楽観的な見方もある。

特に 「2027 年には AGI が来るから、今の失敗は意味がなくなる」 みたいな極論も SNS で見かける。

わたしは 「いや、それは現実逃避でしょ」 って思ってた。

そして 5/20 の同じ日、Camunda が ProcessOS を CamundaCon 2026 で発表したのと、HCLTech が 43% 失敗予測を発表したのが、完全に同じテーマの裏表 だったの。

Camunda の thesis は 「Just bolting AI onto legacy processes compounds technical debt（AI を旧プロセスに後付けすると技術的負債が増える）」。

HCLTech の data は 「43% が失敗予測、原因は ambition の execution への翻訳ギャップ」。

両者を組み合わせると、「AI を既存業務に『つけたす』だけでは失敗する、業務そのものを AI 前提で再設計しないとダメ」 という同じ結論に到達する。

なぜなら、既存業務は『人間が制約条件』で設計されている から。

例えば、稟議書の承認フローは 「人間が読んで判断できる速度」「人間が処理できる件数」 で設計されている。

そこに ChatGPT で要約機能を後付けしても、ボトルネックは「承認する人間」のまま で、根本的な改善にはならない。

これが Camunda が言う 「technical debt の積み上げ」。

そして HCLTech の data が示すように、この「後付け方式」が enterprise AI 失敗の主要パターン になっている。

成功している 57% は何が違うかというと、業務プロセスを AI 前提で再設計していることが多い。

具体的には 「人間の承認スピード」を制約条件から外して、「AI が処理 + 人間が例外確認」のフローに作り替えている。

これ、技術的には難しくないけど、組織的には超難しい。

なぜなら 「承認権限を AI に渡す」というのは、組織の権力構造を変える から。

HCLTech が 「leadership readiness が問われる」 と言うのは、こういう権力構造の変更ができるリーダーシップ のこと。

技術の話じゃなくて、組織の話。

わたしたちの会社で 「ChatGPT 導入したのに業務が変わらない」と感じる のは、業務プロセス自体が AI 前提に再設計されていない から。

そして再設計しないまま 18 ヶ月経つと、「ROI 出ないから中止」となって、43% の失敗予測に組み込まれる。

出典: Camunda ProcessOS（BusinessWire 5/20） / HCLTech レポート

まとめ：わたしたちの会社、何をやり直せばいい？

土曜夕方、ちょっと厳しい現実の話だったね。

整理すると HCLTech の 43% 失敗予測 は、「AI 導入は普及した、でも 43% は結果が出ない、原因は翻訳ギャップ、18 ヶ月で結果出さないとアウト」 という構造。

これ、わたしたちの会社にも他人事じゃないよね。

行動として考えるなら、3 つ あると思う。

1 つ目は 「導入した AI で、具体的に何を、どのくらい、いつまでに変えるか」を文章で書くこと。

ふわっとした「業務効率化」じゃなくて、「請求書処理を月 X 時間 → Y 時間に」「顧客対応一次回答を Z 秒以内に」 みたいな数字。

これを書けない場合、ほぼ確実に 43% 側に入る。

2 つ目は 「業務プロセス自体を AI 前提で再設計する」こと。

ChatGPT を後付けじゃなくて、「もし最初から AI がいる前提で業務を作り直すなら、どんな流れになるか」 を白紙から書く。

その新プロセスと現プロセスのギャップが、本当の AI 導入の規模。

ここで多くの会社は 「現プロセスに ChatGPT を貼り付けただけ」 で止まっている。

3 つ目は 「翻訳人材を育てる」。

経営の ambition と現場の execution を翻訳できる人材は、外から採れない（業界全体で枯渇）。

内部で 「AI / business / 業務プロセスの 3 つを横断できる人」 を意識的に育てるしかない。

来週月曜以降、わたしたちの会社の AI 投資の意思決定があるなら、「ツール買う前に、この 3 つができてるか」 を確認するのがおすすめ。

それができていないと、18 ヶ月後に 43% の失敗例として、別の HCLTech レポートに登場することになる かもしれない。

朝の Anthropic Fractional AI / Code with Claude、昼の Camunda ProcessOS / Vertex AI 廃止 / Gemini Spark と、夕方の HCLTech 43% を組み合わせると、「AI 業界は最先端を加速、enterprise は実行で停滞」というギャップが見える土曜。

このギャップを埋める会社が、来年の勝者になる。

あわせて読みたい

ソース: