AIに投資した企業の９５％は成果ゼロ。MITの論文紹介
米国MIT(マサチューセッツ工科大学)の研究者による
「ビジネスにおけるAIの現状 2025」
という論文を紹介します。
この論文は世界的に大きな話題となり、現在のAIデータセンターへの巨額投資は、バブルではないか？（実需が本当にに有るのか？）という議論を引き起こしています。
ここでは、Chat GPTによる論文の要約を提示しています。
最後に資料として、この論文の英語版と、DeepL翻訳版の２つのPDF（全文）を添付していますので、必要に応じてご参照ください。
以下、Chat GPTによる概要。
1. Executive Summary（概要）
1-1. 生成AI Divide の現実
生成AI には 300〜400億ドルが投資されているが、95%の企業は成果ゼロ。わずか5%だけが利益貢献に成功。成功・失敗の分岐はモデル質ではなく「アプローチの違い」であり、企業規模や規制の問題ではない。
1-2. 広い採用・狭い効果
ChatGPT/Copilot など汎用LLMは広く採用されるが、効果は個人の生産性向上に留まり、P/L向上にはつながらない。企業向けカスタムAIの多くが「脆弱・文脈学習不足」で導入失敗。
1-3. 4つの特徴的パターン
多くの企業は変革できず、
産業構造変化は限定的
大企業はパイロット多いが本番導入が遅い
予算偏重（営業・マーケに偏る）
外部パートナーの成功率が内部開発の2倍
という傾向が確認される。
1-4. 真の障壁＝“学習欠如”
最大の障壁は、AIツールが「学習しない」「文脈を保持できない」点。成功企業はプロセス特化・カスタム統合・改善型システムを優先し、迅速な成果を上げている。
1-5. ROI が出ている領域
成功企業は BPO削減、顧客サポート効率化、エンジニアリング自動化などで実際のコスト削減を実現している。構造改革なしでも一定の利益が確認される。
2. The Wrong Side of the GenAI Divide
（高採用・低変革）
2-1. 導入は広いが変革は起きていない
9大産業のうち7産業では、生成AIは採用されても、実際の構造変革がほぼ発生していない。企業はパイロットを多く開始するが、本導入には至らない。
3. Disruption Reality Behind the Divide
（業界別の変革度）
3-1. 本当に変わったのは2産業のみ
AI変革指数を用いると、Tech と Media のみ大きな構造変化が見られ、それ以外は「試して終わり」。ユーザー行動やビジネスモデルの大幅変更は限定的。
3-2. 変革指標の結果
市場シェア変動、新規AI企業の成長、行動変化などから、7/9産業は低スコア。製造・金融などは局所的な効率化にとどまる。
3-3. 現場の声
「LinkedInでは大変革と言うが、現場は契約処理が少し速くなっただけ」との声が象徴的で、期待と実態のギャップが大きい。
4. Pilot-to-Production Chasm
（パイロットから本番への断絶）
4-1. 本番導入率5%の衝撃
カスタム生成AIツールのパイロット→本番はたった5%。一方、一般LLM（ChatGPTなど）は導入しやすいが、P/L貢献は乏しい。
4-2. 大企業の paradox
大企業ほどパイロット数が多いが、実装は遅い。中堅企業は平均90日で本番導入するのに対し、大企業は9ヶ月以上かかる。
4-3. 失敗の背景
ユーザーは「汎用LLMは便利、企業向けツールは固い・使いにくい」という評価。多くが「デモは良いが現場に合わない」ため失敗。
5. Shadow AI Economy
（社員による非公式AI利用）
5-1. 影のAI活用が本物の変革を起こす
公式導入40%に対し、社員の個人AI利用は90%。企業AIが停滞する一方、社員の“個人ChatGPT経済”が生産性を大きく上げている。
5-2. 企業が学ぶべき点
成功企業は、社員の影の利用を分析し「実際に効果のあるプロセス」を公式施策へ取り込んでいる。
6. Investment Patterns Reflect the Divide
（予算配分の偏り）
6-1. 予算の70%が営業・マーケへ偏る
可視化しやすい効果（メール自動化・リードスコアなど）に投資が集中し、本当の高ROI領域＝バックオフィスは軽視される。
6-2. 本来の高ROI領域は無視されがち
財務・調達・法務などは測定が難しいため投資不足。担当者も「CEOに説明しにくい」と回答。
7. Why Pilots Stall: The Learning Gap
（多くの失敗の根本理由＝学習できない）
7-1. 最大の壁＝“学習しないAI”
導入障壁の筆頭は「ユーザー採用抵抗」だが、実態としては
文脈理解不足
フィードバック反映不可
メモリ欠如
が本質的課題。
7-2. ユーザーはChatGPTを好むが本番では使わない
ChatGPTは便利だが毎回文脈を入力しなければならず、改善しないため、重要業務には使えない。
7-3. 高難度タスクは9:1で人間が選ばれる
メールなど軽作業はAI優勢だが、複雑業務では圧倒的に人間。理由は「記憶しない・学習しない」こと。
8. Crossing the GenAI Divide: How Builders Succeed
（ベンダー側の成功戦略）
8-1. 成功ベンダーの共通点
成功している企業は、
学習・メモリ・適応が可能
深いワークフロー統合
狭い領域から拡大
を実施している。
8-2. 企業が求める5要件
信頼できるベンダー
深いワークフロー理解
既存ツールとの連携
データ境界の明確化
継続的学習能力
9. Winning Playbook for Startups
（スタートアップの勝ち筋）
9-1. 狭い領域で勝ち、横展開
成功例は、契約レビュー、音声AI、コード生成など、単機能で即効性のある領域を制し、その後広げている。
9-2. 参入経路は“紹介ネットワーク”
導入の多くは
既存ベンダー紹介
顧客の口コミ
ボードメンバー経由
で広がる。広告やデモだけでは弱い。
10. The Narrowing Window
（導入レースの締切が近い）
10-1. 18ヶ月でシステムが固定化される
学習型AIを導入した企業は、継続的改善でスイッチングコストが急上昇。今後18ヶ月で市場は固定化に向かう。
10-2. Agentic Webの胎動
MCPやA2A、NANDAが「相互運用可能なエージェント網」を構築し、AI市場の競争構造を大きく変える。
11. How the Best Buyers Succeed
（購入者側の成功行動）
11-1. BUY が BUILD の2倍成功する
外部パートナーとの共同開発は成功率66%、内製は33%。成功企業は「BPO買い」のようにAIを調達する。
11-2. ボトムアップ導入が鍵
最前線の“プロシューマー社員”がユースケースを見つけ、現場主導で導入する企業が成功する。
11-3. 真のROIはバックオフィスにある
BPO削減
代理店費削減
リスクチェック効率化
など、目立たない領域が最も利益を生む。
12. Job Impact Reality
（実際の雇用影響）
12-1. 解雇ではなく外注削減
影響は
BPOの20%削減
標準化業務の人員縮小
など外部コスト中心。社内大規模解雇は稀。
12-2. AIリテラシーが必須スキルに
企業は AI活用能力を人材評価に組み込み、新卒が熟練者より優位に立つケースも増加。
13. Agentic Web
（エージェントがネット全体で協働する未来）
13-1. AIが自律的に“検索・交渉・統合”する世界
エージェントが
サプライヤ探索
契約交渉
API自動統合
複雑ワークフローの自己最適化
を実行する“自律的インターネット経済”が出現。
14. Conclusion
（結論）
14-1. 成功の鍵は「学習するAI」と「買う戦略」
成功企業は
買う（BUY）
学習・統合可能なAIを選ぶ
現場主導で導入
という共通パターンを持つ。
14-2. 2026年までが勝負
スイッチングコストの上昇により、今後18ヶ月で「AI導入勝者」が確定する。
ーーーーーーーーー 要約はここまで。
参考資料
英語版
日本語翻訳版
以上
