AI導入PoCが本番に進まない理由

第一に、成功条件が定義されていないことです。「まずAIで何かやってみよう」で始まったPoCは、デモが動いた瞬間に目的を失い、「面白かったね」で終わります。

第二に、PoCの対象が技術の検証に設定され、業務の検証が抜けていることです。AIが議事録を要約できるかは技術の問い。要約を誰がいつ確認し、誤りの責任を誰が持つかは業務の問いです。本番導入を止めるのはほぼ常に後者です。

第三に、規模設定の誤りです。全社横断の大きなテーマは、関係者が多すぎて誰も意思決定できません。第四に、費用対効果の測定単位が曖昧なことです。「なんとなく便利」は稟議を通りません。

CDM手法は、要求をWho（誰が）・What（何を）・Why（なぜ）の三点で固定する要件定義の方法です。AIのPoCに適用すると、スコープは「経理担当の田中さんが、毎月月初に3時間かけている請求書の仕訳起票を、月次決算を2営業日早めるために、AIによる仕訳候補の自動生成で30分に短縮できるか検証する」という形式になります。

Whoが特定の個人名になっていることで、検証の当事者と成功の証言者が最初から決まります。集合名詞は禁止です。Whatが特定の作業になっていることで、測定可能性が担保されます。WhyがWhatの上位目的になっていることで、本番化の判断者が見えます。PoCの報告先はデモを見たい人ではなく、Whyの持ち主でなければなりません。

実務では、この形式で候補を5〜10個書き出し、効果の測定しやすさと関係者の少なさの2軸で優先順位を付けます。最初のPoCの第一の成果物は導入効果ではなく、「この会社でAI導入の意思決定を回すプロセスが機能するか」の検証だからです。

人間は動いているプロジェクトを止められません。サンクコストが積み上がる前、つまり開始前に、止める条件を文書化します。

撤退基準は3種類です。品質基準は、出力精度が業務の要求水準に達しない場合。精度の数値そのものではなく「誰がどのサンプルで判定するか」を決めておくことが重要です。運用基準は、AIの誤りを確認する運用が現場で回らない場合。利用率は嘘をつきません。経済基準は、本番化の概算費用がWhyで定義した価値を上回る場合です。

撤退は失敗ではありません。撤退基準に基づいて止めたPoCは「この業務はまだAIに向かない」という知見を組織に残します。最悪なのは、判断されないまま漂流するPoCです。漂流はAIへの期待を組織的に毀損します。

PoCの計画段階で、本番化に必要な項目をリスト化します。データの自動連携、権限と監査、例外処理のエスカレーション経路、利用者への教育、そしてAIガバナンス（入力してよい情報の区分、出力の責任者）です。

これらをPoC開始時に「本番化チェックリスト」として書き出し、PoC期間中に並行して検討します。PoC終了後に検討を始めると、稟議まで数ヶ月の空白が生まれ、熱量が失われます。

この7項目が1〜2枚に収まらないなら、スコープが大きすぎます。

現場がPoCに消極的な場合は、選ぶ業務を間違えています。現場が「なくなってほしい」と思っている作業から選べば、協力は自然に得られます。ツール比較は同一スコープ・同一データで2ツールまでに絞り、ツール選定よりも自社業務での精度検証と運用設計に時間を使うべきです。

CDMでスコープを固定し、測定可能な最小単位を切り、撤退基準を開始前に文書化し、本番化チェックリストを並行して進める。この4点を押さえたPoCは、成功しても撤退しても、組織に前進を残します。