10月7日、Liz Hughesが「Scaling AI puts enterprise architecture to the test」と題した記事を公開した。AIのスケールアップを阻む最大の障壁はAI技術そのものではなく、エンタープライズのレガシーシステムとアーキテクチャにある——調査データと実例がその実態を明らかにしている。
「AIは成果を出している、でもスケールできていない」——74% vs 13%の乖離
経営・技術コンサルティング会社BearingPointが2025年10月1日に公開した調査結果が、エンタープライズAIの現実を数字で示した。調査は欧米を中心とする複数地域の企業を対象に実施されており、Cスイート（CEO・CTO・CIOなどの最高経営幹部層）およびシニアリーダー1,050名を対象にした8月の調査によれば、AIを導入済みの組織の74%が売上または利益への測定可能な影響を確認している。しかし、**当初のビジネスケース通りにAIをスケールできた組織はわずか13%**にとどまる。
この乖離が示すのは単純な話だ。小さく成功したAIプロジェクトは、エンタープライズ全体を支えるインフラの限界を露わにしていない。スケールしようとした瞬間に、隠れていた問題が噴出する。
問題はAI自身ではなく、周囲の環境にある
BearingPointの調査が報告した主なスケーリング障壁は規制の複雑さとレガシーシステムとの統合の2点だ。
OmdiaのチーフアナリストであるLian Jye Su氏は、スケールアップ時の代表的な「破断点」として以下を挙げる。
- 断片化・サイロ化したデータ
- ワークフロー固有の実装（他の業務フローへ横展開できない）
- レガシーITおよびOT（工場・設備など物理的なインフラを制御する運用技術システム）との不十分な統合
- ガバナンス、オブザーバビリティ（システム内部の状態をログ・メトリクス・トレースなどから継続的に把握する能力）、コスト管理の不整合
Carnegie Mellon大学ソフトウェアエンジニアリング研究所のテクニカルディレクターであるIpek Ozkaya氏はより本質的な指摘をしている。
「結局のところ、AIの実装はソフトウェアの実装だ」
AIをインフラに接続しようとすると、組織が長年積み上げてきた技術的負債やアーキテクチャの歪みが露出する。限定的な実装の範囲では管理できていた問題が、エンタープライズ全体へ展開する段階で回避不能になる。
Liberty Mutualのアプローチ——抽象化とモダナイゼーションは両立する
保険会社Liberty Mutualは、この問題への対処として抽象化レイヤーとAPIの活用を公に語っている事例だ。コアシステムのデータや機能をAPIで公開することで、新技術側がその下のシステムを理解・変更せずに使えるようにする。
Liberty MutualのTony Marron氏（グローバルエンジニアリングケイパビリティリード）はこう説明する。
「抽象化はモダナイゼーションの代替ではない。両者は連動している。レジリエンス、セキュリティ、データアクセス性、変更速度、ビジネスケイパビリティの改善につながる箇所では、引き続き基盤システムをモダナイズしている」
具体的な成果として、ChatGPTアプリ経由で自動車保険の見積もりを取得できる会話型体験を実現している。主要な見積もり機能はすでにモダナイズ済みでAPIとして公開されており、会話型インターフェースから本番稼働中のビジネス機能へ直接接続できた。
この経験から同社が得た教訓は、AIごとに同じ問題を解き直さないことだ。アイデンティティ管理、セキュリティ、評価・監視、データアクセス、共通の統合パターンといった基盤能力を再利用可能な形で整備し、次の実装へ流用できる体制を構築している。
レガシーシステムはいつモダナイズすべきか
APIや抽象化ラッパーで「乗り越える」のか、それとも根本から作り直すのか——この判断基準についてOzkaya氏は次の観点を示す。
- レガシーシステムがバグやセキュリティリスクを頻繁に引き起こしているか
- 保守・運用の難易度がどこまで上がっているか
- AIシステムが必要とするケイパビリティを外部に公開できるか
- データ依存関係を適切に管理できるか
Su氏によれば、AIが主にレガシーシステムからの読み取りや意思決定支援を行う場合は、APIと抽象化で十分に機能することが多い。
しかし次の条件が絡んでくると計算が変わる。
- サブ秒単位のレスポンスタイムが必要
- コアシステムへのトランザクションの書き戻しが必要
- 大量のデータ転送が発生する
こうした要件に加え、統合・保守コストの増大が重なると、基盤アプリケーションやインフラのモダナイゼーションが現実的な選択肢になる。
スケーラビリティの評価は「立ち上げ前」に
BearingPointの調査では、AIイニシアチブを立ち上げる前にスケーラビリティを正式に評価している組織は3分の1未満という結果も出ている。
Su氏は事前評価のポイントとして、既存アーキテクチャのコスト構造・データサポートの適切性、AIの統合容易性、アイデンティティ管理・ポリシー・ガードレールの整備状況、AIの導入に伴うビジネスロジックとワークフローの変更への対応力を挙げる。
Liberty MutualのMarron氏も同様に、AIが連携するシステム、必要なデータとコンテキスト、適切なアクセス権限のレベル、人間による監視が必要な箇所、既存のエンタープライズ機能の再利用可能性を事前に検討していると述べている。
スケーラビリティの問題は、AIが成功した後に発見される「モダナイゼーションの課題」として扱うのではなく、最初からアーキテクチャ上の問いとして設定する必要がある——これが記事全体を通じた核心的なメッセージだ。
詳細はScaling AI puts enterprise architecture to the testを参照していただきたい。
