powered by TechFeed
表示モード
Deep Dive

企業の90%がAIを導入しても「使いこなせる企業」が6〜10%にとどまる理由 — コンテキスト設計とガバナンスをアーキテクチャに組み込む

11月20日、SAPが「Why Enterprise Architecture Is Becoming Key to Successful AI」と題した記事を公開した。AIを導入した企業の約90%が、実際には効果的に活用できていない——その根本原因は技術の未熟さではなく、エンタープライズアーキテクチャ側の「コンテキスト設計」と「ガバナンス」の欠如にあると論じた講演内容だ。

11月20日、SAPが「Why Enterprise Architecture Is Becoming Key to Successful AI」と題した記事を公開した。AIを導入した企業の約90%が、実際には効果的に活用できていない——その根本原因は技術の未熟さではなく、エンタープライズアーキテクチャ側の「コンテキスト設計」と「ガバナンス」の欠如にあると論じた講演内容だ。


AIの活用率はなぜ6〜10%にとどまるのか

企業の約90%がAIへの取り組みを始めているにもかかわらず、実際に効果的に活用できているのは**6〜10%**に過ぎない——これはSAPのエンタープライズアーキテクト、Harish ParmarがReltioのイベント「Data in the AI Era: Connecting the Dots」で示した数字だ。なお、ReltioはSAPとパートナーシップを持つマスターデータ管理(MDM)プラットフォームベンダーであり、今回のイベントはReltioが主催する独立した勉強会として開催された。

原因はAI技術の未熟さではない。企業側が、高度なAI技術と「データ・プロセス・ビジネスコンテキスト」をつなぎ合わせられていないことが問題だ。

Parmarはその障壁を4つに整理した:

  1. データ品質の低さ(AIプロジェクトの工数の80%がデータ準備に費やされるという試算がある)
  2. ビジネスコンテキストの欠如
  3. ガバナンスの不備
  4. アーキテクチャの負債

Parmarの言葉を借りれば、「AIにコンテキスト問題はない。問題は、企業側の表現力にある」。AIはデータを処理できるが、そのデータがビジネス上どういう意味を持つのかを理解するための「表現」が企業側に整っていない、というわけだ。


5層のコンテキスト設計がAI活用の土台になる

Parmarが提示した核心は、AIが機能するために必要な5つのコンテキスト層だ。従来のエンタープライズアーキテクチャは「アプリケーション・データ・ユーザー体験」の3層で構成されていたが、AIはそこに「コンテキスト」という第4の軸を要求する。この5層は互いに独立したサイロではなく、下位層が上位層の精度を支える積み重ね構造として理解するのが重要だ。

層 内容
データコンテキスト 情報の構造と関係性の整理
セマンティック/ナレッジコンテキスト 複数システム間での同一エンティティの統合(例:SAP ERP、Salesforce、POSシステムにまたがる顧客レコードの統一)
アーキテクチャ/ガバナンスコンテキスト 認証・認可・監査・モニタリングの仕組み(SAP LeanIX、SAP Cloud ALM、SAP AI Agent Hubが言及された)
プロセス/予測コンテキスト 調達・販売・経理などの業務プロセスとの接続(SAP Signavioが例示された)
企業固有コンテキスト 組織ポリシー・承認権限・業務ルールの反映

各層を積み上げることで、AIが「データを処理する」だけでなく「ビジネス上の意味を持った判断を下せる」状態に近づく。

特に重要なのが最後の「企業固有コンテキスト」だ。ポリシーや担当者の責任範囲は常に変化する。購買承認権限が古い情報のままAIエージェントが動作すれば、誤った意思決定につながりかねない。この層は「静的な設定」ではなく、継続的に更新される動的な情報として扱う必要がある。


AIエージェントを「スケールする製品」として設計する

企業がカスタムAIアプリケーションを導入する際、Parmarは3つの設計原則を挙げた:

  • カスタムAIエージェントを明確な機能定義を持つ独立したプロダクトとして扱う
  • **Model Context Protocol(MCP)**などの標準プロトコルを通じて異なるシステムと通信できる構成にする
  • 可能な限りヘッドレスサービスとして設計し、複数のUIで動作できるようにする

SAP ECCからSAP S/4HANAへの移行を検討している企業にとっても、この設計方針は直結する問題だ。移行後にカスタムAIアプリが継続動作できるかどうかを、移行前の段階から設計に組み込むべきだとParmarは指摘している。


ガバナンスは後付けにできない

AIエージェントの自律性が高まるほど、ガバナンスはアーキテクチャに最初から組み込まれていなければならない。Parmarは「ガバナンスは後付けにできない」と明言し、以下を文書化する仕組みが必要だと述べた:

  • どのエージェントが稼働しているか
  • どのシステムにアクセスしているか
  • どのモデルを使用しているか
  • 意思決定をどのようにレビューできるか

Parmarはここで興味深い比喩を使っている。AIエージェントを「新入社員のインターン」に例え、業務を任せる前に組織のポリシーや倫理的な期待値を教育する必要があると説明した。そして、どれだけAIが自律的に動作しても、最終的な責任は人間が負うという点は「交渉の余地がない」と強調した。


エンタープライズアーキテクトに求められるスキルが変わる

技術的な専門知識は依然として必要だが、Parmarが強調したのは「ストーリーテリング」の重要性だ。AIの限界を説明し、新機能を展開する前に何が必要かをビジネスユーザーに伝える能力が、エンタープライズアーキテクトの必須スキルになりつつある。

また、AIがアプリケーション開発の参入障壁を下げることで、技術実装よりも「何に使うか」を見極める能力——ビジネス理解とユースケースの発掘力——の価値が相対的に上がると指摘している。


詳細はWhy Enterprise Architecture Is Becoming Key to Successful AIを参照していただきたい。