AI投資ROIの壁：95%の組織がリターンゼロの構造と、勝つ12%の共通点

あなたの会社では、AIを導入してから業務が変わった実感はあるでしょうか。もし、ほとんど変化を感じられないのであれば、それは決して例外的なことではありません。MITが2025年に公表した調査では、生成AIに投資した企業の95%が、財務的なリターンをまったく得られていないことが明らかになりました（出典: https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/）。一方で、PwCが2026年1月に発表したCEO調査では、売上増とコスト減の両方を実現できた企業はわずか12%でした。この圧倒的な差は、いったいどこから生まれているのでしょうか。本記事では、複数の権威ある調査が同時期に突きつけた数字をもとに、成果を出す少数派と、投資が報われない多数派を分ける構造的な違いを読み解いていきます。

MITとPwCが同時に示した数字

2025年末から2026年前半にかけて、AI投資の成果に関する厳しい数字が相次いで公表されました。MITの報告書によれば、企業の95%が生成AIから財務的なリターンを得られていないとされています。本格稼働にまで至ったAIプロジェクトは、わずか5%にとどまります。企業の生成AIへの支出は累計で300〜400億ドル（およそ4.5〜6兆円）に達していますが、その大半は実験段階で止まったままです。

PwCの2026年CEO調査は、さらに具体的です。56%のCEOがAI投資で売上増もコスト減も得られなかったと回答し、両方を達成できたCEOはわずか12%でした。この12%という数字が、本記事を読み解く鍵になります。

生成AIの格差（GenAI Divide）の正体

MITはこの格差をGenAI Divide（生成AIの格差）と名付けました。一部の企業が数百万ドル規模の価値を引き出す一方で、大多数は実験段階で足踏みを続けています。注目すべきは、MITがこの格差の主因を、インフラや規制、人材ではなく、組織の学習能力にあると結論づけた点です。AIの性能が不足しているのではなく、組織の側が技術を活かす準備を整えられていない、というわけです。

MIT CISRが指摘する5つの失敗パターン

MIT CISR（情報システム研究センター）の研究者であるNick van der Meulen氏は、組織が本質的に異なる技術に対して、これまでの成功手法をそのまま当てはめてしまっていると指摘します。研究チームが特定した5つの失敗パターンは、次のようなものです。

研究チームのBarbara Wixom氏らは、データ収集から洞察の生成、行動、価値創出、収益化に至る5段階で価値を実現する枠組みを提唱しています。とりあえずAIツールを配ってみる、という対応がなぜ報われないのかといえば、この5段階のうち最初の一歩にすら到達していないからです。

主要ベンダーが進める従量課金への移行

問題はROI（投資対効果）だけではありません。AIを提供するベンダー側の費用構造も、同時に変わりつつあります。

Anthropicは、新モデルFable（安全性への懸念から一般公開が見送られたMythosの安全版）のサブスクリプション提供を2026年6月で打ち切り、以降はAPI経由の従量課金（使った分だけ支払う方式）のみに切り替えました。GoogleはGeminiを計算量に応じた制限へ移行し、MicrosoftのGitHubは利用枠を縮小、OpenAIも利用枠の上乗せ措置を停止しています。Fast Companyは、業界全体が使い放題から、支払える分だけ使う方式へと静かに移行しつつあると指摘します。

300〜400億ドルを投じて95%がリターンを得られていない状況に加え、ベンダーが従量課金へ切り替えれば、成果の伴わない支出が請求書という目に見える形で届くようになります。

成果を厳しく問う時代へ

Forbesは、AIに過剰な期待が寄せられた蜜月の時期は終わり、成果を会計的に検証する段階に入ったと述べています。2025年に重視された指標が利用者数だったのに対し、2026年に問われるのは監査に耐えうる成果です。Googleが管理画面にGeminiの利用状況を示す指標を追加したのは、AIを管理部門が把握しないツール利用（シャドーIT）から、計測可能な経費項目へと位置づけ直す動きの象徴といえます。

共通項は業務プロセスの再設計

PwCの調査で成果を出している12%のCEOに共通するのは、AIを業務に深く組み込んでいる割合が2〜3倍高いことです。彼らはライセンスを配布したのではなく、業務プロセスそのものを設計し直しました。意思決定や需要予測の工程にAIが組み込まれ、日々の業務の一部として機能しています。

MITの報告でも、成功している企業は、特定の業務に最適化した独自ツールの活用、技術指標ではなくビジネス成果による評価、既存業務への円滑な統合という3つの特徴を共有していました。

経済プリミティブと、能力の余剰

Anthropicが2026年1月に発表した経済プリミティブ（AI活用を測る基礎的な指標群）は、利用者数に代わる計測手法を提案しています。タスクの複雑さ、AIに委ねる自律度、成功率という3点から活用度を測るという考え方です。同社の分析では、ソフトウェア開発の作業は人が単独で行えば約3.3時間、個人の生活管理に関する作業は約1.8時間に相当すると見積もられました。複雑で時間のかかる業務にAIを集中させている組織ほど、経済的な効果の差が大きくなります。

OpenAIの分析も示唆に富みます。高度な使い手は、思考機能を平均的な利用者の約7倍活用しており、70カ国以上で活用の強度に3倍の開きがあるといいます。OpenAIはこの現象をcapability overhang（能力の余剰）、すなわちモデルが持つ能力と、実際に活かされている度合いとの差と呼んでいます。AIの性能は、すでに十分すぎるほど高い水準にあります。本当のボトルネック（制約要因）は、使う側の組織設計にあるのです。

MIT、PwC、Anthropic、OpenAIという4つの機関が、2026年前半にほぼ同じ時期に、AIの導入は進んでいるが成果は出ていない、という共通の結論に到達しました。これは偶然の一致ではなく、業界全体が評価軸を利用者数から成果へと切り替えた転換点を映しています。

従量課金への移行が進めば、成果の伴わないAI投資を見過ごせる猶予は短くなっていきます。中期的には、CFO（最高財務責任者）のAIへの関与が強まり、AIの損益を厳密に検証する姿勢が経営指標として定着していく可能性もあります。

ただし、不確実な要素も少なくありません。ベンダーの価格戦略は流動的で、OpenAIやAnthropicの上場計画が市場の構造を変える余地も大きく残されています。確実に言えることは一つだけです。CopilotかClaudeか、というツール選びは、もはや問いの立て方として適切ではありません。問うべきは、自社の業務をAIでどう作り変えるか、です。

今回の一連の調査が示したのは、AI投資の成否を分けるのが技術ではなく組織の側にあるという事実です。まず、生成AIに投資した企業の大多数が財務的なリターンを得られておらず、成果を出せているのはごく一部にとどまります。次に、その差を生んでいるのは、ライセンスを配って終わりにするか、業務プロセスそのものを設計し直すかという導入姿勢の違いです。そして、ベンダーの従量課金への移行によって、成果の伴わない支出はこれまで以上に可視化されつつあり、成果を厳しく問う局面が近づいています。自社のAI活用を振り返るとき、どのツールを選ぶかではなく、どの業務をAIで作り変えるかという問いに答えられるかどうかが、これからの分かれ目になるはずです。