フロンティアはまだ開かれている──企業のAI導入が失敗し、少数精鋭チームが勝ち、本当の優先課題が人員削減より大きい理由

2026年、人工知能は成熟したプラグイン型の能力として売り込まれている──買って、スイッチを入れ、課題に向けるだけのものとして。だが現実はそれほど定まっていない。昨年OpenAIは、大規模言語モデルがハルシネーションを起こすのは修正可能なバグのせいではなく、モデルの訓練と採点のあり方が、不確実性を認めることよりも自信ありげに推測することに報いるからだと論じる研究を発表した。誤りの様式は、一部において構造的なのである。独立した検証もこの点を裏づけている。スタンフォードの研究者は、主要モデルが特定の専門的な法律クエリの過半数でハルシネーションを起こすことを見出し、2025〜2026年の新しいベンチマークは、非英語およびマルチモーダルの環境で失敗率が急上昇することを示している。これは解決済みの技術ではない。

信頼性はその半分にすぎない。実践そのものが激しく揺れ動いている。モデル、ツール、価格、ベストプラクティスは数か月ごとに書き換えられ、1月に書いた標準業務手順は夏には時代遅れになる。2025年初頭を定義していたツールのカテゴリーが丸ごと、すでに取って代わられている。これは成熟し産業化された技術の姿ではない──これはフロンティアの姿である。高い報酬、高い不確実性、そして企業がただ買ってインストールできる定まった手引きなど存在しない。

フロンティアには構造的なバイアスがある。それは、素早く動き、学び、決め直せる人々や組織に報い、莫大な資源を前もって投じなければならず、後戻りできない者を罰する。このただ一つの事実が、2026年のAIの物語全体を捉え直す。決定的な優位性は資本でも人員数でもない──適応力である。だからこそ、最大級で最も潤沢な資金を持つAI導入の多くが、最悪の見出しを生み出しているのだ。

数字は厳しい。2025年8月、MITのNANDAイニシアチブは、企業の生成AIパイロットの約95%が損益に測定可能な影響を生まなかったと報告した。正確に読めば、それらは迅速な収益を生み出せなかったということであり、研究者が特定した原因はモデルの品質の低さではなく、組織的なもの──「学習のギャップ」──だった。示唆に富むのは、専門ベンダーから購入したツールが、野心的な自社開発よりもはるかに頻繁に成功したことだ。これは、ボトルネックが生の能力ではなく統合と判断にあることの証である。

撤退が後に続いた。S&P Globalは、AIイニシアチブの大半を放棄した企業の割合が、わずか一年で17%から42%へ跳ね上がったことを見出した。AIアシスタントが700人のエージェント分の仕事をこなしたと誇っていたKlarnaは、CEOが全面AIのアプローチは「より低品質」のサービスを生み出したと認めた後、2025年に方針を転換し、人間の再雇用を始めた。McDonald'sは一連のエラーの末にIBM搭載のドライブスルー音声テストを打ち切り、Taco Bellは、いたずら者が18,000杯の水を注文した後、自社の展開を公に減速させた。

共通の糸は、AIが機能しないということではない。判断より先に速さと規模が適用された、ということだ。パイロットはトップから命じられ、成功は解決した問題ではなく削減した人員数で測られ、組織は品質のギャップが表面化する前に軌道修正できるほど速く学べなかった。技術はフロンティアだったが、経営は産業型だった。そのミスマッチこそが──モデルではなく──失敗なのである。

この誤りの最も目につく形は、AI戦略を装った人員削減の発表である。SalesforceのMarc Benioffは2025年、自社のAgentforceシステムがやり取りの約半分を処理しているため「人員はより少なくて済む」とし、カスタマーサポート人員を約9,000人から5,000人ほどへ削減したと述べた──これは彼自身の以前の安心させる発言からの著しい後退であり、残された人員にそのギャップを背負わせるものだった。ShopifyのCEOは、新規採用を承認する前に、その仕事がAIにはできないことを証明するよう管理職に求めた。Duolingoの「AIファースト」メモは激しい反発を招き、CEOが公にそれを撤回した。「これは私の責任だ。十分な文脈を示せなかった。」

なぜそれが誤りなのか。それは、いまだフロンティアゆえに信頼性の低い能力と引き換えに、組織的な知識、顧客の信頼、従業員の士気を手放し、品質のギャップが現れる前に削減効果が現実化することに賭けているからだ。Klarnaは、ギャップが先に現れることの証である。さらに、残る全員に対して──次は自分だという──まぎれもないシグナルを送ることになり、それは成功するAI導入が実際に依存している、まさにその自発的な努力と善意を蝕む。その削減はスライド上では決断力に満ちて見えるが、それ以外のあらゆる場所で高くつく。

示唆に富む反例はIBMである。同社のAskHRシステムは定型的な人事業務の約94%を自動化し、約200の人事職を置き換えた──だがIBM全体の従業員数は増加した。削減で得た余力がプログラマーや営業担当者へ再投資されたからだ。それこそが、AIを企業の縮小に使うことと、より価値の高い仕事へ人を再配置するために使うことの、すべての違いである。一方はコスト削減の反射であり、もう一方は戦略だ。AIから優位を積み上げていく企業とは、解放された人的能力を、捨てるべきものではなく振り向けるべきものとして扱う企業である。

解雇という反射が、顧客と向き合うサービスほど誤っている場所はない。なぜなら顧客は気づくからだ。調査は一貫して、消費者の約79%がAIエージェントより人間を好み、約86%が人間とのやり取りが自社ブランド体験にとって重要だと答え、61%が人間のエージェントのほうがAIよりも自分のニーズをよく理解していると感じていることを見出している。デリケートな事柄──詐欺、保険金請求、金銭や苦痛にかかわる何か──については、約67%が常に人間を求める。これらは郷愁ではない。信頼がどこに宿るかについての言明である。

だがこれはAIへの反対論ではない。消費者の約69%は、AIと人間のエージェントが協働することが重要だと答えている。勝てるモデルは、AIに支援され人間が管理するものだ。AIが機械の速さで草案を書き、検索し、要約し、振り分ける一方で、人間が関係性、判断の決定、そして共感を担う。AIが仕事を加速させ、人間が信頼を保つ。純粋な自動化はコストの行を最適化しつつ、そのコストの行がそもそも守るはずだった資産──関係性──を静かに劣化させる。

これは文化をまたぐと二重に当てはまる。サービスが職人技として扱われ、文化的な精緻さが報われる日本のような市場では、AIのみのサポート層はアップグレードどころかダウングレードとして受け取られる。正しいパターン──Medusa Japanが自社の多言語業務に適用しているもの──は、AIで加速し人間が仕上げるものだ。機械的な部分には機械の速さを、顧客が実際に見て、聞いて、感じるあらゆるものには人間の作り手としての手を。それこそが、その仕事を対価に値するものにしていたニュアンスを平板化することなく、産出量を拡大する方法である。

企業が犯す第二の誤りは、第一の誤りの鏡像である。命令はあっても計画も訓練もないまま、AIツールを従業員に手渡すことだ。その結果がシャドーAIである──2025年の調査は、従業員の78%が雇用主の承認を得ていないAIツールを使い、51%がいつ使うべきかについて矛盾した指針を受け取っていることを見出した──そして生産性のパラドックスが生じ、60%近くが、手作業でやるよりツールの使い方を理解するのに時間がかかることがしばしばだと報告している。METRによる2025年の統制された研究は、2025年初頭のAIツールが実際には熟練のオープンソース開発者を約19%遅くしたことを見出した──その開発者たち自身は、より速く作業していると信じていたにもかかわらず。

ここで二つの誤りを組み合わせてみよう。従業員の一部を解雇し、生き残った者に、訓練を受けたことのないツールを利用ノルマのもとで強制的に採用させる。得られるのは生産性ではない。芝居と恨みである。2026年の報道は「トークンマクシング」を描いている。AIの利用が人事評価に組み込まれ、従業員が数字を満たすためにクレジットを燃やすというものだ──ある技術者は一週間で2,100億トークンを消費したと報じられている。他の調査は、専門職の約16%がAIを使うふりをしていると認め、最大29%が雇用主のAI戦略を積極的に妨害していると認め、その割合はZ世代では44%にのぼると報告している。(これら最後の数字は、査読付きの知見ではなく、Inc.、Gizmodo、Newsweek、Fortuneといった媒体が報じたものとして扱われたい。)

教訓は、従業員が怠惰だということではない。意味を伴わない命令は、悪意ある服従を生む、ということだ。人々は、どれだけ計算資源を消費したかで測られることに抵抗する──とりわけ、同僚がまさにそのツールに置き換えられていくのを見ながらでは。導入は、技術の問題である前に変革管理の問題である。それには訓練、信頼、そしてAIが人々の仕事を短命にするのではなく、よりよくするという説得力ある物語が必要だ。それを飛ばせば、命令は、それが排除するはずだったまさにその無駄を製造する──価値が生み出される代わりに、わざと燃やされるクレジットを。

失敗を並べてみると、肯定的な絵が浮かび上がる。フロンティア技術における優位性は、新しいモデルを発表されたその週に採用でき、サンクコストに麻痺することなく性能の劣るツールを手放し、顧客に触れるあらゆる輪のなかに人間を保ち、AIを置き換えのプログラムではなく拡張として扱える組織のもとへ向かう。これらは、運営委員会と年次計画サイクルを抱える20万人規模の大企業の特性ではない。これらは、無駄のない俊敏なチームの特性である。

これがMedusaのような企業にとっての構造的な論拠である。小さな越境スタジオは、巨大企業が委員会の承認を要する実験を、一つの午後のうちに走らせることができる。それはAIを使って、はるかに大きなチーム分の仕事を機械的な層──リサーチ、草案作成、ローカライゼーションのパス、QA──でこなしつつ、世に出すあらゆるものに人間の作り手としての手と判断を保つことができる。四半期の圧力のもとで削減を正当化しなければならないレガシーな人員を抱えておらず、プレスリリースのために過剰自動化を迫る投資家向けの物語もない。それはただ、フロンティアの最良のものを使い、仕事を手で仕上げればよい。

だから2026年にふさわしい捉え方は、「AI対人間」ではない。「誰がフロンティア技術をうまく使えるよう組織されているか」である。巨人たちは、ここでは適応力なき規模が負債であること──大きいことは速いことと同じではないこと──を、高い代償を払い、公の場で学びつつある。無駄のない運営者にとっての好機は、拡張を正しく行う者になることだ。フロンティアの恩恵を静かに、利益を上げながら、しかもそれに対する方針をどうすべきかを決める委員会をまだ立ち上げている最中の機関より数週間先んじて、つかみ取ることである。

組織図から一歩引けば、問いはまったく変わる。もしAIが、その支持者たちが約束する豊かさを本当に生み出すのなら、中心的な問題は「今四半期に何人削れるか」ではなく、「その利得をどう分配するか」そして「計算資源にどう電力を供給し、どこに収めるか」である。前者については、ユニバーサル・ベーシック・インカムは思考実験から実証へと移った。OpenResearchの研究──3,000人の参加者のうち1,000人が3年間にわたり月1,000ドルを受け取り、Sam Altmanが後援した──は、受給者の労働時間が週わずか約1.3時間しか減らず、基本的な必需品や他者を助けることにより多くを支出したことを見出し、所得の下支えが人々の労働をやめさせるという恐れを直接覆した。

UBIはいまだ政策提案であり、大規模に施行されるよりも、主にAI内部の人々によって唱えられている段階にあり、この研究はすべてではなく一つの反論に答えるものだ。だがそれは、人員削減をめぐる議論を誠実に捉え直す。もし技術が本当に労働を置き換えていくのなら、成熟した社会的対応とは、人々の下に下支えを築くことであって、削減の各ラウンドを四半期の勝利として扱うことではない。世界規模のベーシック・インカムは、人員数についてのもう一つのプレスリリースよりも、AIによる労働置換に対するはるかに真剣な答えである──そしてそれは脚注ではなく、グローバルな優先課題に値する。

計算資源そのものについては、フロンティアは文字どおり地球を離れつつある。2025年11月、スタートアップのStarcloudはNvidia H100を軌道上に置き、そこで小さなモデルを訓練した──宇宙で訓練された史上初のモデルである──そしてGoogleは、太陽光発電でTPUを備えた衛星群の構想であるProject Suncatcherを発表し、2027年初頭には2基の試験衛星を計画している。Jeff Bezosは、十年か二十年のうちにギガワット級の軌道上データセンターが実現すると予測している。本当の原動力は、24時間体制の太陽光発電と天候のなさであり、本当に未解決の障壁は、真空中で廃熱を放出することだ。これらのタイムラインは確約ではなく願望的なものだが、方向性は明確である。やる価値のある仕事は、AIのエネルギーとフットプリントを地球外へ移し、その利得を広く分かち合うことだ──サポートチームを最小限の人数まで切り詰めて最適化することではない。フロンティアはまだ開かれている。本当の問いは、私たちがそれをコスト削減より大きな何かを築くために使うかどうかである。