※以下の事例・観察は、筆者の経営支援の実務経験および公開情報に基づいています。クライアント保護のため、特定の企業名・人物名は使用していません。業界レベルの一般的な傾向として記述しています。
1943年、弾痕のない場所を補強せよという結論
第二次世界大戦中、米軍は頭を悩ませていた。爆撃機の損失が多すぎる。装甲を増やせば守れるが、装甲は重い。燃料も爆弾も積めなくなる。どこを補強すべきか、決めなければならない。
軍は基地に帰還した爆撃機を調べた。機体には無数の弾痕が残っていた。集計すると、主翼と胴体の弾痕が最も多く、エンジン周りは相対的に少なかった。答えは自明に見えた。弾痕の多い場所、つまり主翼と胴体を補強すればいい。
コロンビア大学の統計研究グループ(Statistical Research Group)に所属していた統計学者エイブラハム・ヴァルドは、その結論をひっくり返した。補強すべきはエンジン周りだ、と彼は言った。
理由は単純だった。目の前にあるデータは「帰還できた機体」のものだけだ。エンジンに被弾した機体は、そもそも基地に戻ってこられなかった。弾痕が少ないのは、そこが安全だからではない。そこを撃たれた機体は、データに含まれる前に墜落していたのだ。
結論から言えば、いま多くの企業のAI導入判断は、1943年の米軍と同じ間違いを犯している。目の前にある「AIで成功した会社の事例」だけを見て、装甲すべき場所を決めようとしている。本稿ではこの構造的な錯覚を「AI生還者トラップ」と呼び、その正体と抜け出し方を論じる。
AI生還者トラップとは何か
AI生還者トラップ = 「生き残ってメディアやカンファレンスに登壇した成功事例」だけを分析材料にし、静かに撤退・失敗した大多数を見ないまま、AI導入の意思決定を下してしまう現象。
爆撃機の比喩でいえば、成功事例は「生還した機体」であり、経営者が普段目にするAI活用の情報のほぼ全ては、この生還機のデータだけで構成されている。撃墜された機体、つまり導入したが撤退したAIプロジェクトは、基本的に語られない。訴訟リスク、信用への懸念、単純な体裁の悪さ——理由は様々だが、失敗は沈黙する構造になっている。
その結果、経営者は「他社は成功しているのに、なぜうちだけ苦戦するのか」という誤った自己評価に陥る。実際には、苦戦しているのは自社だけではない。むしろそれが多数派である可能性が高い。この点は、次の節で具体的な数字とともに確認する。
数字で見る、消えた95%
抽象論ではなく、実際にどれだけの機体が撃墜されているのか。
MIT のNANDAイニシアチブが2025年8月に発表したレポート「The GenAI Divide: State of AI in Business 2025」(著者Aditya Challapally)は、リーダー150人へのインタビュー、従業員350人への調査、公開されているAI導入事例300件の分析という規模で、この問いに答えている。
結論は衝撃的だ。企業の生成AIパイロットプロジェクトのうち、95%が測定可能な損益インパクトを生み出せていない。急成長を達成できたのは、わずか5%にとどまる。
さらに興味深いのは、成功と失敗を分けた要因だ。
| 導入アプローチ | 成功率 |
|---|---|
| 特化ベンダーからの購入型AI | 67% |
| 自社での内製型AI構築 | 33% |
同じレポートは、失敗の主因を「学習ギャップ(learning gap)」と呼んでいる。ChatGPTのような汎用ツールを、既存の業務フローに適応させられないまま導入し、現場に定着せず立ち消えになるパターンだ。
この数字が示すのは、AIが効かないという単純な話ではない。95%という数字の裏には、それぞれの企業の会議室で交わされた「なぜうまくいかないのか」という議論があり、そのほとんどが社外に出ないまま終わっている。経営者がSNSやカンファレンスで目にする「AI活用の成功事例」は、この95%を差し引いた、残り5%の中からさらに選ばれた「特に見栄えの良いもの」に過ぎない。
なぜ経営者は生還機しか見ないのか
ここに、もう一段深い構造がある。単に「失敗が語られにくい」だけではない。失敗を語らせないインセンティブが、経営者を取り巻く情報環境そのものに組み込まれているのだ。
カンファレンスの登壇者は、成功した企業から選ばれる。ベンダーの導入事例集は、当然ながら成功した顧客だけを掲載する。メディアは「AIで業績を伸ばした会社」を取材したがるが、「AIを導入したが半年で使わなくなった会社」を追いかける記者は少ない。誰も嘘をついているわけではない。しかし、情報の供給側全体が、生還機だけを見せる構造になっている。
さらに悪いことに、経営者自身も、自社の撃墜事例を語りたがらない。うまくいかなかったAIプロジェクトを社外に話すことは、経営判断のミスを認めることに近い。だから多くの企業では、失敗したAI導入は静かに縮小され、稟議書の中でだけ「一部運用を見直し」と記録され、それ以上は語られない。
この非対称な情報環境の中で経営判断を下せば、母集団を見誤るのは当然の帰結だ。ヴァルドが指摘したのと同じ構造的錯覚が、統計の素養なしに、毎日どこかの役員会議室で再演されている。
才有るの実験ログ——報告されなかった方のAI
自社の話をする。才有るでは31体のAIエージェント(参謀団)を実運用しているが、その裏側には、静かに退役させたエージェントが同じくらいの数いる。
ある業務領域向けに設計したAIエージェントは、想定していた判断精度に届かず、3ヶ月ほどで運用を停止した。別のエージェントは、初期には有望に見えたが、実際の業務データを流し込むと、学習していた前提と現場の実態がずれていることが分かり、作り直しになった。表に出るのは「今も動いている31体」だけであり、この退役ログは、放っておけば誰にも語られない。
だからこそ、才有るでは意図的に「撃墜ログ」を残す運用にしている。うまくいかなかったAIエージェントを、なぜ止めたのか、どこで前提が崩れたのかを記録し、次のエージェント設計に反映する。企業力指数BPI(4層76項目)で経営体力を測る枠組みを内部で使っているが、AI活用についても同じ発想が要る。生還した機体の数ではなく、撃墜された機体の理由を数える発想だ。
この作業は地味で、社外に発表するようなものではない。しかし、AI経営力の5段階モデルでいう最上位段階、つまりAIを組織の意思決定に本格的に組み込む段階に進めるかどうかは、この地味な撃墜ログをどれだけ丁寧に積み上げているかで決まると考えている。
「使えばわかる」という反論への応答
ここで、当然出てくる反論がある。
「結局は使ってみなければ分からない。慎重論を並べるのは、行動しない言い訳ではないか」
この反論は半分正しい。行動しなければ何も分からないのは事実だ。しかし、この反論は微妙に論点をずらしている。
MIT NANDAのデータが示しているのは、「AIを使うべきか」ではない。「使った企業の95%が失敗している」という事実だ。つまり問われているのは行動するかどうかではなく、どう導入するかの設計である。購入型67%、内製型33%という差は、そのまま「導入の設計次第で成功率が2倍変わる」ことを意味する。
さらに厄介なのは、生存者バイアスは意思決定の入り口だけでなく、その後の学習過程にも忍び込むことだ。成功事例だけを集めて「AI活用のベストプラクティス」を作ると、そのベストプラクティス自体が、既に生存者バイアスで汚染されたデータから作られている。撃墜された95%のパターンを分析しない限り、次に導入する企業も同じ場所を撃たれる。
つまり「使ってみればわかる」は正しいが、「何を使ってみたか」「その結果をどう記録したか」まで含めて初めて意味を持つ。使うだけでは、生還機のデータが1件増えるか、撃墜機のデータが1件、誰にも記録されずに消えるかのどちらかにしかならない。
生還機と撃墜機、両方を数える経営
では、経営者は何を変えればいいのか。抽象的な心構えではなく、判断の材料を変える話として整理する。
| 生還機だけを見る経営 | 撃墜機も数える経営 |
|---|---|
| 他社の成功事例を「参考」にAI導入を決める | 自社と他社の失敗事例を先に集めてから決める |
| AIプロジェクトの結果を「稟議上、非公開」で終わらせる | 撤退・縮小したAIプロジェクトの理由を社内で必ず記録する |
| 「導入した」ことを成果として報告する | 「損益にどう効いたか」を測定してから成果と呼ぶ |
| 汎用ツールをとりあえず現場に配って様子を見る | 業務フローへの適応設計に、購入・内製を含めて投資する |
この表の左側は、決して愚かな経営者の姿ではない。むしろ、限られた情報環境の中では合理的な行動に見える。だからこそ厄介なのだ。生存者バイアスは、判断力の問題ではなく、見えているデータの偏りの問題だからだ。1943年の米軍高官も、決して無能ではなかった。ただ、目の前にあるデータが、そもそも偏ったサンプルだったことに気づけなかっただけだ。
右側に移るために必要なのは、大きな投資でも派手な改革でもない。「導入した」という事実と「効果があった」という事実を、意図的に切り分けて記録する習慣だけでいい。それだけで、次の判断材料の質が変わる。
弾痕のない場所を、あなたは見ているか
ヴァルドが解いた問題の本質は、データの量ではなく、データの由来を問うことだった。どれだけ多くの成功事例を集めても、それが生還機だけのデータである限り、正しい結論には辿り着けない。
いま多くの経営者が目にしているAI活用の情報は、95%を差し引いた後の、さらに選りすぐられた成功譚だ。それを参考に自社の投資判断を下すことは、弾痕の多い主翼を補強し、静かにエンジンを撃ち抜かれ続けることに等しい。
AI生還者トラップから抜け出す第一歩は、難しい統計学を学ぶことではない。自社の会議室で「これは失敗だった」と言えるかどうか、それを記録に残せるかどうか、その一点にかかっている。弾痕のない場所にこそ、次に補強すべき答えがある。それを見ようとするかどうかは、経営者自身の選択だ。
著者プロフィール
山本高資（やまもと・たかし）
合同会社才有る者の楽園 代表。志あるほんまもん企業のAI経営変革を支援。京都大学MBA在籍。AI参謀団31体を実運用する現役の実験者。
生物工学学位を背景に、細胞の多層ネットワークと企業組織の進化を重ね合わせて思考する。盛和塾大阪世代。AI導入による「人間や組織の進化」をテーマに、戦略・組織設計・意思決定支援を統合的に行っている。
山本高資｜合同会社 才有る者の楽園 代表
