日本 × 導入失敗/期待外れ（19件）

1on1練習アプリ「キクレン」の共同開発で、実装をClaude Code、レビューをCodexに任せ、Issue起票からPR作成・レビュー・修正まで多くをAIエージェントが担当。レビュー用エージェントがPR本文を更新するたびに(editedを拾うworkflowで)6ジョブが走り、1PRで指摘修正とpushを5〜10回繰り返し、concurrency未設定で古いrunもキャンセルされなかった。GitHub Free orgの月2,000分の無料枠(ジョブ単位で1分切り上げ課金)を使い切り、同orgの全リポジトリのCIが数秒で失敗。対策として規約検査をpr-checksの1ジョブに統合、editedを拾うworkflowの絞り込み、検査系にconcurrency設定を実施。Billing APIの確認にはadmin:org権限が必要でエージェントからは残量が見えなかった。

エージェントは本文を丁寧に更新し指摘にすぐpushするなど正しく動いても、課金の仕組みと無料枠の残量が見えないためCI分数を膨らませる。削減後も月約2,760分で無料枠を超え、2か月続けて月の後半にActionsが止まり、ローカルのpre-pushフックで代用した結果CIが赤いままマージされることが常態化した。使用量の確認と課金ルールの明文化は人が行いエージェントに制約として伝える必要がある。

TWOSTONE＆Sonsが2026年8月31日に「企業のAI内製化に関する限界の実態調査」を公開し、TechTargetジャパンが報じた。対象は従業員300人以上で全社的なAI/DX推進に取り組む経営層・AI/DX推進責任者111人。社内主導で進めたAIプロジェクトについて停滞・頓挫の経験と、足踏みしやすい工程を尋ねた。個別企業の事例ではなく調査報道。

社内主導のAIプロジェクトは回答者の9割超が停滞・頓挫を経験しており、複数回の人も多い。最もつまずくのは技術的な実装より前の「目的・テーマを決める段階」(57.7%)で、PoCから本格導入への移行や実装開発(各49.5%)も続く。TWOSTONE＆Sonsは、自社に足りない機能を見極め、外部の知見を組み合わせて推進体制を組むことが論点になると指摘している。

政令指定都市のニュータウンの移動課題への対応として、モビリティの実証を3回実施した。停留所を設定した運行エリア内で、予約に応じてAIが配車する予約型の乗合バス(時刻表・固定経路なし)である。2025年11月1日〜2026年10月31日に予定していた運行は実施しなかった。

3回の実証を経ても予定した12か月の運行に移れず、新たなスキームと条件で実装の可能性を再検討する方針に転じた。中止の理由や費用・利用実績の数値は本文になく、詳細は別資料での確認が必要。

全社的なAI活用の機運づくりを目的に、複数部署からユースケースを集めて対象業務を選定した。Webニュースや購読中の調査リポートを生成AIに読み込ませ、日々の市場動向リポート作成を自動化するテーマでPoCを開始し、いくつかのニュースサイトと調査リポートを対象に要約・分析のプロトタイプを構築した。参加した担当者からは、数時間かかっていた情報収集とリポート作成が30分程度になった、海外競合ベンダーの新製品ニュースをAIが見つけてくれた、との評価が出て、結果報告会では「月間50時間以上の工数削減効果あり」と報告された。

現場の評価も削減時間も良好だったが、本格導入の検討を始めた途端、PoCで見過ごされていた3つの根本的な壁が現れ、本番システムに組み込まれず塩漬けになった。筆者(野村総合研究所)はこれを「PoC止まりで実証実験の成功がゴールになっている」落とし穴の実例として紹介し、戦略的なAIアーキテクチャーの欠如が根にあると位置づけている。3つの壁の詳細(壁1は「ビジネスインパクトの壁」)は会員限定部分にあり、確認できていない。

SIerのチームが約15分の朝会を会議室中央のマイクで録音し、Azure OpenAI ServiceのWhisper文字起こしAPIでテキスト化、o1-miniで報告者別の箇条書きに整形してチャットで共有した。会議終了から最短5分で提供でき、手作業で約20分かかっていた議事録が作業5分になり、1回あたり約15分の削減を見込めた。内容は過不足なくまとまっていると好評だった。一方で、人名の大半を誤認識(加藤→佐藤など)、業務名の誤認識、Whisperの25MB制限(録音約25分超は処理不可)、録音忘れ、ファイル操作の手作業負担があり、書記を務めることで得られる議題理解(教育効果)が失われると分析して、2日で継続を断念した。対策としてプロンプトに参加者名を与えると人名の誤認識は改善し、録音の自動化とフォルダ監視による自動文字起こしを検討中という。

工数削減の効果が実証できても、録音忘れ・ファイル分割・手作業での受け渡しといった運用の摩擦が残ると定着しない。検証段階から前後工程を自動化しておくことが継続の条件になる。文字起こしAPIはファイルサイズ制限(Whisperは25MB)で適用できる会議の長さが決まるため、ツール選定時に実際の会議長で確認が要る。人名・業務名の誤認識は、参加者名をプロンプトに渡すだけで大きく軽減できる。

山口県光市は令和5年度(2023年度)にAIデマンド型交通の実証実験を実施し、令和6年度の行財政構造改革推進プラン取組状況報告書(令和7年9月公表)でその検証結果をまとめた。利便性・経済性の面では一定の評価を得たが、運行範囲や効率性に課題があり、住民の利用意向も低く、事業者側にも運転手不足への懸念があることから、現時点での本格導入を見送ると結論づけた。

実証実験でPoCとして「利便性・経済性は一定の評価」を得ても、運行範囲設計・住民の利用意向・運転手不足という複数の要因が同時に満たされないと本格導入の意思決定には進めない実例。既存のAIデマンド交通撤退事例(収支率未達で撤退したケース)とは異なり、光市は実証を経て「本格導入そのものを見送った」段階であり、行政のPoC→本番移行のGo/No-Go判断基準の参考になる。

東京都大田区は2026年1月、AI電話自動応答サービス「ミライAI」（提供元:ソフツー、650社以上に導入実績あり）を使い、区役所への問い合わせ電話にAIが一次応答する実証実験を実施した。用件聞き取り・担当部署への取り次ぎ・通話内容の自動テキスト化/要約を担わせたが、自治体特有の専門用語や高齢者からの言語化しづらい相談にAIがうまく対応できないケースが多かった。

民間企業650社以上への導入実績があるAI音声応答サービスでも、行政窓口特有の専門用語・非定型な問い合わせには対応しきれず、対応成功率が目標の半分以下(37%)に落ち込んだ。汎用AI音声応答を行政窓口に転用する際は、その業種特有の語彙・言い回しを想定質問に事前で網羅できているかの検証が不可欠であることを示す実例。

日経クロステック(日経コンピュータ記者・森岡麗氏)、2026-08-21付、有料会員限定記事。生成AIの従量課金制で企業の使用料が高騰する事例を取材。本文は有料壁の内側だが、記事の見出し・メタ description(サイトのHTMLから直接抽出、curlで実測・WebFetch要約と一致)に「月々の予算を約200万円超過する状態が3カ月続いた企業もある」との記述を確認。あわせて「利用禁止は悪手」という論調(安易な利用禁止では本末転倒)も見出しに明記。

生成AIの従量課金構造により、使うほどコストが膨らみ当初の予算・費用対効果試算を崩す実例がある(ある企業で月次予算を約200万円超過する状態が3カ月継続)。一方で、コスト超過を理由に一律「利用禁止」にするのは本末転倒であり、活用継続と予算管理の工夫の両立が課題とされている。

岡山県津山市は、あらかじめ学習させたルートのみを走行する自動運転バスの実証運行を2025年度に実施した。世界的に周辺状況を自動学習する技術が急速に進化する中、市が既存システムをアップデートしようとするとコストと実施時期の見通しが立たなくなったため、2026年度以降の実証運行の中止を決定した。

2027年度の車両購入・2029年度実用化という当初計画は、技術陳腐化により事実上凍結された。自治体が「あらかじめ学習させたルート走行」という枯れた技術で低コスト実用化を目指した前提が、周辺環境を自動学習する技術の急速な進化によって崩れ、追随のコスト・時期が見通せなくなった結果、計画全体が止まった事例。

東京都豊島区は2022年4月から大塚駅周辺などでAI配車の事前予約・乗り合い型交通サービス「mobi」の実証運行を行い、区の補助金に頼らず自主運営で採算を取れるかを測る指標として収支率90%を本格運行移行の目安に掲げていた。しかし公開された地域公共交通会議の議事録によれば、2023年4〜12月の収支率は50%台で推移し目安に届かなかった。地元タクシー・路線バス事業者からは収支率の検証方法やバス路線との競合、利用者アンケートの妥当性についても当初から疑問の声が出ていた。区は2024年6月21日に本格運行に踏み切らないことを示唆する地域公共交通会議の開催案内（AIオンデマンド交通を「報告案件」として記載）を出し、同28日の同会議を経て、6月28日付で実証運行を2024年8月31日で終了し本格運行への移行を見送る告知をWebサイトに掲示した。

収支率の目安（90%）を自ら設定し公開の議事録で継続的に開示していたことで、届かなかった実績（50%台）が第三者に検証可能な形で残り、既存交通事業者の異議とあわせて本格運行移行を止める材料になった。同種のmobi実証運行は先行する渋谷区（2021〜2022年）でも地域公共交通会議で同様の展開をたどり本格運行に移行せず終了しており、都心部でのAIオンデマンド交通は「実証止まり」パターンが2例連続で確認された。

神奈川県松田町は、AIオンデマンド相乗りバス「のるーと足柄」を一般社団法人ASHIGARA ON DEMANDに運営委託し、令和5年10月に松田町・大井町で運行開始。システム構築・車両運行・オペレーター配置の初期投資を町が3年かけて負担しながら、令和6年度に開成町、令和7年度に山北町へと運行エリアを段階的に拡大した。月額会員制収入(月3,000円)でランニングコストを賄い自走化する計画だったが、目標の1,500世帯(全世帯の1/3)に対し会員は最大60世帯超にとどまり、収支率は高い月でも10%台に低迷。令和7年度単年度でも収入見込3,788万円に対し支出6,230万円で約2,441万円の赤字となった。

「AIで需要予測すれば効率化できる」という前提だけでは、人口減・高齢化地域の構造的な低採算(薄い需要密度)は埋まらない。町は3年間で1億円超を投じ、運行エリアも段階的に拡大しながら実証したが、当初目標(全世帯の1/3が月額会員)に遠く及ばず、運営組織の自走化ができないまま本格運行への移行を断念した。AI/ITは運行の効率化(配車最適化)はできても、需要そのものを創出する装置ではないという失敗事例。

製造業で図面・仕様書・議事録を横断検索するRAG PoCを実施し、検索精度自体は十分な水準に達した。しかし「現場の誰が、1日何分使うのか」「その時間削減がどんな業務価値を持つのか」という運用KPIをPoC開始前に定義していなかったため、経営層がGo/No-Go判断を下せず投資見送りでプロジェクトは停止した。別の事例として、ある企業は生成AIツールを全社展開したが、全社員のおよそ3分の1が直近1カ月ログインした形跡がなく、未利用者は「使わなくても業務が回る」「何に使えばいいかわからない」と回答した。

検索精度など技術面で「成功」していても、誰が・どれだけの頻度で・どんな業務価値のために使うかというKPIを事前に定義していなければ投資判断ができず、PoCは技術的成否と無関係に中止される。失敗の本質はAIの性能限界ではなく、PoC着手前の「問いの設定」と予算配分の設計ミスにある。

キーウォーカーが2026年6月22-23日に実施した調査。対象はLLM搭載の生成AIツール（ChatGPT/Gemini for Workspace/Microsoft Copilotなど)を導入済みの企業に勤める部長職以上1004名。利用ツール比率はChatGPT 57.2%、Gemini for Workspace 43.9%、Microsoft Copilot 39.9%。

全社ツール展開自体は一定数の企業で完了・定着しているが、そこから先の「業務への本格的な組み込み」段階へ進めている企業は限定的で、多くが展開フェーズで足踏みしている。原因は人材不足（AIスキル・リテラシー不足）とセキュリティ懸念で、導入=活用ではなく「入れたが使いこなせていない」状態が浮き彫りになった。