MIT研究によると企業のAIプロジェクトの95%が6ヶ月以内に測定可能なROIを生み出していないという結果が報告されているが、この研究は経営陣への聞き取りに基づいており、実際にAIを構築している現場の視点が欠けている。個人のプロンプト技術を組織レベルの成功に変換するには、ハイブリッドアーキテクチャ、学習システム、インテリジェント摩擦、適切な計装という技術的原則を理解し、シャドーAIの活用方法を見つけ出すことが重要である。
AIプロジェクト成功の秘訣：個人技術から組織価値へ
これから数分で、皆さんの少なくとも6時間分の作業時間を節約してお見せします。私の動画をフォローしてプロンプトについて学んできた方なら、そのプロンプトマスタリーを組織のAI成功のレシピに変える方法をお教えします。
ChatGPTのプロンプト、Claudeのワークフロー、クラウドアーティファクトなどを完璧にこなすプロンプト忍者から、新機能発表を追いかけ続ける状態から脱却する方法です。今週、Claude Code Interpreterがリリースされました。
同時に、皆さんの周りの会社やチームは同じ認識を持っていない状況にあります。AI第一のビジネスであっても、AIの採用パターンには大きな幅があります。まだ手動ワークフローを使っている人たちもいるのです。そして、会社のAIパイロットが停滞してしまうのを目の当たりにしています。
予算が削減されることもあります。経営陣はAIは一時的な流行だと言ったり、うまく機能していない、投資収益率が見えないと言うでしょう。ここに十分に語られていない秘密があります。
個人のプロンプトマスタリー実践はスケールしません。しかし、その秘密はただリーダーたちにAIを支持してもらうことではありません。成功する5%に入るためには、建設者として、たとえディレクターやVPでなくても、個人のAIハックを学習システム、チームがビジネス価値を提供できるシステムにレベルアップする方法を見つける必要があります。
これが今日のテーマです。なぜ今この話をするのでしょうか。現在インターネットで最も話題になっている研究が、あの悪名高い95%失敗研究だからです。これは2025年8月にMITが発表した研究で、企業のAIイニシアチブの95%が6ヶ月以内に測定可能なROIをもたらしていないと報告しています。
95%です。これは150以上の経営陣インタビューと300億から400億ドルに相当するAI投資に基づいています。この研究は世界中で見出しを飾りました。Googleの検索結果の1ページ目はすべて災害の見出しのようです。すべて悪いニュースです。LinkedInではループが続き、人々は見出しをシェアするだけで実際には読んでいません。
実際にこの研究を読んだ人はほとんどいません。これが皆さんの時間を節約する方法の一部です。こうした表面的な議論は、勝者と敗者を分ける重要なニュアンスを見落としています。私が調べたので、皆さんはその必要がありません。
第一に、誰もこのことについて話していません。この研究のフレームはほぼ間違っています。この研究は経営陣に建設者が何をしているかを尋ねています。ビジネスで働いたことがある人なら誰でも、経営陣のAI採用とAI習熟度の認識は、現場で構築している建設者たちが実際に行っていることとは劇的に異なることを教えてくれるでしょう。
だからこそ、この動画で皆さんに話しかけているのです。もし皆さんが構築している人、プロンプトしている人、プロンプトに興奮している人、創業者、個人建設者など、何であれ、この物語を変えるチャンスがあります。
MIT研究への反応で見落とされた重要なポイント
MIT研究を調べて何時間も費やし、それについて語る人々を見てきたことから得られた具体的な原則をお教えします。まず、インターネットがこの反応について何を間違えたか、そして私たちがさらに掘り下げる方法について説明します。
第一に、経営陣のパニックは間違っています。「AIはバブルなのか」と言う経営陣、株価暴落、役員会の動揺など、これらは正しい焦点ではありません。ニュアンスと詳細を見落としています。
方法論の反駁もあります。詳細には入りたくありません。この特定の研究を反駁し、こんな小さな研究とインタビューから大きな結論は導けないと言うサブレディット全体が存在します。
統計学は理解しています。そこまで行くこともできます。しかし、皆さんにもそんな時間はないし、私にもありません。時間を節約しましょう。研究に欠陥があるかもしれませんが、学べることはたくさんありますし、それについて心配する必要はありません。
コピーペーストのジャーナリズムもたくさんあります。それに時間を無駄にするつもりはありません。そして本当に二進的な結論がたくさんあります。彼らが出した意見の一つに、購入対構築の二進的選択があります。MIT研究は基本的に、構築するより購入した方がAIパイロットで成功する可能性がはるかに高いと言いました。
研究を実施している人々が何かを売っているのに、購入を勧めているのは便利ですね。彼らが購入を勧めてきたことに私は驚いています。しかし、それを脇に置いて、彼らが善意を持っていて、正直に見たものを提示していると仮定しても、それは現実を見落とした過度に簡単化されたアドバイスです。私が日々組織に飛び込んで見ている現実です。だからそれは間違っています。
真の成功要因を探る
では飛び込んで、6時間もこのようなものを見つめる必要がないよう、本当の収穫を見つけましょう。第一に、MIT研究は実際には12から18ヶ月の期間における損益のみに焦点を当てて測定しています。それだけです。成功の非常に狭い尺度です。これが最初に認識すべきことです。
第二に、既に述べたように、経営陣とのみ話しています。第三に、経営陣に購入か構築かの二者択一しか与えていません。これは非常に二進的な会話です。既に話しました。第四に、ワークフローについて多く話していますが、経営陣と話しているため高い位置にいすぎて、実際に機能するワークフローの構築方法について具体的なガイダンスを提供できません。
ここからギャップを埋め、重要な収穫をお教えします。では、実際に成功を促進するものは何でしょうか。振り返って、5%に入りたいと思い、副社長の権限もなく、プロンプトの専門家、チームのAIインフルエンサー、チームのリーダーだとして、実際に成功を促進し始めるにはどうすればよいでしょうか。
私が建設者である皆さんに提案したいのは、成功指標として何度も何度も現れる技術的パターンを知っているということです。これらはMITの会話には現れませんでした。経営陣がそれらを認識していないからです。
では、それらを名前を挙げて共有させてください。多くの人がそれらに遭遇して発見しているからです。私たちは目を閉じて暗闇で手探りし、これらの原則を発見しています。皆が同じページで話せるよう、それらを挙げさせてください。
ハイブリッドアーキテクチャが重要です。MIT の会話にはその選択肢がありませんでした。彼らは書き上げませんでした。実際にAIを実装している企業と話すたびに、彼らはハイブリッドアーキテクチャを持っています。最高クラスのモデルとカスタムワークフローロジックを組み合わせています。独自開発対購入だけをしているのではありません。両方の世界の最良の部分を取り、それを行うのに必要な作業を認識しています。
タダ飯というものは存在しません。MIT研究が見落としたことの一つは、購入したとしても、作業を購入しているということです。そして繰り返しますが、経営陣はそれを見ていません。
第二に、学習システムがAIを導入する方法として考えるべきものです。フィードバックループを構築したいのです。パイプラインを再訓練したいのです。コンテキストの持続性を持ちたいのです。これを理解し、それに遭遇している のは建設者たちです。
私がRAGのガイドを書いた時、データのチャンク化についてのガイドを書いた時、それはすべて、ビジネスにあるデータを取得し、表面化し、利用可能にして、AIワークフローが実際にそれをフィードバックループで使用し、ビジネスが学習し、重要なタスクを完了する次回により良い結果を得られるようにする方法についてです。
これは研究からの重要な発見の一つですが、決して引き抜かれませんでした。経営陣と話していたため、それをどう引き抜くかを決して理解できませんでした。そのため、研究の一般的な結論は「ああ、そう、AIが企業ワークフローの現実に適応できれば良いだろう」でした。
そうですね、スライス済みパンもクールですね。素晴らしいじゃないですか。現実は、それを成し遂げる唯一の方法は、実際に持続的コンテキストでフィードバックループを構築し、機能するまでパイプラインを再訓練する意志を持つことです。これは大変な作業です。
個人レベルでさえ、チームレベルは言うまでもなく、エージェントワークフローを持つために何が必要かについて話すと、人々は大きなため息をつきます。「それは多くの作業だ」と言います。私は「そう、だからこそ重要な問題を選ぶべきだ。多くの作業をすることになるから」と言います。
肩に力を入れ、より良い目標があれば不釣り合いな比率で価値を収穫するでしょう。そして、大きく大胆な目標があり、多くを学びたく、ビジネスのために突破したいなら、あなたの目標、選択がHRポリシーマニュアル用のRAGシステムと、営業チームの取引間でコンテキストを維持できるRAGシステムの間にあるとしましょう。営業チーム オプションを選んでください。どちらの方法でも同じ量の作業を投入し、営業の方からはるかに多くの価値を得られます。重要で目標に合った学習システムを構築してください。
第三に、これはほとんど話題にならなかったものですが、研究では言及されました。成功している組織にとってインテリジェント摩擦の構築が重要だと述べました。人々はこれらのシステムをAIをできるだけ簡単にしたいと考えています。それは正しくありません。スマートな摩擦を埋め込みたいのです。具体的なことをお教えします。研究はそうしませんでした。
信頼度閾値を埋め込みたいのです。LLMからの印刷出力で、LLMが提示しているトークンにどの程度の信頼度があるかを赤、緑、黄色で表示できたらどうでしょうか。幻覚を示す可能性のある低信頼度トークンを見ることができます。
人間によるレビューゲートがあり、人間が戻って再調整でき、「より積極的なLLMパスが欲しい、より消極的なLMパスが欲しい」と言えるスライダーを持てたらどうでしょうか。調整方法を伝えるスライダーです。はいかいいえだけではありません。
より多くの摩擦でしょうか。はい。その摩擦がスマートで学習システムを強化するため、長期的により有用なシステムを構築するのに実際に役立つでしょうか。はい、そうです。
繰り返しますが、MIT研究が飛び込まなかったものです。建設者と話さなかったからです。
計装です。精度、遅延、エラー率、オーバーライド指標を非常に注意深く見る必要があります。これを言っている理由は、メトリクスに投資してほしいからではありません。
システムを構築していないなら、モデルが意味のある問題を解決しているかどうか、そして提案している解決策の品質は何かを確実に知ることに投資してほしいのです。これが重要だと思う理由は、経営陣にROIを尺度として決定させるなら、それは後のことで、先行指標がないからです。
計装は、建設者が実際にAIプロジェクトの成功を推進し、その後リーダーシップに報告できる実用的な先行指標を得る方法です。これについて多く話さなければ、これらのプロジェクトを計装することについて話さなければ、リーダーシップに成功がどのようなものかを決めさせることになり、実際にそれに影響を与えるチャンスがあります。
計装がどのようなものかを疑問に思っているなら、技術的なもの以外では、リーダーシップと一般的な目標と解決したい問題について合意し、問題がうまく解決されていることを示し、その後解決策をどう拡張するかの方向性を示すことの方が、虚栄の指標について話すよりもはるかに有用だと言えます。
最も持続的な虚栄指標の一つが採用と時間節約だと思います。これらは技術指標ではないことにお気づきでしょう。経営陣がそれを見ると、皆さんのような建設者がROI外で成功を位置づけようとしていると考えます。一方、技術指標を見始めると、それらが何であるかを説明する必要があります。
しかし、一度説明すると、誰もそれらを最終目標と間違えません。それが重要です。
本当に重要な別の原則があります。これはまったく話題にならないものです。MITはそれに到達しませんでした。成功するAIカテゴリーに実際に入るために本当に重要だと思います。シャドーAIマイニングです。チームが依存しているゲリラAI使用例を正式化する人である必要があります。
回し回されているGPTで機能するものはありますか。機能するPerplexityの使用はありますか。何であれ、機能するシャドーAIの行動をマイニングできるなら、ちなみにプロダクトマネージャーの皆さん、これはヒントです。B2Bスペースにいるなら、顧客はシャドーAI使用例を持っています。それを彼らから得てそれに対して構築できるなら、それは金です。
それは金です。ですから、シャドーAIを行ってください。それらの使用例を正式化し、機能する実際のワークフローに構築できるかを確認してください。幸せになるでしょう。B2B向けに製品を構築しているなら、価値を推進するのでビジネスを幸せにするでしょう。
繰り返しますが、経営陣が認識しないであろう影にあるAIを探してください。
個人技術から影響力への転換
これらのことのいくつかを見てきました。原則のいくつか、成功を推進する技術要素を見てきました。今度はスキルに移りたいと思います。個人貢献者のスキルセット、AIでAI建設者として成功する要素を影響力に翻訳したいなら、これらのスキルは実際に私が今話した原則の一部にマップされます。
これは覚える全く新しいセットではありません。シャドーAI探偵作業を行い、その後、AIを影から引き出してビジネスに持ち込む方法でワークフローをシステム化することで知られる人になることができます。それが影響力です。
透明性を通じて信頼を構築するガードレールを設計できる人として知られることができます。よく聞こえませんか。何をしているか推測してください。それは摩擦設計です。私たちは今それについて話しました。
各相互作用で改善するAI製品を設計することで知られる人になることができます。それは学習システムアーキテクチャです。繰り返しますが、私が今提示した同じ原則セットから影響力を発展させる方法です。
精度のような工学KPIとビジネスROIの間の接続を示す方法を学ぶことができます。突然、AIシステムの技術健康監視で知られるようになります。それも影響力のようですね。
多様なチームニーズに合わせたプロンプトライブラリとテンプレートを開発し、他の人がそれらに飛び込めるようにするライブラリをアーキテクトする方法を学ぶことができます。これはコンテキスト翻訳の例であり、良いAIシステムを形成するハイブリッドアーキテクチャの一部です。
どのように前進できるかのいくつかの例をお教えしましょう。この95%研究を取り、それをひっくり返して、「これは建設者のための研究だが誰もそう言わず、実際にもっと影響力を持てる」と言う人になる方法です。
プロダクトマネージャーの皆さんは、シャドーAI調査を実行できます。ゲリラ回避策でより良い機能を構築できます。製品にインテリジェント摩擦をどこに配置するかを見つけることができます。先行エッジ指標を提供する方法で経営陣が理解できる方法で計装を伝える方法を見つけ、MIT研究に行って「ROIがない」と言わないようにできます。
個人創業者、起業家の皆さんは、ビジネスにカスタマイズできる狭いワークフローに焦点を当てることができます。ここで聞いていることがあるとすれば、ハイブリッドアーキテクチャが機能するということです。AI解決策を購入している企業は途方もない負担を負っています。
カスタマイズできるワークフローに狭く焦点を当てるなら、深い価値を提供でき、それらの企業の負荷を軽減するのに役立ち、信頼を得て、それによって時間をかけて隣接分野を追求できるようになります。
エンジニアの皆さんは、計装が上手になることができます。ちなみにこれは新しいスキルセットだと認識しています。AIでの計装は他の種類の計装とは異なる程度があります。間違いなく、エンジニアが習得する必要がある最大のスキルセットの一つはデータサイエンスです。これらは非決定論的モデルで、測定するのが複雑だからです。
学ぶことができ、スケールアップでき、計装のベストを尽くし、自動化のベストを尽くすことができます。特に、これはエンジニアが会社で道を切り開くことができる分野だと思います。コンテキスト管理とそれがビジネスにとって何を意味するかについて道を切り開くことができます。悪い作業結果と良い作業結果の違いが、清潔なコンテキストと同じくらい簡単である可能性がある理由を説明する道を切り開くことができます。
ウィキの台所の流しをプロンプトに入れて、なぜ機能しないのか疑問に思うことではありません。
UXデザイナーの皆さん、デザインスペースのどこかにいるなら、ここには非常に多くのことがあります。信頼度スコアの表面化、QAループを行っている人々がそれを賢明に行うのを助ける方法の把握、人々に素晴らしいオーバーライドオプションの提供、ゲリラワークフローを取って価値を失うことなくそれらを正式化する方法の把握です。
セキュリティとコンプライアンスの皆さん、そのスペースで働いているなら、確実にシャドー使用を監査したいでしょう。それは信頼を得る場合にのみ可能です。ハイブリッドアーキテクチャが価値をスピードアップし、シャドーITフットプリントをエッジにプッシュし、ビジネスがインストールを完了する価値をスピードアップすることで、実際により安全になる方法を説明する最前線に確実にいたいでしょう。
機密承認のために摩擦を埋め込む場所を見つけることができます。ここには非常に多くのことがあります。いくつかの例を提示しているだけです。残りを埋めることができます。
建設者の競争優位性
皆さんの競争優位性は、プロンプトを知っていることです。建設者として、APIsを掘り下げているかもしれません。経営陣が知らない、実際に機能する、本当に機能するチーム上の隠れたワークフローを知っています。
ここで提示しているプレイブック、MIT研究への扉、それの何が間違っていたか、実際にこれを構築する必要がある場所は、個人のマスタリー、達成感と、実際にビジネスがどのように行われるかの間のギャップを埋めるのに役立ちます。
ハイブリッドアーキテクチャの構築方法、学習するシステムの構築方法、インテリジェント摩擦の持ち方、購入対構築を二進的トレードオフとして考えない方法について考え始めることを保証します。ドルを測定するだけでなく、採用を測定することで安っぽくすることなく、良いROI結果につながる計装について考える方法です。
個人貢献者の99%のはるかに先を行くことになり、ビジネスのために良い結果を推進するオプションを与えてくれるでしょう。あなたのキャリア目標が何かはわかりません。昇進を求めているかもしれません。これは確実にそこへの道筋のようです。影響力を拡張したいだけで昇進を避けたいかもしれません。
このようなことをすれば、条件を決めることができるでしょう。これはスキルセットです。MIT研究が見落としたのは、これを行うスキルセットを持つ人々が自分で開発し、何度も何度も車輪を再発明していることです。これを見ているので、公開で レイアウトしたいと思います。これらはMIT研究が見落とした、時間をかけて再開発されているのを見る原則です。それらは成功の理由です。
これらの原則から学んでください。車輪を再発明しないでください。他の人があなたと一緒に苦労していることを知り、そのような見出しを見るなら、リーダーシップにいなくても、働いているビジネスの結果を変えるために驚くほどの影響力があることを知ってください。無力ではありません。
ちなみに、95%が正しいと信じているかどうかさえわかりません。それは別の話です。その95%見出し失敗結果を回避する方法で構築できます。
これが役立つことを願っています。個人のプロンプトマスタリーからより多くのもの、ビジネスに影響を与えることを可能にするものへの道筋のいくつかを見ていただけることを願います。どう思うか教えてください。コメントに入れてください。
コメント