「PoC貧乏」から脱出するには？
生成AIを“全社展開”できない85％の企業が陥った「わな」
調査によると、品質エンジニアリングでの生成AI活用に9割近くの企業が着手しながらも、その大半が実験段階にとどまっている。全社展開を目指す企業を足止めする「壁」の実態とは。
「現場でテスト導入（PoC）したときは好評だったのに、いざ本番環境に展開しようとすると頓挫する」──。生成AI（AI：人工知能）の導入プロジェクトにおいて、企業はこの“見えない壁”に直面している。
アプリケーション品質とテスト動向に関する調査レポート「World Quality Report 2025-26」によると、品質エンジニアリングの現場における生成AIの試験導入率は89％に達した。しかし「エンタープライズ規模」、つまり全社的規模で定着、運用できている企業はわずか15％に過ぎない。8割以上の企業がPoCの段階で足踏みし、投資対効果を出せない「PoC貧乏」の状態に陥っているのが実態だ。
なぜ多くの企業が実験段階から抜け出せないのか。調査結果を分析すると、単なる「スキル不足」や「予算不足」ではない、より深刻で構造的な「3つの阻害要因」が浮かび上がってきた。
全社展開を阻む「3つの壁」
World Quality Report 2025-26は、情報管理ツールベンダーOpen Text、ITコンサルティング企業Capgemini、Capgeminiの傘下にある技術サポート企業Sogetiが2025年6月から7月にかけて実施した調査結果に基づく。対象となったのは世界22カ国、10業種の企業におけるIT幹部約2000人だ。
調査結果から見えてきたのは、技術的な「導入」と、業務プロセスへの「定着」の間にある深い溝だ。回答者は、生成AIの全社展開を阻む壁として、以下の「構造的な阻害要因」を挙げた。
- データプライバシーのリスク（67％）
- AIモデルの学習やプロンプト（指示）に機密データが含まれることへの懸念。
- 統合の複雑さ（64％）
- 既存のワークフローやテスト管理システムに、生成AIを組み込む技術的な難しさへの懸念。
- ハルシネーション（60％）
- AIモデルがもっともらしいうそをつくことと、それに対する信頼性の確保に対する懸念。
この結果は、生成AI導入のフェーズが変化したことを物語っている。2024年の調査で上位だった「検証戦略の欠如」や「スキル不足」といった準備段階の課題から、より実運用に即した具体的なリスクに関心が移っているからだ。
具体的な適用領域にも変化が見られる。生成AI導入の初期フェーズでは、不具合分析などの「出力結果の分析」が主流だった。一方2025年調査では、「テストケースの設計」「要件の精緻化」といった、入力データの最適化や上流工程への適用が台頭している。
しかし導入の壁は厚い。導入効果については、平均で19％の生産性向上が報告されながらも、回答者の33％は「わずかな効果しか得られていない」と答えた。単に生成AIを導入するだけでは成果に結び付かない現実が浮き彫りになった形だ。
この行き詰まり感を打破する鍵として、Open Textの製品およびエンジニアリング部門バイスプレジデントであるタル・レビジョセフ氏は、「協調的インテリジェンス」の重要性を説く。これは、人間が持つ「高度な業務知識」や「倫理的な判断力」と、AIモデルの「機械的な正確さ」や「処理速度」を融合させるアプローチだ。AIモデルの判断に全てを委ねるのではなく、人間が要所で監督、検証することで、品質と責任を確保しながらイノベーションを加速させる狙いがある。
「AIは能力を増幅させるが代替するものではない」とレビジョセフ氏は述べる。人間の専門知識とAIモデルの処理能力を組み合わせ、品質エンジニアリング体制を強化する戦略が、今後の成否を分ける鍵になりそうだ。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget ニュースプラス
国内のIT業界ニュースを迅速に報道します。企業動向から導入事例、市場トレンドまで幅広く取り上げ、実務に直結する情報をタイムリーに提供する連載です。
関連記事
新着ホワイトペーパー PR
-
製品資料
[ファインディ株式会社] AI利用率だけでは説明できない成果 開発組織の競争力を生む「開発資本」とは？ -
製品資料
[ニュータニックス・ジャパン合同会社] AI活用を成功へ導く、シンプルで費用対効果に優れたクラウド基盤とは？ -
製品資料
[ニュータニックス・ジャパン合同会社] マネージドKubernetesには限界も――メリットをフル活用する新たな選択肢とは？ -
技術文書・技術解説
[ニュータニックス・ジャパン合同会社] 決断の日が迫る「vSphere 8」サポート終了問題 考慮すべきリスクと選択肢は？ -
製品資料
[サイバーソリューションズ株式会社] メール誤送信対策のルールが肥大化 苦しむ情シスはどうすれば救われるのか？
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「アップグレードできないJava」をどう守る IBMとRed HatがAIで400件超修正
-
2
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
3
「Wi-Fi 7」経由でWindowsが乗っ取られる？ 最高権限奪取の恐怖
-
4
「恥を知るべきだ」 AIデータセンター反対運動を招いた事業者の秘密主義
-
5
パッチなしで「今すぐサーバを落とせ」 Kiteworks異例警告の波紋
-
6
私も“AIエージェント開発者”に？ 裾野を広げる「Agent Bricks」とは
-
7
Copilot導入で陥る“目的化”の落とし穴 定着の鍵は「作り込まない」こと
-
8
パスワードはなぜ死んだか 情シスが今すぐ始めるパスキー移行の現実解
-
9
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
10
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
4
システムの保守がモダン化を阻む？ 「変えない判断」から脱却する方法とは
-
5
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
6
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
7
「IT史に名を残すシステム障害」8選
-
8
Linux初心者でも知らないとまずい「RHEL」「SLES」の違いとは？
-
9
東大教授と考える、AI時代の「データ主権」「信頼性」「ガバナンス」の在り方
-
10
マンガで学ぶXDR／MDRのメリット、中小企業のセキュリティ強化になぜ有効か？
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー