はじめに ― 「動いているのに、何も変わっていない」

2025年6月、Gartnerはこんな予測を発表した。

この数字を聞いて、「自分たちは大丈夫」と思った人はどれくらいいるだろうか。

PMOとして大型プロジェクトの支援を続けてきた経験では、この予測は控えめだとすら感じている。現場で見てきた実態は、「本番稼働まで到達したが、6ヶ月後には誰も使っていない」という形での失敗も含めると、成功と呼べるケースのほうが圧倒的に少ない。

McKinseyが世界規模で実施した調査では、生成AIのKPIを実際に計測している企業は5社に1社未満だという。つまり、AIプロジェクトを動かしている企業の80%以上が、成功したのか失敗したのかすら測れていない。「動いているのに、何も変わっていない気がする」という感覚が現場に漂うのは、この計測の欠如が原因だ。

では、なぜこうなるのか。技術的な問題ではない。多くの場合、問題は「構造」にある。そしてその構造の欠陥は、AIプロジェクト固有のものではなく、プロジェクト管理の現場で長年繰り返されてきた失敗パターンと、驚くほど似ている。

本稿では、AIエージェントがPoC止まりになる3つの構造問題を整理し、それぞれに対するPMOとしての処方箋を提示したい。

---

AIプロジェクトのキックオフ会議で、こんな言葉を聞く機会が増えた。

この言葉には、一見すると合理性がある。AIの可能性は動かしてみなければわからない部分もある。アジャイル的に進めることが推奨されている時代でもある。しかし、この言葉が「KPIを決めない理由」として使われたとき、プロジェクトは静かに壊れ始める。

半年後、必ずこの会議が来る。「で、これって成功なんですか？失敗なんですか？」答えられる人間が、誰もいない。その場で慌ててKPIを定義しようとするが、すでにシステムは動いており、データの収集方法も決まっていない。「これを成功と呼ぼう」という後付けの定義が作られるか、評価そのものが有耶無耶になる。Gartnerが指摘する「価値不明確」によるキャンセルの多くは、このパターンだ。

プロジェクト管理の古典的失敗と同じ構造

従来の大型ITプロジェクトでも、全く同じ構造の失敗が繰り返されてきた。技術要件の定義には時間をかけるが、「このプロジェクトが終わったとき、クライアントの何が変わっていれば成功か」という問いに、誰も答えられないままスタートしてしまう。

AIプロジェクトはこの傾向をさらに強めている。「とりあえず動かしてみる」ことのコストが下がったことで、「最初に考える」習慣が失われやすくなっているからだ。

処方箋：KPIと評価基準を「動かす前に」設計する

CPPの概念でいう「順序」の軸は、タスクの依存関係だけを指すのではない。政治・技術・資源・失敗対策を考慮した上で「何をいつ決めるか」の順序を設計することを意味する。AIプロジェクトにおける「順序の設計」とは、具体的にはこういうことだ。

Deloitteが2025年に1,854名の経営幹部を対象に行った調査では、自律型AIのガバナンスが成熟している企業は20%しかいなかった。この数字の裏には、「ガバナンスを後から作ろうとしたが、間に合わなかった」組織が大量に存在する。

---

AIエージェントには、必ず「止まる瞬間」がある。

想定外の入力が来たとき。例外処理が必要なとき。「これはどちらの判断が正しいか」という分岐点に立ったとき。AIはそこで止まり、人間に問いかける。「これ、誰が決めるんですか？」

そして多くの現場では、この問いに誰も答えられない。「誰かが判断するはず」という前提のまま動かし始めたが、その「誰か」が明確に決まっていないからだ。

UC Berkeley の California Management Review は2026年3月、この問題の本質をこう指摘した。「現行のガバナンスモデルは、自律的に認識・判断・行動するソフトウェアには対応できていない。」これはAI固有の新しい問題ではない。

プロジェクトのWBSで繰り返されてきた同じ問題

大型プロジェクトの炎上現場には共通するパターンがある。WBSにはタスクが書いてある。しかし「このタスク、問題が起きたとき誰が判断するの？」という問いに答えられない。課題管理表には課題が積み上がっているが、「誰かが判断待ち」のステータスのまま3週間、4週間と止まっている。

AIエージェントを導入しても、この判断の空白を埋めなければ、同じことが起きるだけだ。AIが止まったとき、「誰かが判断する」という曖昧な前提のままでは、人間が止まっていたときと何も変わらない。

処方箋：「判断権限の一覧」を先に作る

CPPの「当事者性」の軸は、担当者が自分で判断できる粒度まで設計することを指す。AIプロジェクトに置き換えると、「AIが判断できること」「人間が判断すること」「誰が人間側の判断者か」を先に定義することを意味する。

AIエージェントを動かす前に「判断権限の一覧表」を作ることを勧めている。この一覧は複雑なものでなくていい。A4一枚に収まる程度で十分だ。

判断項目	AIが判断する	人間が判断する	判断者の名前
データの自動取得	○	—	—
例外データの処理	—	○	田中部長
外部システムへの書き込み	—	○	鈴木リーダー
エラー発生時の対応	—	○	IT担当（当番制）

重要なのは「AIが止まったとき、誰が次の一手を打つか」が全員に見えていること。Deloitteの調査が示す通り、自律型AIのガバナンスが成熟しているのは20%の企業だけだ。残りの80%は、この一覧なしにAIを動かしている。

---

「AIを全社展開したい。」「全プロセスを自動化したい。」こういった要望から始まったAI導入が、うまくいったのを見たことがない。

逆に成功した事例を観察すると、驚くほど共通点がある。範囲が、驚くほど小さいのだ。KPMGが2025年に公表した事例は、その典型だ。

なぜ「大きく始める」と失敗するのか

プロジェクト管理の研究では、スコープとプロジェクト成功率の関係について興味深いデータがある。狭いスコープで定義されたプロジェクトは65%が期限内に完了するが、広いスコープになると、その数字は16%まで落ちる。なぜ大きく始めると失敗するのか。理由は3つある。

処方箋：「最初の1つ」を意図的に選ぶ

CPPの「粒度」の軸は、スキルが最も弱いメンバーが実行できる単位まで分解することを意味する。AIプロジェクトに置き換えると、最初の適用範囲を「最も確実に成果が出る1つのワークフロー」に絞ることを意味する。

「全部やろうとする」のではなく、「この1つを確実に成功させる」。これが、KPMGが35%削減を達成した設計思想の本質だ。

---

PMOの役割が変わる

ここまで3つの構造問題と処方箋を述べてきた。気づいた人もいるかもしれないが、これらの処方箋は「AIのこと」を特別に学ぶ必要はない。KPIと評価基準を先に決める。判断権限の一覧を作る。スコープを1つに絞る。どれも、プロジェクトマネジメントの基本中の基本だ。

しかし、AIが入ってきたことで、これらの重要性は以前より高まっている。

PMOの役割は「AIを動かすこと」ではない。「AIが正しく動くための構造を設計すること」だ。

この役割変化は、PMOにとって脅威ではなく、価値の拡張だと考えている。技術的な知識は急速に陳腐化するが、「組織の動き方を設計する」という能力は、AIが普及するほど価値を増す。AIエージェントの失敗パターンとプロジェクトの失敗パターンが同じ構造から来ているのは、偶然ではない。どちらも「人と組織がどう動くか」という問題だからだ。

---

まとめ

AIエージェントがPoC止まりになる3つの構造問題を整理した。

これらはどれも、AIに特有の技術的な問題ではない。プロジェクトマネジメントの現場で長年繰り返されてきた失敗パターンと、同じ構造を持っている。技術よりも先に、構造を設計する。それが、AIエージェント導入を成功させる最短ルートだと考えている。

---

参考情報（一次情報）
Gartner Press Release（2025年6月）: Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
McKinsey Global AI Survey（2026年）: The State of AI — How Organizations Are Rewiring to Capture Value
Deloitte（2025年）: State of AI in the Enterprise — 1,854名エグゼクティブ調査
KPMG Q1 AI Pulse Survey（2026年）: Agentic AI deployment triples despite risks
California Management Review, UC Berkeley（2026年3月）: Governing the Agentic Enterprise