企業の7割がAIエージェント放棄へ｜Gartner予測の衝撃
A
AI Friends
1日前・8分で読める
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
この記事でわかること
2026年9月29日、調査会社Gartnerが予測を発表しました。ベンダーのエンジニアが構築したAIエージェントを、2028年までに企業の70%が放棄するという内容です。
いま多くの企業が数千万円から億単位の投資をしているAIエージェントプロジェクトの大半が、わずか2年後には使われなくなるということです。なぜこんなことが起きるのでしょうか。
問題の核心は、FDEと呼ばれる構築モデルにあります。FDEはForward Deployed Engineeringの略で、ベンダーのエンジニアが顧客企業に常駐し、その企業専用のAIシステムを作り上げる方式です。
一見すると理想的に思えます。自社の業務に完璧に合ったAIが手に入るわけですから。Gartnerはこのモデルに深刻な欠陥があると指摘しています。
Gartnerが挙げる最大の問題は、コストの高騰と知識の欠如です。ベンダーのエンジニアがいる間は問題なく動きます。彼らが去った後、企業側にシステムを維持・改善するノウハウが残りません。
結果として、ちょっとした修正や機能追加のたびにベンダーを呼び戻す必要が出てきます。当初の見積もりになかった追加費用が次々に発生し、プロジェクトが維持できなくなるのです。
さらにFDE契約の20%未満しか、カスタマイズした要件を標準的な製品機能に転換できていません。あなたの会社のために作られた機能は、あなたの会社だけのものであり続け、ベンダーの製品改善にも貢献しません。
業界では「FDEウォッシング」という言葉も生まれています。従来型のITコンサルティングに「FDE」というラベルを貼って、高額な料金を請求する行為を指します。深い製品知識も持たず、表面的な導入支援をするだけなのです。
問題はFDEモデルだけではありません。AIエージェント全体が実装課題を抱えています。調査によれば、企業が開発したAIエージェントの88%は本番環境に到達すらしていません。
テスト環境では素晴らしい性能を示すのに、実際の業務で使おうとすると動かない。こうした事態が次々に起きているのです。
実際の失敗事例も報告されています。2026年4月、カーレンタルソフトウェア企業PocketOSでは、コーディング用AIエージェントが本番データベースとバックアップを数秒で削除してしまいました。
あるフィンテック企業では、取引照合用のAIエージェントをテストで99.2%の精度まで高めました。本番運用30日間で誤った照合エラーを大量に出し、230万ドル（約3億3000万円）の顧客口座をロックしてしまったのです。
従来のソフトウェアと違い、AIエージェントは確率的に動きます。予測不可能な順序でツールを呼び出し、想定外の行動を取ります。従来の監視ツールでは何が起きているか把握できないのです。
Gartnerは2026年2月にも別の予測を発表しています。エージェント型AIプロジェクトの40%以上が、2027年末までに中止されるという内容です。
理由は技術的な限界ではありません。運用の難しさ、ガバナンスの不備、測定可能なビジネス価値を示せないことです。
さらに、2027年までに企業の40%が、運用開始後に発覚したガバナンスの不備を理由として、自律型AIエージェントを降格または撤退させるとも予測されています。
AIエージェントは「動く」だけでは不十分なのです。誰がどこまで責任を持つのか、どんな判断を許可するのか、失敗したときどう対処するのか。こうした仕組みが整っていないと、結局使い物にならないのです。
日本企業はさらに厳しい状況に置かれています。AIエージェント導入の失敗で最も多いのは「主導者が不明確」という問題です。
経営者が「AIを導入しろ」と指示を出し、担当者が「やってみます」と返事をする。実際に責任を持って推進する人間がいないまま、プロジェクトが漂流してしまうのです。
また、日本企業では「AI人材がいない」だけでなく「AIを使う文化がない」という二重の壁があります。技術者を採用したところで、現場がAIを業務に組み込む発想自体を持っていなければ、導入は進みません。
実際の失敗事例も報告されています。作業範囲を絞らずにAIエージェントに任せた結果、1回の実行が9時間以上動き続ける事態が発生しました。
別の企業では、取引先へのメール送信を確認なしにAIに任せた結果、誤った内容のまま送信されてしまいました。存在しない社内規定をAIが「参照した」と資料に記載し、それに気づかないまま使われてしまった事例もあります。
APIコストの制御も課題です。AIエージェントの実行を途中で止める仕組みを用意していなかったため、想定を大きく超えるコストが発生した企業もあります。
では、どうすればAIエージェント導入を成功させられるのでしょうか。Gartnerは、FDEモデルを使うなら次の3つの条件を満たす場合に限るべきだと助言しています。
第一に、深い製品知識が必要な問題であること。ベンダーの製品を知り尽くしたエンジニアでなければ解決できない課題です。
第二に、迅速な適応が求められること。市場の変化や競合の動きに素早く対応する必要がある場合です。
第三に、ベンダーの技術と顧客の業務環境を密接に統合する必要があること。単純な導入では済まない、高度な統合作業が求められる場合です。
これらの条件に当てはまらないなら、FDEモデルは避けるべきです。代わりに、自社で維持できる範囲の標準的な製品を選ぶか、内製化を検討した方がよいでしょう。
AIエージェントの失敗は、技術の未熟さが原因ではありません。組織の準備不足が原因です。
誰が責任を持つのか、どこまで自動化を許可するのか、失敗したときどう対処するのか。こうした仕組みを整えずに導入すれば、どんなに優れたAIでも失敗します。
逆に言えば、仕組みさえ整えば、AIエージェントは大きな価値を生み出せます。実際、一部の企業ではAIエージェントが業務を大きく効率化し、新しいビジネスモデルを作り出しました。
いま必要なのは、最新のAIモデルではありません。AIを使いこなせる仕組みです。技術の導入を急ぐ前に、まず自社の体制を見直すべきでしょう。
この記事は AI Friends からのクロスポストです。
