Photo by Josh Applegate on Unsplash
2026.01.29｜Ikuo Morisugi｜#81, Part of Ximera Media Next Trends, 一覧ページ
AIが業務を実行し成果が問われるほど、導入企業は何を成果とみなし、誰が責任を持ち、どの条件なら本番運用できるのかを、組織全体にまたがって設計する必要がある。ここが揃わない限り、モデルの性能が上がってもPoC止まりだ。
本連載の前号で取り上げたように2025年のAIは作る/相談するツールからユーザー接点に入り込み、理解・比較・実行まで支援する存在へ一段進んだ年でした。AI経由のトラフィックの増加や、要約・対話UIの一般化、そしてAI対話上での決済など、実行まで担う体験が登場してきました。結果として、メディアは既存チャネルのトラフィック減少に対する打ち手、コマースはAI経由で比較・購入・サポートをより短い時間で完了させる設計が重要になっています。
2026年でより重要になってくるのは、AIがユーザー接点と実業務に入り込んだ状態で、実行と成果をどう創出するかです。そのためにAIの進化の動向をキャッチアップしながら、エンドユーザー向けサービスおよび企業内での業務フローへのAIの組み込みを同時に進めていくことが必要になってきます。
本稿では、企業でAIを活用して成果創出するにあたって、2026年に起こり得る変化を以下の3つの視点から取り上げます。
①AI導入の評価基準（デモから実運用と成果へ） ②AIの利用料（成果ベース課金へ） ③AI前提の組織（役割と責任の再定義）
AIが経営の前提となる現代において、導入側企業にとって、各項目でそれぞれどのようなポイントが重要となるかを見ていきます。
企業のAI導入/活用において重視されるのは、より優れたモデルやより良いデモではなく、企業の中で運用され、統制され、成果に結びつくことです。2026年のトップティアVCのトレンド予測においても同様のことを成し遂げるAI企業の登場が期待されています。AIで成果を出すためには、AIエージェントがツールから従業員に近い存在へシフトし、予算管理、権限委譲、監査対応、エスカレーションなどをAIに任せられる設計と実行体制が必要になってきます。
ここでは、機能が多い/使いやすいAIではなく、許容可能なリスクを前提にした運用が可能で、説明可能な成果を出せるAIがより重要になります。導入時に問われるのは、どの業務を置き換えるのか、責任の所在はどこか、例外処理は誰が担うのか、そして成果は何で測るのか、です。昨今の[AI導入が失敗に終わる](https://www.fullview.io/blog/ai-statistics?utm_source=chatgpt.com#:~:text=70-85%25 of AI initiatives fail to meet expected outcomes according to MIT and RAND Corporation research. 42%25 of companies abandoned most AI initiatives in 2025%2C up sharply from 17%25 in 2024.)ケースの多くは、この前提が揃っていないためと考えられます。
導入企業はただ良いツールを選ぶだけでなく、そのツールが乗るエコシステムの前提まで含めて購買を考える必要が出てきます。具体的には、各AIの普及状況、AI企業同士の提携、標準化の動向、価格や契約条件、規制やブランドセーフティなど確認すべきポイントが多くあります。PoC止まりのAIではなく成果を出せるAIを見定める動きを取る必要があります。
アカウント数や使用量ではなく成果達成ベースの料金体系が登場している / Sierra
自社で導入したAIが業務を実行すればするほど、企業は実際にどの程度利用されたのか、結果が出たか、どの判断でそうなったか、ルールから逸脱していないか、など成果を求めます。その結果、利用料のモデルは、現在よく見られるような1アカウントあたりの課金や利用量に応じた課金から、「成果ベースの課金」へシフトすることが考えられます。
この成果ベース課金を成立させている事例がSierraです。Sierraは企業向けのカスタマーサービスAIエージェントを構築するプラットフォームとして成長し、2025年11月にはARRは1億ドル（約160億円）に到達しました。Sierraはアカウント課金ではなく、AIが完了した仕事に対して課金する成果ベース課金（outcomes-based pricing）を強く打ち出しています（例：AIが自律的に解決できたケースが課金の単位になる、など）。
AIを導入する際、企業が欲しいのはツールではなく処理量と品質です。問い合わせ・返品・不正利用・配送に関する問い合わせといったカスタマーサポートのような工程が十分に改善されるならば、顧客獲得に許容できるCPA（ユーザ獲得コスト）の上限を上げることができます。
Sierraはカスタマーサポートに特化した事例ですが、様々なAI製品が成果ベース課金モデルへ対応していくことがトレンドとして起こる可能性があります。AIを導入する際の評価基準に成果ベースの料金プランの提供がされているかは今後１つのポイントになると考えられます。
AIを使うほど「誰が責任を持つか」と「どこまで権限を渡すか」が曖昧なままでは運用はできません。ここで言う責任は、単に担当者名の話ではなく、最終判断の責任、出力の品質責任、誤りが起きたときの対応責任（訂正・返金・再発防止など）までを含みます。どこまでをAIに任せ、どこから人が引き取るかを決めないままでは、成果もリスクも説明できません。
BASEの事業責任者である柳川氏は、生成AIが中間層従業員レベルのアウトプットを出せる一方で、AIはコンテキストの継続や整合性が課題になりやすい点を踏まえ、職能カットではなく事業ドメイン/ミッションカットで組織を考えるべきだと述べています（カット：その軸で分類すること）。人間の役割も「設計者」「深掘り職人」「人月AI管理者（特化型AIを並列に働かせ、アウトプット量の最大化にコミットする人）」「PMO/監査役」などに分かれ、AIの使い方も学習伴走と人月AIを分けて議論すべきだ、としています。