2026年、AIがまだあなたのビジネスにできないこと

この一年で、私は十数回も同じような会話をしてきました。経営者が腰を下ろし、スマートフォンをテーブル越しに滑らせ、チャットボットが書いた、本当に感心したものを見せてくれます。そしてほぼ同じ息で、これがカスタマーサービスや採用、価格設定を――要するに会社全体を――回せるのかと尋ねるのです。正直な答えは、居心地の悪いものです。あなたが思い描いている形ではありませんし、一部はまったくできません。この記事は、その隔たりについてです。AIを売る側の誰も、それについて語りたがらないからです。

私はAIの実務を営んでいます。中小企業のためにこうしたものを日々構築していますし、信奉者でもあります。余裕のなかった人々のために、実際の時間を取り戻す様子を見てきました。しかし2026年の最も大きな声は、いまだに幻想を売っています。AIを問題に向けて立ち去ればいい、という幻想です。その幻想は、ビジネスからひそかにお金と信頼を、ときには顧客を奪います。ですから、AIにできることの息せき切ったリストではなく、より役立つ地図をお見せします。どこでなお失敗するのか、なぜか、そしてそれでもどう付き合うのか、です。

これはどれもAIに反対するものではありません。むしろ逆です。いまAIから最も多くを引き出している企業は、その縁を正確に理解している人たちです。得意な仕事だけを的確に任せ、残りは人間がしっかりと舵を握り続けます。限界を知ることは悲観ではありません。それこそがスキルのすべてです。

できないこと――自分が間違っていると気づくこと

限界を一つだけ覚えておくなら、これにしてください。今日のAIは、自分が間違っているときを確実には知りません。正しい答えに使うのとまったく同じ口調で、自信たっぷりに誤った答えを返します。ためらいの揺らぎも、「この部分は自信がありません」もありません。でっち上げた電話番号、考え出した規定、誤った付加価値税率――どれも真実と同じ穏やかな権威をもって差し出されます。

業界の人々はこれをハルシネーションと呼び、まるで稀で珍奇なもののように聞こえさせます。どちらでもありません。これらのシステムの仕組みからくる、正常で想定どおりの挙動です。台帳で事実を調べているのではなく、もっともらしく聞こえるテキストを予測しているのです。たいていは最ももっともらしい答えが正しい答えでもあり、だから信頼できるように感じられます。しかし「たいてい」は、その答えが顧客見積もりや法的文書に入るとき、恐ろしい基準です。

この一つの特性が、この記事の他のすべてを形づくります。だからAIは下書きには素晴らしく、判断には危険なのです。だから「ヒューマン・イン・ザ・ループ」は流行語ではなく、重要なことすべてに対する厳格な要件なのです。そして、問いが決して「AIはこの作業をできるか」ではなく、「AIがこの作業を誤ったとき、私にいくらの代償があり、そもそも私はどう気づくのか」である理由なのです。

本当の判断が問われる、賭けが現実のとき

AIは、明確な正解があるか、間違っても代償の低い作業に本当に長けています。このメールを要約して。親しみやすい返信を下書きして。これらのメッセージを三つの山に分けて。きれいに測れないもの――公平さ、リスク、評判、特定の顧客との長い駆け引き――を秤にかける作業になった瞬間、ぐらつき始めます。

厄介な単発の仕事の値付けを考えてみてください。見積もる人間は、ただ数字を回しているだけではありません。この顧客が最良の顧客からの紹介であること、電話口で緊張していたこと、いま無理な納期に応じれば後で三つの楽な仕事につながるかもしれないこと――それを読み取っています。AIはその文脈を一つひとつ綴って示さない限り何も見えませんし、たとえ示しても、それはパターン照合であって判断ではありません。当事者としての利害がないのです。値付けが安すぎたと夜中に思い悩むことは、決してありません。

AIはあなたのビジネスを知らない

一般的なAIモデルは、公開インターネットの驚くほど多くを読んでいます。決して読んでいないのは、あなたのビジネスの具体です――あなたの価格、在庫、常連客、ホーファーさんはいつも角の席という暗黙のルール、昨春に取引をやめた仕入先。そのままでは、世界一般は知っていても、あなたの会社はまったく知りません。

この多くは解決できます。自社の文書、価格、規定をモデルに与えること――この手法はリトリーバルまたはグラウンディングと呼ばれます――は、あなたの特定の状況に対する有用さと正確さを劇的に高めます。正直なところ、これが良いAIプロジェクトにおける本当の仕事の大半です。賢いモデルではなく、それを実際のデータへつなぐ地味な配管なのです。しかしそれでも二つのことは変わりません。これが機能するには、あなたの情報がきれいで最新でなければなりません――散らかった古い価格表にAIを向ければ、昨年の価格を自信たっぷりに告げます。そして、あなたの頭の中だけにあり、決して書き留められなかったことは、依然として知りません。

まったく同じことを二度行うこと

これは人々の不意を突きます。AIに同じ質問を二度すると、二つの異なる答えが返ってくることがあります。たいていはどちらも問題なく、ときに一方が明らかに優れていて、まれに一方が単に間違っています。創造的な下書きには、その多様性は長所です。しかし毎回まったく同じように振る舞う必要のあるプロセス――割引の計算、ルールの適用、規制当局が確認するかもしれない数字の算出――には、本物の責任リスクとなります。

だから、誰かが言語モデルに算術や厳格なルールを任せたがると、私は不安になります。作業が「500ユーロを超える注文に12%を適用する」なら、たいてい計算が合うものは要りません。100%正しく行うものが要るのです。文字どおりそれ以外をできないからこそ正しいのです。本当に言語や判断を要する部分にAIを取っておき、正確であるべき部分は、頼れる昔ながらのロジックに任せてください。

人間的なもの――そしてそれがなお商業的に重要な理由

「人の温かみ」を、柔らかく感傷的なものであるかのように手で払いのけるのは簡単です。そうではありません。小さなビジネスにとって、それはしばしば競争優位そのものです――顧客が、顔の見えないチェーンではなくあなたを選ぶ理由です。そしてそれこそ、AIが真似はできても、実際には持てない部分なのです。

AIは共感的に聞こえる言葉を書けます。できないのは、常連客の注文が娘さんの誕生日の朝に壊れて届いたことを本当に気にかけ、そして悪い一日を、友人に語る物語へと変えることを、そっとやってのけることです。AIには関係も、賭けられた評判も、その同じ顧客が配達が遅れたときにかばってくれた記憶もありません。テキストとしての共感は、いまや安価です。失うものを抱えた誰かによる、行動としての共感こそ、人々がこれからも割増しを払い続けるものなのです。

説明責任もあります。これは哲学的というより実務的なものです。何かがうまくいかないとき、顧客は人が引き受けることを望みます。「AIが間違えた」は誰も満足させません――そしてますます、どの規制当局も満足させません。AIが誰かに影響する決定に触れるなら、その結果の責任は依然としてあなたにあります。その責任をモデルに外注することはできませんし、できるふりをすることこそ、評判が傷つく道なのです。

デモでは誰も語らない、静かなコスト

洗練されたデモは、現実でAIプロジェクトの成否を決める退屈な部分を決して見せません。名指しする価値があります。何年も役立つツールと、三か月でひそかに見捨てられるツールとの違いだからです。

• 監督。 顧客に向くものはすべて、初期の出力を確認する人間を必要とします。それは現実の時間であり、とりわけ立ち上がりに、そして決して完全にはゼロになりません。
• 保守。 価格が変わり、規定が変わり、モデル自体が変わります。昨年の情報を与えられたAIアシスタントは、昨年の答えを自信たっぷりに返します。
• 厄介な20%。 AIは易しい大多数を見事に処理し、そのうえで、奇妙で、怒っていて、賭けの大きいものをあなたに手渡します――それらはそもそも常に難所だったのです。
• 一度失われた信頼。 顧客への一つの自信に満ちた誤答が、数か月分の好意を帳消しにし得ます。評判の下振れは非対称です。小さな勝ちが多数、大きな負けが一つ。

これらはどれも、AIを使わない理由ではありません。目を開いて使う理由です。監督が安く、誤りの代償が耐えられる作業に対して、です。都合の良いことに、それがそもそも本当に有用な仕事のほとんどなのです。

では、実際どう上手に使うのか？

これらすべてが、誇大宣伝が示唆するよりもはるかに穏やかで――そしてはるかに利益の出る――働き方を指し示します。AIに従業員であれと求めるのをやめ、下書きし、仕分け、提案する、速くて疲れ知らずのアシスタントとして使い、重みのあるものはすべて人が舵を握り続けるのです。その形をお見せします。

1. 1
   あらゆる作業を誤りのコストで仕分ける

   AIに任せたくなる一つひとつについて問うてください。これが間違ったら、肩をすくめる程度か、手直しか、災厄か。肩すくめと手軽な手直しは公正な対象です。災厄は人が舵を握り続けます。
2. 2
   AIには下書きさせ、決して決めさせない

   信頼できるパターンは、AIが準備し、人が承認することです。五秒で目を通す下書きの返信。人が選ぶ候補リスト。常識で検算する要約。判断はあなたの手元に残ります。
3. 3
   本物の、きれいなデータでグラウンディングする

   稼働前に、AIが答える元の情報が書き留められ、一か所にあり、最新であることを確かめてください。ゴミを入れれば、自信に満ちたゴミが出ます。
4. 4
   正確さが要るものには素のオートメーションを

   計算、ルール、毎回まったく同じであるべきものは、言語モデルではなく頼れるロジックに渡してください。AIは、雑然とした言語の形をした部分のために取っておきましょう。
5. 5
   人の責任者と、失敗に気づく手立てを保つ

   出力を見張る一人を指名し、AIが何かを誤ったときに――顧客が気づくより先に――それを捕まえる簡単な仕組みを築いてください。

こうして行えば、限界はもう怖くありません。設計の指針になります。AIが雑務の時間をそっと取り除いていく一方で――下書き、仕分け、初稿の回答――ビジネスを本当に定義する部分は、あるべき場所にきっちり残ります。結果を気にかけ、それに責任を負う人々のもとに、です。

よくある質問