エンタープライズ AI の隠れたコスト:実際に請求されるのはどこか

エンタープライズAIが加速するにつれて、最も費用のかかる問題は、もはや「ツールかどうか」ではない 働く。ツールができるかどうかです 証明 それを止める権限のある人に、要求に応じていつでもやるんだ

‍

実際の法案は、調達決定書が署名されてから、運用チームが監査人、規制当局、または顧客の前に提出しなければならない時までの間に発行されます。このパターンは、導入後の業務報告を受けたことがある人の多くにはおなじみのように思えるかもしれません。

‍

私はそれを執行債務と呼んでいます。

‍

‍

執行債務とは何か、そうでないか

‍

実行負債とは、AI契約が約束するものと、システムを実際の条件下で機能させるために運用チームが提供しなければならないものとの間のギャップです。

‍

技術的負債ではありません。技術的負債は通常、コードベース内にあり、エンジニアは必要に応じてそれをリファクタリングします。実行負債はシステムとビジネスの間に立ちはだかります。返済できるのは人だけで、通常は契約署名者が返済することはできません。そのため、ビジネスケースにはほとんど登場しません。

‍

調達を承認すると負債が発生し、その後暗黙のうちに負債が発生します。調達部門以外に残されたあらゆるコンテキストが、運用チームが独自の台帳に担う負担となります。言語。規制上の出所。既存のプロセスとの統合。監査上の抗弁性。トレーニング。現場の最前線でのチェンジマネジメント。ここで、負債は返済されるか、債務不履行に陥ります。

‍

最初の症状がシステム障害であることはほとんどありません。その沈黙に基づいて行動できる人の前で、利害関係者の質問にシステムが空白になってしまうと、それが表面化します。負債が目に見えるようになる頃には、すでに何ヶ月も前から悪化しています。契約は一度署名されます。デプロイメントはその後毎日交渉されます。

‍

‍

ケース1: 監査チェーン

‍

2026年4月2日、FDAはミシガン州リボニアのピューロレア化粧品研究所に警告書320-26-58を発行しました。これは、製造コンプライアンス違反として AI への過度な依存を明確に指摘した FDA cGMP 執行措置としては初めてのことです。

‍

PuroleaはAIエージェントを使用して、医薬品の仕様、製造手順、マスター生産記録を作成していました。品質ユニットはそれらをレビューしていませんでした。プロセスの検証は行われていませんでした。引用文献は21 CFR 211.22 (c) および21 CFR 211.100に該当します。

‍

検査官がプロセス検証がないことを指摘したところ、同社はAIエージェントがそれを要件として特定していないと回答しました。規制対象となっているある製薬メーカーは、コンプライアンスの失敗は AI エージェントのせいだと FDA に伝えました。政府機関はこれまで、その文に下線を引く必要はありませんでした。今はそうなっている。

‍

このパターンは製薬会社だけのものではありません。AIが生成した人工物が生産現場に出荷され、有能な人間がレビューをしなくてもどこでも、同じ説明責任のギャップが生じます。システムを適切に使用すれば、意思決定を支援したり、迅速に行ったりできます。彼らは基礎となる義務を負うことはできません。

‍

フレームワークは存在します。FDAの2025年1月のガイダンス草案には、使用状況とモデルリスクの鍵となる7段階の信頼性フレームワークが定められています。ISPE の 2025 年 7 月発行の AI に関する GAMP ガイドは 290 ページに及んでいます。EU AI 法第 12 条では、システムライフサイクル全体にわたる自動ロギングが義務付けられています。これは、のれんではなく法令による監査証跡です。フレームワークは存在します。エビデンストレイルはそれ自体では書けません。

‍

現場で日本の専門家とGMP監査を行ったことを覚えています。中には石炭問題で30年の経験を持つ専門家もいました。全体的に、AIであろうとなかろうと、すべてのプロセスにおいて、バイナリの視点が優勢でした。理論的に見ても、逸脱のリスクはありましたか?もしそうなら、それを根絶し、可能な限り排除する必要がありました。日本の監査室では、リスクと不確実性は抽象概念ではありません。これらは履行義務です。

‍

出所は常にコンプライアンスの最前線でした。この概念は AI よりも前から存在していました。AIは、これまでそれを見る必要がなかった人々に、そのフロンティアに焦点を当てただけです。

‍

‍

ケース 2: 言語層

‍

2026年2月、NTTデータとNVIDIAは、NTTのTsuzumi-V2.0-28B-Instructモデルを管理された日本の法的文書に対してテストするHugging Faceに関する共同研究を発表しました。ベースラインの精度は 15.3% でした。NVIDIA の Nemotron-Personas-Japan データセットを使用して、450 個のシードサンプルを 138,000 個の合成トレーニング例に拡張したところ、精度は 79.3% に上昇しました。

‍

NTTデータは、日本に本社を置き、世界中にオフィスを構える最大のITサービス企業です。日本のテクノロジーリーダーが 15.3% から 79.3% まで法律言語のタスクを担当しなければならないとしたら、調達の問題はツールが日本語をサポートしているかどうかではありません。大事なのは理解しているかどうかです。 きみの 日本語。

‍

これは、ドイツのクライアントの日本子会社向けに最近翻訳したDatabricksのスライドデッキを思い起こさせます。どの用語をローマ字にし、どの用語をカタカナのふりがなにするかを決めるのは、東京の高級ホテルのフランス語メニューを翻訳するようなものでした。エンドクライアントにすでに注目されている用語はどれですか？どのふりがなにするべきか?どちらを日本語にすべきか？他に説明が必要なのはどれか？それを64枚のスライドと6週間のリンギサイクルに掛けると、翻訳税がはっきりとわかります。ベンダーはシームレスな多言語サポートを販売していました。その仕事は上級エンジニアに任され、彼らはシステムの設計をやめ、用語集の管理を始めました。

‍

日本の労働力不足は周知の事実ですが、ITエンジニアの不足は特に深刻です。経済産業省の需要の高いシナリオでは、2030年までに80万人に達するとすでに予測されています。手作業によるオーバーライドはすべて、どの企業も手に入れることのできない贅沢品になります。

‍

企業での導入において、言語はインフラストラクチャです。それには権限、リスク、説明責任が伴います。AIは言葉の生成にかかる費用を節約できます。信用（信用、信頼）を生み出すことはまったく別の問題です。

‍

‍

より深いパターン

‍

ケースから一歩下がると、構造パターンがはっきりとわかります。人工知能は中心で購入され、例外が存在する周辺で吸収される。例外は、予算、説明責任、信頼が消費される場合です。

‍

このメカニズムは運用モデルであり、郵便番号ではありません。

‍

2つの図は、モデル価格が下がっても負債が増加する理由を示しています。

‍

スタンフォード大学のHAI AIインデックス2025では、2022年11月から2024年10月の間に、GPT-3.5相当モデルの推論コストが280倍に低下したことが記録されています。100万トークンあたり20ドルが7セントに下落しました。ハードウェアコストは毎年 30% 減少しました。エネルギー効率は毎年 40% 向上しました。

‍

TCO（総所有コスト）は逆の方向に進んでいます。IBMのデータ漏えいのコスト2025レポートによると、世界平均は444万ドルで、世界全体では 9% 減少しましたが、米国では過去最高の1,022万ドルに達しています。この会話でさらに重要な数字は、AIシステムを介して侵害を受けた組織の 97% が適切なAIアクセス制御を受けていなかったということです。シャドーAIは侵害の 20% の原因となっており、インシデントコストは平均67万ドル増加しています。

‍

同じレポートによると、防衛分野でAIを広範囲に使用している組織は、使用していない組織と比較して、侵害1件あたり平均190万ドルの節約が見られました。一番安いのはモデルです。コストがかかるのは、センターが価格を設定しなかったデプロイメントコンテキストです。

‍

EU AI法はこれを直接強調しています。第9条、第10条、第12条では、リスクの高いAIシステムの継続的なリスク管理、データガバナンス、ライフサイクルロギングが義務付けられています。ハイリスク義務は 2026 年 8 月 2 日から適用されます。ただし、デジタルオムニバスの簡素化提案により期限がずれる可能性があります。つまり、調達においては、エビデンス義務は是正の段階で発見されるのではなく、導入前に価格設定されなければならないということです。

‍

Gartnerが2024年7月に発表した予測では、2025年末までに概念実証後にジェネレーティブAIプロジェクトの 30% が放棄されるとの予測は、その後運用上のエビデンスに追い越されてしまった。2025年半ばに発表されたMITのGenAI Divide調査では、企業のジェネレーティブAIパイロットの95％が測定可能な成果を上げていないことがわかりました。正確なパーセンテージはパターンほど重要ではありません。パイロットのほうが、運用するより起動する方が簡単です。今では、AI を購入するほうが、吸収するよりも簡単になりました。

‍

‍

これが調達に求めること

‍

2026年に最も強力なエンタープライズAI購入者が最速の買い手になるわけではありません。署名前に周辺機器の価格を調達決定に組み込むのは彼らです。本番稼働後の運営委員会がコントロールポイントになるわけではありません。署名前の作業指示書です。

‍

彼らは、システムがどのように推論連鎖を示しているのか、どの言語で、誰の監視下に置かれているのかを知りたがるでしょう。ベンダーの英語と顧客の業務文化の両方を話す人が少なくとも1人部屋にいることを要求します。その人は単なる翻訳者ではありません。彼らは、契約が締結される前にセンターの前提が崩れる箇所を見抜くパターンスポッターです。

‍

署名する前に、システムが過去6か月間に同等の顧客向けに生成した監査証跡を作成するようにベンダーに依頼してください。答えが「沈黙」だとしたら、契約上の価格は価格ではありません。

‍

これがスマートソーシングの活躍の場です。

‍

スマートソーシングは価格モデルではありません。これは、初日からネイティブコンテキストをプロジェクト内に組み込むデリバリー規律です。国籍が混在するチーム。仕事が実際に届く市場全体にわたるネイティブ言語能力。お客様の言語を話し、その性質を共有し、要件が文書化される前に会議室の内容を読んでいるビルドチームに 1 人以上の担当者がいること。

‍

ダイロックスは2003年からこれを改良してきました。AI はその原則を変えていません。間違えることの代償が高まっています。特に重要な最初の 3 か月間は、プロジェクトレビューが拡散する前にリスクを察知しても、それは特長にはなりません。そうでなければ、監査人の質問に続いていたであろう沈黙がなかったのです。

‍

‍

クロージング

‍

AIは回答のコストを削減します。その疑問を信頼してもらうためのコストは上昇している。それが今でも一番の課題です。

‍

によって リチャードモート、戦略的情報コンサルタント

‍