「とりあえずChatGPTを入れてみた」経営者の焦りと迷走
先日、ある中小企業の経営者と意見交換を行う機会がありました。開口一番、その方が熱っぽく語られたのは「うちもそろそろ本格的にAIを導入しないと時代に取り残される」という焦りでした。「AIを使えば経理の手間は一切なくなるはずだ」「営業のプレゼン資料作成も全自動化できるんじゃないか」「製造現場の不具合もAIが事前にすべて検知してくれるだろう」——。メディアや他社の成功事例に触れるたび、自社の遅れに対する不安が募り、とりあえず全社でChatGPTの有料エンタープライズ契約を結んだそうです。
しかし、数ヶ月後に訪ねてみると、現場の活用状況は惨憺たるものでした。社員が日常のメールの下書き作成や雑談程度の質問に使っているだけで、経営課題の解決には程遠く、毎月の高い利用料だけが重くのしかかっていたのです。「AIを導入したはずなのに、何かがおかしい」。実は今、全国の多くの経営者が同じような「AI迷走劇」に陥っています。
知能なのか統計なのか？万能視される「AI」の正体
なぜこのようなミスマッチが起きるのでしょうか。最大の原因は、「AI」という一言の中に、まったく仕組みの異なる複数の技術が混同されている点にあります。世間一般では、質問に対して何でも滑らかに答えてくれる生成AIを見て「ついに人間を超える人工知能やシンギュラリティ（技術的臨界点）が到来した」と錯覚しがちです。しかし、どれほどスマートに見えても、それらは人間のように意識や情動を持って「考えている」わけではありません。
身近な例を挙げましょう。例えば20年以上前から存在するスパムメールフィルターです。怪しいメールを自律的に判断して弾いているように見えますが、その正体は「ベイズフィルター」と呼ばれる古典的な統計処理に過ぎません。これまでのデータを確率計算しているだけであり、コンピュータが意思を持ってスパムかどうかを解釈しているわけではないのです。AIと呼ばれる技術の多くは、私たちがイメージする「人間的知能」ではなく、高度な計算処理の延長線上に存在します。
混迷を整理する「3つの領域」：LLM・識別系AI・決定論的IT
企業のDXやシステム設計において混迷を脱するためには、「AI」を一括りにせず、以下の3つの領域に明確に切り分けて理解することが不可欠です。 1つ目のLLM（大規模言語モデル）は、新聞やWeb記事などの大量の文書を学習し、自然言語を扱う技術です。2010年代末にGoogleが発表した「Transformer」論文をブレイクスルーとし、OpenAIのChatGPT、AnthropicのClaude、GoogleのGemini、MetaのLlama、さらに中国勢のGLMやMoonshot AIのKimi K3などへと急速な発展を遂げました。人間の対話に近い文章生成や要約が得意分野です。
2つ目の識別系AIは、ディープラーニングとGPUの進化によって飛躍した技術です。AlexNetやGoogLeNetが「画像から猫を自動識別した」ニュースは有名ですが、本質は高度な「パターンマッチング」です。音声認識や領収書のOCR（文字読み取り）などで驚異的な精度を誇りますが、画像を見て「モフモフして可愛い」と感情的に理解しているのではなく、ピクセルデータを機械的に分類しているに過ぎません。
そして3つ目が決定論的ITです。コンピュータの誕生以来存在するプログラミングの世界であり、ERP（企業資源計画）などの基幹システム、OS、ブラウザ等はすべてこれで動いています。同じ入力を与えれば、常に100%正しく同じ計算結果を返す「確実性」が最大の強みです。
「LLM頼み」が招く悲劇：特性の違いとシステム設計
ここで重要なのは、経営者が期待する「AI」の多く（LLM）は、万能どころか「正確な計算や確定的な業務」が極めて苦手であるという事実です。LLMは自然言語の確率的なつながりを計算して文章を作っているため、何十桁もの複雑な計算や、ミスが許されない会計処理、厳密な在庫管理をさせると、もっともらしい嘘（ハルシネーション）を出力するリスクがあります。会計処理や生産管理のような「正解が1つしかない業務」には、AIではなく従来の「決定論的IT」を割り当てるのが鉄則です。
逆に、非定型の問い合わせ対応や文章作成の補助にはLLMが威力を発揮し、請求書の自動読み取りや画像検品には識別系AIが威力を発揮します。自社の経営課題が「どの処理」に該当するのかを見極めず、一律に「ChatGPTを入れれば解決する」と投資するのは、ドライバー1本で家を建てようとするような無謀なアプローチなのです。
経営課題から逆算する筋道の立ったAI投資を
「AIを導入すれば魔法のように業務が変わる」という幻想から、私たちは今すぐ目を覚ます必要があると、あの経営者の姿を見て強く感じました。巷で叫ばれるAIの威光に惑わされず、まずは自社の経営課題を精査することから始めてみてはいかがでしょうか。
解くべき問題が「正確なデータ処理や集計」であれば決定論的ITを組み上げるべきですし、「画像や音声の検知・分類」であれば識別系AIの活用が適しています。そして「顧客対応や文章コミュニケーションの円滑化」であって初めて、LLMの導入が威力を発揮します。この3つの領域を正しく切り分け、それぞれの得意・不得意に応じて最適に組み合わせる「システム設計論」こそが、投資をドブに捨てず、確実な企業成長へとつなげる唯一の道筋なのです。