VYDN—03 · FRAMEWORK / ENTERPRISE AI
AI Pilotは増えた。Productionはなぜ詰まる——一次情報から組み立てる実装ギャップ分析
これは統計的なData Storyではない。母集団の異なる公式資料を足さず、採用・利用・配備・成果を分離するFramework Analysisである。- 企業AI pilotからproductionへの移行が公式case studyの中心
- governance・評価・ROIを問うB2B検索意図
- 公式資料間で母集団が異なるため再整理の価値が高い
市場のボトルネックはモデルへのアクセスから、workflow redesign・評価・governanceへ移った。
SIGNAL
採用の数字と成果の数字を混ぜない
seat、prompt、API callは採用を示すが、利益やcycle timeを示さない。企業AIの記事はこの二つを混ぜやすい。VYDNはAccess、Workflow、Control、Outcome、Economicsの五層に分解した。
seat・API・partner発表が豊富
use caseは増加
evaluation公開は限定
再現可能な成果は薄い
継続原価・利益の公開が最少
modelとdataへ接続
実際の業務へ埋め込む
評価・権限・監査
人と業務の変化
反復可能な利益
AGGREGATION
公式発表を同じ物差しへ戻す
Anthropicの2026年6月Economic Indexは、従来の7日間sampleから毎日継続して会話の一部を抽出する方式へ更新された。仕事の種類と利用形態をより細かな時間軸で見る一方、各社のpartner announcementは配布範囲、pricingとusage policyは経済性を見る。異なるデータを一つの『市場シェア』へ潰さず、層ごとの信号として扱う。
この再構成から見えるのは、Accessが急速にcommodity化する一方、ControlとOutcomeの公開データが薄いことだ。つまり市場は導入の派手さに比べ、成果の標準化が遅い。
continuous privacy-preserving sample
company-reported growth
common analytical frame
VELOCITY
更新速度が購買プロセスを追い越す
model、credit、agent、policyの更新周期は、企業の年次調達より短い。固定のfeature matrixは完成した瞬間から古くなる。企業は製品を選ぶだけでなく、更新を吸収する運用を買う必要がある。
DECISION MATRIX
| 層 | 観測しやすい信号 | 不足しやすい証拠 | 経営質問 |
|---|---|---|---|
| Access | users / seats | 継続利用 | 誰が戻ってくるか |
| Workflow | integrations | 仕事の再設計 | 何分短くなったか |
| Control | policy features | 事故・review負荷 | 安全に止められるか |
| Outcome | case study | 対照比較 | AIなしより良いか |
| Economics | list price | 総推論・人件費 | 繰り返して利益が出るか |
GAP
Production Gapは技術不足ではなく責任設計不足
誰がAIの変更を承認するか、失敗を誰が引き取るか、効果を何と比較するか。ここが曖昧だと高性能モデルを入れてもpilotが増殖する。逆に責任境界が明確なら、モデル交換は相対的に容易になる。
能力・price・limit
agentとintegration
policyとevaluation
契約と予算
ACTION
CIOが次の四半期に測るべきもの
active seatではなく、対象workflowごとのlead time、human review minutes、escaped defects、unit economicsを測る。さらにモデル・provider変更時のmigration costを記録する。これはAI投資をsoftware assetへ変える最小の台帳だ。
ANALYSIS / 1
Productionへ行けない会社は、何が欠けているのか
pilotでは熱心な担当者が例外処理を肩代わりできる。本番では、担当者が休んでも権限が保たれ、品質が測れ、費用が止まり、事故が説明できなければならない。Gapの正体はmodel accuracyの数ポイントではなく、この例外処理を制度へ移せていないことにある。
そのため最初に増やすべきはuse caseの数ではない。評価set、owner、停止条件、unit economicsの四点だ。これらが一つのworkflowで動くまで、次のpilotを増やしても学習は分散する。
仕事が速くなったか
品質を落としていないか
人の負担が移っただけか
成果1単位の費用
ANALYSIS / 2
このFrameworkを会議で使う
各use caseを五層で0・1・2点評価し、最も低い層を次の投資対象にする。Accessが2でもOutcomeが0ならlicense追加を止める。Outcomeが2でもEconomicsが0ならusage capとtask設計を見直す。
数字は企業間benchmarkではなく、自社内の変化を見るために使う。同じ定義で毎月更新すれば、AI adoptionという曖昧な言葉を、どこが進み、どこが止まったかへ変えられる。
利用場面を定義
許可範囲を定義
障害と更新を吸収
価値と原価を確認
WHAT TO DO NEXT
読み終えた後の判断
- AI KPIをAccessとOutcomeに分離
- 四半期ごとにworkflow unit economicsを更新
- vendor発表はprovenance付きsignalとして保存し、成果factと混同しない