AI導入が「期待外れ」で終わる前に——社内期待値を揃える5段階の合意形成
「AIを導入した」と報告したあの日から、何かがおかしくなった。
DX推進担当のあなたは、経営層を説得し、ベンダーを選定し、現場への説明も済ませた。それでも半年後、経営層からは「思ったより効果が出ていない」と言われ、現場からは「使いにくい」という声が上がり、IT部門からは「データが整っていないと精度が上がらない」と返ってくる。
誰も嘘をついていない。全員が正しいことを言っている。それなのに、プロジェクトは暗礁に乗り上げている。
この状況の根本原因は、技術でも予算でもない。「何をもって成功とするか」を最初に揃えていなかったことにある。
AI導入の成否は、合意形成の設計で8割が決まる。これは感覚論ではない。RAND Corporationが2025年に実施した分析では、AIプロジェクトの80.3%が意図したビジネス価値を生み出せずに終わっている。そして失敗したプロジェクトの73%に共通していたのは「成功を測る明確な指標がなかった」点だ（＝何をもって成功とするかが揃っていなかった）。逆に、事前に定量的な成功指標を設定したプロジェクトの成功率は54%。設定しなかったプロジェクトは12%。この差は、技術力でも予算でもなく、合意形成の有無が生み出している（出典：Pertama Partners）。
経営層・現場・IT部門が同じテーブルにいながら、別々のゴールを見ている
製造業でAI導入の「期待値ズレ」が起きやすい構造的な理由
製造業のAI導入が期待外れに終わる背景には、業界特有の組織構造がある。
製造業の意思決定は、経営層・生産技術・設備保全・IT部門・現場オペレーターと、複数のレイヤーに分かれている。平時はこれが機能するが、AI導入では致命的な落とし穴になる。
経営層が期待しているのは「コスト削減率」や「生産性向上の数字」だ。生産技術は「品質の安定化」と「工程の見える化」を期待する。現場オペレーターは「自分の仕事が楽になること」、あるいは「仕事を奪われないこと」を心配している。IT部門は「システムが安定稼働すること」を優先する。
これら4つの期待は、最初から噛み合っていない。誰かの「成功」が別の誰かの「失敗」になりうる状態のまま、プロジェクトがスタートしている。
最初に揃える仕組みがなければ、期待値のズレは必然的に発生する。
「AI導入した」という実績と「課題を解決した」という成果は別物
製造業のDX推進現場でもっとも多い罠は、「導入実績」と「成果評価」が混同されることだ。
ツールを入れた時点でプロジェクトが「完了」として報告されることがある。しかし経営層が本当に知りたいのは、「その投資がどれだけの価値を生んだか」だ。
現場目線で言えば、「AIを入れる前は外観検査を1時間に300個やっていた。AIを入れたあとは何個になったか」「不良品の検出率は何%上がったか」「その結果、月に何時間の工数が削減されたか」——この連鎖が説明できなければ、経営層は「思ったより使えない」という評価を下す。
BCGの調査では、約60%の企業がAI投資から実質的な価値を創出できていないと報告されている（出典：BCG）。この60%の多くは技術的に失敗したのではない。「何をもって価値とするか」を定義しないまま走り出したのだ。
評価指標を最初に合意しておかなければ、あとから「期待外れ」という言葉だけが残る。
「何個から何個に増えたか」まで答えられる設計が、期待値ズレを防ぐ
中小製造業で合意形成が難しい理由と現実的な突破口
大企業のAI導入事例には「ステークホルダー（経営層・現場・IT部門など関係者）を揃える会議を開いた」「プロジェクトオーナーを専任で置いた」といった記述が出てくる。しかし中小製造業では、そもそも合意形成に使える時間と人材がない。
DX推進担当が1人で経営層への説明・ベンダーとの交渉・現場への展開・IT対応を掛け持ちしているケースは珍しくない。「合意形成の設計」に丸一日使う余裕などない。
だからといって省略すると、後で3倍の修正コストがかかる。
中小製造業での現実的なアプローチは、「全員が揃う大規模な会議を開く」のではなく、「最初の30分で3つだけ決める」ことだ。
① 何が改善されれば「成功」と言えるか（数字で） ② 誰が最終判断者か ③ いつ最初の評価をするか
この3点を文書化するだけで、後の「期待外れ」の大半は防げる。
社内期待値を揃える5段階の合意形成ステップ
では具体的に、どのような順番で合意形成を進めるか。製造業のAI導入実務から導いた5段階を紹介する。
ステップ1：「現状の数字」を共通言語にする
最初に、現状の業務を数字で記述する。「外観検査：1時間に300個処理、不良品検出率85%、検査員3名配置」——このレベルの記述が「ビフォー」になる。これがなければ「アフター」の評価ができない。
ステップ2：「何を改善するか」を一点に絞る
AI導入でよくある失敗は、「不良品検出・工程管理・在庫予測・設備保全」をすべて同時に解決しようとすることだ。最初の1案件は、「不良品の検出率を85%から95%に上げる」など、一点に絞る。
ステップ3：ステークホルダー別の「成功の定義」を揃える
経営層・現場・IT部門それぞれが、ステップ2の目標をどう解釈するかを確認する。経営層は「月間コスト削減額」、現場は「手直し作業の減少」、IT部門は「システム稼働率」で見るかもしれない。これを言語化して、認識のズレを可視化する。
ステップ4：評価タイミングと判断基準を決める
「3ヶ月後に検出率を確認し、92%を下回っていたら設計を見直す」という形で、評価のタイミングと判断基準を事前に合意する。これがなければ、評価会議のたびに「まだ様子見が必要だ」という会話が繰り返される。
ステップ5：「うまくいかなかったとき」のシナリオを共有する
最も重要で、最もやられていないステップだ。「もし3ヶ月後に目標を達成できなかったら、どう判断するか」を事前に合意しておく。このシナリオを持つ組織は、失敗から学びながら前に進める。持たない組織は、失敗したときに責任の押し付け合いで終わる。
5段階の合意形成ステップ——「失敗シナリオの共有」が最もやられていない最重要ステップ
まとめ
AI導入が「期待外れ」で終わる原因は、技術でも予算でもなく、「何をもって成功とするか」を最初に揃えなかったことにある。
導入の成否は、合意形成の設計で決まる。これは大企業だけの話ではない。中小製造業でも、最初の30分で3つの事項を決めるだけで、プロジェクトの着地は大きく変わる。
「やってみよう」から「続けよう」に移行できるかどうかは、最初の合意設計で決まる。最初に取るべき行動は、今日中に経営層・現場の代表・IT部門の誰かを1時間集め、「この導入でどの数字が変われば成功と言えるか」だけを決めることだ。
「これ、AIでできない？」
業務の流れに落とし込みます。
相談内容をもとに、
AIで支援できそうな工程と、
人が確認すべきポイントを整理します。
まずは、分かる範囲で構いません。