この記事でわかること
- Gartnerが公表した「40%キャンセル」予測と「3年ROI 210%」が同時に存在する市場の構造
- AI Agentプロジェクトが失敗する4つの典型パターンと、その共通の根本原因
- 要件定義・プロジェクトスコープ・ベンダー依存の3視点でAI Agent案件を点検し、"成功する10%"に入るための条件
「40%キャンセル」の中身を一次ソースで確認する
2025年6月25日、Gartner は Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 と題するプレスリリースを公表しました。要点は次の通りです。
- 2027年末までにagentic AIプロジェクトの40%超がキャンセル される見込み
- 原因は「escalating costs（コストの増大）」「unclear business value（不明確な事業価値）」「inadequate risk controls（リスクコントロール不足）」の3点
- 単一業務領域でAI Agentをスケール成功させている組織は 10%未満
一方で、Forrester の調査では成功事例において 3年ROI 210%、ペイバック6ヶ月未満 という数字も出ています（OneReach.ai の Agentic AI 統計まとめ 経由）。さらに McKinsey は、生成AI全体（63ユースケース横断）で 年間2.6〜4.4兆ドル の価値創出可能性を試算しており（Klover.ai のサーベイ記事 経由）、AI Agent はその実装手段として中核的な位置を占めます。
つまり、AI Agent市場は「全員が勝つ」市場ではなく、"勝者の取り分が極端に大きい"市場 です。40%の失敗と210%のROIが同時に存在する理由を理解しない限り、自社の投資判断は博打になります。
AI Agentプロジェクトが失敗する4つの典型パターン
Gartner、Forrester、McKinsey、Deloitte の各2026年レポートを横断して読むと、失敗パターンは次の4つに収斂します。
1. 要件定義の属人化
業務担当者が「AIにこれをやらせたい」と感覚で語り、要件が文書化されないまま実装に進む。結果、AI Agentが何をしている状態が「正常」なのか評価できず、事故対応・運用改善・監査のいずれの場面でも判断材料を出せず、運用が立ち行かなくなる。
2. PoC（実証実験）成功 → 本番運用失敗
PoCでは少数のテストデータで動くが、本番の多様な入力・例外ケース・データ品質の揺れに耐えられない。これは AI Agent 固有の問題ではなく、従来のシステム導入でも繰り返されてきた失敗です。
3. ベンダー依存と撤退コストの過小評価
特定モデルのAPIに業務を深く統合してしまい、ベンダーが価格を上げたり API を廃止したりしたときに撤退できない。Gartner のリリースが主因の1つに挙げた「escalating costs（運用に伴う継続的なコストの増大）」の典型です。
4. リスクコントロールの後付け
本番運用が始まってから、プロンプトインジェクション・データ漏えい・AI Agent の暴走などのリスクに気づき、運用停止。Cisco の State of AI Security 2026 は、監査対象の本番AIデプロイメントの 73% でプロンプトインジェクションの脆弱性が見つかったと報告しています（VentureBeat の関連記事 も参照）。
これら4パターンに共通するのは、「AI Agentプロジェクトを"新種のもの"として扱い、既存のプロジェクト管理・要件定義・リスク管理の枠組みから切り離してしまった」ことです。
要件定義の現場で何が変わるのか
AI Agent を自社に組み込むとき、要件定義の何が変わるのでしょうか。
従来のシステム開発における要件定義は、「入力 → 同じ入力なら必ず同じ結果が返る処理 → 出力」 を記述する作業でした。AI Agent では、ここに次の3つの新しい論点が加わります。
- 挙動のブレ——同じ入力でも結果がぶれうる。どこまでのブレを業務上許容するか
- 外部システム連携の権限設計——AI Agent が社内のどのシステム・データに、どの権限で、どういう順で触れてよいか
- 人間の介入点——どの判断を人間に戻すか、どの条件で AI Agent を停止するか
要件定義文書に「人間の介入点」という章を追加する。AI Agent は確率的に挙動するため、設計時に何を「正常」とみなすかを定義しないまま実装に進むと、運用開始後に介入の判断基準も停止条件も誰も持たないまま動き続けることになります。介入点を要件として明文化しておけば、設計段階で「どの判断を人間に戻すか」「どの条件で停止するか」が強制的に議論されます。これだけで、失敗パターン1（要件定義の属人化）と4（リスクコントロールの後付け）の相当部分が防げます。
支援先の傾向として、要件定義の再設計に踏み込まず「従来のRFP形式でベンダーに丸投げ」してしまう組織ほど、PoC段階で止まりやすい印象があります。AI Agentは調達物ではなく、自社の業務記述の解像度が試される鏡 です。
プロジェクトスコープは「業務」で切る
AI Agentのプロジェクトを成功させる組織に共通するのは、プロジェクトスコープを「技術」ではなく「業務」で切っている ことです。
失敗組織のスコープ：
- ❌ 「営業部門にAIを組み込む」
- ❌ 「社内文書を全部ベクトル化する」
成功組織のスコープ：
- ✅ 「見積書作成の所要時間を月次で30%削減する」
- ✅ 「問い合わせ応答の一次振り分けを24時間365日運用する」
後者は、既存の業務KPIとAI Agent が直接つながっており、プロジェクトの"終了条件"が明確 です。Gartnerのリリースが言う "unclear business value（不明確な事業価値）" は、この終了条件の欠落のことです。
40%と10%を分けるもの
よくある見方： 「AI Agent プロジェクトは先進的で、既存のやり方が通じない」 実態は： 逆である。既存の要件定義・プロジェクト管理の規律を、AI Agent に拡張して適用できる組織ほど成功する。
40%のキャンセルが起きるのは、AI Agent が難しすぎるからではありません。「新しいものだから新しいやり方で」と、自社が積み上げてきた要件定義文書・PMの知見・品質管理プロセスといった組織資産を脇に置いてしまうから です。成功する10%は、逆に自社の組織資産を土台にして、その上に AI Agent 特有の論点（人間の介入点、挙動のブレ許容範囲、ベンダー依存度）を組み込んでいます。
AI Agent は注目度の高いテーマですが、それを成功に導くのは自社が積み上げてきた組織資産です。この認識の差が、40%と10%を分けます。
アクションチェックリスト
| アクション | 内容 |
|---|---|
| 業務スコープの棚卸し | 進行中／検討中のAI Agent案件が「業務成果」で定義できているか点検する |
| 要件定義の再設計 | 「人間の介入点」と挙動のブレ許容範囲を要件に組み込む仕組みを整える |
| ベンダー依存度の点検 | 特定モデルへの業務統合度合いと、撤退時に発生するコストを把握しておく |
進行中のAI Agent案件を、要件定義・プロジェクトスコープ・ベンダー依存の3視点でどう点検するか。本記事で示した4つの失敗パターンに当てはまっていないか、自社固有の状況について個別にご相談いただけます。
FAQ
Q: Gartnerの「40%キャンセル」は日本企業にもそのまま当てはまりますか？
Gartnerのプレスリリースはグローバル市場を対象にしたもので、日本特化の数字ではありません。ただし、日本企業に特有の課題（要件定義文書の粒度、ベンダー任せの調達文化、リスク管理の後手対応）はむしろ失敗パターンと親和性が高く、日本企業のキャンセル率が40%を下回る根拠は見当たりません。
Q: PoCは成功しているのに本番運用でつまずくのはなぜですか？
PoC環境は、データ品質・入力の多様性・例外頻度が本番とかけ離れていることが多いためです。成功している企業は、PoC段階から「本番運用時に想定される最悪ケース」を意図的にテストに含めています。要件定義文書の「人間の介入点」章は、この"最悪ケース設計"を強制する仕組みでもあります。
参考リンク
一次ソース
- Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 — Gartner (2025年6月)
- State of AI Security 2026 — Cisco
アナリスト・調査
- Agentic AI Stats 2026: Adoption Rates, ROI & Market Trends — OneReach.ai
- AI Agents in Enterprise: Market Survey of McKinsey, PwC, Deloitte, Gartner — Klover.ai