御社の業務ルールを、変えずにシステムにする。

AI を使った開発は、これまでのシステム開発と同じようには進みません。やってみないと精度も効果も分からない、という性質を最初から抱えているからです。この不確実性を見ないまま進めると、次の3つのどれかに行き着きます。

• 
  01

  １．PoC（お試し）で終わってしまう

  プロトタイプは動いた。ただ、本番運用には乗らないまま予算だけが消えていく——AI 案件で最も多い終わり方です。試作は「動くかどうか」を確かめるものですが、本番で必要になるのは、精度が落ちたときに気づける仕組みや、担当者が日々使い続けられる導線のほうです。そこまで設計されていない試作は、評価が良くても現場に残りません。

  私たちが「PoC で終わらせない」ことを最初に掲げているのは、ここが最大の失敗要因だと考えているからです。

• 
  02

  ２．精度・品質が読めない

  「精度は 95% です」と言い切れれば話は簡単ですが、AI の出力は入力データにも利用者の使い方にも左右されるため、こうした数値の事前保証は本来困難です。それでも数字が求められるので、実態と合わない約束が交わされ、あとから「思っていた精度と違う」という食い違いが起きます。

  問題は精度が出ないことではなく、何をもって合格とするかが決まっていないことのほうです。

• 
  03

  ３．コスト変動が読めない

  LLM の API は従量課金で、モデルは更新され、プロンプトも改修が続きます。作って納めれば終わりという前提で見積もると、運用が始まってから想定外の費用が乗ります。逆にベンダー側は、その不確実性をリスクとして見積もりに積むしかなく、結果として初期費用が膨らみます。

  どちらに転んでも、払う側にとって投資対効果が読めない取引になってしまいます。