SAPが示す企業AIガバナンスで粗利を守る生成AI戦略

生成AIを試す段階から、業務を止めない段階へ移った

あなたの会社でも、生成AIの回答が「だいたい合っている」だけで業務に回していないだろうか。営業資料の下書きや問い合わせ要約なら多少の誤差で済みますが、受注、請求、在庫、与信の処理では1件のズレがそのまま損失になります。SAPが今回強く言い切ったのは、企業AIの評価軸が「便利かどうか」ではなく「業務を壊さずに回せるか」へ完全に移ったという事実です。ここで重要なのは、同社がAIをITの補助機能ではなく、利益率に直結する運用レイヤーとして見ている点です。私はこの視点を、2026年の企業AI議論の中心に置くべきだと解釈しました。なぜなら、AIエージェントが普及するほど、誤作動の回数よりも、誤作動を止める仕組みの有無が収益を分けるからです。現場の担当者なら一度は「便利だが怖い」と感じたはずですが、その違和感こそが導入設計の出発点になります。

90%と100%の差を、SAPは「存在に関わる差」と見なした

SAPのGlobal President of Customer Success Europe, APAC, Middle East & AfricaであるManos Raptopoulos氏は、消費者向けのAIモデルに文書の単語数を数えさせると、10%前後の誤差が出ることがあると指摘しました。ここでの10%は単なる精度差ではなく、企業利用ではそのまま請求ミスや集計ミスにつながる危険度を意味します。同氏はさらに、「90%から100%までの距離は段階的ではなく、我々の世界では存在に関わる」と述べています。100件中10件の失敗が許されないのが企業業務であり、ここを曖昧にすると利益率が削られます。

今回の主題は、AIを業務で使うなら精度だけでなく、ガバナンス、拡張性、実際の事業効果を評価軸に入れろという明確なメッセージです。特にSAPが問題視したのは、Agentic AI、つまり計画し、推論し、他のエージェントと連携し、ワークフローを自律実行するAIです。エージェントは単に文章を返すのではなく、権限のあるシステムに入り込み、処理を進めます。ここで1つでも制御を誤ると、影響範囲はチャット欄ではなく会計、物流、顧客対応に広がります。SAPはこの状況を、過去のShadow ITの再来にたとえていますが、今回は使われるデータとシステムの重みが桁違いです。私はこの発言を、AIの最大の論点が「モデル性能」から「運用統制」に移った証拠と見ています。

さらにSAPは、ベクターデータベースとレガシーなリレーショナルデータベースの統合にも触れました。ベクターデータベースは意味の近さで情報を探せる仕組みで、文章や問い合わせの類似検索に向きます。一方、請求や在庫のような正確性が要る領域は、従来型の構造化データ管理が前提です。この2つをつなぐには高度なデータエンジニアリングが必要で、AIの推論ループを厳しく制限しないと、ハルシネーション、つまりもっともらしい誤答が財務や供給網に混入します。Raptopoulos氏は、こうした制御が高頻度のDB問い合わせやクラウド計算資源を増やし、P&L、つまり損益計算書の前提を変えるとも述べています。つまり、AIガバナンスはコンプライアンスのチェックリストではなく、コスト構造を左右する設計条件です。数字で言えば、10%の誤差を100%まで詰めるには、モデル選定だけでなく監査、権限、ログ、データ整備の全部が必要になります。この1%単位の積み上げが、そのまま粗利防衛になります。

同氏がボードに求めた論点も実務的です。AIエージェントの誤りに誰が責任を持つのか、機械の判断をどう監査するのか、どこで人間が介入するのか。この3点が曖昧な企業では、AIは現場の負担を減らすどころか、責任の所在を曖昧にする装置になります。読者の皆さんが経営会議や情シス会議にいるなら、ここを曖昧にしたまま導入予算だけを積む進め方は危険だと理解しておくべきです。

日本企業が先に整えるべきは、モデルではなく業務境界である

日本企業の現場で明日から意識すべきなのは、どのLLMを使うかではなく、どの業務をAIに渡し、どこで止めるかです。SAPの主張は、生成AIの導入順序をひっくり返しています。多くの企業は「まずPoC、次に拡張」と進めますが、PoCの成功だけで本番移行すると、責任分界点と監査証跡が抜けたまま運用に入ります。これは、精度の高いモデルを入れたのに粗利が削られる典型パターンです。

特に日本では、ERP、販売管理、在庫管理、経理システムが部門ごとに分かれ、マスターデータの粒度も揃っていない会社が少なくありません。SAPが言う「fragmented data foundation」、つまり断片化したデータ基盤は、日本企業にもそのまま当てはまります。たとえば同じ顧客名が営業、請求、サポートで微妙に違うだけで、AIエージェントは別人として扱い、誤った判断を重ねます。これは技術の問題ではなく、業務定義の問題です。

私が引っかかったのは、AI導入の議論が依然としてツール選定に寄りすぎていることです。現場は「GeminiかClaudeかGPT-5か」を気にしますが、SAPのメッセージが示す本質はそこではありません。重要なのは、各モデルに与える権限、参照させるデータ、出力を承認する人間を先に決めることです。日本の製造、流通、金融のように例外処理が多い業界ほど、AIの価値は例外対応の速さで決まります。だからこそ、業務フローの棚卸しと監査ログ設計を最初にやる企業が、最終的にコスト削減でも勝ちます。

AIエージェント普及は、統制設計ができる企業だけが得をする局面

今後は、AIエージェントを「入れた会社」より「止める仕組みを持った会社」が評価されます。SAPの話を読むと、企業AIの勝負はモデル性能競争では終わりません。むしろ、エージェントの自律性をどこまで許すか、どの業務に人間承認を残すか、そしてその判断をどう記録するかが競争力になります。私は、2026年後半に向けてこの論点が日本でも一気に経営会議へ上がると見ています。粗利を守るAI戦略とは、AIを増やすことではなく、暴走できない形で本番に置くことです。