Teradataがグローバル調査結果を発表：エンタープライズ向け「自律型AI（エージェントAI）」はなぜ拡大前に失速するのか？
日本テラデータ
個人向けから組織向けAIへの移行を阻む「文脈の断片化（データ定義の不足）」の壁が明らかに
[2026年7月7日にTeradata Corporationより発表されたプレスリリースの抄訳です]
[画像1:
https://prcdn.freetls.fastly.net/release_image/18629/257/18629-257-4cee67ebee1a30a4772cef978e1cfef6-481x477.png?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
本発表の要約
- 【投資とROIのギャップ】 今後12ヶ月間で自律型AIへの投資拡大を予定している先端技術リーダーは90%にのぼる一方、現状は63%が「小規模または初期段階の投資リターンにとどまる」と回答- 【成熟度インデックス】 自律型AIを業務プロセスに組み込み、具体的なビジネス成果を上げているグローバル企業はわずか7% 。全体の68%は依然として「実験」または「開発」の初期段階に停滞- 【最大の障壁：文脈の断片化】 経営層の77%が、自律型AIが自律的に判断・活用できるほど十分に文脈化（メタデータや背景の定義）されている社内データ is 「20%以下」しかないと報告- 【高い実証実験（パイロット）の失敗率】 テクノロジーリーダーの40%が、AIパイロットプロジェクトの40%以上が実用化（本番環境への移行）に至らずに失敗していると回答
データを基盤に企業の意思決定を高度化するTeradata（NYSE: TDC）は本日、日本を含む世界6カ国のシニアテクノロジーおよびデータリーダー1,000人を対象に実施した、Wakefield Research社への委託調査「
自動化の停滞：エンタープライズレベルで自律型AIが失速する理由（Arrested Automation: Why Agentic AI Stalls at the Enterprise Level）」の調査結果を発表しました 。
本調査は、従業員数500人以上の企業における、バイスプレジデント（VP）レベル以上のテクノロジーおよびデータリーダー1,000人を対象に本年3月23日から4月5日に実施されたものです 。対象地域の内訳は、米国（500人）、日本（100人）、英国（100人）、フランス（100人）、ドイツ（100人）、サウジアラビア（100人）です 。
本レポートからは、自律型（エージェント型）AIの導入に対する企業の熱意は世界的にほぼ普遍的なものである一方、従来の基盤データシステムが「AIエージェントによる自律的なデータ活用」を想定して構築されていないため、企業が期待するROI（投資対効果）を生み出すには、データ基盤の根本的な再考が必要であることが浮き彫りになりました 。
「個人向けAI」から「組織向けAI」への転換期
現在直面している多くの課題は、「個人向けAI（Personal AI）」から「組織向けAI（Organizational AI）」へのシフトの必要性を認識することで、より明確に理解できます 。
個人向けAI： チャットボットや文章作成アシスタントなど、個人の業務効率化を支援するツール組織向けAI： 全社で共有された知識、適切なアクセス権限、および強固なガバナンスに基づき、企業全体の代理として自律的に業務を遂行するシステム
企業が追い求める真の投資リターンは、AIがこの「組織向けレベル」で稼働し、意思決定の自動化や複数ステップのワークフロー実行を通じて、測定可能なビジネス成果をもたらすまでは実現しません 。
本レポートは、企業の現在地を評価する「自律型AI成熟度インデックス（Agentic AI Maturity Index）」を導入するとともに、AIエージェントが大規模かつ確実に自律行動を起こすために不可欠な要素として、十分な背景文脈、データ系統（リネージ）、ガバナンスを備えた企業データ環境である「自律型ナレッジ（Autonomous Knowledge）」を通じた変革ロードマップの視点から分析しています 。
主な調査結果とここから導かれた洞察は以下の通りです。
調査が明かす3つの主要な課題と障壁
1. 期待先行の投資と、追いつかないROIのギャップ
[画像2:
https://prcdn.freetls.fastly.net/release_image/18629/257/18629-257-e38b33ee5a85108872acd0af8fb6f28d-748x374.jpg?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
シニアテクノロジーリーダーの90%が、今後12ヶ月間で自律型AIへの投資を増やすと回答しています 。しかしその一方で、63%の企業が、現時点では「投資に対して小規模、または初期段階の肯定的なリターンしか得られていない」と報告しています 。このギャップは企業の野心の欠引によるものではなく、既存のデータ基盤が「自律的なAIエージェント」ではなく「人間のユーザー」向けに構築されたままであることに起因しています 。
2. AIの足を引っ張る「文脈の断片化（Context Fragmentation）」
[画像3:
https://prcdn.freetls.fastly.net/release_image/18629/257/18629-257-0b3aa2138ceacce4350827da3e52a9c8-748x374.jpg?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
自律型AIが企業内で失速する最大の原因は、データに意味、系統（リネージ）、ガバナンスが欠如している「文脈の断片化」です 。
役員・エグゼクティブの77%が、自社のエンタープライズデータのうち、AIエージェントが利用できるほど適切に記述・文脈化されているデータは「20%以下」であると答えています。さらに78%が、AIが企業全体を見渡して推論できるように、複数のビジネス部門間でデータと知識を統合することに難しさを感じています 。
リーダーが挙げる上位2つの障壁は、「データに必要なメタデータ、文脈、関連性が欠如している（43%）」、および「データが複数のシステムに断片化されており、リアルタイムに接続できない（42%）」であり、いずれも同じ根本原因を指し示しています 。課題は「データの量」ではなく、そのデータが「AIに信頼されるだけの意味（文脈）を伴っているか」という点にあります 。
3. 実用化（本番環境への移行）を阻むシステムと「不信感」
[画像4:
https://prcdn.freetls.fastly.net/release_image/18629/257/18629-257-de4567f6c5a3a72437f59ab2dffc9c73-748x374.jpg?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
データに信頼性がない場合、実証実験（パイロット）が本番環境へ移行することはありません 。テクノロジーリーダーの40%が、インフラシステムが自律的な利用を想定して構築されていないことが原因で、AIパイロットプロジェクトの40%以上が本番環境へ到達できずに失敗していると報告しています 。パイロットプロジェクトの80%以上を成功裏に本番環境へ移行できている企業は、わずか15%にすぎません 。また、データへの信頼不足は、リーダー層に構造的な足踏みを生じさせています。
- リーダーの60%が、長期的なインフラ決定において「決定麻痺（決断できない状態）」に陥っていると回答しています 。これはベンダーロックインへの懸念（30%）よりも、デプロイされるAIそのものへの信頼不足が原因です 。 - 事実、リーダーの51%が「出力の正確性と信頼性」を重大な導入障壁として挙げています 。
さらに、AIの出力が実際の業務が行われるシステムの外（独立した別個のダッシュボードなど）に孤立しているという「場所の問題」も存在します 。AIによるインテリジェンスが、従業員が日常的に使用するツールやアプリの内部に組み込まれて初めて、具体的なアクションや成果へとつながります 。
成熟度インデックスにおける企業の現在地と認識のズレ
[画像5:
https://prcdn.freetls.fastly.net/release_image/18629/257/18629-257-d49d52c3be541f14a89bf819a65a094e-748x374.jpg?width=536&quality=85%2C75&format=jpeg&auto=webp&fit=bounds&bg-color=fff ]
本レポートが定義する「自律型AI成熟度インデックス」は、企業の状態を「実験（Experimenting）」「開発（Developing）」「構築（Building）」「運用（Operationalizing）」の4つのステージにマッピングしています 。
現在、最終段階である「運用（マルチステップのワークフローを実行し、測定可能なビジネス成果を創出している段階）」に到達しているグローバル企業は、わずか7%にすぎません 。大半の企業（68%）は、データに意味を持たせられない「文脈の断片化」が足かせとなり、初期の「実験」または「開発」段階に留まっています 。
また、組織内での認識の乖離も浮き彫りになりました。Cクラス（経営幹部）のエグゼクティブの69%が「自社はすでに自律型AIを活用して運用している」と認識しているのに対し、現場に近いバイスプレジデント（VP）レベルで同様に回答したのは57%にとどまり、理想と現実にギャップが見られます 。
今後企業が進むべき道：「自律型ナレッジ」へのアプローチ
レポートでは、個人向けAIから組織向けAIへと脱皮し、ROIを確実にするためのアプローチとして以下のフェーズを推奨しています 。
- 価値の高いデータ資産の選別と監査： 全データ環境を一度に修正しようとするのではなく、最もビジネス価値の高いデータ（構造化・非構造化問わず）を特定し、優先的に記述・文脈化を行う 。- データレイヤーへのガバナンス埋め込み： AIエージェントが安心して自律行動できるよう、データそのものに強固なガバナンスと制限を直接組み込む 。- ポータビリティを意識した設計： 特定ベンダーに依存しない、アーキテクチャの柔軟性と移植性を担保する 。
すでにこれらのデータ基盤刷新に取り組んでいる企業は着実にリターンを上げ始めており、そうでない企業は今もパイロットプロジェクトが本番環境に移行するのを待ち続けている状態となっています 。
エグゼクティブ・メッセージ
Teradata チーフ・テクノロジー・オフィサー Louis Landryのコメント：「ソースコードの生成高速化、ドラフト作成の効率化、リサーチの迅速化といった個人の生産性向上は、確かに現実的なメリットです。しかし、それらはインフラへの巨額の投資を正当化できるほど、企業の損益計算書（P&L）に直接的な数字として現れるわけではありません。経営層が真に期待しているROIを実現するには、AIエージェントが『組織レベル』で稼働し、自律的に意思決定を下し、ワークフローを実行し、測定可能なビジネス成果を牽引する必要があります。多くの組織は、企業向けAIのROIを個人向けAI用のインフラで測定しようとしており、それが『なぜ数字が合わないのか』と頭を悩ませる原因になっているのです」
Teradata チーフ・データ・AI・オフィサー 兼 チーフ・インフォメーション・オフィサー Josh Fecteauのコメント：「データ資産の全体を完璧に文脈化しようとゴールを設定すること自体が間違いであり、その不可能な追求こそが、組織を失速させる原因となっています。正しいアプローチは、自社データの中で最も価値の高い領域（構造化データ、非構造化データを問わず）を特定し、その部分だけを完全に定義し、統治（ガバナンス）し、AIエージェントが即座に使える状態にすることです。もしデータの大部分がそのままでは使えない状態にあるなら、答えはすべてを一度に直すことではありません。どこから始めるかについて、冷徹なまでに選択と集中を行うことです」
本調査レポートの完全版（英語）は、以下のURLよりダウンロードいただけます。
https://www.teradata.com/insights/white-papers/why-agentic-ai-stalls-enterprise
Teradataについて
Teradataは、深いビジネスコンテキストと信頼性の高いデータに基づき、AIが導き出す「知見（インテリジェンス）」を、自律的な「実行（アクション）」へ変換する力を企業に提供します。AIエージェントが普及する中、Teradataが提供するプラットフォーム「Teradata Autonomous Knowledge Platform」は、企業に不可欠なコンテキストエンジン、ガバナンスレイヤー、そして圧倒的な処理能力を誇る実行基盤を実現します。クラウド、オンプレミス、ハイブリッドのあらゆる環境において、AIの実用化と本番運用を強力に支援し、ビジネスの未来を切り拓きます。
プレスリリース提供：PR TIMES
記事提供：PRTimes
