※本報道資料は米国スノーフレイク社が4月15日に発表した内容の抄訳です。
- このグローバル調査では、ビジネスリーダーやIT担当者の98%が、2025年はAIの取り組みに対する投資を強化したいと回答した一方、データのAI対応が引き続き課題とする回答も58%に
- 回答者の3分の2が、AIの投資対効果を定量化しており、コスト削減や収益拡大により、投資額1ドルにつき1.41ドルのリターンを実現
- 日本の組織は生成AIに対し、より慎重に時間をかけてアプローチしていると見られ、「まだAIユースケースを模索し始めたばかり」と回答した割合が最も高い（日本49%、グローバル36%）
AIデータクラウド企業であるSnowflake（ニューヨーク証券取引所：SNOW）は本日、Enterprise Strategy Groupと共同で実施したグローバル調査のレポ―ト「Radical ROI of Generative AI（生成AIの劇的なROI (投資対効果)）」を公開しました。本レポートは、9カ国・1,900人のビジネスおよびITリーダーを対象に、1つ以上のユースケースでAIを積極的に活用している企業を調査したものです。この調査では、全回答者の92%が、AI投資対効果をすでに感じ始めており、98%が2025年はAI投資を強化したいとしています。AIの導入がグローバル企業全体で加速する中、堅牢なデータ基盤が成功するAI活用のカギとして浮かび上がっています。しかし多くの回答者は、依然として「AIに適したデータの整備方法」に苦慮している実態が明らかになりました。
世界中の企業の間でAIの成功度合いには格差も
大半の企業ではAIに対する早期投資が成功しており、93%がAIの取り組みが「非常に成功」または「ほぼ成功」していると回答しています。実際回答者の3分の2が、生成AIの投資対効果の定量化をすでに開始しており、コスト削減や収益拡大により、投資額1ドルにつき1.41ドルのリターン（投資対効果 41%）を実現しています。
一方、各国のAI成熟度と直接的に相関するようなAIの取り組みの注力分野や、投資対効果をどの程度改善できたかについては世界各国で差が見られます。
- オーストラリア／ニュージーランド（ANZ）ではAI投資の投資対効果は44%となっています。世界平均と比較して、ANZでは、AIの取り組みの主な目標として顧客満足を挙げた組織が多く（国内と世界平均はそれぞれ53%、43%）、社内関連の取り組みへの注力は低い（47%、55%）傾向が認められました。
- カナダではAI投資の投資対効果は43%となっています。カナダでは、まだAIユースケースの模索を始めた段階だと回答した組織が多い傾向にあり（45%、36%）、他の国と比較してAI採用に向けた早期段階にある組織が多いことが示されました。
- フランスではAI投資の投資対効果は31%となっています。世界標準と比較して、フランスでは、大規模言語モデル（LLM）を自社データで強化させる「検索拡張生成（RAG）」を用いる割合が少ない傾向にあり（59%、71%）、AI戦略の成熟が遅れていることが示されました。
- ドイツではAI投資の投資対効果は34%となっています。ドイツでは、インフラストラクチャ関連の課題、特にAIのためのストレージやコンピュート要件への対応が課題であるとした企業が多い傾向にありました（69%、54%）。
- 日本ではAI投資の投資対効果は30%となっています。日本では、AIの戦略目標が異なり、カスタマーサービスやサポート（30%、43%）および財務パフォーマンス（18%、30%）に関するAIの取り組みが少ない傾向にあった一方、コスト削減に対するAI活用（43%、32%）の傾向は最も高くなりました。(以下詳細説明あり）
- 韓国ではAI投資の投資対効果は41%となっています。韓国では、成熟したAIのユースケースが普及しており、オープンソースモデルの利用率が最も高く（79%、65%）、RAGによるモデルのトレーニングや拡張を進めている企業が多い傾向にありました（82%、71%)。
- 英国ではAI投資の投資対効果は42%となっています。戦略目標について、英国ではAIがエンドユーザーにもたらす価値に注力する組織が多い傾向にあり、業務効率（57%、51%）とイノベーション（46%、40%）が主な事業の推進力として挙げられ、世界平均を上回りました。
- 米国ではAI投資の投資対効果は43%となっています。米国の企業はAIの運用に最も成功しており、事業目標の達成に向けたAIの運用が「非常に成功している」と回答した企業の割合が他のどの国より高くなりました（52%、40%）。
日本は生成AIの歩みを進め、走り出す態勢に
日本では取り組みが遅れていると見られ、課題として挙げられた項目が他の国より少なく、一方で事業に対する影響も限定的でした。
日本の組織は生成AIに対し、より慎重に時間をかけてアプローチしていると見られます。日本では、まだAIユースケースを模索し始めたばかりだと回答した組織の割合が最も高くなりました。（日本と世界平均でそれぞれ49%、36%）。モデルのトレーニングやチューニングの取り組みも遅れており、RAGの活用（65%、71%）、自社データによるチューニング（75%、80%）、text-to-SQL機能の提供（53%、66%）の割合が低い傾向にありました。
戦略面では、カスタマーサービス／サポート（30%、43%）および財務パフォーマンス（18%、30%）に関する取り組みの割合が最も低かった一方、コスト削減に関する生成AIの活用（43%、32%）の傾向は最も高くなりました。
投資対効果を測定している組織が回答した投資対効果は、世界の41%に対し、日本では30%となっています。日本において生成AIの投資対効果が相対的に低いのは、成熟度の低さと、より限定的な考え方によるものと思われます。明るい材料として日本では、生成AIプロジェクトにより業務効率が改善したという回答の割合が最も高く（93%、グローバルでは88%）、優先事項に沿った結果が得られています。
日本では、ユースケースの不足（29%、全体では18%）、社員のスキル（49%、35%）、既存ソリューションが成熟していない（31%、21%）ことを挙げた回答者の割合が高くなりました。データに関する課題としては、次の各項目について「非常に難しい」と回答した割合が日本で最も低くなりました。
- データサイロの解消（5%、21%）
- データ品質の測定、モニタリング（5%、20%）
- データガバナンスの実施（3%、19%）
導入が進み、志向が高まる可能性が高い―日本では、「現実的なユースケースが出現しつつあり、生成AIに対する理解が高まっている」（45%、世界平均26%）という回答の割合が最も高くなりました。
適切なユースケースを選択しなければならないプレッシャーが高まる
回答者のほぼ全員がこれまでのAIの取り組みが成功しているとした一方で、多くの組織は、その機運に乗るためにどのような判断を下すべきかに苦慮しています。事業にAIを取り入れる機会が溢れており、回答者は、制約されたリソースの中で、最も効果的なユースケースを特定するのが困難で、適切な判断を下さなければならないプレッシャーが高まっているとしています。
- 過多なユースケースと過小なリソース：アーリーアダプターの71%が、活用したいユースケースが、用意できる資金を上回っていると回答しています。
- 意思決定の盲点：54%が、コスト、事業インパクト、組織の実行力などの客観的な尺度に基づいて適切なユースケースを選択することが困難だと回答しています。
- 競争力維持のプレッシャー：71%が、ユースケースの選択を誤ると、自社の市場での地位が損なわれると回答しています。
- 職を失う不安：59%が、適切ではないユースケースを提案することで、仕事を失う可能性があると回答しています。
データ障壁を乗り越え、AIの効果を最大化
組織は自社データを取り込んでAIの効果を最大化しようとしており、回答者の80%が自社データでモデルのファインチューニングを行っていると回答しています。71%の回答者が、効果的なモデルのトレーニングとファインチューニングには、数テラバイトのデータが必要であると回答するなど、データの重要性が広く認識されている一方で、データのAI対応については大きな課題が存在しています。大半が最も価値ある資産の活用に苦慮しており、AIの成功に向けた最大のデータ障壁として以下が挙げられています。
- データサイロの解消：アーリーアダプターの64%がソース全体でデータを統合することが今日の課題だとしています。
- ガバナンスガードレールの統合：59%がデータガバナンスの実施が困難だとしています。
- データ品質の測定・モニタリング：59%がデータ品質の測定とモニタリングが困難だとしています。
- データ準備の統合：58%がデータをAIに対応させることが課題だとしています。
- 効率的なストレージとコンピュートの拡張：54%がストレージ容量や処理能力の要件に対応するのが難しいとしています。
より正確で関連性のある効果的なAIの結果を引き出すため、組織は統合データプラットフォームを活用することで、これらの課題を克服し、データの潜在力を最大限に解き放つことが可能です。
関連情報：
- 「Radical ROI of Generative AI（生成AIの劇的なROI (投資対効果)）」の調査レポートの全文と詳細はこちらのブログ投稿をご覧ください。
- Snowflakeは何千社ものお客様に使いやすく接続された信頼性の高い強靭なプラットフォームを提供し、現在および将来のAIのニーズに対応しています。こちらのブログ投稿をご覧ください。
- 世界中の組織が、AIデータエージェントを今すぐ導入し、投資対効果の枠組みを定義し、事業効果を測定することが可能です。詳細はeブック「A Practical Guide to AI Agents（AIエージェントの実用ガイド、英語版 ※日本語版は後日提供予定）」をお読みください。
- LinkedInやTwitter / XでもSnowflakeの最新情報を発信しています。
調査方法
この調査は、2024年11月21日から2025年1月10日にかけてEnterprise Strategy Groupの研究者が実施したもので、ChatGPTなどの消費者グレードのサブスクリプションソフトウェアではなく、商用のオープンソースモデルを活用して実際の業務の拡張、遂行を進めているアーリーアダプターに対象者を絞り、より詳細な調査を行いました。回答を得た3,324名のうち、1,900名（57%）が商用またはオープンソースの生成AIソリューションを利用していると回答しました。調査手法の詳細はレポートをご覧ください。
このプレスリリースには、明示または黙示を問わず、（i）Snowflakeの事業戦略、（ii）開発中または一般に提供されていないSnowflakeの製品、サービス、テクノロジー、（iii）市場の拡大、トレンド、競争状況に関する考察、（iv）Snowflake製品とサードパーティプラットフォームの統合およびサードパーティプラットフォーム上でのSnowflake製品の相互運用性と可用性についての言及など、将来の見通しに関する記述が含まれています。これらの将来の見通しに関する記述は、さまざまなリスク、不確実性、前提に左右されます。これには、Snowflakeが証券取引委員会に提出するForm 10-Q（四半期レポート）やForm 10-K（年次レポート）内の「リスク要因」などのセグメントに記載されているリスク、不確実性、前提が含まれます。これらのリスク、不確実性、前提を考慮すると、将来の見通しに関する記述において予想または暗示されている結果と比較して、実際には大きく異なる結果や反対の結果に至る可能性があります。 これらの記述は、初回記述日の時点に限った記述であり、かかる記述の時点で入手可能な情報に、および/または経営陣がかかる時点で抱いていた誠実な信念に、基づいています。法律で義務付けられている場合を除き、Snowflakeには、本プレスリリース内の記述を更新する義務または意図は、一切ありません。そのため、将来の見通しに関するいかなる記述も、未来の出来事についての予測として利用してはなりません。
(C)2025 Snowflake Inc All rights reserved. Snowflake、Snowflakeのロゴ、および本書に記載されているその他すべてのSnowflakeの製品、機能、サービス名は、米国およびその他の国におけるSnowflake Inc.の登録商標または商標です。 本書で言及または使用されているその他すべてのブランド名またはロゴは、識別目的でのみ使用されており、各所有者の商標である可能性があります。 Snowflakeが、必ずしもかかる商標所有者と関係を持ち、または出資や支援を受けているわけではありません。
Snowflakeについて
Snowflakeは、簡単かつ効率的で信頼性の高いエンタープライズAIを実現します。世界最大規模の数百の企業を含めた11,000を超える世界中のお客様が、SnowflakeのAIデータクラウドを利用して、データ共有、アプリケーション構築、AIによるビジネス強化を実践しています。エンタープライズAIの時代が到来しました。詳しくは、snowflake.comをご覧ください。
企業プレスリリース詳細へ
PRTIMESトップへ
