何が起きたか

VB Pulseの2026年7月調査（対象：従業員100人超の企業101社）によると、過去6か月間にAIエージェントが「自信を持って間違えた」回答を出し、その原因を業務データの文脈（コンテキスト）の欠落や不整合にまで遡って突き止めた企業が68%に達しました。6月調査では57%で、同一設問での2回目の計測にして11ポイントの悪化です。

内訳も重く、37%が「複数回起きた」と答え、「1回だけ」の32%を上回りました。再発率は6月の31%から37%へ上昇しています。一方で、ガバナンス付きコンテキスト層の本番導入は25%から32%へ伸びており、対策が進むほど失敗が増えるという一見矛盾した絵になっています。

なぜ「対策済みの企業」ほど失敗率が高いのか

最も目を引くのが、失敗経験を回答できた91社の内訳です。ガバナンス付きコンテキスト層を運用または構築中の企業では再発率が50%、未導入企業では21%。数字だけ見れば「導入すると悪化する」ように読めます。

しかしVentureBeatは、コンテキスト層が失敗を生むのではなく、失敗を可視化するのだと整理しています。誤答の原因を「この指標の定義が壊れていた」「このテーブルが古かった」と特定するには、全社で合意された参照点が必要です。共通の定義がなければ、誤答は「AIがたまに間違える」で片づけられ、集計にすら上がりません。

この読み方を裏づけるのが企業規模別の数字です。従業員1,000人超では再発率55%、101〜1,000人では30%。ところが本番導入率は1,000人超が24%、101〜1,000人が37%と逆転しています。層を持っていない大企業のほうが失敗を多く報告しているのですから、「層があるから壊れる」では説明がつきません。同じ論理で、「失敗ゼロ」と答えた22%も、ガバナンスが良好な証拠ではなく検証していない証拠と見るべきです。

RAGの限界と、買われていない性能

コンテキスト供給の主流は文書検索（RAG）で31%。ただし検索は「意味が近い文章」を照合する仕組みで、語が似ていても意味が同じとは限りません。Redisの研究リーダーであるSrijith Rajamohan氏は、「『ローマのほうがパリより近い』と『パリのほうがローマより近い』は、埋め込み検索とテキスト検索では区別できない。同じ単語が両方に入っているからだ」とVentureBeatに語っています。主流の手法自体が誤答を生みうるということです。

さらに、13%はロングコンテキスト（文書をそのままモデルの文脈窓に流し込む）を主手段とし、5%は構造化された文脈をまったく与えずモデルの一般知識に頼っています。合わせて約5社に1社が力技か無策という状態です。

購買基準も示唆的です。検索システムの選定理由はアクセス制御・権限が24%、データ取り込みの容易さが24%で並び、このシリーズで初めてガバナンス項目が首位に立ちました。対して検索精度は15%にとどまります。一方、成功指標としては「回答の正しさ」が38%で、2位のセキュリティ・アクセス制御（19%）の倍。成果は正答率で測るのに、買うときは精度を見ていないという捻れがあります。

30年前からの宿題

セマンティックレイヤーのスタートアップCredible Data創業者Kyle Nesbit氏は、「ガバナンスされたデータ分析の不在という、30年間ずっと同じ痛みだ。AIが加わって、同じ問題が桁違いの混乱と苦痛になっている」とVentureBeatに述べています。

投資先も見えています。63%がガバナンス付きコンテキスト層を構築中または運用中ですが、本番投入まで到達したのは32%。この差分が支出の集中先です。調達の方向性としては、79%が層の一部を単一ベンダーのスタック外に残す意向で、単一プロバイダのネイティブ構成へ寄せる計画はわずか12%。Constellation Researchのアナリスト、Michael Ni氏は「ランタイムのコンテキストを制する者が、企業データのAI意思決定レイヤーを制する」と述べており、企業側もその主導権を手放したくないという構図が読み取れます。

💼 事業会社視点：これは自社にどう効くか

日本企業の役員がこの調査から取り出すべき論点は「失敗率の高さ」ではなく「自社の失敗率が測れているか」です。社内で「AIエージェントの誤答は特に報告されていない」という報告が上がってきたら、それは22%側、つまり検証していない可能性を疑う場面です。原因を「定義の壊れ」まで遡れる体制がなければ、失敗は数字にすら現れません。

実務では立場ごとに動きが違います。EC事業者なら、在庫・返品率・LTVの定義がPOS、EC、CRMで一致しているかを先に潰さないと、エージェント導入は誤答の量産装置になります。SaaS事業者は、選定基準でアクセス制御が24%と精度15%を上回った事実が示す通り、顧客の購買部門が真っ先に権限設計を見ることを前提に、テナント境界とデータ辞書を営業資料の一次情報にすべきです。受託開発・SIerにとっては、63%が構築中でも本番到達は32%という約30ポイントの溝が最大の商機で、PoCではなく「定義の合意形成と運用移管」を売る設計に切り替える価値があります。

調達方針も要注意です。79%が単��ベンダーへの集約を避けている以上、日本企業がありがちな「主要ベンダー一括おまかせ」は、AI意思決定レイヤーの主導権を外部に渡す判断になりかねません。まず主要KPI10個の定義を全社一本化し、その進捗をAI投資の前提条件として取締役会で管理することを勧めます。