ステージ1から2：Ad-HocからPilotへ、最も一般的なAI停滞ポイント

チームはすでにAIを使っています。ChatGPT、Copilot、Gemini、Perplexity、もしかするとそれ以外に何十も。誰も正確には把握していません。ポリシーはありません。予算行もありません。一部は個人のアカウントで使っています。何が機能していて、何が会社にリスクをもたらし、そのどれかがビジネスを前進させているかどうかも分かりません。それがステージ1です。

2026年のほとんどの企業がいる場所でもあります。McKinseyの調査では、生成AIをスケールで採用した企業はわずか11%であり、ほぼ三分の二は数パイロット以上に拡大していないことが分かっています。遅れているのではありません。多数派にいます。

ステージ1から2への移行は派手ではありません。新しいプラットフォームを購入したり、全社集会でAIイニシアチブを発表したりすることではありません。一つの意図的な選択をすることです。一つのユースケースを選び、オーナーを指名し、成功がどんな姿かを定義し、それを測定する。それだけです。

しかしこれはほとんどの企業がスキップするステップです。代わりにより多くのパイロットを発表し、委員会を立ち上げ、「適切な」AI戦略が出てくるのを待ち続けます。結果はステージ1の引きずりです。シャドーAIの問題が拡大し、コンプライアンスリスクが蓄積し、12ヶ月後に取締役会が会社が実際に何をしたか問います。

この記事はその移行を行うための具体的なPlaybookを提供します。

ステージ1が実際にどんな様子か

主要データ：ステージ1の現実

• ナレッジワーカーの78%が雇用主の明示的な承認なしに仕事で個人のAIツールを使っており、ほとんどの組織は従業員全体でどのツールが使われているかを知らない（Microsoft Work Trend Index、2024）
• AI対応データに裏付けられていないAIプロジェクトの60%が2026年を通じて中止される。データ準備状態の監査はパイロット開始前のステージ1で最も高いレバレッジのあるアクション（Gartner、2025）
• 生成AIをスケールで採用した企業はわずか11%。ほぼ三分の二は数パイロット以上に拡大していない。つまりステージ1から2への移行はエンタープライズAIで最も一般的な停滞ポイントである（McKinsey、2025）

ステージ1を抜け出す前に、そこにいることを認識する必要があります。診断のサインを示します。

在庫のない個人のツール使用。 従業員は承認していないAIツールを使っており、一部は存在すら知らないものを。数人は自腹を切っています。他の人たちは無料ティアを使っています。禁止されていないのはポリシーがないからです。

AIの正式な予算行なし。 AIへの支出は個人の経費精算、ソフトウェアサブスクリプション、AIと呼ばれない部門予算に埋もれています。CFO（最高財務責任者）は会社がAIに何を費やしているか言えません。

ITと法務は心配しているが権限がない。 ITはデータがChatGPTに入力されていると聞きました。法務は知的財産について漠然とした懸念を持っています。しかしどちらのチームもまだ何かをするための権限、マンデート、ガイドラインを持っていません。

ROIデータなし。 個人の従業員はAIが「時間を節約する」と言いますが、どれだけかを定量化したり、ビジネスアウトカムに結びつけたりできる人はいません。生産性向上は伝聞情報です。

競合するツールサブスクリプション。 複数のチームが同じ問題に対して異なるツールを評価したり軽く使ったりしています。営業は一つのAI営業ツールを検討しています。マーケティングは別のものにサインアップしたばかりです。彼らは互いに話しません。

AIツールのセキュリティレビューなし。 ベンダーは他のSaaSに適用される標準的な調達セキュリティレビューを経ていません。従業員のクレジットカードを受け取っただけです。

これらのうち三つ以上が当てはまるなら、ステージ1にいます。それで構いません。2026年のほとんどの企業がそこにいます。しかし安定した状態ではありません。

ステージ1が正常でありリスクでもある理由

ステージ1は失敗ではありません。すべての組織にAIが入ってくる方法です。従業員はリーダーシップがフレームワークを持つ前に実験します。それは初期段階では実際に健全です。問題はそこに留まり続けることです。

リスクは三つの次元で蓄積します。そしてリスクは現実です。GartnerはAI対応データに裏付けられていないAIプロジェクトの60%が2026年を通じて中止されることを発見しており、ガバナンスとデータ作業をスキップするステージ1の企業は高コストな失敗を設定しています。

データ露出。 従業員はそのコンテンツが機密かどうかを知らずに公開AIツールにコンテンツを貼り付けています。顧客レコード、財務予測、契約書の草稿、内部戦略文書。すべての貼り付けは潜在的なデータ露出です。AIツールに何が入力できて何が入力できないかを定義するポリシーなしでは、デフォルトは「すべてが入る」です。

知的財産とコンプライアンスリスク。 従業員がAIを使ってコンテンツ、コード、または分析を生成する場合、知的財産の所有権、偏見、規制コンプライアンスに関する問いに会社が承認した答えはありません。従業員は単独で行動しました。会社が責任を負います。

機会費用。 チームが調整なしで実験すればするほど、組織的な学習が蓄積されません。すべてのチームが同じプロンプトを再発明します。何が機能するかを誰も共有しません。会社はAIの価値を得ることなくAIの労力のために費用を支払います。

良いニュースは、ステージ2に移行するためにこれらすべてを解決する必要はないことです。一つの構造化されたパイロットを可能にするのに十分な量を解決する必要があります。

ステージ2の退出基準

ステージ2は目的地ではありません。新しいフロアです。ステージ2の組織と自称するための三つの要件があります。

三つすべてが真である必要があります。ポリシーはあるがパイロットがない場合、より良いガバナンスを持つステージ1です。パイロットはあるがポリシーがない場合、より良い実験をするステージ1です。ステージ2には両方が必要です。

最初のパイロットの選び方

ユースケースの選定はほとんどのステージ1から2への移行が失敗する場所です。チームは最も刺激的なユースケース（顧客向け、最も注目度が高い、最も難しいデータの問題）を選ぶか、最も声の大きい部門に選択を任せます。どちらのアプローチも機能しません。

適切なフレームワークには三つのフィルターがあります。順番に適用してください。

フィルター1：データ準備状態。 ユースケースを選ぶ前に、それをサポートするためのクリーンで、アクセス可能で、ポリシーで許可されたデータがあるかどうかを確認してください。データ準備状態はAIパイロットの最も一般的なサイレントキラーです。ビジネス的な魅力は大きいがデータの準備ができていないユースケースは失敗します。魅力は低いがデータが強固なユースケースは本物のことを教えてくれます。欲しいデータではなく、持っているデータから始めてください。

フィルター2：リスクプロファイル。 最初のパイロットには、顧客向けのExecute能力を避けてください。Executeアクションには直接的で目に見える結果があります。送信されたメール、更新されたレコード、変更された案件、届けられた回答。パイロットで物事がうまくいかないとき、インパクトを内部にとどめたいものです。各ユースケースをシンプルなリスクスケールで評価してください。低（内部のみ、人間が産出物をレビュー）、中（顧客向け、AIが下書きするが人間が送信）、高（完全に自動化された顧客とのやり取り）。パイロット1には低リスクのユースケースを選んでください。GenerateとExecuteの境界はなぜこの区別が最初のパイロットにとって重要かを説明しています。

フィルター3：インパクトポテンシャル。 低リスクでデータ準備のできた選択肢の中で、最も明確なビジネスインパクトを持つものを選んでください。節約された時間、改善された転換率、削減されたエラー率。これは大きくある必要はありません。測定可能である必要があります。

具体的な例。 50人のSaaS企業がこのフレームワークを適用して三つの候補を見つけます。（1）CRMデータを使ったAI支援リードスコアリング、（2）SDR（セールスデベロップメントレプ）向けのAI生成の初稿アウトバウンドメールシーケンス、（3）AIを活用したサポートチケットの分類とルーティング。

リードスコアリング（選択肢1）はフィルター1で不合格です。CRMのレコードの40%が不完全なデータを持っています。選択肢3は顧客の回答に触れるため彼らのリスク許容度でフィルター2で不合格です。選択肢2は三つすべてのフィルターに合格します。CRMとメールシステムにはクリーンなデータがあります。SDRチームの内部です。そして返信率と予約されたミーティングの率を直接測定できます。パイロット1はAI生成のSDRメールシーケンスです。

それが選定フレームワーク全体です。

パイロット憲章の構築

ユースケースを選んだら、それを正式化してください。パイロット憲章は長い必要はありません。存在する必要があります。

ステージ2のパイロット憲章には五つの要素があります。

1. 仮説。 何が起こると信じ、なぜかを述べてください。「AI支援SDRメールにより、担当者がプロスペクティング時間の40%をAIがより速くできるメールのパーソナライゼーションに費やしていることから、返信率が15%向上すると信じます。」

2. 成功指標。 一つの主要指標。五つではありません。一つです。SDRの例では：60日間でのAI支援シーケンス対コントロールグループシーケンスの返信率。

3. ベースライン測定。 パイロット開始前に測定された現在の状態。事前に測定しなければ後で証明できません。何も触れる前に現在の返信率データを取り出してください。

4. 時間的境界。 終了日のないパイロットは永遠に続きます。60日または90日を設定してください。最後にスケール、延長、または終了を決定します。三つすべての結果が有効です。無期限に実施し続けることは有効ではありません。

5. 名指しのオーナー。 一人がパイロット結果に説明責任を持ちます。委員会ではありません。ワーキンググループでもありません。時間的境界の最後に結果を提示する一人です。

五つすべてを埋められないなら、パイロットを始める準備ができていません。

「ステージ1から2への移行に必要なのは正確に一つのことです。仮説、測定可能なベースライン、名指しのオーナーを持つ一つのパイロット。戦略デッキでも、ガバナンス委員会でも、エンタープライズAIプラットフォーム契約でもありません。一つの限定的で測定可能な実験。それがハードルの全てです。」（Rework）

ステージ1から2への移行テスト（Stage 1-to-2 Crossing Test）

組織がステージ1の活動にラベルを付け替えるのではなく、ステージ2に真に達したことを確認する四つの問いによる診断です。問い1：書面によるAI活用ポリシーが存在し、すべての従業員が受領を確認したか？問い2：文書化された仮説と成功指標を持つ正確に一つの名指しのパイロットがあるか？問い3：パイロット開始前にベースライン測定が収集されたか？問い4：パイロットに名指しのオーナーと定義された終了日があるか？いずれかの答えが「いいえ」であれば、組織はまだステージ1です。移行テストは意図的に厳しくしています。活動量ではなく、ガバナンスと構造を測定するからです。

ステージ2のための最小限のガバナンス

ステージ2のAIポリシーは40ページの法的文書である必要はありません。五つのことをカバーする必要があります。

承認されたツールリスト。 従業員が使用を許可されている特定のAIツールと、許可される条件。既に使われているものから始めて公式にしてください。新しいツールの承認基準を追加してください。

データ制限。 明示的な承認なしに外部AIツールに入力できないデータカテゴリー。最低限：顧客の個人識別情報（PII）、財務予測、M&A関連コンテンツ、機密契約。この一つの決定でステージ1のコンプライアンスリスクの大部分を排除します。

新しいツールリクエストプロセス。 従業員が新しいAIツールを承認してもらう方法。軽量に保つ：フォーム、名指しのレビュー担当者（ITまたは法務）、5営業日での折り返し。目標は採用をブロックすることではありません。記録を作成することです。

インシデント報告。 AIツールが何か問題を起こした場合に従業員がすべきこと：顧客に誤った産出物が送信された、意図せずデータが露出した、モデルが差別的なコンテンツを生み出した。「[名前]にすぐメールする」というシンプルなものでも説明責任を生み出します。

非使用ゾーン。 AIが人間のレビューなしに行えない特定の意思決定。規制された意思決定（与信、採用、医療）がフロアです。業界固有のものを追加してください。

このポリシーは有用であるために法的署名を必要としません。存在して共有される必要があります。学びながら洗練してください。

AI活用ポリシーの構築でこれをセクションごとのガイダンスとともに完全に詳しくカバーしています。

コミットする前のデータ準備状態チェック

ほとんどのステージ1の企業は、AIパイロットに対してデータがどれほど準備できていないかに驚きます。ユースケースにコミットする前に、五つの問いによる監査を実施してください。

1. AIが必要とするデータに今日、複数週間のITプロジェクトなしにアクセスできるか？
2. 主要なフィールドは少なくとも70%が入力されているか、またはnullのギャップが大きいか？
3. データは現在のビジネスの現実を反映するのに十分に新しいか？
4. 一つの権威あるソースがあるか、それとも矛盾するレコードを持つ競合するシステムがあるか？
5. 法務またはセキュリティはこのデータカテゴリーが外部AIツールでの使用について承認されているか？

二つ以上の問いに「いいえ」または「分からない」と答えた場合、そのユースケースにはパイロットの失敗として表面化するデータ準備状態の依存関係があります。最初にデータを修正するか、別のユースケースを選んでください。データ準備状態の記事で完全な監査フレームワークを提供しています。

一般的なステージ1から2への失敗モード

失敗モード1：間違った最初のパイロットの選択。 最も注目度が高く最も刺激的なユースケースはほぼ常に適切な最初のパイロットではありません。顧客向けで、リスクが高く、データが乏しい。刺激的で複雑なものより、退屈で測定可能なものを選んでください。

失敗モード2：ベースラインの省略。 「パイロットの後にROIを考える」は証拠ではなく議論を生み出します。何かを変える前に常に測定してください。測定を忘れてパイロットがすでに実施中の場合、止めて今測定してください。何らかのベースラインはないよりましです。

失敗モード3：ポリシーの麻痺。 一部の組織はパイロットを開始する前に完璧なAIポリシーを書こうとします。法務、IT、コンプライアンス、HRに相談します。ポリシーのレビューが六ヶ月かかります。その間にシャドーAIが拡大します。既知のギャップを持つ作業中の草稿は、まだ存在しない完璧なポリシーに勝ります。

失敗モード4：あまりにも多くのパイロット。 「より速く学ぶために五つのパイロットを並行して実施すべきだ」。違います。単一のオーナー、コントロールグループ、共有インフラのない五つのパイロットは五つの決定的でないデータポイントを生み出します。適切な測定で適切に実施された一つのパイロットが一つの本物の答えを生み出します。

失敗モード5：パイロット中に指標を変更する。 パイロットが期待した結果を生み出していない場合、指標を切り替えたい誘惑があります。しないでください。指標は憲章で設定されています。パイロットが元の指標で失敗した場合、それは有用な情報です。「AIメールシーケンスは返信率を改善しなかった」は本物の発見です。失敗しているパイロットを救うために途中で別の指標に変えると誤解を招くデータが生まれます。

ステージ2が実際にどんな感じか

ステージ2の組織は、どこか（共有ドライブ、会社ハンドブック）にポリシーが掲示されており、憲章とオーナーを持つ一つのパイロット、開始日、予定されたフィードバック、そしてファイルに記録されたベースライン測定があります。本当にそれだけです。

トランスフォーメーションのようには感じられません。正しく管理された一つの小さなプロジェクトのように感じられます。それが要点です。

トランスフォーメーションは、この単一のパイロットがうまく実施されることで、ステージ3のケースを構築する本物のデータを生み出すために起きます。ステージ2の基盤なしにステージ3に突進する企業は、複数のAIツール、共有インフラなし、そのどれかが機能するという証拠なしに自分たちを見つけます。ステージ1のデータ基盤の上にステージ3の複雑さを構築しています。

Rework分析： エンタープライズAI移行パターンに基づくと、CEOがマンデートを設定したミッドマーケット企業がステージ1から2への移行テストを完了するまでの中央値の時間は8〜14週間です。遅延の最も一般的な原因はベースライン測定の要件です。パイロット前の指標を簡単に取り出せないことを発見したチームはデータ準備状態の問題があることを認識します。この遅延は実際に価値があります。パイロットを殺した後ではなく、殺す前にデータのギャップを表面化させるからです。

ステージ2は地味です。それでもやってください。

次に来るもの

最初のパイロットが完了してスケール/延長/終了の決定をしたら、パイロットから本番への移行について考える準備ができています。その移行（ステージ3への移行）にはその固有の要件、インフラの意思決定、失敗モードがあります。次のステップはマチュリティカーブ全体で最も難しいものです。

読む：ステージ2から3：PilotからScaledへで本番展開チェックリストとインフラ要件を確認してください。

読む：AIマチュリティの5ステージでこの移行が完全なマチュリティモデルにどう位置づけられるかを確認してください。

そしてトランスフォーメーションが持続するかどうか疑問に思っているなら、なぜほとんどのAIトランスフォーメーションは失敗するのかでほとんどの組織がステージ間で停滞する構造的な理由をカバーしています。

関連記事：

• CEOのための18ヶ月AI議題：フェーズ1（評価とガバナンス）がどのようにステージ1から2への移行にマッピングされるか
• ACE Framework：AIタスクを定義するときにパイロット憲章が使うべき能力の語彙