Gartnerは2025年6月25日、agentic AIプロジェクトの40%以上が2027年末までに中止されると予測しました。理由として挙げたのは、コストの増加、ビジネス価値の不明確さ、リスク管理の不足の3点です。これは「40%がすでに中止された」という実績値ではなく、現在の導入の進め方が続いた場合の2027年末までの予測です。
予測を恐れるだけでは、自社のAIエージェント導入は判断できません。重要なのは、デモやPoCの成功を本番の価値と取り違えず、業務に必要な自律性・運用コスト・監督方法・撤退条件を先に測るROI評価です。Gartnerの発表と関連研究をもとに、過度な期待に投資を固定しないための見極め方を示します。
※本記事は2026年8月時点の情報です。
Gartnerの「40%」は何を意味するのか｜中止実績ではなく2027年末までの予測
Gartnerの発表文は、2027年末までにagentic AIプロジェクトの40%以上が、コストの増加、明確なビジネス価値の欠如、リスク管理の不十分さを理由に中止されると予測しています。記事や社内資料で使うときは、「Gartnerが40%の中止を確認した」ではなく、「Gartnerが40%以上の中止を予測した」と書く必要があります。
| 数字・表現 | Gartner発表から確認できる意味 | 誤解してはいけないこと |
|---|---|---|
| 40%以上 | 2027年末までに中止される可能性についてのGartnerの予測 | 2025年時点ですでに40%が中止された実績値ではない |
| 19% | 2025年1月のGartner調査で、agentic AIへ大きな投資をしたと答えた回答者の割合 | 成功率や中止率ではない |
| 42% | 同調査で、保守的な投資をしたと答えた回答者の割合 | 本番定着率ではない |
| 31% | 同調査で、様子見・不明とされた回答者の割合 | 案件の失敗を示す数字ではない |
Gartnerは、2025年1月に3,412人のウェビナー参加者へ行った調査の投資状況も紹介しています。ただし、この調査の数字は投資姿勢に関する回答であり、40%の予測を実績で裏付ける中止率ではありません。数字の分母と時点を分けて読むことが、「40%」を過度に強い見出しへ変えないための第一歩です。
ポイント
「40%」は2027年末までの中止予測であり、実績値でも投資調査の数字でもありません。分母と時点を分けて引用します。
中止につながる3つの論点｜コスト・価値・リスク管理
Gartnerが挙げる中止理由は、モデルが賢いかどうかだけではありません。複数回の推論、ツール呼び出し、監視、データ連携、人の確認が増えれば、単純なチャットよりコストと運用負荷が増えます。
業務成果を測る指標が曖昧なまま自律性だけを高めると、投資の正当化が難しくなります。また、権限や監査、停止方法が未整備なら、価値が見えていても本番展開を止めざるを得ません。
自律性を足す前に、通常の自動化やアシスタントで足りないかを問う
Gartnerは、現在「agentic」として売られているユースケースの中には、エージェント実装を必要としないものがあると説明しています。定型処理ならワークフロー自動化、情報検索ならアシスタント、判断や複数ステップの調整が必要な業務ならエージェントというように、必要な自律性を見極める方が、導入目的とコストを合わせやすくなります。
AIエージェントの導入を考える際は、成果事例の数字だけでなく、対象業務、権限、承認、監査ログ、失敗時の引き継ぎを確認しましょう。AIエージェント導入事例も、削減時間だけでなく、運用条件まで比較すると自社で再現できるかを判断しやすくなります。
ポイント
中止は性能不足だけが原因ではありません。コスト、業務価値の指標、権限・監査・停止条件の3点を、必要な自律性の見極めとあわせて確認します。
研究が示す失敗要因｜モデルを替えるだけでは解決しない場合がある
クラウド障害の根本原因分析を扱った研究では、5つのLLMを使って1,675回のエージェント実行を調べ、推論、エージェント間通信、実行環境にまたがる12種類のピットフォールを分類しました。最も多かったものとして、データの解釈を誤って物語を作る失敗と、関連する指標やコンポーネントの探索を途中で止める失敗が報告されています。
| 失敗の層 | 確認されたパターン | 案件評価への影響 |
|---|---|---|
| 推論 | 幻覚的なデータ解釈、探索不足、症状を原因と誤認 | もっともらしい報告でも、原因特定や判断の根拠が弱くなる |
| データ・実行 | コード生成エラー、限定的なテレメトリ、時刻エラー、クロス検証不足 | 必要な情報を見ていないまま「調査済み」と判定し得る |
| エージェント間 | 指示とコードの不一致、反復、証拠の取り違え | マルチエージェント化で処理量が増えても、誤りの連鎖を招き得る |
| 環境 | メモリ不足、ステップ上限の消費 | 推論品質とは別の理由で、処理が途中終了する |
この研究の数値は、OpenRCAという特定ベンチマークでの研究結果です。AIエージェント案件全体の失敗率や、Gartnerの40%予測を直接証明するものではありません。一方、案件が止まる前に「モデルの回答が悪い」とだけ考えず、データ範囲、通信方式、ツール、計算資源、評価方法を分解して調べる必要があることを示します。
国際AI安全性報告書2026も、エージェントの信頼性評価は限定的で標準化されておらず、配備前の評価では実環境で初めて現れる問題を捉えられない場合があると整理しています。エージェントを他のツールやエージェントへ接続するほど、監視、透明性、人の監督、インシデント分析を設計に含めることが重要になります。
ポイント
失敗はモデル性能だけで決まりません。データ探索、通信、実行環境、評価方法を分解し、監視と人の監督を設計に組み込みます。
幻の成功にしない｜PoCから本番へ進めるための評価ゲート
デモの成功条件と、本番の継続条件を分ける
PoCでは「できること」を示せても、本番では「毎日、許容コストで、事故時に戻せること」が問われます。評価ゲートでは、次の項目を一つの表にして、未達なら自動的に次段階へ進めない仕組みにします。
- 業務価値：削減時間、品質、処理件数、売上、顧客対応など、誰が見ても判断できる指標を置く
- 必要な自律性：検索、提案、起票、更新、承認のどこまでをエージェントに任せるかを分ける
- 総コスト：モデル利用料、ツール利用料、監視、人のレビュー、障害対応、データ整備を含めて測る
- 品質と再現性：代表ケース、難しいケース、失敗ケースを固定し、ベースラインと比較する
- 統制：エージェントID、最小権限、監査ログ、外部送信制御、人の承認、停止方法を確認する
- 撤退条件：費用上限、誤操作、品質下限、改善期限、代替手段を事前に決める
AIエージェントの本番運用では、AgentOpsの監視・評価・ガードレールをPoCの後付けにしないことが大切です。成功した処理だけでなく、拒否、手動介入、再試行、停止、権限エラーも記録すれば、継続・縮小・中止の判断がしやすくなります。
ポイント
業務価値・自律性・総コスト・品質・統制・撤退条件を一つの評価表にし、未達なら次段階へ進めない仕組みにします。
まとめ｜40%予測を恐れるより、自社案件の中止条件を先に決める
Gartnerの「40%以上」は、2027年末までに中止されるagentic AIプロジェクトの割合についての予測であり、すでに起きた実績値ではありません。発表が示す論点は、コスト、ビジネス価値、リスク管理です。研究も、失敗はモデルの性能だけでなく、探索、通信、ツール、環境、評価の設計から生じ得ることを示しています。
導入を進める企業は、エージェントを使うこと自体を成功とせず、業務価値、総コスト、品質、権限、監督、停止条件を同じ評価表で追います。必要なら通常の自動化やアシスタントへ戻す選択肢も残しておくことが、幻の成功に投資を固定しないための現実的な備えです。
ポイント
40%予測を市場全体の失敗率として恐れるのではなく、自社案件の評価表と撤退条件を先に決める材料として使います。
よくある質問（FAQ）
Q. Gartnerの「AIエージェント案件の40%が中止」は実績値ですか？
いいえ。Gartnerが2025年6月25日に公表した、2027年末までにagentic AIプロジェクトの40%以上が中止されるという予測です。2025年時点ですでに40%が中止されたという意味ではありません。
Q. Gartnerは中止の理由を何と説明していますか？
コストの増加、明確なビジネス価値の不足、リスク管理の不十分さを挙げています。また、現在agentic AIとして扱われるユースケースの中には、エージェント実装を必要としないものがあると説明しています。
Q. 40%予測を自社の導入判断にどう使えばよいですか？
市場全体の中止率として自社案件に当てはめるのではなく、評価項目の抜けを確認する材料にします。業務価値、総コスト、品質、必要な自律性、権限、監査ログ、停止条件をPoCの段階から測り、未達時の縮小・中止・代替手段を先に決めます。
Q. 高性能なモデルに替えれば中止リスクは下がりますか？
下がる可能性はありますが、保証はできません。クラウド障害分析の研究では、複数モデルに共通する失敗が観察され、エージェントの構成や通信、データ探索の設計も影響していました。モデル選定と同時に、評価・監視・権限・業務フローを検証する必要があります。
参考情報：
Gartner「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」
Taeyoon Kimほか「Why Do AI Agents Systematically Fail at Cloud Root Cause Analysis?」
Eduard Paul Enoiu「(Over)Reliance on Test Agents in AI-Assisted Software Testing」
International AI Safety Report 2026
関連記事
- AIエージェント導入事例と統制の考え方
- AgentOpsでAIエージェントを可観測にする
- 野良AIエージェントの統制
- MCP 2026-07-28仕様の解説
- Gemini Enterpriseのエージェント管理
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。