多くの企業では、IT部門とAI部門が同じ「テクノロジー組織」として扱われている。しかし、ITが安定性、標準化、統制を重視する一方、AIは実験、柔軟性、迅速な学習を重視するため、両者は構造的に衝突しやすい。重要なのは、どちらかに合わせることではなく、役割、データ、ガバナンス、KPIを再設計し、双方の強みを一つの事業成果へ結びつけることである。
1. 対立の原因は「能力差」ではなく、前提の違いである
ITとAIでは、そもそも重視するものが異なる。ITは、
- 安定性
- セキュリティ
- 監査可能性
- 標準化
を優先する。一方、AIは、
- 実験
- 学習速度
- 柔軟性
- 新しい価値創出
を重視する。どちらも正しい。問題は、異なる前提のまま同じ仕事を進めようとすることである。
2. 「データ」の定義を広げる
AI時代には、従来の構造化データだけでは不十分である。価値を生むのは、
- 通話記録
- メール
- 契約書
- 文書
- ワークフロー履歴
- 顧客との会話
といった非構造化データでもある。重要なのは、「何がデータか」を議論することではなく、「どの情報が顧客や事業の意思決定を改善するか」という共通目的で捉え直すことである。
3. 「スピードか統制か」という二者択一をやめる
AI部門はITを遅いと感じ、IT部門はAIを危険だと感じやすい。しかし必要なのは妥協ではなく、責任分担の明確化である。
例えば、
- IT：インフラ、セキュリティ、レジリエンス、コンプライアンス
- AI：モデル開発、実験、AI製品の実装
と役割を明確にする。さらにAIを一括りにせず、分析型AIと生成AIなど、リスク特性に応じてガバナンスを変えることが有効である。
4. AIの成熟度はIT基盤に依存する
AIは、優れたモデルだけでは本番環境で機能しない。必要なのは、
- 一貫したデータ
- 安定したシステム連携
- リアルタイム性
- 共通識別子
- モニタリング
といったIT基盤である。そのため、AI活用を一律に進めるのではなく、
- 基盤依存が低いAI
- データ品質に依存するAI
- 強固なIT基盤が不可欠なAI
に分類し、準備状況に応じて進める必要がある。
5. 共通KPIで両部門をつなぐ
ITとAIが別々の指標で評価されると、それぞれが自部門最適を追求する。そこで、
- 顧客体験
- 売上
- コスト
- リスク低減
- 業務品質
など、共通する事業成果をKPIに設定する。プロトタイプ数やパイロット数ではなく、「事業価値」と「実装準備度」を測ることで、両者の行動を同じ方向へ向けられる。
結論
IT部門とAI部門の摩擦は、なくすべき問題ではない。それは、
- 安定性と速度
- 統制と実験
- 標準化と柔軟性
という、企業に必要な二つの力の衝突である。重要なのは、
- データの定義を広げる
- 役割と責任を明確にする
- AIをリスク特性で分類する
- IT基盤とAIロードマップを連動させる
- 共通KPIで評価する
ことである。競争優位を生むのは、ITかAIのどちらか一方ではない。ITの堅牢性とAIの探索力を統合し、事業成果へ変換できる組織なのである。
詳細は下記参照。定期購読登録が必要です。
“AI and IT Teams Often Clash. But They Don’t Have To.,” HBR.org, July 31, 2026.