レガシーな基幹システムを抱える企業でAIエージェントの導入を検討している設計担当者やPMに向けて、よくある落とし穴を整理します。「まず基盤を整備してからAIを載せる」という進め方が、なぜ成果を遠ざけるのかを掘り下げます。
銀行のような大規模なレガシー資産を持つ組織でパーソナルファイナンスエージェント（家計管理を支援するAIエージェント）のような新機能を作る場合、進め方は大きく2つに分かれます。ひとつはコア主導型で、基幹システムの刷新やデータ統合基盤の構築を先に終わらせてからAIを載せる進め方です。もうひとつはアウトカム主導型で、達成したい顧客価値を先に定義し、それに必要な範囲だけ基盤に手を入れる進め方です。
何が起きるか：初回リリースが「年単位」で遅延する
コア主導型を選ぶと、顧客が価値を体感できるまでの期間が数年単位に伸びます。
基幹システムの安定化、データウェアハウスでのデータ統合、API層の整備という3段階を順番にこなしてからでないと、エージェントを載せる土台が完成しないという発想だからです。
同じ銀行、同じ野心、同じレガシー資産という条件でも、アウトカム主導型なら初回リリースは「四半期単位」で顧客に届きます。差はアーキテクチャの選択そのものにあります。全体を近代化する前提を置くか、特定の顧客成果に必要な範囲だけ手を入れるかの違いです。
遅延そのものより深刻なのは、遅延の間に投資判断の材料が何も得られないことです。数年後にリリースしてから「顧客に刺さらなかった」と分かっても、撤退や方向転換のコストは既に基盤投資分だけ膨らんでいます。
なぜ起きるか：判断基準を後回しにする設計の癖
原因を段階的に分解すると、3つの層が見えてきます。
1つ目は、「モダナイゼーションはAI導入の前提条件」という思い込みです。
レジリエンス（システムが障害から回復する能力）、規制対応、コスト構造、特定の顧客成果のいずれかが要求する場合にだけ、コアへの投資は正当化されます。それ以外は後回しにできる投資です。
2つ目は、KPI（重要業績評価指標）を「撤退判断のための閾値」ではなく「進捗報告のための数値」として設計してしまうことです。
進捗報告用の指標は「今どれくらい進んだか」しか示しません。撤退判断用の指標は「このまま続ける価値があるか」を判定します。この2つを混同すると、数字は集まるのに意思決定には使えないダッシュボードが出来上がります。
3つ目は、比較対象の設定ミスです。
無料の汎用AIアシスタントは既に顧客のスマートフォンに入っています。銀行が作るエージェントが「汎用アシスタントより優れているか」を測らずに、社内的な完成度だけで評価すると、リリース後に初めて競争力の欠如に気づくことになります。
自分のプロジェクトが該当するか確認する方法
以下の観点で、現在進行中のAIエージェント関連プロジェクトを点検してみてください。
- ロードマップの依存関係図を開き、AI機能のマイルストーンが「基盤刷新完了」に直接ぶら下がっていないか確認する
- 投資稟議書やプロジェクト計画書に、撤退や縮小の判断基準（数値の閾値と判定時期）が明記されているか確認する
- KPIダッシュボードの各指標について、「この数値がある値を下回ったら何をするか」に即答できるか自問する
- 競合比較の対象が、社内の旧バージョンだけでなく、無料で使える汎用AIツール（ChatGPTなど）になっているか確認する
- 最初のリリース範囲が、基幹システム全体の改修を含んでいないか、読み取り専用の小さな機能から始められないか確認する
これらのうち2つ以上に該当する場合、コア主導型の罠にはまっている可能性があります。
対策の手順
ステップ1: 顧客の問いを1文で書き出す
「残高はいくらか」のような機能的な問いではなく、「世帯収入が20%減ったら住宅購入計画はどうなるか」のような、顧客が本当に知りたい問いを specific に言語化します。
ステップ2: 撤退基準を先に数値化する
本格投資の前に、「何ヶ月後に」「どの指標が」「どの値を下回ったら」縮小や撤退を検討するかを合意します。
判定に使う指標は、汎用AIとの比較で測れるものを選びます。例えば「推奨事項のうち顧客が実行に移した割合」「連携した金融機関の数」「顧客が自律設定を変更した割合」などです。
ステップ3: 基盤投資はスコープを絞って着手する
全体刷新ではなく、「この顧客成果を実現するために必要な最小限のデータ・API」だけを特定し、そこだけ先に整備します。
レジリエンス・規制対応・コスト構造・特定顧客成果のいずれかに紐づかない基盤投資は、いったん保留にして構いません。
ステップ4: 読み取り専用の小さな初回リリースを出す
口座を横断して見られるだけの読み取り専用版など、権限を絞った小さな機能から着手し、数ヶ月単位でフィードバックを得ます。
書き込みや自動実行の権限は、信頼スコアや誤答率などの指標が基準を満たした段階で段階的に拡大します。
ステップ5: 定点観測のタイミングを事前に決める
例えば「6ヶ月後にレビュー、9ヶ月後に判定」のように、評価のタイミングをカレンダーに先に入れておきます。
判定時に基準未達なら、投資配分を別の領域や別市場に振り替える判断を、感情論抜きで実行できるようにしておきます。
まとめ
AIエージェント導入の遅延は、多くの場合「基盤整備が前提条件」という思い込みから始まります。
投資判断を誤らないための要点は次の3つです。
- 基盤投資は「AI導入の前提」ではなく、レジリエンス・規制・コスト・顧客成果のいずれかが要求する場合にだけ正当化する
- KPIは進捗報告用と撤退判断用を分けて設計し、後者には具体的な数値の閾値と判定時期を必ず添える
- 比較対象は社内の旧バージョンではなく、顧客が既に無料で使っている汎用AIツールに置く
次に着手できる一歩として、現在のロードマップを開き、AI機能のマイルストーンが基盤刷新完了に依存していないか、撤退判断の数値基準がドキュメント化されているかの2点をまず確認してみてください。