「AIは使っている。でも、何が良くなったのか説明できない」
最近、経営者やIT部門の方から、こんな声をよく聞きます。
「社員はAIで文書を作ったり、議事録を要約したりしている。でも、会社として何が良くなったのかと聞かれると答えにくい」
これは一部の会社だけの悩みではありません。
PwC Japanグループの調査（2026年春、6カ国比較）によると、日本企業の生成AIの活用・推進度は87%に達しています。ところが、効果が「期待を大きく上回った」と答えた企業は、日本では9%にとどまりました。米国は38%、英国は32%で、日本は6カ国の中で最下位です。
「使っている」と「成果が出ている」の間に、大きな差があるということです。
米国の大手企業も、同じ壁にぶつかっている
では、米国企業はうまくいっているのかというと、そう単純でもありません。
日経クロステックが紹介した北米のAIカンファレンスのレポートによると、米国の大手企業では、要約・下書き・検索といった「作業単位での活用」はおおむね一巡しています。いまは業務プロセス全体をAI前提で組み直し、AIが業務を回して人が要所で判断する段階に進もうとしています。
そして、多くの企業がこの段階で苦戦しています。
たとえば米スターバックスでは、次のような課題が挙がっていました。
- 音声で注文を受けるAIは作れても、その先のメニュー・在庫・レジとつなぐところが難しい
- 行列の待ち時間をAIで推定しても、それを人員配置のルールや店長の承認の流れに組み込むには、業務そのものを組み替える必要がある
同社が得た教訓は、「AIモデルより先に業務フローを見直す」「成果はビジネスの指標で測る」というものでした。
成果が出ない2つの原因
日米の状況を並べてみると、成果が出ない原因は大きく2つに整理できます。
原因1：業務・IT・AIをまとめて設計できる人がいない
AIは完璧ではありません。そのため、業務にAIを組み込むには「どこをAIに任せ、どこで人が判断するか」を決める必要があります。
これは技術の問題ではなく、業務設計の問題です。
また、一部の作業だけをAIで速くしても、全体は速くなりません。たとえばAIでプログラムを書く量が10倍になっても、レビューが人手のままなら、レビュー待ちが積み上がるだけです。ボトルネックが後ろの工程に移るだけで、全体の成果は変わりません。
業務の流れ全体を見て、AIとシステムと人の役割を設計できる人がいるかどうか。ここが分かれ目になります。
原因2：効果の測り方がずれている
よく使われるのが、「対象人数 × 削減時間 × 時間単価」で効果を金額に換算する方法です。
しかし、浮いた時間で人員を減らしたり、別の業務に移したりしなければ、この金額は実際の利益にはなりません。
米国では、AI導入をきっかけに人員削減や配置転換を大胆に行うことができます。一方、日本では労働法制や雇用慣行の面から、同じやり方は取りにくいのが実情です。
つまり日本企業が「削減時間」だけで効果を測ると、どうしても成果が見えにくくなるのです。
私見：日本企業は「売上側」と「人を育てる力」で勝負する
私は、企業の中で生成AIの予算管理が課題になり始めており、今後は費用対効果がより厳しく問われる局面に入ると考えています。
そのとき日本企業が取るべき道は、コスト削減一本ではないはずです。
マーケティングや営業の強化など、売上を伸ばす側にAIを使うこと。顧客接点や提案の質が上がれば、人員を減らさなくても成果は数字に表れます。これが日本企業の競争力強化につながる現実的な道筋だと思います。
もう一つは人材です。
発注側・受注側の両方でシステム導入に関わってきた経験から言えば、プロジェクトの成否を分けたのは、いつも「業務とシステムの両方を理解した人」がいるかどうかでした。AIの時代も、これは変わりません。
いつの時代も、適切な人材育成と人員配置が鍵です。人をじっくり育てる日本企業の文化は、AI導入ではむしろ強みになるかもしれません。
進め方：中堅・中小企業はここから始める
大きな投資をしなくても、次の順番で進めれば成果は見えやすくなります。
- 業務の流れを書き出す：AIを使う前に、対象業務の流れとボトルネックを確認する
- 用途を絞る：効果が見込める業務を1〜2個に絞り、優先順位を付ける
- 効果の指標を先に決める：削減時間だけでなく、売上・受注率・リードタイムなど経営の指標で測る
- 人の役割を決める：AIに任せる部分と、人が確認・判断する部分を明確にする
- 設計できる人を育てる：業務とITの両方がわかる人を社内に置き、外部の専門家も活用する
チェックリスト：自社のAI活用を点検する
目的と用途
- [ ] AIを使う目的を「業務単位」で説明できる
- [ ] 優先する用途が決まっている
業務設計
- [ ] 対象業務の流れとボトルネックを把握している
- [ ] AIに任せる部分と人が判断する部分が決まっている
効果測定
- [ ] 導入前にKPIを設定している
- [ ] 削減時間だけでなく、売上や顧客への効果も評価している
人材
- [ ] 業務とITの両方がわかる担当者がいる
- [ ] その人材を育てる計画がある
一つでもチェックが付かない項目があれば、そこが成果につながらない原因かもしれません。
まとめ
AIで成果が出るかどうかは、ツールの性能よりも「業務をどう設計するか」「効果をどう測るか」で決まります。
日本企業は、米国のように人員削減で成果を出すやり方は取りにくい環境にあります。だからこそ、売上を伸ばす側にAIを使い、業務とITをつなげる人材を育てることが、遠回りに見えて確実な道だと考えています。
出典
- PwC Japanグループ「生成AIに関する実態調査2026 春 6カ国比較」 https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2026.html
- 日経クロステック「スターバックスが学んだ『AI導入後』の教訓、米企業もROI創出に苦戦」（2026年11月2日） https://xtech.nikkei.com/atcl/nxt/column/18/03807/102700001/
コメント