社内でAIが使われ始めた、という段階の方へ
社内の何人かが生成AIを使い始めた。止める理由もないので黙認している。ただ、これを会社としてどう扱えばいいのかは決めていない。この記事は、その段階の方に向けて書いています。
総務省が2026年7月24日に公表した令和8年版情報通信白書の企業向け調査で、この状態が日本に固有のものだと分かりました。
導入率では、もう差はほとんどありません
自社の何らかの業務で生成AIを利用していると回答した日本企業は**86.4%**でした。前年度調査の55.2%から大きく伸びています（令和8年版情報通信白書 概要・2026年1〜2月調査）。
| 国 | 2025年度 | 2024年度 |
|---|---|---|
| 日本 | 86.4% | 55.2% |
| 米国 | 90.9% | 90.6% |
| ドイツ | 91.6% | 90.3% |
| 中国 | 98.1% | 95.8% |
昨年まで日本だけが半分程度でした。今年はほぼ横並びです。「日本は生成AIの導入が遅れている」という説明は、少なくとも導入率については使えなくなりました。
差が残っているのは、決め方のほうです
同じ調査で、生成AIによる業務変革への組織的な取組状況を聞いています。
「組織的な取り組みはない」と答えた割合は、次のとおりです。
| 国 | 割合 |
|---|---|
| 日本 | 27.0% |
| ドイツ | 4.9% |
| 中国 | 2.6% |
| 米国 | 1.4% |
日本の27.0%に対し、米国は1.4%です。19倍の開きがあります。導入率では5ポイント差まで詰めた一方で、この項目だけ桁が違います。
日本の内訳はこうです。全社横断で事業変革に取り組んでいるが21.5%、各部署での最適化が32.4%、個人の生産性向上に組織的に取り組んでいる（業務自体の変革には至っていない）が11.7%、そして取組なしが27.0%、わからないが7.4%。
「わからない」を足すと3割を超えます。使っているのに、会社として何をしているか答えられない状態です。
環境整備の項目でも同じ傾向が出ています。「特に実施している施策はない・把握していない」と答えた日本企業は19.9%。他の3か国はいずれも0.3〜0.7%でした。
効果を実感しやすい用途ほど、事業への影響は小さい
ここが、この白書でいちばん読む価値のある部分です。
業務類型ごとに「生成AIの活用効果を感じる割合」を聞いた結果が、日本ではこうなりました。
| 業務類型 | 効果を感じる割合 |
|---|---|
| 議事録・メール作成補助 | 72.3% |
| 社内ヘルプデスク | 42.7% |
| 製造・生産 | 39.8% |
| 研究・商品開発 | 39.1% |
| 営業・販売 | 37.5% |
| マーケティング・広報 | 36.6% |
| 調達 | 25.9% |
議事録・メール作成補助が突出しています。研究・商品開発の倍近い。
素直に読めば「議事録から始めるのが正解」に見えます。ただ、活用状況の内訳を見ると別の絵になります。議事録・メール作成補助で最も多い回答は「従業員が個人作業の効率化で活用している」の35.2%でした。業務プロセスがAI中心に変更されているは11.3%にとどまります。
つまり、効果実感が最も高い用途は、個人が自分の手元で完結できて、効果が自分で分かる用途です。会議の議事録が10分で上がれば、書いた本人は確実に速くなったと感じます。
一方、研究・商品開発や製造・生産で効果を測るには、工程をまたいだ比較が要ります。効果が出ていても本人の実感には表れにくい。逆に、実感が薄いから効果がないとも言い切れません。
効果実感は、業務の重要度ではなく、効果の見えやすさに従って並びます。 社内アンケートで「どこで効果が出ていますか」と聞いて投資先を決めると、いちばん浅いところに寄ります。
白書は、比較できない数字に注記を付けています
個人の利用状況も出ています。日本で生成AIサービスを使ったことがあると答えた人は58.8%、前年度は26.7%でした。倍以上です。
ただし白書は、この数字にはっきり注記を置いています。2023年度・2024年度の調査は20歳以上が対象でしたが、2025年度は新たに15〜19歳を加えました。**同じ20歳以上で見た2025年度の利用率は52.2%**です。
58.8%と26.7%を並べて「1年で2.2倍」と書くと、調査対象の変更ぶんが混ざります。
この注記の付け方は、資料としては誠実な部類です。ベンダーの提案書で見る数字にこの種の但し書きが付いていることは、あまり多くありません。数字を受け取る側の確認点はAI開発の生産性200倍は何を測った数字かで整理しています。
27%から出るために決めること
「組織的な取り組みはない」から抜けるのに、全社DX計画は要りません。決めるべきことは、実務上は次の5つに収まります。
個人利用から組織利用へ移すときに決める5点
- 入れてよいデータの線引き: 顧客情報、個人情報、未公開の財務情報、他社との秘密保持契約の対象。どれを入れてよく、どれが禁止か
- 使ってよいサービス: 契約したものだけか、個人アカウントも可か。学習に使われない設定になっているか
- 成果物の扱い: AIが作ったものを社外に出すとき、誰が確認するか。確認した記録をどこに残すか
- 効果の測り方: 何を測って効果とするか。実感ではなく、時間・件数・エラー率のどれかで定義する
- 次に広げる業務: 議事録の次にどこへ広げるか。その判断を誰がいつ行うか
経営会議に1枚で出せる粒度です。ここが決まっていれば、白書のいう「組織的な取組」の側に入ります
1つ目のデータの線引きは、「社内データを外に出せない」と言う前に確認する3つの層で具体的に扱っています。外に出せないデータが多い場合の選択肢はローカルLLMとは 社内データを外に出さずにAIを使う仕組みと限界にまとめました。
使っているかではなく、決めたかで見ます
導入率で他国に追いついたことは、この1年の成果です。ただ、86.4%という数字は「うちも使っている」という以上のことを何も保証しません。
同じ調査の中で、日本だけが桁違いに高かったのは「組織的な取り組みはない」の27.0%でした。そして効果を実感できている場所は、個人が自分の手元で完結できる用途に偏っています。
次の1年で差がつくのは、導入率ではありません。決めた会社と、決めていない会社の間です。
進め方の全体像はAIネイティブ開発、判断を担う技術責任者が社内にいない場合の選択肢はAI CTO顧問で扱っています。
いま自社が27%の側にいるかもしれない、と思われた場合は、お問い合わせからご相談ください。5点のうちどれが決まっていないかを整理するところから始めます。