ChatGPTを全社導入しても「AI導入」は終わっていない――ツール配布とAIネイティブな組織の間にある段差

1. 「使っている」と「変わった」は別の数字

国内：効果ありは86.7%、ただし用途の中心は文章づくり

帝国データバンクが2026年3月に実施した調査（有効回答1万312社）では、生成AIを業務で「活用している」企業は34.5%でした（大企業46.5%、中小企業32.4%、小規模企業28.0%）。活用企業のうち業務に「効果があった」と答えたのは86.7%に達します。数字だけを見れば、AI導入は順調です。

ところが用途を見ると印象が変わります。最多は「文章の作成・要約・校正」の45.1%、次いで「情報収集」21.8%、「企画立案時のアイデア出し」11.0%で、「データ集計・分析」は7.4%、「プログラミング支援」は5.9%にとどまりました。いずれも一人ひとりの作業を速くする使い方です。懸念・課題としては「情報の正確性」50.4%に続いて、「専門人材・ノウハウ不足」41.3%、「活用する業務範囲の明確化」40.0%が挙がっています。どの業務にどう組み込むかが決まっていない、という自己申告でもあります。

大企業：推進度は米国並み、大きな成果は米国の4分の1以下

PwC Japanグループが売上高500億円以上の企業の課長職以上を対象に6カ国で行った「生成AIに関する実態調査2026 春」では、日本企業の生成AIの活用・推進度は87%と、米国（90%）や韓国（93%）と同じ水準でした。一方で、期待を大きく上回る効果を出している企業の割合は、日本が9%と6カ国で最も低く、米国38%、英国32%と大きく離れています。PwCは日本企業の活用実態について「既存業務の効率化や個別タスクの支援が中心であり、ツール利用の域を出ない面があります」と書いています。

海外：広く使われていても、損益に届くのは一部

McKinseyが105カ国の1,993人に行った世界調査「The state of AI in 2025」（2025年6〜7月実施）では、AIを少なくとも1つの業務で定常的に使う組織が88%に達した一方、全社に広げる段階に入った組織は約3分の1にとどまりました。AIが全社のEBIT（営業利益に近い利益指標）に影響していると答えたのは39%で、EBITの5%以上をAIによるものとし、かつ大きな価値を得ている「ハイパフォーマー」は約6%でした。

MITの研究プロジェクトNANDAが2025年にまとめた報告書「The GenAI Divide」は、さらに強い表現を使っています。企業の生成AIの取り組みのうち95%は、損益に目に見える効果を出せていない、というものです。同じ報告書は、会社として公式にLLM（ChatGPTのような大規模言語モデル）の有料プランを契約している企業は約40%なのに、90%を超える企業で社員が個人のAIツールを日常的に業務に使っていると指摘しました。この報告書は公開事例の分析、52組織への聞き取り、経営幹部153人へのアンケートという限られた材料に基づき、定義の厳しさには批判もあります。それでも「個人の利用は広がっているのに、組織の成果にはつながっていない」という傾向は、ここまでの国内外の調査と一致しています。

出典：帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」（2026年5月14日） / PwC Japanグループ「生成AIに関する実態調査2026 春 6カ国比較」（2026年6月10日） / McKinsey「The state of AI in 2025: Agents, innovation, and transformation」（2025年11月） / Fortune「The 'shadow AI economy' is booming: Workers at 90% of companies say they use chatbots, but most of them are hiding it from IT」（2025年8月19日）

2. なぜ「導入が進んだ」と感じてしまうのか

データを踏まえると、「AI導入が進んだ」という実感と実態がずれる理由は、少なくとも3つ考えられます。

① 効果が個人の手元で起き、会社の数字に届かない

メールや資料の下書きが30分から10分になっても、その20分は多くの場合、別の仕事や少し丁寧な仕上げに吸収されます。業務の量、担当の割り振り、人員計画が変わらなければ、個人の時短は会社の売上や利益に現れません。帝国データバンクの調査で「効果あり」が9割近いことと、PwCの調査で大きな成果が1割に満たないことは、矛盾しているのではなく、測っている場所が違うと読むのが自然です。

② 経営者から見える現場と、実際の現場がずれている

米国の従業員1,400人などを対象にした調査（Harvard Business Review、2025年11月掲載）では、経営幹部の76%が「社員はAI導入に前向きだ」と答えた一方、実際に前向きだと答えた一般社員は31%でした。経営者は「皆が使いこなしている」と見ていても、現場には戸惑いや不安が残り、使い方は人によってばらばらです。帝国データバンクの調査でも、生成AIによる悪影響やトラブルとして（「特になし」を除き）最も多く挙がったのは「使いこなしの格差の拡大」（18.8%）でした。

③ 「契約した」は測りやすく、「変わった」は測りにくい

ライセンス数や利用率はすぐに数えられます。一方、「問い合わせ1件あたりの処理時間」「同じ人数で回せる案件数」「判断にかかる日数」といった業務の指標は、AIを入れる前の値を測っていなければ比べられません。測りやすいものだけを追うと、ツールの普及がAI導入の進捗として報告されることになります。

出典：Deborah Lovich, Stephan Meier, Chenault Taylor「Leaders Assume Employees Are Excited About AI. They're Wrong.」Harvard Business Review（2025年11月26日） / 帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」（2026年5月14日）

3. AIツール導入からAIネイティブな組織までの4段階

では、成果を出している企業は何が違うのか。McKinseyの調査で成果との関係が最も強かった取り組みの一つが業務フローの抜本的な再設計で、ハイパフォーマーの55%が個々の業務フローを根本から作り直したと答えたのに対し、それ以外の企業では20%でした。PwCの調査でも、期待を上回る成果を出す企業の共通点として、業務プロセスの抜本的な見直しと再設計、ガバナンス体制の確立、経営層に近い推進体制、業務プロセスへの組み込みが挙げられています。

ここから、AIの導入を次の4段階で整理できます。この記事では、4段階目をAIネイティブな組織――業務の流れ、人の役割、確認と責任、評価の指標を、まずAIが処理し、人が確認する前提で設計し直した組織――と呼びます。

ChatGPTやClaudeの全社契約は、2段階目にあたります。セキュリティや利用ルールを整えるという意味で大切な一歩ですが、業務の流れも、人の役割も、追う指標も変わっていない段階です。「AI導入が進んだ」という実感の多くは、1段階目から2段階目への移行を指しています。成果に差がつくのは、その先の3段階目、4段階目です。

ここで注意したいのは、4段階目は「人を減らした組織」ではないことです。人が採れない中小企業にとっては、同じ人数で回せる業務を増やす、あるいは埋まらない席をAIに任せ、人は判断と顧客対応に集中する、という意味合いのほうが大きいはずです。人間に残る仕事がどこかについては、米国の起業家・投資家の議論を整理したコラムも参考にしてください。

出典：McKinsey「The state of AI in 2025: Agents, innovation, and transformation」（2025年11月） / PwC Japanグループ「生成AIに関する実態調査2026 春 6カ国比較」（2026年6月10日）

4. 自社の現在地を測る5つの問い

自社が何段階目にいるかは、ツールの名前ではなく次の問いで判断できます。「はい」と答えられる問いが増えるほど、3段階目以降に近づいています。

1. 手順書にAIが出てくる業務はあるか――「各自が使ってよい」ではなく、「この工程はAIが下書きし、担当者が確認する」と業務手順として決まっているか。
2. AIを入れる前後で比べた業務の数字があるか――利用率ではなく、処理時間、件数、ミス率、顧客の待ち時間など。
3. AIの出力を誰が確認し、誰が責任を持つか決まっているか――確認の担当と基準がなければ、使う人ほど不安を抱え、使わない人との差が開く。
4. AIを前提に、担当の割り振りや採用計画を変えたか――空いた時間を何に使うかを決めていなければ、時短は吸収されて消える。
5. AIが止まったら困る業務はあるか――答えが「特にない」なら、AIはまだ業務の外側にある。止まったときの代替手順まで用意していれば、組み込みは本物だ。

5つとも「いいえ」でも悲観する必要はありません。多くの企業がこの位置にいることは、ここまでのデータが示すとおりです。大事なのは、次の一手を「別のAIツールの契約」ではなく、1つの業務の流れの作り直しに置くことです。

5. 最初の一歩は「流れが決まっている業務」から――電話窓口の例

最初に作り直す業務は、件数が多く、手順がある程度決まっていて、AI導入前後の数字を測りやすいものが向いています。受発注、請求書処理、問い合わせ対応などが典型で、ここでは多くの中小企業に共通する電話窓口を例に、2段階目と4段階目の違いを見てみます。

2段階目でも個人は楽になりますが、流れは人が電話に出るところから変わっていません。4段階目では、まずAIが処理し、人は確認と判断を担うように、工程と役割が組み替えられています。これが、ツールを配ることと業務を作り直すことの違いです。

事例：AIコールセンター「ContactX」の導入の進め方

この組み替えを電話窓口で進めるための仕組みの一つが、AIコールセンター「ContactX」です。なお、ContactXは当サイトGrantNaviを運営する株式会社X-HACKが提供するサービスです。その点をお断りしたうえで、設計の考え方を紹介します。

ContactXは、AIによる自動応答（Voice）、通話中のリアルタイム書き起こしと回答候補の表示（Assist）、通話の要約と顧客管理システムの項目の下書き（Log）で、上の表の4段階目にあたる工程をカバーします。既存の電話番号・電話機やPBX（社内の電話交換機）、顧客管理システムを使い続けたまま、API・RPA・CSV（システム間の連携、画面操作の自動化、ファイルの受け渡し）で段階的につなぐ方式で、AIが作った内容は必ず人が確認してから次へ進む運用を前提にしています。導入は、業務フローの整理（1〜2週目）、接続と確認フローの設計（2〜3週目）、1つの窓口での検証（4〜8週目）、効果を見たうえでの横展開（8週目以降）という順番で進めます。

この順番は、この記事で見てきた論点と重なります。最初に行うのはAIの設定ではなく業務フローの整理と確認の担当・基準の設計であり、1つの窓口でAI導入前後の数字を測ってから広げます。ContactXに限らず、電話窓口や問い合わせ対応にAIを入れる際は、次の点を確認すると、ツールの配布で終わるか業務の作り直しまで進むかを見分けやすくなります。

• 導入前の処理時間や取りこぼし件数を、誰がどう測るか決まっているか
• AIの出力を誰が、どの基準で確認し、例外をどこで人に切り替えるか設計されているか
• 既存の電話や顧客管理システムと、どの工程でつながるか（人が転記する工程が残らないか）
• 小さな範囲で検証し、結果を見て広げる段取りになっているか

ContactXの機能と導入手順はContactXを解説したコラムに、電話窓口のAI化の段階はコールセンターAI自動化の5段階にまとめています。

出典：ContactX 公式サイト（株式会社X-HACK） / PR TIMES（株式会社X-HACK）「外国語の電話、AIが受けて日本語で記録。AIコールセンター「ContactX」、英語・中国語・韓国語など50以上の言語のリアルタイム書き起こし・翻訳に対応」（2026年7月23日）