AI業務改善が進まない本当の理由｜ツールより先に決める「誰が回すか」【2026年時点】

こんにちは。Tradivanceです。

AIで業務改善に取り組んだものの、一度試したきりで社内に広がらなかった。そういう話をよくうかがいます。

興味深いのは、その原因を「ツールが合っていなかった」と説明する会社が多いことです。そして次のツールを探し始めます。

ただ、2026年7月に公表された総務省の白書を読むと、別の景色が見えてきます。日本企業の生成AI利用は8割を超えているのに、「組織的な取組はない」と答えた企業が約3割あります。しかもこの割合は、比較された他の3か国より顕著に高い水準です。

つまり使ってはいるけれど、会社として回してはいない。道具はもう社内にあるのです。

そこで本記事では、ツールの紹介ではなく、AI業務改善が止まる理由と誰が回すのかという担い手の設計を軸に整理しました。あわせて、公的統計が示す「実際に効いている業務」と、効果の測り方までを扱います。

本記事の範囲：特定ツールの使い方や料金は扱いません。個別の記事へリンクしています。また当社はツールの販売をしていないため、特定の製品を勧める内容にはなっていません。

AI業務改善とは｜まず結論、止まるのは道具を選ぶ前

結論から書きます。AI業務改善が止まるのは、たいていツールを選んだあとではなく、その前です。

「AIで何ができるか」については、すでに十分な情報があります。生成AIで文書を作る、要約する、調べる。ここは検索すればいくらでも出てきますし、実際に多くの方が試しています。

それでも社内に広がらない。ここで足りていないのは、機能ではなく決めごとです。

本記事では、「一度やってみる」と「続く状態にする」を別のものとして扱います。前者は個人の工夫で足りますが、後者には設計が要ります。この2つを同じ言葉で語ってしまうと、「試したのに広がらない」という結果になりやすくなります。

観点	一度やってみる	続く状態にする
やる人	気づいた人	決められた人
対象	そのときの作業	決めた業務
効果	やった本人の実感	前後の差分で見る
止まる要因	その人が忙しくなると止まる	見直す時期を決めていないと止まる

左の列で止まっている状態を、右の列へ移すこと。それが本記事で扱うAI業務改善です。

AI業務改善で先に効く業務｜どこから手をつけるか

では、どこから手をつけるか。生成AIが効きやすい業務には、共通した性質があります。

読む時間と探す時間が長い業務です。当社が実務で扱ってきた範囲でも、まず時間が動くのはここでした。書く作業は本人の頭の中に答えがあることが多く、削れる幅が思ったより小さいのに対し、読む・探すは代われる部分が大きいためです。

業務	何が変わるか	向き不向き
文書作成・要約	ゼロから書く時間が、直す時間に変わる	向く。分量が多いほど差が出ます
情報の整理と検索	探す往復が減る	向く。元の資料が整っているほど効きます
下書き・たたき台	白紙から始めなくてよくなる	向く。会議の準備で効きます
定型的な問い合わせ対応	同じ説明の繰り返しが減る	条件つきで向く。例外の扱いを決めてから
判断そのもの	—	任せない。材料を整えるところまでにします

最後の行は、線として引いておく部分です。材料を整えるところまでを任せ、決めるのは人が担う。この線が曖昧なまま広げると、あとで責任の所在が問題になります。

そして、この「効きやすい業務」の見立ては当社の実感だけの話ではありません。公的な調査でも同じ方向の結果が出ています。次のH2で見ていきます。

AI業務改善の事例｜公的統計で「実際に効いている業務」を見る

事例を探すとき、多くの記事は個別企業の導入例を並べます。ただ、その多くは成功した企業の話なので、自社に当てはまるかどうかの判断が難しくなります。

そこで本記事では、個社の列挙ではなく公的統計の業務類型別データを見ます。どの業務で使われ、どの業務で効果が実感されているかが、まとめて分かるためです。

最も使われ、最も効果を実感されている業務

総務省の『令和8年版 情報通信白書』によると、日本企業の生成AI活用は業務類型で見ると「議事録・メール作成補助」が約7割で最も高く、次いで「営業・販売」が約6割、「社内ヘルプデスク」が約5割となっています。

注目したいのは、その次です。導入効果を実感する割合も「議事録・メール作成補助」が約7割で、他の類型より顕著に高いと示されています。

業務類型	活用の広がり	効果の実感
議事録・メール作成補助	約7割（最も高い）	約7割（他より顕著に高い）
営業・販売	約6割	白書では上記ほどの高さは示されていません
社内ヘルプデスク	約5割	同上

この結果は、実務の感覚と一致します。広く使われている業務が、そのまま効果を実感されている業務でもある。つまり、AI業務改善の入口を探しているなら、まずここを見るのが素直です。

広がりの速さは、この1年で変わった

もう1つ、事例を探す前に押さえておきたい数字があります。生成AIの活用方針について前向きに回答した日本企業の割合は68.9%で、前年度の調査では49.7%でした。1年で大きく動いています。

企業規模別に見ると、大企業が74.0%、中小企業が58.1%です。いずれも前年度から上昇しており、とくに中小企業での上昇が大きいと示されています。

ただし白書は、米国・ドイツ・中国と比べると日本は引き続き低い水準にあるとも述べています。伸びてはいるものの、追いついてはいない。「他社もまだやっていない」という前提で判断する時期は、すでに過ぎています。

何が起きたと答えているか

生じうる影響についても調査があります。日本企業が最も多く挙げたのは「作業時間の短縮などによる業務の効率化」でした。

白書は業務領域別に日本企業の活用事例も掲載しています。ただし個別企業の削減時間などの数値については、当社が原典まで確認できていないものは本記事に書きません。孫引きになるためです。

調査の時点について：この白書は2026年7月24日に公表されたもので、企業向けの調査は2025年度に実施されたものです。公表日と調査時点は別ですので、引用の際はご注意ください。

出典：総務省『令和8年版 情報通信白書』第Ⅰ部 第2章「企業等におけるAI利用の進展」（2026年7月24日公表／2026年8月時点で参照）

AI業務改善が進まない理由｜会社として決めていないから止まる

ここが本記事の核です。進まない原因は、道具の性能ではないところにあります。

使ってはいるが、組織として回していない

先ほどの白書には、もう1つ重要な数字があります。

自社の何らかの業務で生成AIを利用している日本企業の割合は86.4%で、前年の調査から大幅に上昇しています。もはや「使っていない会社」のほうが少数です。

ところが組織的な取組の状況を見ると、様子が変わります。全社横断・部署単位・個人業務単位のいずれかで組織的に取り組んでいる企業が65.6%である一方、「組織的な取組はない」と答えた企業が27.0%と約3割に上り、米国・ドイツ・中国と比べて顕著に高いと示されています。企業規模別では、中小企業でさらに高くなっています。

この2つを並べると、日本企業の現在地が見えてきます。使ってはいる。けれど、組織として回してはいない。

別の調査も同じ方向を指している

同じ構造は、別の調査でも確認できます。

商工中金が中小企業を対象に実施した調査では、生成AIの扱いを個人の判断に任せている企業が64.9%で最も多く、会社主導は16.3%という結果が出ています。

調査主体も対象も異なる2つの調査が、同じ方向を指しています。いずれもベンダーの調査ではなく、公的機関および政府系金融機関によるものです。「うちだけの問題ではないか」と感じている方には、まずここをご覧いただきたいところです。

指針は作られているのに、回っていない

さらに踏み込むと、日本の特徴がもう1つ見えてきます。

リスク対策として日本企業が最も多く挙げたのは「全社的な指針やガイドラインを整備している」で41.1%でした。ところが白書は、他の3か国では「企画・導入段階で専門的な審査体制がある」「導入後、定期的な評価・検証が行われている」のほうが日本より高いと示しています。

読み替えると、こうなります。日本は文書は作るけれど、運用する仕組みが相対的に弱い。ガイドラインを配った時点で「対策済み」になってしまい、その後に誰が見るのかが決まっていない状態です。

個人の工夫で止まると、何が起きるか

会社として決めないまま個人の工夫に任せると、実務では次のようなことが起こります。

4つ目は特に注意が必要です。ガイドラインがあっても、読む機会と確認する人がいなければ、実際の判断は現場に委ねられます。

出典：総務省『令和8年版 情報通信白書』第Ⅰ部 第2章（2026年7月24日公表・調査は2025年度実施）／商工中金「中小企業設備投資動向調査」付帯調査（2026年1月調査・2026年3月31日公表）（いずれも2026年8月時点で参照）

AI業務改善で起きうる逆効果｜成功例の裏側にあるもの

成功例だけを並べるのは公平ではないので、負の側にも触れておきます。

白書が挙げている「負の側」

先ほどの白書は、生成AIによって生じうる影響として、効率化と並んで次の3つを選択肢に挙げています。

起きうること	実務ではどう現れるか
業務効率の低下	作業の追加や、不慣れな作業が増えます。確認と手直しに時間がかかり、かえって遅くなる場合があります
会社の信頼度の低下	情報漏洩や権利侵害が起きた場合です。一度起きると、業務改善の話そのものが止まります
現場経験や能力育成の不足	AIが業務を代替することで、従業員が経験を積む機会が減ります

また、日本企業が最も懸念しているリスクは「社内情報の漏洩などのセキュリティリスク」で、次いで「出力結果の精度に問題がある」「著作権等の権利を侵害する可能性がある」と続いています。

ほとんど語られていない3つ目

ここで当社が申し上げたいのは、3つ目です。セキュリティと精度は多くの記事で扱われていますが、人が育たなくなるという論点はほとんど触れられていません。

たとえば若手に議事録を書かせるのをやめると、確かに時間は浮きます。一方で、議事録を書く過程で身についていた「話の筋を追う力」を得る機会も、同時に減ります。速くなることと、育たなくなることは同時に起こりえます。

これは「だからAIを使わない」という話ではありません。何を代替させ、何を残すかを意図的に決めるという話です。決めずに任せると、削りやすいところから順に消えていきます。

この判断は、その場の担当者にはできません。目の前の業務が楽になることと、3年後に人が育っていることは、見ている時間の長さが違うためです。だからこそ、次のH2で扱う「回す人」を決めるときに、あわせて決めておく必要があります。

なお本記事では、特定企業の失敗を名指しする書き方はしていません。報道された事例はいくつもありますが、当社が一次情報として確認できたものに限ると、失敗として整理された資料は見つかりませんでした。そのため公的統計が挙げている「起きうること」を型として扱う形にしています。

出典：総務省『令和8年版 情報通信白書』第Ⅰ部 第2章（2026年7月24日公表・調査は2025年度実施／2026年8月時点で参照）

AI業務改善を回す担い手｜専任者を1人立てるという考え方

では、どうすれば「続く状態」になるのか。当社の答えは「回す人を1人決める」です。

白書が示す「トップダウンの関与」

これは当社の経験則だけの話ではありません。白書には、次のような記述があります。

日本の中小企業では「経営幹部から各部署に対して実施事項や達成目標が提示されている」が最も高い回答割合となっており、白書は「中小企業におけるAI活用については、トップダウンの関与がキーポイントとなっていることがうかがえる」と述べています。

裏返せば、現場の工夫に任せる形では回りにくいということです。上から「これをやる」と提示されている会社のほうが進んでいる、という結果が出ています。

環境整備についても、日本の特徴が出ています。日本企業で最も高かったのは「業務プロセスの見直しや生成AI活用検討に必要なスキルやノウハウを学ぶ環境がある」で、次いで「予算や人員が確保されている」でした。一方で白書は、他の3か国では「生成AIに社内データを学習させたり、生成AIが参照可能なデータベースを構築したりしている」が5割を超え、日本より大幅に高いと示しています。

つまり日本は人に学ばせる環境は用意しているけれど、仕組みのほうは相対的に手つかずという姿です。学ぶ機会があっても、参照できるデータが整っていなければ、個人の工夫の範囲を出られません。ここでも「誰が仕組みを作るのか」という問いに戻ってきます。

全員に配る前に、回す人を決める

実務での順序としては、全社にライセンスを配る前に、回す人を決めておくほうが進みます。

専任である必要はありません。兼任で構いませんが、責任範囲を決めることが要点です。どの業務を対象にするか、何を入れてよいか、いつ見直すか。この3つについて「この人に聞けばよい」という状態を作ります。

逆に、全社に配ってから担当者を探し始めると、「うまく使えている人」が事後的に担当者にされることになります。本人の業務は減らないまま相談だけが集まるため、多くの場合そこで止まります。

その人にかかる3つの壁

回す人を決めたあと、その人には具体的な壁が来ます。

この3つを想定しないまま任命すると、担当者が孤立します。そして本人の熱意が尽きた時点で、取り組み全体が止まります。

外部をどう使うか

外部を使う場合、関わり方は大きく3つに分かれます。教える（研修）、代わりにやる（受託）、そして回せる状態にするまで一緒に走るという3つです。

当社が担っているのは3つ目です。代わりにやってしまうと、社内に何も残りません。研修だけでは、翌週の実務で手が止まったときに支える人がいません。担当者の隣で一緒に回し、その人が1人で回せるようになったら離れる、という関わり方をしています。

研修という形が適している場合もあります。判断の材料として法人向けAI研修の選び方・比較を解説した記事と、AI導入支援とAIコンサル・顧問・開発の違いを整理した記事もご用意しています。本記事は担い手の設計に主語を固定しているため、支援形態の各論はそちらをご覧ください。

出典：総務省『令和8年版 情報通信白書』第Ⅰ部 第2章（2026年7月24日公表・調査は2025年度実施／2026年8月時点で参照）

AIで業務改善を始める順番｜小さく始めて、測れる形にする

ここからは進め方です。全社展開から始めないという一点だけ守れば、あとは順番どおりに進みます。

この5つで1周です。1周が終わってから広げる。この順序を守るだけで、「試したが広がらない」という結果はかなり減ります。

AI業務改善の効果をどう測るか｜先に決めておく

効果の測り方は、始めたあとに考えると手遅れになります。比較対象が残っていないためです。

測る対象は、次の3つで足ります。

測るもの	なぜ見るか
時間	いちばん分かりやすい指標です。ただしこれだけでは足りません
件数	同じ時間でどれだけ処理できたか。時間が変わらなくても量が増えている場合があります
やり直しの回数	速くなったが手直しが増えたを見つけるための指標です

3つ目を入れておくことをおすすめします。時間と件数だけを見ていると、実際には楽になっていないのに数字上は改善しているという状態を見逃します。

そしてもう1つ、金額換算についての注意があります。浮いた時間を人件費に換算すると、実態より大きな数字が出やすくなります。浮いた時間が別の仕事に回っただけの場合、支出は減っていないためです。

社内で説明する際は、「何時間浮いたか」と「その時間で何をしたか」を分けて書くほうが誠実ですし、次の投資の判断にも使えます。

AI業務改善とツール選び｜先に決めるのは業務のほう

ツールの話は、ここまで意図的に後ろへ置いてきました。業務が決まればツールは絞れるためです。

たとえば議事録とメールから始めるなら、日常的に使っているグループウェアの中で完結する選択肢が候補になります。社内文書を検索させたいなら、その文書がどこにあるかで選択肢が変わります。先に業務が決まっていれば、比較する軸も自然に決まります。

逆に、業務を決めないままツールを比較すると、機能の多さで選ぶことになります。そして多機能なものほど、使いこなす人が要るという結果になります。

なお当社はツールの販売をしていないため、本記事で特定の製品を勧めることはしません。個別の機能や料金については、それぞれの記事で扱っています。

社内向けのAIエージェントを作る場合は、Copilot Studioとは？できること・ライセンスの考え方とCopilotエージェントの作り方｜権限設計と社内の分担で、作る前に決めておく項目を整理しています。

中小企業のAI業務改善｜専任者を置けない前提での進め方

ここまで「回す人を1人決める」と書いてきましたが、そもそも人を割けないという会社が多いはずです。

実際、白書でも組織的な取組がないと答えた割合は中小企業でより高くなっています。人がいないという前提から始める必要があります。

人がいない前提で削るもの

削ってよいものから決めます。

対象業務は1つに絞ります。複数を並行させる余力がないためです。そして全社展開は後回しにします。広げる作業そのものに人手がかかるので、1つの業務で差が出るまでは動かしません。

ツールの比較検討も、この段階では削れます。すでに契約しているものの中に使える機能があれば、まずそれで試します。選定に時間をかけるより、1周回してみるほうが早く答えが出ます。

それでも決めておくこと

一方で、人がいなくても決めておく必要があるものが3つあります。

この3つは、人数に関係なく決められます。むしろ人が少ない会社ほど、決めておく効果が大きいといえます。判断できる人が限られているぶん、その人に相談が集中する前提を先に作っておけるためです。

そしてもう1点、規模の小さい会社には有利に働く要素があります。決めた人と実際に手を動かす人の距離が近いことです。大企業では方針を出してから現場に届くまでに時間がかかりますが、人数が少なければその間がありません。

白書でも、活用方針について前向きに回答した中小企業の割合は前年度から大きく上昇しています。動き出したときの速さは、規模の小ささが不利になる部分ばかりではありません。足りないのは人手であって、意思決定の距離ではないためです。

中小企業でのAI活用の現状や、業種ごとの使いどころについては中小企業のAI活用の現状と事例をまとめた記事で扱っています。本記事は担い手の設計に限定しているため、各論はそちらをご覧ください。

AI業務改善に関するよくある質問

道具はもう社内にある
まとめ｜AI業務改善は「誰が回すか」で決まる

AI業務改善が止まるのは、たいてい道具の問題ではありません。使ってはいるけれど、会社として回していない。公的な調査が2つとも、同じ方向を指しています。

本記事で引用した数値は、2026年7月24日公表の白書（調査は2025年度実施）および2026年3月31日公表の調査（2026年1月実施）によるものです。数字は更新されますので、判断に使う際は最新版をご確認ください。

まずは、社内で誰がこれを回しているのかを一度確かめてみてください。名前が出てこないのであれば、次に選ぶべきはツールではなく、その人です。

もし、現在の利用や今後の事業成長を見越してきちんと検討したい、どこから手をつけていいか分からないと言う方は、気軽に弊社に御相談いただければ多くの実績や活用事例と共にご説明させていただきます。