ほとんどの会社に、いま「AI導入」は必要ありません──AI開発会社が、そう言う理由

AI・DX 開発を生業にしている会社が書くことではないかもしれません。それでも、実務で見てきた結論を正直に書きます。

ほとんどの会社にとって、いま「AI を業務に組み込む」ことにメリットはありません。 > 業務によっては、AI を深く組み込むより、当面は人に任せたほうが早く、安全で、総コストも低い。

「AI で業務を変えましょう」と言って仕事をもらうのが私たちの商売ですから、これは自分の首を絞める文章です。それでも書くのは、この判断ができないまま発注される案件が、ほぼ確実に失敗するからです。

この記事で言う「AI 導入」の範囲

先に定義します。この記事で扱うのは、AI を業務プロセスへ深く組み込み、自動化・システム化することです。

対象外：社員が ChatGPT などで文章を下書きする、議事録を要約する、調べ物をする——といった個人の道具としての利用。これは基本的に「やったほうがいい」と考えていますし、後述する準備も要りません。

この 2 つは、必要な前提がまったく違います。混同されがちなので、最初に分けておきます。

---

先に:何を否定していないか

誤読されやすいところなので、先に線を引きます。

否定していないこと

• AI の性能——十分に高い。ここは疑っていません
• AI を業務に使うこと——私たち自身、毎日使っています
• AI で作った仕組みの価値——510 室の備品管理も問い合わせの一次対応も、実際に動いています

否定していること

• 「AI ありき」で導入を考える発想
• 業務の整理を飛ばして、ツールから入る順序
• 「他社もやっているから」で始める意思決定

つまり「AI は使えない」ではなく、**「いまのあなたの会社の状態では、AI を業務に組み込む前提がない」**という話です。

---

データが示す「AI 導入」の実態

まず、公的な調査の数字を見てください。いずれも一次資料から引いています。

中小企業基盤整備機構「中小企業の AI 等の利活用に係る実態調査」 （2026 年 3 月公表／調査期間 2025 年 11 月 17 日〜12 月 12 日／全国の中小企業 10,000 社対象の Web アンケート／導入状況の回答数 n=1,647）

項目	結果
AI の導入率（全社的＋一部業務）	20.4%
導入を検討している	18.6%（合わせて 39.0%）
導入済み企業が使っている AI（n=322）	生成 AI 82.6%／音声認識 29.8%／画像認識 11.2%
導入目的の 1 位（n=331）	業務効率化・作業時間の短縮 87.0%（2 位「品質向上」32.3% と 50pt 以上の差）
導入効果の 1 位	業務効率化・作業時間の短縮 83.2%
「付加価値創出」の効果	AI 22.3% ／ 従来の IT 7.4%

商工中金「中小企業の生成 AI の利用にかかる調査」 （2026 年 3 月 31 日公表／調査期間 2025 年 12 月 19 日〜2026 年 1 月 16 日／有効回答 3,892 社・回収率 36.1%）

生成 AI の導入状況	割合
自社専用モデル・AI エージェントを開発・導入	0.9%
全社的にパッケージ導入	4.1%
一部部署・一部メンバーでパッケージ導入	11.2%
（会社として導入している＝上記 3 つの合計）	16.3%
会社導入なし。個人契約の生成 AI 活用を推奨	14.9%
会社導入なし。使用は個人の判断に任せる	64.9%
会社での使用を禁止・制限	1.4%

64.9% が「使用は個人の判断に任せる」。 会社として導入しているのは 16.3%、そのうち自社専用のモデルやエージェントまで作っているのは 0.9% です。

つまり世の中で語られる「AI 導入」の大半は、社員が個人的に使っているだけで、会社としては何も決めていない状態を指しています。

なお、この数字自体は「AI が必要ない」ことを示していません。示しているのは「会社主導の活用がまだ少ない」という事実だけです。そこから先——なぜ少ないのか、どうすべきか——は、私たちの解釈です。以降は解釈として読んでください。

障壁の中身も、はっきりしている

同じ商工中金の調査で、導入・推進における課題を聞いています。

課題	全体	積極活用層	それ以外
具体的な活用場面が不明	35.6%	21.5%	42.0%
導入を推進する人材がいない	32.0%	26.8%	34.3%
従業員の知識不足、心理的抵抗	29.2%	32.1%	28.0%
社内ルールや方針整備が追い付かない	25.1%	24.8%	25.2%
導入効果が測定できず、成果が見えにくい	21.3%	14.2%	24.6%

最大の障壁は「具体的な活用場面が不明」（35.6%）。そして積極活用層とそれ以外の差がいちばん大きいのも、この項目です（21.5% 対 42.0%、20.5 ポイント差）。

これは AI の知識が足りないという話ではありません。自社の業務のどこに、どういう無駄があるかを把握していないという話です。活用場面が見えないのは、AI を知らないからではなく、業務が整理されていないからです。

そしてもうひとつ。**「導入効果が測定できず、成果が見えにくい」**にも 10 ポイントの差があります（14.2% 対 24.6%）。効果が見えないから続かない、続かないから活用が進まない——この循環に入っている会社が相当数ある、ということです。

大事なこと:同じ調査は「AI は効いている」とも言っている

自分に都合のいい数字だけを並べるのは不誠実なので、逆側の数字も出します。

項目	結果
AI 導入企業が挙げた効果の 1 位（中小機構）	業務効率化・作業時間の短縮 83.2%
「付加価値創出」の効果（中小機構）	AI 22.3%（従来の IT は 7.4%）
積極活用層のうち、何らかポジティブな評価（商工中金）	73.7%
うち、経営へのプラス効果を感じている（商工中金）	31.7%
会社導入 と 個人利用推奨 の、プラス効果を感じた割合の差	会社導入のほうが 10 ポイント以上高い

入れた会社では、ちゃんと効いています。 しかも「付加価値創出」では従来の IT ツールを 15 ポイント上回っている。AI が力不足だという話では、まったくありません。

そして最後の行が重要です。会社主導で導入したほうが、個人任せより効果を実感している割合が高い。 つまり「個人に任せておけばいい」でもない。

だから私たちの主張は、こうなります。

AI は効く。効くからこそ、効く条件が整っていない会社に、無理に売るべきではない。

以降は、その「条件」の話です。

「AI 導入」という発想の、何が間違っているのか

「AI を導入する」という言い方には、主語と目的語が入れ替わっているという問題があります。

導入するのは AI ではありません。解決するのは、特定の業務の、特定の困りごとです。そして解決策は、AI かもしれないし、Excel の関数かもしれないし、業務そのものをやめることかもしれない。

「AI を導入する」から始めると、順序がこうなります。

1. AI を入れると決める
2. どこに使えるか探す
3. それらしい業務を見つける
4. 動くものはできる
5. 使われない

発注した業務システムが現場で使われない理由で書いた失敗の型と、まったく同じです。道具が先に決まっていて、問題が後から探される。

正しい順序は逆です。困りごとを特定し、その解決に何が要るかを考え、その結果として AI が選ばれることもある。

---

なぜ「業務によっては、人に任せたほうがいい」のか

ここが本題です。3 つを分けて検証します。

先に断っておくと、これは「AI より人のほうが優れている」という話ではありません。人を雇えば採用費、社会保険、教育、管理、離職のリスクがかかります。人手不足を理由に AI を検討する会社も多く、実際、中小機構の調査では「人手不足対応」が AI 導入目的の 31.7% を占めます。

そのうえで、特定の条件下では人に任せたほうが合理的、という話です。

早い:人は、業務が言語化されていなくても動ける

新しく人を雇ったとき、その人は初日から推測して動きます。「たぶんこういうことだろう」と補い、分からなければ聞き、周りを見て learn する。マニュアルが無くても、数週間で戦力になる。

AI も、推測はします。不足している情報を聞き返すこともできます。でも、言語化されていない社内固有の判断基準を、毎回同じ水準で再現することはできません。 今回はうまくいって、次はずれる。業務に組み込むうえで問題なのは、能力の有無ではなくこの再現性です。

ワールドの記事で書いた通り、「抜け感」を詳細な言葉に変換して初めて、AI はブランドらしいデザインを安定して出せるようになりました。

つまり AI を業務プロセスに乗せるには、その前に判断基準を言語化する工程が要ります。この工程は、会社によっては数か月かかる。人を雇えば来月から動くのに、です。

安全:人は、間違いに気づいて止まれる

人は、おかしいと思ったら手を止めます。「この金額、桁が違うのでは」「この宛先で合っていますか」——違和感で止まる能力は、業務における最後の安全弁です。

AI も、指示すれば異常を指摘します。でも止める仕組みを設計しなければ、人のような違和感が安全弁として働くことは保証されません。設計されていなければ、指示された範囲をそれらしく完遂します。バイブコーディングの記事で書いた通り、それらしく見えることが、いちばん厄介です。

そして決定的な差がここにあります。AI は責任を負いません。

間違ったものが顧客に届いたとき、謝るのも、原因を調べるのも、再発を防ぐのも人です。責任の引き受け手が要る仕事では、AI は主役になれない——これは性能の問題ではなく、性質の問題です。

安い:月額ではなく、総額で比べる

「月 3,000 円の AI と、月 30 万円の人件費を比べれば、AI のほうが安いに決まっている」——これは、比べるものを間違えています。

AI を業務に組み込むときの実際のコストは、こうなります。

費目	内容
利用料	月数千円〜。ここだけ見ると安い
業務の言語化	判断基準を書き出す。数日〜数週間
構築	業務に組み込む形にする
教育	現場が使えるようにする
運用	出力の確認、指示書の更新
失敗のやり直し	定着しなかった場合、全部やり直し

そして最後の行が、いちばん高い。AI エージェントの記事で紹介した通り、Gartner は 2026 年 5 月の発表で「一律のガバナンスを適用すると失敗する」として、2027 年までに企業の 40% が自律型 AI エージェントを格下げ・廃止すると予測しています（実績値ではなく予測である点にご注意ください）。

さらに、金額に表れないコストがあります。一度「AI はうちには合わなかった」という印象が社内につくと、次の提案が通らなくなる。 これは何年も効きます。

これらを合計したとき、得られる効果が小さければ、当面は人に任せたほうが総コストは低い。逆に言えば、効果が十分大きい場面でだけ、AI は安くなる。

繰り返しますが、これは条件つきの話です。物量が人の限界を超えているなら、人を増やすほうがはるかに高くつきます。どちらが安いかは、業務ごとに変わります。

---

そもそも、多くの会社は AI を乗せられる状態にない

もう一段、深いところを書きます。

ここからはデータではなく、私たちが現場で見てきた話です。 中小企業のデータベースや業務の仕組みは、次の 3 つを同時に抱えていることが珍しくありません。

1. 属人化している——手順も判断基準も、担当者の頭の中にしかない 2. 依存関係が煩雑——どこを直すと何に響くのか、誰も全体像を把握していない 3. 変更そのものがリスク——一箇所を触ると、社内全体が止まりかねない

この状態で「AI で効率化しよう」とすると、何が起きるか。

効率化するには、社内外の業務フロー全体を最適化する必要があります。 でも上の 3 つがある以上、それを一度にやるのは非現実的です。やろうとすれば、業務が止まる。

だから多くの「AI 導入」は、触っても壊れない周辺部分だけをかすめて終わります。議事録の要約、メールの下書き。悪くはないけれど、業務の中核は何も変わっていない。

MIT Media Lab の NANDA プロジェクトによる 2025 年のレポートで「生成 AI 導入の 95% が業務の軸となる成果に結びついていない」とされたのは、これが理由ではないかと考えています。ただし、この 95% という数字は特定の調査による推計であり、あらゆる企業に当てはまる普遍的な比率ではありません。それでも、中核に届いていない案件が多いという実感とは合致します。

---

では、何をするのか

否定だけして終わるのは無責任なので、私たちがやっていることを書きます。

一足飛びの効率化はできません。だから段階的に更新します。

1. データを正規化する——バラバラの形式、二重管理、表記ゆれを揃える。地味ですが、ここが全部の前提です
2. 依存関係を減らす——「これを直すとあれが壊れる」を、一つずつほどく
3. 業務フローを、少しずつ書き換える——止めずに、部分ごとに
4. その過程で、判断基準を言語化する——属人化していたものが、文書になる
5. 土台ができたところから、AI を乗せる

エンジニアがやるのは、主にこの 1 と 2 です。派手ではありません。 「AI で自動化しました」のような分かりやすい成果も出ません。

でも技術的負債の記事で書いた通り、この土台は複利で効きます。整えた分だけ、後から乗せられるものが増える。逆に、土台のないところに何を乗せても、乗りません。

---

それでも AI を入れるべき条件

ここまで否定的に書いてきましたが、AI が明確に勝つ場面はあります。条件は 5 つです。

条件	具体例	なぜ AI が勝つか
物量が人の限界を超える	数万件の分類、全物件の点検	人を増やしても追いつかない規模
即時性・24 時間が要る	夜間の問い合わせ一次対応	人を張り付けると費用が跳ね上がる
均質性が価値になる	応対の品質、資料のトーン	人だと担当者ごとにブレる
判断基準が既に言語化できる	値付けルール、対応マニュアル	AI が働ける前提が揃っている
属人化を解消したい	ベテランの勘を残す	言語化の過程そのものが資産になる

この 5 つのうち 2 つ以上に当てはまるなら、AI を検討する価値がある——というのが、私たちが相談を受けるときに使っている簡易的な目安です。研究に裏づけられた閾値ではなく、あくまで実務上の当たりの付け方です。逆に、1 つも当てはまらないなら、まだ早いと申し上げることが多い。

そして重要なのは、4 番目（判断基準が言語化できる）は、他の条件とは性質が違うことです。これは「当てはまるかどうか」ではなく、**「やればできるようになる」**もの。だからここに着手することが、実質的に AI 導入の準備そのものになります。

---

AI に無いもの:責任と、身体性

最後に、原理的な話をひとつ。

AI に無くて人にあるものが、2 つあります。

責任能力——AI は間違えても責任を負えません。負うのは人です。だから、責任の所在が問われる仕事では、必ず人が最終判断者になります。これは AI が賢くなっても解決しません。

身体性——現場に行く、物に触れる、その場の空気を読む、相手の顔色を見る。物理的にそこに居ることでしか得られない情報があります。中小企業の業務には、これが必要な場面が想像以上に多い。

だから私たちは、ループの記事で「ゲート」を必ず置きます。自動と承認の間に、人を置く。 これは技術的な制約への妥協ではなく、責任と身体性を持つ主体が必要だからです。

---

「AI コンサルは虚業」と言われるのは、なぜか

ここで、自分たちに刃が向く話を書きます。

「AI コンサル」「DX コンサル」は、虚業だと言われることがあります。実際、そう言われる理由はあると思っています。そして——私たちも、同じ疑いの対象です。

虚業が成立してしまう、市場の構造

なぜこの業態は虚業になりやすいのか。感情論ではなく、構造で説明できます。

さきほどの中小機構の調査に、決定的な数字があります。

質問項目	「当てはまらない」と答えた割合
成功事例や活用事例などの情報が十分に入手できている	83.3%
適切なベンダーや製品を選定する情報が十分にある	79.8%
社内において IT・AI の必要性への理解がある	54.9%（＝「ある」は 45.1%）

8 割の中小企業が、ベンダーを選ぶための情報を持っていません。

これが構造です。買い手が良し悪しを判断できない市場では、中身のない売り手でも生き残れます。 しかも AI という言葉が強すぎて、それだけで説明した気になれてしまう。

さらに悪いことに、商工中金の調査では「導入効果が測定できず、成果が見えにくい」が 21.3%。成果が測られないなら、成果を出さなくても責められません。

• 買い手に選定基準がない（79.8%）
• 事例の情報も入手できていない（83.3%）
• 導入しても効果が測定されない（21.3%）
• そして参入障壁が低い（資格も設備も要らない）

この 4 つが揃えば、虚業が成立します。誰かが悪意を持っているという話ではなく、そういう市場になっているという話です。

では、どう見分けるか

批判するだけでは無責任なので、判断材料を置きます。発注先を検討するとき、この 5 つを聞いてみてください。私たちに対しても、同じように聞いてください。

1.「うちに、AI は必要ですか」と聞いてみる

「必要です」と即答する会社は、疑ってください。まともな答えは条件つきになるはずです。「こういう業務があるなら効きます」「その状態ならまだ早いです」——判断しているなら、条件が出てきます。

2.「断る基準はありますか」と聞いてみる

聞くべきは実績の有無ではなく、基準の有無です。創業間もない会社なら、断った経験がまだ無くても不思議はありません。

大事なのは「どういう場合はお断りしますか」に答えられるか。そして実際に断った例があるなら、その理由を具体的に語れるか。ここで基準が出てこない会社は、判断していない可能性があります。

3.「作ったものを見せてください」と言ってみる

提案資料でも、他社事例集でもなく、自分たちが作って、いま動いているものです。守秘義務で見せられない部分はあるはずですが、何一つ見せられないなら、作っていない可能性があります。

4.「効果はどう測りますか」と聞いてみる

ここが最重要かもしれません。測定の設計が提案に含まれていないなら、その案件は成果を問われない案件になります。上の 21.3% は、こうして生まれます。

5.「途中でやめたら、どうなりますか」と聞いてみる

工程ごとに区切られているか。成果物は自社のものになるか。その会社がいなくなっても動き続けるか。答えられない相手に、業務の中核を預けるのは危険です。

私たち自身は、この 5 つに答えられるか

同じ問いを、自分たちに向けます。

1. この記事そのものが答えです。「ほとんどの会社に、いま AI 導入は必要ない」と書いています。

2. 基準は上の 5 条件です。実際に業務診断の結果、「まだ早い」とお伝えすることがあります。

3. 510 室の備品管理も問い合わせの一次対応も、実際に動いているものです。

4. ——ここは、正直に弱いところがあると書きます。効果測定は設計に含めるべきですが、実務では後回しになりがちです。私たち自身、自社サイトの計測設定が長らく不完全でした。だから「測れる状態にするのが先」だと書いています。

5. 工程ごとにお見積もり・ご請求します。途中で止めても、納品済みの成果物はお客様のものです。

虚業かどうかは、名乗りではなく、この 5 つへの答えで決まると考えています。

それでも「AI は要らない」と書くと、仕事は減るのか

正直に自問しました。減るかもしれません。

でも、おそらく逆です。要らないと言える会社にしか、要る場面は判断できないからです。すべての相談に「AI で解決できます」と答える会社は、判断していません。売っているだけです。

実務上も、要らない案件を断ったほうが、結果的に良い仕事になります。定着しない案件は、納品後に双方が消耗する。最初から「まだ早い」と言えたほうが、次の機会が残ります。

業務診断を独立した工程として設けているのも、この考えからです。「作りましょう」の前に、「そもそも作るべきか」を判断する場が要る。だから診断料は、そのまま要件定義に進む場合は全額充当します。判断そのものにお金をいただくのであって、次を売るための入口ではない、という区別です。

---

まとめ

• この記事で言う「AI 導入」は、業務プロセスへ深く組み込むこと。個人が文章作成などに使うことは対象外で、そちらは基本的に「やったほうがいい」
• 「AI 導入」の実態は、64.9% が個人の判断任せ。会社として導入しているのは 16.3%、自社専用のモデルまで作っているのは 0.9%
• 一方で、入れた会社では効いている。効果の 1 位は業務効率化 83.2%、積極活用層の 73.7% が何らかポジティブ。AI が力不足なのではない
• 最大の障壁「具体的な活用場面が不明」（35.6%）は、AI の知識不足ではなく業務が整理されていないことの表れ。積極活用層とそれ以外で 20.5 ポイント差
• 「AI を導入する」は主語と目的語が逆。道具が先に決まって、問題が後から探されるから失敗する
• 業務によっては人のほうが早い（言語化なしで動ける）、安全（違和感で止まれる、責任を負える）、そして効果が小さければ総コストが低い。ただし物量が限界を超える業務では逆転する
• 多くの会社は属人化・煩雑な依存関係・変更リスクを抱え、AI を乗せる前提がない。だから中核に届かない
• 正しい順序は、データの正規化 → 依存関係をほどく → 業務フローを少しずつ書き換える → 判断基準を言語化 → その上に AI
• AI が勝つ条件は 5 つ。物量／即時性／均質性／判断基準の言語化／属人化の解消。2 つ以上当てはまれば検討の価値がある
• そして AI に無いのは、責任能力と身体性。だから最終判断には人が要る
• 「AI コンサルは虚業」と言われる構造も実在する。買い手の 79.8% がベンダー選定の情報を持たず、83.3% が事例情報を得られず、効果も測定されない市場だから
• 見分ける問いは 5 つ。必要かを条件つきで答えるか／断った案件があるか／作ったものを見せられるか／効果をどう測るか／途中でやめたらどうなるか

「AI を入れるべきか」ではなく、「うちの業務は、AI が働ける状態にあるか」から考えてみてください。多くの場合、答えはまだ「いいえ」です。そしてそれは、恥ずかしいことではありません。

私たちは、AI を売る会社ではなく、何を変えるべきかを判断する会社でありたいと思っています。この記事は、その表明です。

Acetyl:Tech は、「まだ早い」と申し上げることもある会社です。 そのうえで、何から手をつければ乗せられる状態になるかを一緒に整理します。お気軽にご相談ください。

---

出典・参考

本記事の数値は、以下の公的調査の公表資料から直接引用しています。二次情報を経由していません。

• 独立行政法人 中小企業基盤整備機構「中小企業の AI 等の利活用に係る実態調査」（2026 年 3 月公表） 調査期間 2025 年 11 月 17 日〜12 月 12 日／全国の中小企業 10,000 社を対象とした Web アンケート／業務委託先：東京商工リサーチ／導入状況の回答数 n=1,647、導入済み企業 n=322、導入目的 n=331
• 商工中金「中小企業の生成 AI の利用にかかる調査（2026 年 1 月調査）」（2026 年 3 月 31 日公表） 中小企業設備投資動向調査の付帯調査／調査期間 2025 年 12 月 19 日〜2026 年 1 月 16 日／送付 10,772 社・有効回答 3,892 社（回収率 36.1%）

※「積極活用層」は、商工中金の定義（会社主導で導入＋会社導入なしだが個人の生成 AI 活用を推奨、計 31.1%）に従っています。