「うちはもうAIを導入しています」。経営会議でも親会社への報告でも、この一文はすっかり当たり前になりました。実際、議事録の要約やメール文面の下書きにAIを使っていない会社のほうが、いまや少数派かもしれません。問題は、その「導入済み」が利益にどれだけつながっているかです。McKinseyが2025年11月に公表したグローバル調査「The State of AI in 2025」は、この問いに具体的な数字で答えています。AIを使う企業は88%。しかし、はっきりした成果を出している企業は約6%。本稿では、この大きな開きがどこで生まれるのかを調査データで確認し、日本企業の「AI導入済み」報告に潜む乖離と、成果側に回るための業務の組み立て直し方を整理します。
「導入済み」の次に、どの業務へ組み込むかを考える資料です。 AI業務実装ロードマップ
88%、39%、6%。三段階で絞られる構造
まず調査の概要です。McKinseyのこの調査は2025年6月から7月にかけて実施され、105か国・1,993名の回答に基づいています。特定ベンダーの顧客アンケートではなく、地域・業種・企業規模をまたいだ大規模調査である点が、判断材料としての価値です。
注目すべきは、三つの数字が段階的に絞られていく構造です。
- 88%: 少なくとも1つの業務機能でAIを定常的に利用している企業の割合。前年の78%から10ポイント上昇しました。
- 39%: AIの利用が企業レベルのEBITに影響を与えたと報告した企業の割合。EBITとは利息と税金を差し引く前の利益で、おおまかには営業利益に近い指標と考えて差し支えありません。
- 約6%：McKinseyが「ハイパフォーマー」と定義する回答者の割合。AIがEBITの5%以上に寄与し、かつAIから得られる価値を「大きい」と評価する、という条件を満たす層です。6%以外に成果がないという意味ではありません。
これらは、調査回答者が所属する組織について答えた数字です。AI利用の広がりと、企業全体の利益への寄与は区別して読む必要があります。また約6%はMcKinseyの高成果層の定義を満たす割合であり、残りの組織に効果がなかったことを意味しません。（参照：McKinsey「The State of AI in 2025」調査レポート（2025））
同じ構図は、話題のAIエージェント（人の指示を待たずに一連の作業を進めるAIの仕組み）でも繰り返されています。同調査では62%の企業がAIエージェントを実験以上の段階で使い始めていますが、組織的にスケール展開できているのは23%にとどまります。新しい技術が出るたびに「試す企業は多いが、業務に組み込み切る企業は少ない」という同じパターンが現れているわけです。（参照：McKinsey「AI at work, but not at scale」Week in Charts (2025)）
別の調査と比較するときは、成果の定義をそろえる
異なる調査の「導入」「価値」「利益への寄与」は、同じ定義とは限りません。AIを利用している割合と、企業全体の利益を押し上げている割合をそのまま成功率・失敗率として扱わないことが大切です。Stanford HAIのAI Indexは導入や投資などを広く整理し、BCGはAIから価値を生み出す企業間の差を分析しています。それぞれの対象年・回答者・指標の定義を確認して参照します。（参照：Stanford HAI「AI Index Report」（2026）、BCG「Are You Generating Value from AI? The Widening Gap」（2025））
88%と6%を分けるのは、ツールではなく業務の側
ここからはRespectifyの実務視点です。私たちはこのギャップの正体を、AIツールの性能差ではなく「業務のどこに、どう組み込んだか」の差だと捉えています。
88%側の典型的な使い方は、いわば「点の利用」です。文章の下書き、要約、翻訳。個人の作業が少し速くなるものの、業務の流れそのものは何も変わっていないため、効果は個人の残業時間の中に溶けて消えます。これでは利益への影響を測りようがなく、39%の関門を越えられません。
一方、6%側に共通するのは「線の再設計」です。ある業務を工程に分解し、AIに任せる工程と人が判断を握る工程を決め直し、前後のデータの受け渡しまで含めて流れを組み替える。ここまでやって初めて、リードタイムや処理件数といった業務指標が動き、利益への寄与を語れるようになります。導入済みかどうかではなく、業務フローを再設計したかどうか。これが88%と6%の間にある実質的な分かれ目だと私たちは考えています。
調査の数字を、自社の業務選定と実装の計画に落とし込む。 AI業務実装ロードマップを無料でダウンロードする
日本企業の「AI導入済み」報告に潜む乖離
この調査結果は、日本企業にとって他人事ではありません。むしろ日本のほうが、ギャップが見えにくい構造を持っています。
第一に、PoC（概念実証。本格導入の前に小規模に試す取り組み）を丁寧に重ねる文化です。それ自体は健全ですが、「試すこと」が目的化しやすく、PoCを何度も実施しているのに業務は何も変わっていない、という状態が「AI推進中」として何年も報告され続けることがあります。
第二に、社内報告における「導入済み」の幅広さです。全社で議事録要約ツールを契約しただけでも、営業部門の見積もり作成フローを組み替えた場合でも、報告書の上では同じ「AI導入済み」になります。親会社や経営層へのDX報告で「AI導入率」を指標にしている場合、この2つの違いは数字に一切現れません。グループ会社のDX推進を担う立場であれば、「導入済み」と報告した次の会議で「で、何が変わったのか」と問われる場面はすでに経験があるはずです。
McKinseyの数字は、社内報告で何を確認すべきか考える材料になります。導入率は利用状況の把握に使い、事業成果は「どの業務の、どの指標が、どう変わったか」で別に示します。導入率だけで利益への貢献まで説明しようとしないことが重要です。
工程分解から始める。少人数チームでもできる再設計
「ワークフロー再設計」と聞くと大がかりに響きますが、出発点は1つの業務の工程分解です。従業員50名の会社でも200名規模のグループ会社でも、やることは変わりません。マーケティング担当が1〜2名で回している会社を例に、コンテンツ制作で考えてみます。
ブログ記事を1本作る業務は、おおむね次の工程に分解できます。
1. 企画（キーワードとテーマの選定） 2. 構成案の作成 3. 初稿の執筆 4. 事実確認と数字の出典チェック 5. 編集（トーンの調整、自社視点の追記） 6. 入稿と配信設定
このうちAIに任せて品質が落ちにくいのは、2の構成案と3の初稿のたたき台です。逆に、1の「何を書くか」の判断、4の事実確認、5の自社の知見を足す編集は、人が握る工程として明示的に残します。ポイントは、「AIで記事を書く」と漠然と始めるのではなく、工程ごとに担当（AIか人か）と合格基準を決めてから流すことです。これだけで、AIの利用が「たまに文章を手伝わせる」点の状態から、「初稿までの所要時間」という測れる線の状態に変わります。効果は業務によって異なるため断定はしませんが、測れる形にしておけば、効果がなかった場合に撤退する判断もまた早くなります。
もう1つ実務上重要なのが、効果を測るためのデータの置き場所です。制作したコンテンツが問い合わせや商談にどうつながったかを追えなければ、せっかくの再設計も「速くなった気がする」で終わります。CRM（顧客管理システム）に活動データが揃っていることが、AIの成果を利益の手前の指標（リード数、商談化数）で語るための前提になります。このあたりの業務側の整備はCRMにデータを整える営業最適化の支援の領域として、またどの業務から工程分解に着手すべきかの見立ては業務へのAI実装支援で扱っていますので、必要に応じて参照してください。
最初の業務を選ぶための記入例
以下は、営業会議の準備を題材にした架空の記入例です。顧客事例や改善効果の実測値ではありません。自社の業務に置き換え、入力・出力・確認担当をそろえてから試します。
| 項目 | 記入例 |
|---|---|
| 対象業務 | 営業会議に向け、案件の進捗と次の行動を整理する |
| 入力する情報 | 閲覧権限があるCRMの取引情報と、会議前に更新した担当者の記録 |
| AIに任せる工程 | 情報の分類、前回からの変更点の整理、未記入項目の抽出 |
| 人が判断する工程 | 見込み時期の妥当性、顧客への対応方針、会議で扱う案件の優先順位 |
| 確認する担当 | 取引担当者が内容を確認し、営業責任者が会議に使う情報を確定 |
| 効果の見方 | 準備にかかった時間、修正件数、未確認のまま残った項目を同じ業務で前後比較 |
候補が複数ある場合は、繰り返し発生し、入力情報を用意でき、結果を確認する担当が決まる業務から検討します。人による修正時間が増えるなら、利用範囲や入力情報を見直します。
まとめ
- McKinseyの2025年調査（105か国・1,993名）では、AIを少なくとも1業務で定常利用する企業は88%（前年78%）に達しました。導入そのものは、もう差別化要因ではありません。
- 約6%は、AIがEBITの5%以上に寄与し、かつ大きな価値を得ていると答えた高成果層。AIの成功率そのものとは区別する
- AIエージェントも同じ構図で、62%が実験以上に進む一方、スケール展開は23%にとどまります。
- 分かれ目はツールの性能ではなく、業務を工程分解してAIと人の分担を決め直す再設計の有無です。日本企業では「AI導入済み」という報告の幅広さが、このギャップを見えにくくしています。
- 着手は1業務の工程分解からで十分です。報告の単位を「導入率」から「業務指標の変化」へ移すことが、成果を確かめながら実装を進める一歩になります。
記事の記入例を自社に置き換える際は、選定・実装・定着・計測の工程を整理した資料をご活用ください。 AI業務実装ロードマップを無料でダウンロードする
候補業務の着手順や、実装後の成果の見方が決まらない場合は、ご相談ください。 無料相談で自社の進め方を整理する
