AIを「使っている」だけでは、もう差がつかない。導入で止まった企業と、仕事を再設計した企業の決定的な違い

「うちもChatGPT使ってますよ」。この言葉を聞くたびに、少しだけ心配になります。

使っている。それは、もう普通のこと。問題は「何に」使っているかではなく、仕事の流れ自体を変えたかどうかにある。AIツールを導入した企業の数は急増しました。一方で、導入しただけで終わっている企業も同じくらい増えている。

この記事では、2026年Q1のデータと日本企業の事例をもとに、AI活用の「第2フェーズ」とは何かを整理しました。ツールの選び方ではなく、仕事の設計をどう変えるかの話です。読み終わったら、自分がどのフェーズにいるか判定してみてください。

AIを導入した企業は増えた。ただ「活用」はまだ半分以下

AIツールの導入率と活用度には、大きなギャップが開いています。

Menlo Venturesの調査が、その実態を明らかにしました。エンタープライズ（大企業）の生成AI支出は前年比で2〜3倍に拡大。Anthropic（アンソロピック）のClaudeが、エンタープライズAI支出（LLM支出文脈）においてシェア40%を占めています。OpenAI（オープンエーアイ）の27%を上回った形です。法人利用の本格化を示す数字と言えるでしょう。

ただ、導入と活用は別の話です。

たとえば、ChatGPTを「メールの下書き」「議事録の要約」に使っている企業は多い。便利だし、時間も短縮できる。それでも、それは「既存の仕事をAIで少し楽にした」にすぎません。

僕はこれを「第1フェーズ」と呼んでいる。

第1フェーズの特徴は3つ。個人が自主的に使い始めた段階だということ。用途がテキスト生成に偏っているケースが多いという傾向。そして、組織としてのルールがまだ存在しないという現実。どこの会社でも見かける光景ではないでしょうか。

ここで気になるのが、「なぜ多くの企業が第1フェーズで止まるのか」という問いです。理由はシンプルで、第1フェーズは「今の仕事を変えなくていい」から楽なんですよね。既存の業務フローはそのまま。AIが一部の作業を代行するだけ。組織構造も、評価制度も、何も変える必要がない。

これが落とし穴。「便利になった」という実感だけで満足すると、そこから先に進めなくなる。「変えなくていい」ことが成長を止めている原因だと、ほとんどの人は気づきません。

僕自身、マーケティング畑で仕事をしてきた中で、この「第1フェーズ止まり」をたくさん見てきました。ChatGPTで企画書の下書きを作る。Claudeにメールの文面を考えてもらう。ツールを使っている実感はある。ところが、チーム全体の働き方は何一つ変わっていない。便利さの実感と、実際の成果の間にある溝。これが第1フェーズの限界です。

ここで立ち止まっている企業が、実は大半を占めている。

「第2フェーズ」とは何か。使うから組み込むへの転換

第2フェーズとは、AIを「使う」のではなく、仕事の流れに「組み込む」段階を指します。

具体的に何が違うのか。第1フェーズでは、人間が仕事をして、一部をAIに手伝わせる。第2フェーズでは、AIが担う業務を前提にして人間の役割を再定義する。順番が逆になるわけです。

Gartner（ガートナー）の予測が、この方向性を裏付けています。2028年までにエンタープライズアプリの40%以上にAIエージェントが組み込まれるとのこと。2024年時点では5%未満でした。この数字の意味は明確で、AIは「ツール」から「インフラ」に変わるということ。

たとえるなら、Excelが登場した頃を思い出してください。最初は「計算を手伝うツール」でした。やがて業務フロー自体がExcel前提で設計されるようになった。予算管理も在庫管理も、Excelなしでは成り立たない。AIエージェントも同じ道をたどろうとしている。

第2フェーズに入った組織には、3つの共通点が見えてきました。

1つ目: 「誰が何にAIを使うか」が明文化されていること。 個人の判断に任せず、業務ごとにAIの役割が決まっている状態です。「リサーチの初期段階にClaudeを使う」「初回返信のドラフトにAIを適用する」のように。

2つ目: AIの出力が「次の工程のインプット」になっていること。 AIが書いた文章を人が確認して終わり、ではない。AIの出力が自動的に次のプロセスに流れる設計になっている。レポートの下書き→チームレビュー→修正→公開、という流れがAI込みで組まれている状態のことです。

3つ目: 投資対効果を数字で測っていること。 「便利だよね」という感覚ではなく、工数削減率やコスト変化を記録する。数字があるから次の投資判断ができる。数字がなければ、感覚に頼って判断がブレるだけ。

この3条件が揃うと、AIは「個人の便利ツール」から「組織の競争力」へと変わる。

では、実際にどの業務から移行するのか。僕が見てきた範囲で、第2フェーズへの移行が始まりやすいタスクには共通パターンがあります。

第1フェーズでよく使われる「メール下書き」や「議事録要約」は、あくまで補助作業です。第2フェーズへの移行候補は、もう少し流れの中に位置づけられたタスク。「承認前の全返信ドラフト」「週次レポートの初稿生成」「顧客ヒアリング後のサマリー自動作成」といった、フローの一部として組み込める業務が対象になります。

キーワードは「繰り返し発生すること」と「次の工程に渡せること」の2点。この条件を満たす業務から、順番にAI前提に切り替えていく。それが第2フェーズへの現実的な入り口です。

日本企業で起きた2つの事例。全社配備の裏にある「設計」

第2フェーズに踏み込んだ日本企業が、すでに出始めました。

1つ目はARアドバンストテクノロジ（証券コード5578）。2026年4月、全エンジニア・全コンサルタントにClaude Code（クロードコード）を標準装備しました。適時開示で正式に発表された事例です。

注目すべきは「全員に配った」という判断そのもの。多くの企業はAIツールを「希望者だけ」「一部のプロジェクトだけ」に限定するのが一般的です。ARIのやり方は違う。

エンジニアだけでなく、コンサルタントにも配備しています。開発にはClaude Code＋GitHub Copilot（ギットハブ コパイロット）＋Cursor（カーソル）。コンサルにはM365 Copilot＋Gemini（ジェミニ）。職種ごとに最適なAIを選ぶマルチAI戦略です。

ここから先は筆者の推論になりますが、全社配備には「使う人と使わない人の格差を組織内に作らない」という設計意図があるはず。一部の社員だけが使う状態だと、AI前提の業務フローが構築できないからです。全員が同じツールを持つことで初めて、AIが前提のプロセスを全社で回せるようになる。

たとえば、チームの半分だけがAIを使っている場面を想像してみてください。AI側が30分で出した成果を、非AI側が3時間かけて作る。ボトルネックは解消されず、チーム全体の生産性は上がらない。全員が使えて初めて、フローが回り始めるわけです。

この記事の詳細は「日本のIT企業が全エンジニア・全コンサルにClaude Codeを配った」にまとめました。

2つ目はPeopleX（ピープルエックス）。Cursor＋v0（ヴィーゼロ）を活用しています。全プロダクトのコードの約80%をAIで開発したとPR TIMESで発表しました。

80%という数字のインパクトは大きい。ただ、本質はそこにはありません。「残りの20%に人間が集中する」という設計が重要なのです。AIが得意な部分をAIに任せ、人間は判断・設計・品質保証に専念する。これが第2フェーズの実装そのもの。

「80%をAIが書く」と聞くと、人間の仕事がなくなるように感じるかもしれません。実際は逆。人間がやるべき仕事が「明確になる」のがポイント。何をAIに任せ、何を自分がやるか。その線引きができている組織と、できていない組織の差が開いています。

2社に共通しているのは、AIを「個人の選択」から「組織の標準」に引き上げたこと。ツールの良し悪しの議論ではなく、「仕事のやり方をどう変えるか」という経営判断として実行している点です。

「時短」で満足した企業と、「成果」に変えた企業の差

AIの導入効果を「時間が浮いた」で終わらせると、第2フェーズには進めません。

よくある失敗パターンがあります。AIを導入して「月20時間の作業が短縮された」と報告する。経営層は喜ぶ。ところが、その浮いた20時間で何をしたかは誰も追っていない。短縮された時間が別の雑務に吸い込まれ、結果として生産性は変わっていなかった。

体系的にAIを活用した組織と、試験的導入で止まった組織の間には、大きな成果差が生まれています。複数のリサーチレポートが共通して示すのは、AIを業務フローに組み込んだ組織と「なんとなく使っている」組織では、時間が経つほど差が広がるという事実です。

この差は、どこで生まれるのか。僕が見てきた範囲では、3つの分岐点がありました。

1つ目の分岐: 浮いた時間の「使い道」を決めているか。

時短は手段であって目的ではない。たとえば、AIで議事録作成が30分短縮されたとしましょう。その30分を「顧客訪問の準備に充てる」と決めている組織は成果が出る。「なんとなく別の作業をする」組織とでは、3ヶ月後の数字がまるで違ってきます。

実際にやるとわかりますが、「浮いた30分」は何も決めないと消える。会議が1つ入ったり、メールの返信に使ったり。意識的に「この時間はこれに使う」と宣言しないと、生産性の向上にはつながらないのです。

2つ目の分岐: AIの効果を「個人の感想」ではなく「チームの数字」で測っているか。

「便利になった気がする」では経営判断の材料になりません。「初回返信時間が40%短縮された」「提案書の作成工数が週あたり8時間から3時間になった」。こうした数字を取っている組織だけが、次の投資判断に踏み込めます。

計測は難しくありません。今週からスプレッドシートに「タスク名・所要時間・AIの有無」を3列書くだけ。完璧なダッシュボードは不要。1ヶ月続ければ、説得力のある数字が揃うはずです。

3つ目の分岐: 失敗を「やめる理由」ではなく「改善の材料」にしているか。

AIの出力は完璧ではありません。ハルシネーション（もっともらしい嘘）も起きるし、精度が足りない場面もある。これを理由にAI活用を縮小する組織は少なくない。

とはいえ、「どの業務なら精度が足りるか」を切り分ける組織もある。たとえば「社外向け正式文書は人間がチェックする」「社内の下書きはAIに任せる」というルール設計。こうした線引きができる組織だけが、第2フェーズに進めるわけです。

Gartnerが予測する「2028年に40%のアプリにAIエージェントが搭載される」世界。これは、AIの精度が完璧になるから実現するのではない。不完全でも成果が出る設計を先行企業が証明したから、他社も続くのです。この流れの詳細は「企業アプリの40%がAIエージェントを搭載する」で解説しました。

あなたのAI活用は、4タイプのどこにあるか

自分の現在地を知ることが、次の一歩の方向を決めます。

ここまでの話を整理すると、AI活用には4つのフェーズが見えてくる。自分や自分の組織がどこにいるか、チェックしてみてください。

タイプA「未着手」: AIツールをまだ業務に導入していない。興味はあるが、何から始めればいいかわからない状態。

→ まず1つのツールを選んでください。ChatGPTでもClaudeでも構わない。「毎週の定例報告の下書きをAIに任せる」など、失敗しても影響が小さい業務で試すのがコツ。1ヶ月続ければ、感覚がつかめるはず。大事なのは「正しいツールを選ぶこと」ではなく、「とにかく1つ使い始めること」です。

タイプB「時短止まり」: AIを個人的に使っていて、便利だと感じている。メールの下書きや文書の要約が主な用途で、組織としてのルールはまだない。

→ ここが最も多いゾーン。次にやるべきは「浮いた時間で何をするか」を決めること。週に何時間AIで短縮できたかを記録してください。その時間を顧客対応、企画立案、分析など価値の高い業務に振り向ける。「この30分はこれに使う」と宣言するだけで、景色が変わるはずです。

タイプC「再設計中」: 特定の業務でAIを前提としたフローを構築し始めている。効果測定もスタートした。一方で、組織全体への展開がまだ進んでいない段階。

→ ARIの事例が参考になるでしょう。「一部のプロジェクト」を「全社標準」に切り替える判断は、ツールの問題ではなく経営判断です。経営層に「月額いくらで、何時間の削減効果があり、その時間で何を生み出したか」を示してください。この3点セットがあれば、決裁は通りやすくなる。

タイプD「組織運用」: 全社的にAIツールが標準装備された状態。業務フローがAI前提で設計され、投資対効果の測定と改善サイクルが回っている。

→ 次のステップはAIエージェントの導入。人が指示しなくても、特定の条件をトリガーに自律的に動くエージェントを1つ設計してみてください。CI/CD（継続的インテグレーション/継続的デリバリー）の通知処理や、定型レポートの自動生成が始めやすい領域。まず1つ、「人が手を動かさなくても回る業務」を作ることがゴールです。

ちなみに、僕自身は今タイプCとDの境界にいると思っています。出雲というシステムの中で、AIエージェントと一緒にコンテンツ制作を回す仕組みを構築している最中です。完璧とは言えないけれど、「AIが前提のフロー」を設計し、改善し続けている。この体験があるからこそ、第2フェーズの話に実感を持って書けるのだと考えています。

自分がどのタイプかを正直に判定すること。これが、第2フェーズへの最初のステップ。

まとめ: 「使っている」の先に行こう

AIツールの導入は、もう差別化要因ではなくなった。ChatGPTを使っているかどうかではなく、仕事のやり方をAI前提で再設計したかどうか。2026年のビジネスで問われているのは、まさにその一点です。

この記事で伝えたかったポイントを3つに絞ります。

• 第1フェーズ（個人利用）は卒業の段階に来ている。 導入率は十分に上がりました。次は「組織としてどう使うか」の設計に移るタイミングです
• 日本企業でも第2フェーズに踏み込んだ事例がある。 ARIの全社Claude Code配備やPeopleXの80%AI開発は、特殊な企業だからできたのではなく、経営判断として実行した結果です
• 「時短」で止まらず「成果」に変えるための3つの分岐がある。 浮いた時間の使い道を決め、効果を数字で測り、失敗を改善材料にする。この3つを回せるかが、分かれ道です

今週できることは1つ。自分が4タイプのどこにいるか判定して、そのタイプに書かれた「次の一歩」を実行してください。

完璧な計画は必要ありません。「来週の月曜日、今まで自分でやっていた作業を1つだけAIに任せてみる」。それだけで十分。大きな変革は、小さな一歩の積み重ねから始まるものです。

AIは道具です。道具の使い方で仕事の質は変わる。使いこなす側に立つか、使われる側に回るか。その分岐点が、2026年の今、まさにここにある。一人でも多くの人が「使いこなす側」に立ってほしいと思っています。一緒にやっていきましょう。

---

参照元

• Menlo Ventures「The State of Generative AI in the Enterprise」 — エンタープライズAI支出におけるLLMシェア動向
• Gartner Press Release（2024-11-19） — AIエージェント搭載率40%予測
• ARアドバンストテクノロジ 適時開示 — Claude Code全社標準装備の公式発表
• PeopleX PR TIMES — Cursor+v0による80%AI開発

---