生成AI利用86.4%、それでも「組織的な取組はない」27% — 日＝個人が使い組織は変わらず／米＝Microsoft増収と10年ぶりの従業員減／韓＝国がAI人材の場

W30 では「基盤や重みは開かれても、それを使える条件は各社に残される」と読んだ。今回前後に確定した事実は、その「使える条件」が、ツールでも予算でもなく“組織”の側にある——という可能性を示している。日本の企業の86.4%が生成AIを使っている。だが同じ調査で、27.0%が「業務変革について組織的な取組はない」と答えた——米国では1.4%である。同じ週、Microsoft は増収と10年ぶりの従業員減を同じ決算に載せ、韓国はAI人材を1,000人集めて産学協力を宣言した。「AIを使っているか」を問う段階は、少なくとも数字の上では終わりつつある。

AISolveの分析

下記は、公開された一次発表・報道に基づく AISolve 編集部の解釈である。

共通潮流 — 「生成AIを使っている」は86.4%まで来た。差がつくのは、仕事のかたちを変えたかどうか

7/24、総務省が 『令和8年版情報通信白書』 を公表した（L1: 総務省報道資料）。特集は「AIの進展がもたらす多面的影響〜人間とAIが健全に協働するデジタル社会の実現に向けて〜」で、2026年1〜2月に日本・米国・ドイツ・中国で実施した調査が土台になっている。

数字だけ見れば、日本は追いついた。企業で生成AIを一つ以上の業務に利用する割合は86.4%——2024年度調査の55.2%から、1年半で30ポイント以上動いた。個人の利用経験率も58.8%（同26.7%）と倍以上になっている。「日本は生成AIを使っていない」という2024年頃の言説は、少なくとも「触っているか」の水準では、すでに過去のものになった。

問題はその隣に並んだ数字である。生成AI導入による業務変革について「組織的な取組はない」と答えた企業が27.0%あった。同じ設問で米国は1.4%、ドイツ4.9%、中国2.6%である。日本だけが桁がひとつ違う。さらに、活用方針そのものを定めた企業は68.9%（米90.9%・独91.6%・中98.1%）で、ここでも2割強の開きがある。そして白書が挙げる導入に関する最大の懸念は、「効果的な活用方法がわからない」である。

この3つを重ねると、日本で起きていることは「導入が遅れている」ではなく、「導入はしたが、仕事のかたちが変わっていない」と読むほうが自然に見える。ツールは配られ、社員は触っている。だが誰がどの業務をどう変えるかを決めた人がいない。方針がなく、組織的な取組がなく、だから「効果的な活用方法がわからない」。この3つは別々の問題ではなく、同じ一つの欠落の3つの症状ではないか——ここは編集部の読みで、断定ではない。

中小企業側から見ると、この構図はもう少しはっきりする。中小企業基盤整備機構の実態調査（2026年3月公表）では、中小企業のAI導入率は20.4%（検討中18.6%を含めて39.0%）である。白書の86.4%とは大きく違うが、これは矛盾ではない。母集団と設問が違う——白書は「一つ以上の業務で利用しているか」、中小機構は「導入しているか」を聞いている。だがその差の大きさ自体が示唆的である。「誰かが業務で使ったことがある」は86.4%、「会社として導入した」は20.4%。この66ポイントの隙間に、「組織的な取組はない」27.0%が住んでいる可能性がある。

同じ週、米国側はこの隙間を埋め終えた企業の決算がどう見えるかを示した。7/29、Microsoft は FY26 Q4 決算を発表し、通期売上3,318億ドル（+18%）・営業利益1,552億ドル（+21%）、Azure の年間売上が初めて1,000億ドルを超え、Microsoft 365 Copilot は有償3,000万席超に達した（L1: Microsoft IR）。ここまでは「AIが売れている」話である。

注目したいのは同日提出の Form 10-K のほうだ。従業員数は約22.3万人（米国内12.1万人／海外10.2万人）で、前年の約22.8万人から約5,000人の純減。前年割れは2016年以来10年ぶり——Nokia の携帯電話事業を整理していた年以来である。しかも減っているのは間接部門ではなく、製品研究開発が7.7万人で前年比約3,000人減、2024年のピークからは約4,000人下回る。同じ期間に有形固定資産の取得は通期1,159億ドルである。

つまり Microsoft の FY2026 の決算書には、売上+18%と、10年ぶりの従業員減と、11兆円規模の設備投資が、同じページに並んでいる。これを「AIが人を置き換えた」と読むのは早いし、レイオフや組織再編など別の要因も当然ある。だが少なくとも、増収を人員増で作らない形が、一社の年次決算として成立したことは確認された、とは言えそうだ。日本の白書が「組織的な取組はない27.0%」と記録した同じ月に、である。

韓国は、この差をさらに別の側から埋めにいっている。7/29〜31、科学技術情報通信部が 『2026 大韓民国AI革新人材コネクト』 をソウル・COEX で開催した。AI・AX大学院、AI融合革新大学院、AIスターフェローシップ、生成AI先導人材養成といった同部の人材養成事業に参加する大学・企業・研究者ら約1,000名を一堂に集め、開会式では裴慶勲副首相兼長官と、NC AI・LG AI研究院・エリスグループほか主要AI企業・研究機関・大学の関係者20余名が 「AI人材養成 産学協力ビジョン宣言」 に署名した。2020年から毎年続いている枠組みである。

W30 で見たサムスンSDS × Anthropic の共同養成と並べると、韓国の一貫性が見える。モデルを作る話でも、補助金を配る話でもなく、「実装できる人をどこで育てるか」に国がリソースを張り続けている。日本の白書が「効果的な活用方法がわからない」を最大の懸念として記録したのと、同じ穴に別の方向から手を入れている構図として読める。

地域差 — 「使う人」を増やす国と、「変える組織」を作る国

3地域とも生成AIの利用そのものは広がったが、その次に何を整えたかが割れている。今回前後の一次情報を、その軸で並べ直す。

観点	日本	米国	韓国
今回前後の一次情報	総務省『令和8年版情報通信白書』公表（7/24、L1）	Microsoft FY26 Q4 決算 + Form 10-K（7/29、L1）	科技情通部『2026 大韓民国AI革新人材コネクト』（7/29〜31、L1相当）
「使っている」の水準	企業の86.4%が一つ以上の業務で利用（2024年度55.2%）。個人58.8%	Microsoft 365 Copilot 有償3,000万席超（一社の販売実績）	政府支援のAI人材養成事業に大学・企業・研究者約1,000名が集う
組織の側に起きたこと	「業務変革に組織的な取組はない」27.0%（米1.4%・独4.9%・中2.6%）。活用方針の策定68.9%（米90.9%）	従業員22.3万人、前年比▲5,000人。10年ぶりの前年割れ。製品R&Dも▲3,000人。同時に通期売上+18%	「AI人材養成 産学協力ビジョン宣言」に副首相＋企業・大学20余名が署名。2020年から継続
最大のボトルネック（公表ベース）	「効果的な活用方法がわからない」（白書が挙げる最大の懸念）	（公表ベースでは示されず。capex 通期1,159億ドルを投じ続けている）	実装できる人の絶対数——だから育てる場に張っている
中小の実像	AI導入率20.4%、検討中18.6%（中小機構、2026年3月）。導入目的も効果も「業務効率化／作業時間の短縮」が突出	対象外（Fortune 級の決算）	産学の枠組みは大学・大企業中心。中小への波及は別レイヤー
一言でいうと	使う人は増えた。決める人がいない	人を増やさずに増収する形が決算に出た	人を育てる場を、国が用意し続けている

表の下に3点補足したい。

ひとつは、日本の27.0%は「AI後進国」の指標ではなく「実装役の不在」の指標に見えるという点だ。86.4%が使っているのだから、ツールへのアクセスも社員の意欲も足りていないわけではない。足りていないのは、「この業務を、この順で、こう変える」と決めて実行する役である。米国の1.4%という数字は、裏を返せば米国企業のほぼ全社に、その役が置かれているという意味になる。ここは technical_leader_view の観点で言えば、AI予算の問題ではなく職務設計の問題である。

ふたつめは、Microsoft の10年ぶりの人員減を「AIによる代替」と単純に読まないほうがよいという点だ。この減少にはレイオフ・組織再編・M&A の影響が混ざっており、10-K は理由を分解していない。ただし exit_value の観点で見逃せないのは、「売上が18%伸びているのに人が減った年」が実在したという事実そのものである。これまで増収と増員はほぼセットだった。そのセットが一社で外れたなら、「売上あたり何人必要か」という比率が業種を問わず問い直される可能性がある。5年後の企業価値評価で「一人当たり売上」がどう扱われるかは、まだ誰にも分からないが、注視に値する。

みっつめは、韓国のやり方が日本にそのまま移植できるとは限らないことだ。cross_border の観点で言えば、韓国のAI人材政策は大学・大企業を軸にした産学協力であり、中小企業の現場に人が降りてくるまでには時間差がある。W30 で見た「製造AI特化スマート工場」のように現場に直接カネを付ける制度と併走してはじめて機能する設計に見える。日本の中小が明日できることとしては、外部から人が来るのを待つより、社内の誰か1人を実装役として指名するほうが速い——これは我々の事業観が混じった読みなので、割り引いて受け取っていただきたい。

日本の B2B 意思決定者への示唆（推測ベース）

ここから先は事実観察から踏み込んだ AISolve 編集部の読みで、断定として受け取らないでいただきたい。3点とも「今期の社内検討に仮ポジションとして置く」レベルである。

1. 「使ってみた社員」の数を追うのをやめて、「変わった業務」の数を数え始めるほうが分がありそう: 白書の86.4%と中小機構の20.4%の差が示唆するのは、「AIを使った人がいる」と「業務が変わった」は別の指標だということである。研修を実施した、アカウントを配った、社内で使用例を共有した——これらはすべて「使った人」の数であって、業務の数ではない。今期のKPIとして置くなら、「今期中に、AIを前提に手順そのものを書き換えた業務が何本あるか」のほうが、27.0%の側に落ちない指標になりそうだ。1本でも書き換われば、その時点で「組織的な取組はない」には該当しなくなる。

2. 「効果的な活用方法がわからない」は情報不足ではなく、たぶん人の配置の問題: 白書が最大の懸念として記録したこの一文は、事例集を配れば解ける種類の問題には見えない。自社の業務のどこが非効率かを知っている人と、AIで何ができるかを知っている人が、別人のままだから「わからない」のではないか。だとすれば処方は情報提供ではなく人の配置になる。外から専門家を呼ぶ選択肢もあるが、現実的には業務側の人にAIを覚えてもらうほうが、AI側の人に業務を覚えてもらうより速いことが多い、というのが我々の現場感である。ここは検証されていない経験則として書いておく。そのとき効くのは、見て終わる研修ではなく、参加者全員が自分の業務で手を動かして、その日のうちに1本作って帰る形だと考えている（AI活用研修の事例）。

3. （ここは当社のポジショントーク込みなので割り引いて）「人が足りないから採る」の前に、「その仕事は本当に人がやる形のままでいいのか」を一度通すと、選択肢が増えそう: Microsoft の決算が示したのは、増収と人員減が同居しうるということだった。もちろん22万人規模の会社の話であって、10人の会社にそのまま当てはまるわけではない。だが exit_value の観点で言えば、採用は最も重く、最も戻しにくい意思決定である。中小機構の調査で、AIの導入目的も導入効果も「業務効率化／作業時間の短縮」が突出していたことを踏まえると、「1人採る」の手前に「この工程を自動化したら何時間戻るか」を1回だけ計測するという順序を挟む価値はありそうに見える。AISolve が「採用より先に、自動化」を掲げているのは我々の事業上の立場でもあるので、そこは明示しておく。そのうえで実務的な提案としては、受注・見積・問い合わせ・報告のうち、最も人手が張り付いている1業務だけを選び、現状の所要時間を測ってから着手すること——測っていない改善は、効果も「わからない」ままになる（業務プロセス自動化の事例）。

白書の27.0%は、日本企業がAIを使っていないことの証拠ではなく、使っているのに誰も決めていないことの証拠として読める。そして「誰も決めていない」は、外部環境ではなく社内の意思決定の話である。今期中に1業務だけ、手順ごと書き換えてみる——それが27.0%の外に出る最短経路ではないか、というのが本号の読みである。