こんにちは。applemintのEricです。
Google Cloud Day 2026で、登壇者のHarsha Konduri氏がスライドで示した数字は、かなり厳しいものでした。「企業のAIプロジェクトの87%は本格運用に至らない。AIを基幹業務に組み込めている企業は5%未満」
（87%はVentureBeatの分析による数字で、MIT Sloan Management Review〈Achieving Return on AI Projects〉が引用しています。「5%未満」は当日のスライドの数値です）。
applemint社内のAI関連プロジェクトを振り返ってみると、この数字は決して大げさではありません。
弊社は今年3月に「AI First Policy」という方針を正式に打ち出しました。導入の過程では、どの会社でも起きる「品質が安定せず、本番に乗らない」「成果物をチェックする時間のほうが、自分でやるより長い」という問題にぶつかりました。
試行錯誤を重ねた結果、ようやく中核である広告運用の業務を、少しずつ安定してAIに任せられるようになってきました。
この記事では、AI導入の過程で多くの会社が抱きがちな誤解と、それに対してapplemintが実際に何をしたのかを掘り下げます。
社内でAI導入の担当を任された方も、経営者の方も、「AIをどう導入すべきか」に迷いがあるなら、この記事が手がかりになるはずです。
ChatGPTとClaude、どちらが良いか迷っていますか？その時点で最初の一歩を間違えています
AI導入の成否は、どのベンダーを選ぶかではなく、日常業務のサイクルに組み込めているかで決まります。Konduri氏は講演で、企業がAI導入時に抱きがちな誤解を8つ挙げました。その1つ目が、まさに「AI戦略とは適切なベンダーを選ぶことだ」という思い込みです。
8つの誤解は次のとおりです。
- AI戦略とは、適切なベンダーを選ぶことである
- 社内データはすでに競争優位性（moat）になっている
- 大規模なAI変革プロジェクトが必要である
- AIで人員を削減し、コストを下げられる
- AIサービスで先行すれば市場を取れる
- 「自社構築かサービス購入か」がAI導入の中心的な意思決定である
- AIのROIは、ほかのITプロジェクトと同じ方法で測るべきである
- AI導入の進捗を管理する専任のAIチームが必要である
この8つの誤解にとらわれて前に進めないままだと、AIがもたらす複利効果を取り逃がすことになります。
私は「AIの複利効果」をこう定義しています。「AIの活用シーンは今後増え続ける。より広い範囲でAIと付き合える人は、AIを使うことを拒む人より確実に適応しやすい。そして両者の差は開き続ける」。
Googleのイベントですから、この8つの誤解に対する回答は、当然ながら自社のGCPエコシステムと、マルチエージェントのAgent Platformに帰着します。ただ、答えは1つとは限りませんし、中小企業がAgent Platformを導入できるとも限りません。
実のところ、この8つの誤解を聞く前から、私はAI導入にはかなり慎重でした。複利効果は信じている一方で、私のような経営側が思いつきで「AI導入を強化する」と言ったところで、成果が出るものではないと分かっていたからです。
3月から次の3つの方法でAI導入を進め、5か月後、私が主に管理している広告運用部門でAIの適用範囲を広げました。
社内アンケートの回答では、AIを活用している業務の比率は、5月の初回評価時の50%から、8月の評価では70%まで上がりました。活用シーンも、広告レポートの作成、クリエイティブとSEOブログの企画から、クライアントごとの工数見積もり、競合分析まで広がっています。
中小企業のAI導入は、どこから始めるべきか？
すでにやっている仕事から小さなシーンを切り出すことです。「どのシステムを導入するか」から始めてはいけません。applemintが3月から取り組んだのは3つだけで、5か月後には広告部門のAI活用業務比率が50%から70%になりました。その3つの中身を説明します。
AIの活用シーンはどう作るのか？
いまの仕事を最小単位まで分解すれば、シーンは自然に生まれます。Konduri氏は、同じ時期にAIを導入した会社でも、3つのシーンで使う会社と30のシーンで使う会社では、3年後の差が非常に大きくなると話していました。その差は分解の細かさから生まれるもので、ツールの性能ではありません。
当たり前のように聞こえますが、「活用シーンを増やす」方法、より正確には活用シーンを作り出す方法が分からない人は多いです。
とくに体制が固まっておらず、1人が何役も兼ねている中小企業では、「一度に業務フロー全体を整えよう」としがちです。その結果どれも中途半端になり、チェックのほうが自分でやるより時間がかかる、という事態が起きやすくなります。
では、どうやって活用シーンを作るのか。
まず、いまの仕事をより細かい単位に分解してみることです。[INTERNAL-LINK: 「デジタルマーケティング会社はAI Firstポリシーをどう導入したか」→ about-ai-first の日本語版URL]でも触れましたが、applemintは「広告の月次レポートを作る」という1つのシーンを、複数の小さなシーンに分解しました（MCPで生データを取得する、データを整理する、論理的な推論を出す、品質管理とチェックをする）。
この過程で生まれた小さなシーンは、それぞれ別の大きなシーンにも当てはめられます。たとえば論理的な推論のスキルは提案の場面に、品質管理のスキルは広告入稿前の準備作業に転用できます。
ドキュメントがない会社は、どうデータの循環を作るのか？
いま散らばっているデータをAIが読める状態にするほうが、先にドキュメント制度を整えるより早く効果が出ます。中小企業でいちばん起きやすい問題は「ドキュメントがない」「フォーマットが揃っていない」ですが、意思決定を止めているのは多くの場合、ドキュメントが存在しないことではなく、各所に散らばったまま一度も使われていないことです。
デジタル化が進み、データをクラウドストレージに置けるようになりました。それでも、そのデータが実際に意思決定に使われているとは限りません。
ここで生成AIを使うと、社内の複数のソースにまたがるデータを実用的にまとめられます。弊社ではClaudeとAsana、Googleドキュメントを連携させ、クライアントとの打ち合わせの結論を、そのまま追跡可能なAsanaのタスクに変換しています。
また最近は、社内のGoogle Workspaceのドキュメントを整理し、新しく入ったメンバーが最初の1か月の研修期間によく出てくる質問をAIに渡すことで、社内資料を探す時間を削減しました。
具体的なデータのほかに、広い意味での「データの循環」には、基礎知識を作ることも含まれます。
AIのアウトプットが60点だとして、実力が30点の人には、それが200点の成果に見えてしまいます。その差に気づけるのは、もともと60点を超える実力がある人だけです。
AI活用が進んでいる人たちが共通して話しているのは、AIのアウトプットを学習の土台として使う、ということです。つまり「いま持っている知識」を入力データにし、「出てきた結果」をまた新しいデータとして扱う、という循環です。
社員がAI導入に協力してくれないとき、どう伝えるか？
多くの経営者は「AI導入でコストが下がる」と信じていますが、Orgvueの調査（2026年7月）では、55%の経営層が、AIを理由にした人員削減は誤った判断だったと認めています。置き換えられる職務を読み違えて人を減らし、特定のスキルを持つ人材を採用しなかったことが、かえって大きな損失を生んだからです。
applemintが社内で実施したAI First Policyの第1回調査では、「AIは速度を上げる手段であって、目的ではないはずだ」という指摘がありました。中小企業のAI導入で絶対に無視できない「人」の要素が、ここに表れています。
まず、管理者と経営者が理解しておくべきなのは、「AI導入」と雇用されている社員のあいだには利益の衝突があるということです。
合理的に考えれば、「会社全体の生産性を上げる」ことは社員の中心的な利益ではありません。つまりコミュニケーションが不足したままでは、「AI導入に協力する」ことは社員にとって次の3点で衝突します。
- 置き換えられるリスク：先ほど触れたように「AIによる人員削減は誤りだった」という反省は出てきていますが、もともとの職務範囲が繰り返し作業であれば、この不安は確かに存在します
- 追加の仕事になること：現場の社員から見れば、社内の制度やフローを改善するのは追加の業務です。AI導入のせいで本来終わるはずの仕事が時間内に終わらなくなれば、それは追加のコストです
- 時間が減らないこと：これは私がいま最もよく受け取るフィードバックです。広告成果の月次レポート作成にAIを組み込みましたが、最後に結果をチェックする時間を足すと、最初から自分で書くより速くはならない、という声が出ています
これに対して、私が考えるコミュニケーションの方向は次のとおりです。
- AI導入は、繰り返しの仕事を実際に置き換えます。ただ置き換えると同時に、AIのアウトプットをチェックする側に回ってもらい、その結果をもとに、より深く考えてもらうよう導いています
- 社員に、AI導入へ時間を使う気になってもらうには、「AIを使うことで達成感を得られるようにする」ことも重視しなければなりません。たとえば、細かい確認が必要だったメールをAIに要約させる、といったことです
- 運用中に出てくるフィードバックを常に集めます。「結果を確認する時間のほうが、自分でやるより長い」という声であれば、次に考えるべきは「この仕事をAIに任せてどれだけ時間が減るのか、調整に時間をかける価値があるのか」です。そのために下の表を使い、頻度と削減できる時間から、投資する価値があるかを判断しています。エンジニアの間では定番の早見表が、「頻度×削減できる時間」ごとにかけてよい時間をおおまかに描いています。私はそれを、元の5年から1年のスケールに縮めました。
| 1回の削減時間 | 日次 | 週次 | 隔週 | 月次 | 四半期 | 年次 |
|---|---|---|---|---|---|---|
| 1分 | ◎ 4時間 | △ 50分 | × 25分 | × 12分 | × 4分 | × 1分 |
| 5分 | ◎ 2.5日 | ◎ 4時間 | △ 2時間 | △ 1時間 | × 20分 | × 5分 |
| 30分 | ◎ 15日 | ◎ 3日 | ◎ 1.5日 | ◎ 6時間 | △ 2時間 | △ 30分 |
| 2時間 | ◎ 60日 | ◎ 12日 | ◎ 6日 | ◎ 3日 | ◎ 1日 | △ 2時間 |
| 半日 | ◎ 125日* | ◎ 25日 | ◎ 12日 | ◎ 6日 | ◎ 2日 | ◎ 4時間 |
◎ 投資する価値がある（半日以上かけてよい）／△ 状況次第／× 割に合わない（かけてよい時間が30分未満。いまのスキル化のコストでは、信頼できるものは作れない）
（* あくまで計算上の理論値です。この頻度と削減幅の仕事は、そもそも人がやるべきではありません）
企業がAI導入で絶対に踏んではいけない地雷は何か？
社員に自費で個人向けのAIサービスを使わせることです。ここまでは「やるべきこと」でしたが、ここでは絶対にやってはいけないことを1つ挙げます。表面上はサブスクリプション費用を節約しているだけに見えて、実際には会社のデータガバナンスを、社員一人ひとりの個人アカウントの設定に外注していることになります。
「AIを使うと、機密データが学習に使われてしまうのではないか」と心配する会社は多いです。
答えは、使われるとも使われないとも言えます。
法人向けプランであれば、各社の現行の規約で、入力と出力をモデルの学習に使わないことが保証されています（例：Claude）。
つまり、中小企業の経営者としてAIを導入したいなら、この投資は削らないでください。
中小企業の現場管理者が、部下に「それAIでやっちゃって」と言うのを何度か聞いたことがあります。つまり社員に個人向けの生成AIを自分で使わせるということですが、個人向けプランは、入力と出力がデフォルトでモデルの学習に使われます。
各社ともオフにする設定は用意していますが、会社側はその設定に介入できません。全社員がオフにしたかを監査することもできず、クライアントから「データはどう扱っているのか」と聞かれたときに示せる根拠もありません。
本気で導入するなら、企業は法人向けのソリューションを選ぶべきです。ただし「どこの製品か」の比較に時間をかけないでください。主要な数社は、文書作成、データ整理、日常業務、検索の処理能力にほとんど差がありません。差がないとは言いませんが、その差は導入を先延ばしにする理由にはなりません。
あわせて、就業規則で、次の場面における無料版・個人有料版のAIサービスの利用を明確に禁止してください。
- クライアントのデータを扱うとき
- 未公開の財務・人事情報を扱うとき
- 社外に提出する成果物を作るとき
まとめ
以上が、applemintがこの半年、AI導入に本気で取り組んできた経緯です。Konduri氏の話を聞いたのは6月でした。3月に始めたAI First Policyを振り返ると、最初のうちは私たちも彼が挙げた誤解を抱えていました。それでも、比較的早く軌道修正できたと思っています。
自社へのAI導入を検討していて、「どの業務から始めるべきか」「社員が納得してくれない」で止まっているなら、[INTERNAL-LINK: applemint 日本語のお問い合わせページURL]までご連絡ください。どこで転んだかを共有し、遠回りを少しでも減らせるようお手伝いします。
applemintへのご相談やご連絡はこちらから！
