「AIは導入した。なのに、現場で使われている実感がない」

「重要なのはわかっている。でも、何から手をつければいいのかわからない」

もしそう感じているなら、それはあなたの会社だけではありません。

世界中の企業が、まったく同じ場所でつまずいています。

そして今、日本政府自身も同じ課題に向き合い始めました。

2026年7月10日、高市総理は第5回人工知能戦略本部で第2期「AI基本計画」案を決定し、「日本AX（AIトランスフォーメーション）」を国家戦略の柱に据えました。

この発表の中で総理が名指しした共通課題こそ、本記事のテーマそのものです。

本記事では、MIT・Gartner・総務省、そして政府の最新方針をもとに、AI導入が成果につながらない本当の理由を解き明かします。

さらに、自社のAIアダプション（AIの定着・成果化）度をたった5つの問いで自己診断する方法、そして成果を分ける「ある仕事」の担い手まで、順を追って体系化します。 

読み終える頃には、次に何をすべきかが見えているはずです。

事業開発担当者のための「AIアダプション」とは？インターネット普及と同じ構造で進むAI活用の今

1. AI導入の95%が「成果ゼロ」——MITが突きつけた現実

結論から言えば、「AIの導入」と「AIの成果」は、まったくの別物です。 

2025年8月、MITのProject NANDAが発表したレポート『The GenAI Divide: State of AI in Business 2025』は、世界に衝撃を与えました。

企業はすでに生成AIに300〜400億ドルを投資し、8割を超える組織がChatGPTなどのツールを試験導入している。

にもかかわらず、パイロットの95%は損益（P&L）に測定可能な影響を生んでいなかったのです。 

さらに興味深いのは、同じ調査が明らかにした「シャドーAI経済」の存在です。

  • 公式導入の壁：会社として公式にAIを導入している組織は約40%にとどまる
  • 現場のリアル：一方で、従業員の90%は個人のAIツールを日常的に仕事へ使っていた

つまり、「個人としては使えているのに、会社としては成果が出ない」——

このねじれこそが、95%の失敗の正体です。

 レポートは失敗の原因を、AIモデルの性能不足ではなく「学習ギャップ」に求めました。

AIが組織の文脈を保持できず、フィードバックから学べない構造になっているのです。

問題はAIそのものではなく、AIと会社のあいだにあります。 

では、日本の状況——そして日本政府の認識はどうでしょうか。

2. 政府も「同じ課題」に到達した——「日本AX」と共通基盤への言及

民間の失敗を分析した知見と、国家戦略として描かれた方針が、いま同じ一点に収斂しています。 

2026年7月10日、高市総理は官邸で開催した第5回人工知能戦略本部において、第2期「AI基本計画」案を決定したと発表しました。

総理はこの中で「日本AX」を掲げ、産業構造改革・人手不足解消・戦略分野への官民集中投資を進める方針を示すとともに、関係省庁に向けてこう指示しています。

「人材育成、現場記録作成や意思決定支援へのＡＩ活用、ＡＩ・データ連携基盤の構築などの共通課題について、横展開も見据えた施策を推進してください」

ここで名指しされた「現場記録作成」「意思決定支援へのAI活用」「データ連携基盤」は、まさに本記事がこれから解説するAIアダプションのボトルネックそのものです。

行政という、日本で最も大規模かつ多様な「現場」を抱える組織自身が、「AIに読ませる情報をどう整えるか」を国家レベルの共通課題として位置づけた。

これは象徴的な出来事です。 総理は「まずは行政から始める」とも述べました。

裏を返せば、民間企業に残された猶予も、そう長くはないということです。

3. 日本のAI活用の現在地——最大の壁は「使い方がわからない」

日本の課題は利用率の低さ以上に、「わからない」の中身にあります。 

総務省の『令和7年版 情報通信白書』（2025年7月公表）のデータを見ると、他国との間に大きな開きがあることがわかります。

しかし、本当に注目すべきは「利用率の低さ」ではなく、「導入を阻む理由」です。

日本企業がAI導入でもっとも多く挙げた懸念は、コストでもセキュリティでもなく、「効果的な活用方法がわからない」でした。

 ツールの存在は知っている。必要性もわかっている。

それでも、自社の業務でどう成果につなげればいいのかがわからない。

冒頭の「心の声」は、白書のデータがそのまま裏づけているのです。

そして政府自身が「現場記録作成」を課題に挙げた今、この「わからない」を放置する言い訳はますます成立しにくくなっています。

4. 世界の答えも収斂している——鍵は「AIに何を渡すか」

AI活用の成否を分けるのは、AIの性能ではなく、AIに渡す情報の側である。 

経営調査の世界と技術の最前線、そして日本政府の方針が、いま同じ一点を指しています。

Gartnerの指摘

「AIレディなデータに支えられないAIプロジェクトの60%が、2026年までに中止される」

 調査会社Gartnerは2025年2月にこう予測しました。

同社の調査では、63%の組織が「AIに適したデータ管理の実践ができているか、自信がない・わからない」と回答しています。

問題はアルゴリズムではなく、その下にあるデータだ——というのがGartnerの診断です。

技術界のトレンド（Andrej Karpathy氏）

「プロンプトから、コンテキストへ」 元OpenAI創設メンバーのAndrej Karpathy氏は2025年6月、「コンテキストエンジニアリング」という言葉を提唱しました。

  • 「プロンプトエンジニアリングよりコンテキストエンジニアリングという言葉を支持する。本番級のLLM活用とは、コンテキストウィンドウを適切な情報で満たす繊細な芸術と科学だ」と述べ、Shopify CEOのTobias Lütke氏もこれに同調しました。

つまり、AIへの「聞き方の工夫」の時代は終わり、AIに「何を読ませられるか」の時代に入ったのです。

経営・技術・そして国の政策——三つの別々の入口から出発した潮流が、同じ結論にたどり着いています。 だとすれば、自社の現在地は測れるはずです。

5. AIアダプションの本質——「一つの問い」で測れる

あなたの会社のAIアダプション度は、次の一つの問いで近似できます。 「自社の仕事は、どれだけAIに読ませられる形で残っているか？」 理由はシンプルです。

AIは、渡された文脈の外側については一般論しか答えられません。

会議の決定事項、顧客とのやりとり、判断の基準——それらがAIに読ませられる形（テキスト化・構造化）で残っていれば、社員の誰もが「自社を知っているAI」を使えます。 

逆に、どれほど高性能なモデルを契約しても、渡せる情報がなければ、それは何も知らない天才を雇っているのと同じです。

 AIアダプション度とは、ツールの導入数でも研修の受講率でもなく、「仕事のドキュメント（AI可読化）率」である——これが本記事の中心命題であり、政府が「現場記録作成」として名指しした課題の企業版でもあります。

自社を診断する「5つの問い」

  1. 社外情報：競合・規制・市場の動向は、あとから検索できる形で社内に蓄積されているか
  2. 予定・商談：商談相手の情報は事前に調べられ、チームで共有される習慣があるか
  3. 会議：主要な会議の議事録はテキストで残り、AIに読ませられる状態か
  4. 業務データ：顧客・商品のデータは表記が統一され、一元化されているか
  5. 運用：AIに渡す情報を「選別・検証」する担当や習慣が存在するか

すべて「YES」なら、あなたの会社のAIはすでに「会社の頭脳」に近づいています。

しかし多くの企業では、YESはせいぜい1つか2つではないでしょうか。 

ここで、私たちはもう一つの問いに気づくはずです。「やるべきことはわかった。では、誰がやるのか」。

事業開発担当者のための「AIアダプション」とは？インターネット普及と同じ構造で進むAI活用の今

6. なぜ進まないのか——「下ごしらえ」という空白地帯

AIアダプション最大のボトルネックは、技術ではなく「この仕事を続けられる人がいない」ことです。 

議事録を整える。データの表記ゆれを直す。

情報の出典を確かめる。

料理でいえば「下ごしらえ」にあたるこの仕事は、重要だと全員がわかっているのに、必ず急ぎの案件に負けます。

終わりがなく、目立たず、評価されにくいからです。

 MITのいう「学習ギャップ」の正体も、政府が指摘する「現場記録作成」の空白も、突き詰めれば、AIに文脈を供給しつづける仕組みと担い手の不在です。 

しかも、量をこなせばいいわけではありません。

  • リスク：未検証の情報を無選別に流し込めば、ナレッジベースは濁り、AIの回答の質はかえって下がる。
  • 教訓：古くから言われる「ガベージイン・ガベージアウト（ゴミを入れればゴミが出る）」は、生成AI時代にはより深刻に効いてきます。

必要なのは、時間をかけて、丁寧に、終わりなく、情報を整えつづける人なのです。 

皮肉なことに、この最重要業務は、スピードと短期成果を求められる正社員がもっとも苦手とする仕事でもあります。

では、この仕事に向いている人はいないのでしょうか。

 ——実は、社会に気づかれていない「向いている人たち」が存在するのです。

7. AIの『下ごしらえ』に構造的に向いている人材。発達障がい・精神障がい者の強み

「急がず、反復に強く、終わりのない仕事に安定して向き合える」人材は、障害者雇用、とりわけ精神障害・発達障害のある人たちの中にいます。

これは理念ではなく、データが示す事実です。 

ハーバード・ビジネス・レビュー誌の論文「ニューロダイバーシティ：『脳の多様性』が競争力を生む」（2017年）では、SAP、Microsoft、HPEなど世界的企業が発達障害のある人材の採用プログラムで驚異的な成果を上げていることを報告しています。

  • JPMorgan Chase（Autism at Work）：対象職務において、開始から半年で生産性が90〜140%向上し、エラーゼロを達成。
  • HPE（オーストラリア政府機関プロジェクト）：ソフトウェアテスターのチームにおいて、他チームより生産性が30%高かった。

重要なのは、これが「特別扱いの成果」ではないことです。

集中力、反復への強さ、細部の正確性——業務の要件と本人の特性が噛み合ったとき、特性は強みに反転する。いわばジョブデザインの勝利です。

 AIの下ごしらえ——情報を集め、整え、検証しつづける仕事——の要件は、まさにこの特性と一致します。

加えて在宅就労とAIツールの普及が、通勤や対人負荷という従来の壁を大きく下げました。

 企業のAIアダプションに空いた最大の空白地帯と、活躍の場を求める人材が、構造的に噛み合う時代が来ているのです。 

折しも2026年7月、民間企業の法定雇用率は2.7%に引き上げられ、同じ月に政府は「日本AX」を国家戦略として掲げました。義務と成長戦略が、同じタイミングで交差しています。

8. まとめ「義務の雇用」から「会社を賢くする雇用」へ

本記事の要点は4つです。

  • AI導入の失敗（95%）の原因は、AIではなく「AIに渡す情報」の側にある

MIT・Gartner・Karpathy——経営と技術の知見は同じ一点に収斂している。

  • 政府も同じ課題に到達した

2026年7月10日、高市総理は「日本AX」を掲げ、「現場記録作成」「意思決定支援へのAI活用」「データ連携基盤」を国の共通課題として明示した。

  •  AIアダプション度は「仕事がどれだけAI可読な形で残っているか」で測れる

5つの問い（社外情報・予定商談・会議・業務データ・運用）で自社の現在地を診断できる。

  • 「下ごしらえの空白地帯」は、精神障害・発達障害のある人材の特性と構造的に噛み合う

世界の先進企業のデータが、その高い生産性と正確性を裏づけている。

法定雇用率2.7%時代、そして「日本AX」時代。

障害者雇用を「果たすべき義務・コスト」と見るか、「全社のAI力を底上げする投資」と見るかで、企業の景色は大きく変わります。

行政が「まずは行政から始める」と宣言した今、企業にも同じ問いが投げかけられています。

 一人の担当者が会議録を整え、データを揃え、情報を検証しつづける。

その蓄積の上で、全社員のAIが「自社を知るAI」に変わっていく。

それは本人にとっても、単純作業の消化ではなく、会社の頭脳を支える専門職としてのキャリアです。 DEAはこの構造に着目し、障がい者の在宅就労とAIアダプションを一体で設計する「はたらくホーム（https://dea.sg/virtualem/）」の取り組みを進めています。

自社のAIアダプション度を測ってみたい方、5つの問いの先へ進みたい方は、ぜひお気軽にお問い合わせください。

出典