日本のAI適用、今どこにいる？
今週は「日本のAI適用の現在地」を、制度・効果・市場評価の3層で追いかけた。週末はここで一度、全体を束ねる。
きっかけは、ある経営者向けAI導入率記事の「大企業72%、中小企業28%」という数字に対する、素朴な違和感だった。この数字、何を分母にしているのか。裏取りを始めると、思わぬところに着地した。
「日本20%、米国も20%？」——横並びという発見
最初に見つけたのは、比較のフレームそのものの歪みだった。
「日本20%、米国90%」という対比をよく見かける。だが、これは母集団が違う数字を並べている。
- 日本の中小企業（導入済み）：20.4%（中小企業基盤整備機構）
- 米国企業全般：17〜20%（米国国勢調査局、2025年12月〜2026年5月）
- EU企業（従業員10人以上）：19.95%（Eurostat）
- OECD平均：20.2%（2025年）
全企業を幅広く調査した数字で見ると、日本の中小企業、米国全体、EU全体は、いずれもおおむね20%前後で横並びになる。
一方、PwCやMcKinseyが出す80〜90%という数字は、大企業・AI導入に関与する管理職・「少なくとも一業務での利用」を対象にした調査だ。母集団の粒度が違う数字を並べて「日本は遅れている」と結論づけるのは、誤読の入り口になる。
火曜：政府が、資産化の要件を追認していた
このフレームの歪みを踏まえたうえで、火曜は制度面を見た。
2026年3月31日公表のAI事業者ガイドライン第1.2版は、AIを「アプリケーション、製品、既存システム、ビジネスプロセス等に組み込んだサービス」として位置づけ、AIへの過度な依存を戒め、承認する側が自分自身で根拠を考えることを求めている。さらに、モニタリング・文書化・継続改善の要件も明記している。
これまでこの場所で積み上げてきた「判断ロジックの資産化」という枠組み——AIが候補を出し、人が確認し、理由を記録し、次の判断へ反映する循環——は、政府ガイドラインの直接の記載ではない。だが、ガイドラインの要件を実務に落とし込もうとすると、自然とこの形に近づく。これは独自の発見というより、公表資料を統合していくと同じ場所に着地した、という方が正確だ。
水曜：導入は追いついた、効果は追いついていない
PwC「生成AIに関する実態調査2026 春」の数字は、今週いちばんのパンチだった。
| 指標 | 日本 | 米国 |
|---|---|---|
| 活用・推進度 | 87% | 90% |
| 期待を大きく上回る効果 | 9% | 38% |
| 財務的還元まで実現 | 40% | 75% |
導入率ではほぼ並んでいるのに、効果と財務還元では大きな断層がある。
この断層の正体を、IPA「DX動向2025」まで広げて見た。日本企業は成果指標を設定している企業が3割以下という結果と重ねると、見えてくるのは「AI技術そのものの不足」ではなく、導入を判断する人、対象業務を選ぶ人、効果を検証する人の不足だ。AIについて語れる人は増えたが、実行できる人は増えていない。中小企業では、この人材不足がさらに深刻な形で現れる（中小機構調査：推進部署がない企業88.0%、推進担当者がいない企業85.9%）。
木曜：相関と因果を混同すると、代償が来る
木曜は市場評価を見た。S&P 500決算説明会の68%がAIに言及し、AI言及企業の株価上昇率は非言及企業を平均で上回る。だが年初来の中央値では逆転する。一部の大型銘柄が平均を押し上げているだけかもしれない。
NBERの研究は、市場がAI製品の有無だけでなく、企業の人材構成・データ資産までAIの文脈で織り込もうとしていることを示唆する。一方でSECは、AI性能を誇張した企業(Presto Automation)に処分を下した。「AIと言えば株が上がる」という相関を、「AI導入が利益を増やして株価が上がった」という因果と取り違えると、いずれ法務リスクとして跳ね返ってくる。
国内3分野で見ると、同じ言及でも明暗が分かれる
この相関と因果のズレを、国内銘柄で確かめてみた。2026年3月期決算でAIを具体的に言及した企業について、3月31日終値から6月30日終値までの騰落率を、IT・EdTech・創薬の3分野で横並びに見る（一次スクリーニングであり、全市場を機械的に総当たりした網羅調査ではない）。
| 分野 | 上位企業 | 3/31→6/30 | 騰落率 | AIの位置づけ |
|---|---|---|---|---|
| IT | データセクション（3905） | 1,270円→3,465円 | +172.8% | AIデータセンター・GPU基盤・クラウドスタック「TAIZA」が今期の売上・利益に直結 |
| EdTech | レアジョブ（6096） | 293円→385円 | +31.4% | AIと講師を組み合わせた教育サービスの再設計 |
| 創薬 | 第一三共（4568） | 2,766円→2,609円 | −5.7% | メディシナルケミストリーとAI創薬の組み合わせによる候補化合物獲得の迅速化 |
3分野とも決算資料でAIへの言及は具体的だ。だが、ITとEdTechの上位企業が上昇した一方、創薬分野は上位3社（第一三共、武田薬品工業、塩野義製薬）が揃って下落した（それぞれ−5.7%、−9.0%、−19.6%）。
創薬企業の株価は、AI戦略よりも臨床試験の結果・主力薬の売上見通し・特許切れ・薬価政策といった要因の影響を強く受ける。AI創薬は「将来の研究効率化」への投資であり、当該四半期の業績や株価に直結する性質のものではない。
対照的に、データセクションのAIインフラ事業は今期の売上高を306億円押し上げ、黒字転換に直結した。レアジョブのAIは既存の教育サービスの再設計という、より短いスパンで成果が見える形だった。
「AIに言及したかどうか」ではなく、「AIが当該四半期の売上・利益・受注に直結する形で語られているか、それとも将来の研究効率化にとどまっているか」——この違いが、明暗を分けている。
3本を束ねると見えてくること
火曜（制度）・水曜（効果）・木曜（市場評価）を並べると、共通する構図がある。
「導入した」「言及した」というアクションの量では、日本も米国もそう変わらない。差が出るのは、その先にある"検証"の質だ。
- 制度面：AIの判断を鵜呑みにせず、人が根拠を持って承認・記録する仕組みがあるか
- 効果面：導入した結果を、誰かが検証し、財務成果まで結びつける工程があるか
- 市場面：AI言及の中身が、工数削減の説明で終わっているのか、当該四半期の財務効果に直結する形で開示されているのか
いずれも、「AIを使ったかどうか」ではなく、「使った結果をどう検証し、資産として次に活かしているか」という一点に収斂する。
経営者への結論
利用率・言及率を追いかけるフェーズは、日本もほぼ終わっている。次に問われるのは、
- AIの判断を確認し、根拠を記録し、継続改善する体制（制度面）
- KPIを設定し、財務成果まで検証できる人材（効果面）
- AI効果を数字で語れる開示、当該期の業績にどう結びつくかまで語れる説明（市場面）
をどう作るかだ。判断ロジックの資産化——匿名化・抽象化・判断アセット化——という枠組みは、この3つを実務レベルで繋ぐための一つの型として、引き続き有効だと考えている。
「AI」はラベルではなく、問われるのは実装の深さだ。
情報格差の可視化：本稿で扱った中小機構・PwC・IPA・AI事業者ガイドラインはいずれも国内一次発表であり、翻訳段数0。米国国勢調査局・Eurostat・OECDは海外一次資料であり、国内での紹介は限定的、翻訳段数1（7/18現在）。FactSetは海外一次資料だが国内でも紹介記事があり翻訳段数2。NBER論文・SEC処分（Presto Automation）は海外一次資料であり、国内での紹介はほとんど確認できない、翻訳段数1（7/18現在）。国内3分野の株価・決算データは各社決算短信・適時開示に基づく一次スクリーニング（IRBANK等）であり、翻訳段数0。全上場企業の網羅調査ではなく、投資推奨を意図するものではない。
記事ジャックの4行構造：AIハイブリッド型の評価・選考フローこのプロセスは、レガシー移行の現場を持つ現役PMOが、業界を問わずAI適用事例を読み解く際に当てはめている、「網羅性とコストの両立」を軸にした汎用フレーム。
翻訳段数指数：日本国内で一次発表があるかどうか（＝情報格差そのもの）を測る指標です（0＝国内一次発表（翻訳不要）／1＝日本国内未発表（確認時点明記）／2＝第三国・国内メディア経由）。
Discussion