AIの投資対効果を狙うには成長を目指す姿勢が不可欠

AIから真の投資対効果を得るために――日本企業への示唆

本レポートは、PwCが世界的な上場企業の経営幹部（取締役以上）1,217人を対象に実施したアンケート調査（以降、本調査）の結果を分析したものです。結果は明快で、重要性の高い課題にAIを適用し、目的に合った基盤を整え、全社にAIを浸透させていく能力、つまり「AI適合性」が高い上位20%の企業は、AI活用による財務パフォーマンスが他社の7.2倍に達しているというものでした。そして、その違いを生むのは「AIをどれだけ使うか」ではなく、強固な基盤の上で、再現性を持ってAIに関する取り組みを横展開できているかという点でした。基盤の強化を伴ってAI活用を拡大した企業は、成果が約2倍に高まっています。

では、「AI適合性」において、日本企業はどの位置にいるのでしょうか。国・地域別のAI適合性指数（10点満点）で、日本のスコアは4.8でした。中央値（5.5）にはまだ届いておらず、中国（6.9）や、米国（5.2）、韓国（5.4）といった国々が先行しています（図表1）。ただし、これは日本企業に成長の余地が大きく残されていることの裏返しでもあります。

図表1：国・地域別のAI適合性指数 平均スコア（10点満点）

^{出所：PwC作成}

PwC Japanグループの調査レポート「生成AIに関する実態調査2026 春 6カ国比較」において、AIを「活用中・推進中」と答えた割合は、日本と米国がほぼ同水準にあることが分かっています。一方で、得られた効果を財務的還元につなげたと回答した割合は40%にとどまり（米英は7割超）、「導入は進んだが、成果と還元への接続が次の課題」という段階にあると言えます。

課題解決の方向性は見えています。生成AIに関する実態調査では、期待を超える効果を生んだ企業に共通して、1. 社長直轄・CAIO配置 2. 明確なユースケース設定 3. 業務プロセスの可視化とAI-Readyなデータ整備といった全社的推進態勢が見られました。これは本レポートが説く「再現性ある基盤づくり」と一致します。

鍵となるのは、AI活用を部分的な効率化にとどめず、事業モデルそのものの変革へとつなげる視点です。本レポートが、自社のAI適合性を見つめ直し、投資対効果が見えるAI活用への一歩を踏み出す機会になれば幸いです。

一部の企業は、AIの活用によりコスト削減以上の効果を享受し、とりわけ業界融合の動きがもたらす機会を追い風に、成長の道を歩んでいます。こうしたAI先進企業（以降、AIリーダー）の行動は、他の企業とどこが違うのでしょうか。今回、PwCは、この違いに焦点を当てて本調査を実施しました。

著者：Joe Atkinson、Agnes Koops

主なポイント

• 本調査によれば、AI適合性が最も高い企業は、AI活用による収益増や効率化の効果が他の企業より7.2倍も高いことが分かりました。
• 会社のAI基盤である戦略、投資、データ＆テクノロジー、人材、ガバナンス＆リスク、イノベーションを強化すると、AIの活用が促進され、はるかに大きなパフォーマンス向上につながります。
• AIリーダーは、業界融合の動きが進む中で、AIを抜本的変革の原動力として捉え、ビジネスモデルの刷新や成長機会の追求に生かしています。

国を問わず、どの企業の会議室でも、決まって見られる光景があります。スクリーンに映し出されたスライドには、チャットボットや意思決定エンジンなどのAI導入のパイロットプロジェクトがきれいに整理され、出席者一同、うなずきながら説明に耳を傾けています。やがて質疑応答に。「増収効果が出ているプロジェクトは」「コスト削減効果が見られるプロジェクトは」「これまでに意思決定の質が向上したケース、迅速化されたケース、安全性が向上したケースは何件あるのか」

往々にしてこの後に続く沈黙は、多くの企業にとって、何とも気まずい現実を物語っています。AI導入の取り組みが必ずしも目に見える成果をもたらしているわけではないからです。本調査の結果によれば、現時点ではAI活用による価値がごく一部の企業に偏っていることが判明しました。調査対象企業1,217社のうち、わずか20％の企業で、AIの生み出す成果の74％を独占していたのです。

このようなAIリーダーとそうでない企業の明暗を分けるポイントはどこにあるのでしょうか。私たちはこれを「AI適合性」と呼んでいます。重要性の高い課題にAIを適用し、目的に合った基盤を整え、全社にAIを浸透させていく能力と言い換えることができます。

本レポートは、AIのパイロット導入の件数を競うのではなく、AI活用による測定可能な増収効果やコスト削減効果を追求するビジネスリーダーを対象としています。その上で、突出した成果を上げている企業がどのようにAI適合性を高めているのかを解説します。実際、こうした取り組みは、どの企業でも無理なく実践できるものです。

確かな成果を手にしている企業がある一方で、大半の企業は成果が出ていません。その明暗を分けたものは何だったのでしょうか。私たちは、世界各地で25の業界の企業1,217社を対象に、AI活用による財務パフォーマンスのベンチマークをしました。具体的には、AI活用がもたらす収益増や効率化の効果を調べ、各社を業界中央値と比較できるように調整を加えました。

また、調査対象企業の経営幹部を対象に、AIの管理慣行や投資慣行に関する60項目への関与状況について、聞き取り調査も実施し、こうした項目がAI活用による財務パフォーマンスにどれだけの効果をもたらしたのか評価しました。この60項目の慣行は、社内でのAI利用方法、AIに対する信頼醸成や拡張性（横展開のしやすさ）につながる基盤的な機能（戦略やガバナンスなど）の観点から、9つのカテゴリーに分類しました。この9つのカテゴリーを要素として算出したのが、AI適合性指数です。

AI適合性を構成する9つの要素

AI適合性は、基盤能力6項目とAI活用指標3項目に基づいています。

AI基盤

AI活用

結果は歴然でした。本調査では、AI適合性が最も高い企業は、AI活用による財務パフォーマンスが他の企業の7.2倍に達していました。

これほど圧倒的な差がついた理由はどこにあるのでしょうか。AI適合性が高くなるほど、中間的なパフォーマンス指標が幅広く改善され、結果として優れた財務成績につながります。AI活用で最高水準の財務パフォーマンスを示しているAIリーダーは、他の企業に比べ、AIポートフォリオによって新製品・サービスの市場投入が迅速化したと回答する確率が高いと言えます。また、AIリーダーからは、ビジネスモデルや業務運営モデルの変革促進、意思決定の質の向上、顧客体験（CX）や信頼の向上につながったとの声も聞かれました。いずれも多くの経営幹部が改善に力を入れている指標です。

図表2：AI適合性が最も高い企業は、AI活用によるパフォーマンス（業界調整済み）が7.2倍

AI活用とAI基盤の間にも同様の複合効果が見られます。しっかりとした基盤を持つ企業がAI活用を増やした場合、基盤が貧弱な企業に比べて、AI活用によるパフォーマンスは2倍近く高まります。実際、AI利用の活動が目に見える成果へとつながるコンバージョンレート（転換率）を高めるのが、基盤です。データとプラットフォームが充実すると、本格稼働までの時間が短縮します。また、ワークフローの見直しや従業員の信頼醸成を背景に、AI採用率も向上します。採用率が高まれば、今度はデータやフィードバックが充実していきます。時間の経過とともにシステムが充実し、導入件数が増加するたびにインパクトが大きくなるのです。

AI活用で一歩先を行く企業が単に「AIをたくさん使っている」だけでないことは言うまでもありません。AIリーダーは、AI導入プロジェクトの横展開やAIに対する信頼醸成を実現する仕組みを整えた上で、財務的に効果を最大化できる横展開の領域を見極めているのです。

図表3：AI活用で高いパフォーマンスを上げているAIリーダーの場合、優れた財務成績につながる幅広い要素がAIで改善します。

Q. 社内で保有するAIポートフォリオ全体によって、以下に挙げた項目はどの程度改善されましたか。
（複数ある回答選択肢のうち、「極めて大きく改善」と「大きく改善」の2つのみを掲載）

^{出所：PwC「AIパフォーマンス調査」}

多くの企業が、従来の業務の効率化にAIを利用しています。例えば保険会社では、保険金請求処理業務でのAIソリューション利用が急速に広がっています。ソフトウェア開発会社でも、プログラミング作業のかなりの部分をAIに任せています。もちろん、本調査の対象となったAIリーダーでも、業務効率化にAIを利用し、さらにAIを売り上げ拡大に貢献する抜本的変革の原動力として位置付けています。つまり、斬新な製品を生み出し、ビジネスモデルを刷新して有望な新市場に打って出るための一助としているのです。

本調査では、AIリーダーがAIでビジネスモデルを抜本的に変革する力が向上したと回答する確率は、他企業の2.6倍となっています。

AIリーダーでは、調査対象となったあらゆる事業変革の取り組みにおいてAI導入効果が表れています。その第一歩となるのが、機会探しです。本調査の結果によると、新たなバリュープール（価値源泉）の特定にAIを使う確率は、AIリーダーが他の企業の1.8倍でした。とりわけ、業界の垣根を越えた製品とサービスの革新的組み合わせに対する顧客ニーズを背景としたバリュープールが目立ちます。こうした顧客ニーズに応えようと業界融合が進む中、ビジネスモデル変革を遂げた企業が手にする利益は増加します。

実際、本調査の結果を見ると、業界融合が生み出す成長機会を捉える力は、AI適合性の構成要素の中でも、AI活用による財務パフォーマンスに最も大きな影響をもたらす要素として際立っています。AIリーダーでは、異業種連携、ビジネスエコシステム活用型の価値創出、業界の垣根を越えた競争にAIを利用する確率が、他の企業の2～3倍となっています。例えば、自動車メーカーと医療機関の協業の可能性を考えてみましょう。車両にハイテクセンサーを搭載し、ドライバーの健康状態をモニタリングしてデータをAIシステムに送れば、パーソナル化された疾病予防プログラムの設計が可能となります。

図表4：業界融合は、AI活用によるパフォーマンス向上に最も大きな効果をもたらす要素です。AIリーダーがAIを活用し、業界融合の動きを成長の追い風にする確率は他企業を上回っています。

Q. あなたの組織では、以下の各項目にAIをどの程度利用していますか。
（複数ある回答選択肢のうち、「かなり活用」と「大いに活用」の2つのみを掲載）

^{出所：PwC「AIパフォーマンス調査」}

本調査から、AIリーダーは、AIが提示する情報を参考に、成長のための優先課題を見極め、規律ある経営の方針の下でこうした課題に注力していることも分かりました。早い段階で戦略的な選択を行い、常に成果を測定しながら、選択した取り組みを主体的に運用ベースに乗せています。AIリーダーでは、短期的・長期的視点で優先順位を設定したAIロードマップを用意し、AIビジョンと事業目的の整合性を確保し、ビジネスへの効果を体系的に調査し、AI導入の成果について経営陣に直接責任を負わせる確率が他企業よりも高いと言えます。

抜本的変革や業界融合がもたらす機会に向けたAI活用は、取り組みの出発点となります。しかし、成果を繰り返し生み出していくのは容易ではありません。そこで、次なる差別化のポイントは、大きな野心を掲げることではなく、対象を絞った6つの基盤を整えることになります。AIリーダーは、具体性のない形だけの刷新を基盤整備とは捉えていません。企業成長など高付加価値の事業目的にAIを活用し、社内に大規模展開して目に見える成果を狙う上で、そこに必要な基盤だけを構築しているのです。

基盤の整備状況によって、AI活用の経済性は大きく変わります。基盤が整っていれば、摩擦や手戻り、「一点もの」が減るため、新たな導入のたびに迅速化、低コスト化、信頼性向上が推進されます。

前述したように、この効果はコンバージョンレートに表れます。業績不振の企業がしかるべき取り組みを実践すれば、新たなAIユースケースがもたらす見返りは倍増するはずです。

強力な基盤づくりを得意とするAIリーダー

本調査の結果によると、下記の慣行が最大のパフォーマンス改善につながることが分かりました。

AIポートフォリオに投資家のように資金を提供し、適宜見直しを行う

本調査の結果によると、AIリーダーのAI投資額は他の企業を大幅に上回り、売上高に占める投資額の割合は、他の企業の2.5倍に達します。とりわけAIリーダーによる投資額が大きかったのは、ソフトウェア、銀行、メディア＆エンターテインメントの各業界で、年間売上高の約5％を投じていました。しかし、AIへの潤沢な投資だけでAIリーダーの座にあるわけではありません。AIリーダーは、自社のビジネスニーズに沿った投資になるように絶えず注意を払っているのです。また、AIリーダーは、事業上の優先課題の変化に伴い、高価値のAIプロジェクトに向けて予算・人員の割り当てを見直す確率が他企業の1.3倍となっています。こうした対応は、臨機応変なリソース割り当てと優れた財務成果の関係を示す数多くの調査結果とも一致します。

AI活用によるイノベーションを育む

予算投入が燃料だとすれば、エンジンに相当するのがイノベーションです。AIリーダーは、高速実験の条件を整えます。AI導入実験の支援に特化したテクノロジーインフラを整備する確率は、AIリーダーのほうが他の企業より1.5倍高くなっています。例としては、社内の業務システムからは完全に隔離された空間で、新しいAIソリューションを安全に検証できる「サンドボックス」環境が挙げられます。また、AIリーダーでは、事業部内でAIプロジェクトを指揮するイノベーションオーナー（責任者）を任命する確率が高いと言えます。こうした背景があるため、実験プロジェクトに乗り出しやすく、迅速に、しかも安全に実行できます。

さらに、AIリーダーがAIイノベーションの取り組みを体系的に評価する確率は、他企業よりも高く、優先順位設定、横展開、あるいは打ち切りを判断できます。その結果、価値を生み出すAIソリューションに確実につながる実験的取り組みが何件も控えている状況になるのです。

従業員の信頼醸成で導入を促進

多くの人がAIを利用することで、AIの価値は初めて現実のものとなります。企業においても、従業員がAIテクノロジーの価値を実感することで、チェンジマネジメント（変革管理）の一項目という認識を凌駕する大きな信頼が醸成されるようになります。信頼の欠如は、処理能力の足かせとなります。信頼が低ければ、利用は広がらず、効果も小さくなります。

AIリーダーは、普及促進の条件を整えています。AIが生み出す知見に従業員が信頼を寄せ、これを基に日常業務に取り組む確率は、AIリーダーのほうが他企業より2.1倍高くなっています。

信頼性が単一のプログラムだけで向上することはまずありません。信頼は、以下の条件の下で育まれます。

• 積極的な関与
  AIリーダーでは、業務部門、データスペシャリスト、AIスペシャリストの共創によってAIソリューションを生み出す確率が高いと言えます。部門の垣根を越えたコラボレーションによって、ビジネスニーズとソリューション設計の整合性が高まり、開発部門からユーザー部門への引き継ぎでもたついて導入を打ち切るようなこともなくなります。AIリーダーは、AIを使った実験に従業員が取り組むよう明確なインセンティブも用意していて、どのようなソリューションであれば自社の優先課題に役立ち、しかも横展開につながるかといったアイデア出しを促進しています。
• スキルの習得
  効果的なアップスキリングであれば、従業員は日常業務へのAIの適用方法を身につけることができます。AIリーダーでは、職務別の継続的なAI学習の機会を従業員に提供する確率が高いと言えます。また、経営幹部も研修に参加したり、周囲に分かるように業務にAIを活用したりと、自ら範を示すことが多いと言えます。
• 安全性
  AIリーダーは、ガードレール（想定外の動作を防止する仕組み）やルールを定めて、従業員のさらなる信頼醸成に努めています。AIに任せていい事項、上司や専門部署への引き継ぎ・照会が必要な事項、責任の所在について従業員が理解できていれば、もっと自信を持ってAIを活用できます。AIリーダーでは、従業員の職務別にデータとAIの利用が管理されており、堅牢な最新のセキュリティ体制でデータやモデル、インフラが守られている確率が高いと言えます。

信頼性強化と導入加速にガバナンス体制を活用する

AIリーダーはガバナンスを重視しており、AIの実装を減速させることなく、むしろその加速にガバナンスを役立てています。ガバナンス委員会が、「責任あるAI」のポリシーを策定し、社内の各部門がこのポリシーを日常業務に適用します。その際、標準開発テンプレートや簡易チェックリスト、定期モニタリングなどの仕組みを用います。このような体制があれば、最もリスクの高い業務のみガバナンス委員会の指示を仰ぎ、日常的なユースケースは迅速に展開することができます。

AIリーダーは、この仕組みを整えている確率が高いと言えます。ユースケースの選定からアプリケーションモニタリングまでのプロセスに対して「責任あるAI」の枠組みを明文化し適用している確率は、他企業の1.7倍となっています。また、部門の垣根を越えたAIガバナンス委員会を設置している確率は、他企業の1.5倍となっています。

テクノロジー・データ面の摩擦を解消

私たちの経験から言えば、AIの導入規模を拡大していく上で特に大きなハードルとして、データの品質・利用権限、テクノロジー統合、さらには似たようなAIコンポーネント（データパイプライン、統合レイヤーなど）を各部署がそれぞれに開発する隠れコストなどが挙げられます。

AIリーダーは、会社として重視するユースケースに関して、このような障害の除去に注力しています。

他部署に転用可能なAIコンポーネントを作成・一元管理しておき、各部署が同じものを一から開発することなく、必要に応じて取り出して使えるようにしている確率は、AIリーダーのほうが他企業より2.4倍高くなっています。また、優先順位の高いAIアプリケーションに必要な高品質データを提供している確率は、他企業の1.7倍となっています。

深く掘り下げる

本調査の結果、優れた業績の企業は既存ワークフローに後付けでAIを追加しているわけではないことが分かりました。標準的な作業工程にAIが完全に組み込まれているのです。これは、作業効率と成果物の品質の両方を改善する上で不可欠です。具体的には、顧客サポートのあり方を見直し、ケース（問い合わせ案件）管理システム内部でAIを動かす例が挙げられます。この場合、顧客に関する適切な経緯や知識を取り出し、応対方法の草案を作成し、複雑なケースの場合だけスペシャリストに引き継ぐことが可能です。これに対して、チャットボット単体を後付けする従来方式では、エージェントが対応し、やり取りを手作業でサポートチケットに入力する必要があります。

自律型へ

私たちが調査した全ての業務パフォーマンス指標で、意思決定の自動化は、AI活用によるパフォーマンスに極めて強く結びついています。理由は単純です。定型的で頻度の多い意思決定のかなりの部分をAIに安心して任せられるようになれば、サイクルタイムの短縮、処理量の増加、パフォーマンス向上がもたらされるからです。本調査の結果によると、AIリーダーは、高度なAI利用の確率が他企業の2倍近くに上り、ガードレールの範囲内でAIに複数の作業を任せるか、場合によっては自律運用と自己改善を実行するケースもあります。人間が介在しない意思決定の数を増やす確率が、AIリーダーでは他企業の2.8倍と聞いても、驚くに当たらないのではないでしょうか。また、AIリーダーは、意思決定の質が大幅に向上したと回答しており、自動化が最も効果を発揮するのは、スピードとともに質も向上している場合であることが分かります。

図表11：最も高度なAIの使い方として、先進のAIユースケースを挙げる確率は、AIリーダーでは他企業の2倍近くとなっています。

Q. 下記の項目のうち、あなたの会社で最も高度なAI利用に該当するのはどれですか。
全回答のうち、AIの最も高度なユースケースとして各項目を挙げた回答が占める割合

^{出所：PwC「AIパフォーマンス調査」}

高度化が進んだとしても、機械が人々の仕事を一律に代替するとは限りません。完全な自律性は、まだ例外的な位置付けです。AIリーダーのうち、最も高度なユースケースに自律型・自己改善型を挙げた回答は15％にとどまっています。さらに、AIリーダーのうち、AI導入を理由に少なくとも5％の人員削減を見込んでいる企業が48％を占めた一方、別の49％は、人員数の変更はほとんどないかまったくない、あるいは人員を増やすと回答しています。もう1つ加えて言えば、導入直後に見られる変化は、多くの場合、人員削減ではなく、遅延削減です。つまり、AIがガードレールから逸脱しない再現性ある判断を担うのに対して、人間は、例外事項や妥協が必要な事項への対応、さらには戦略的な目標を踏まえた意思決定の舵取りに専念します。

AIで得られるものは、定量化できる利益にとどまりません。もっとも、AI適合性の向上に取り組んでいない企業では、記事の冒頭で紹介したように、AI導入パイロットプロジェクトが目白押しなのに、目に見える効果がほとんどない状況が繰り返されるはずです。測定可能な効果について言えば、本調査の結果からは、期待の持てる道筋がはっきりと見てとれます。AIリーダーが他企業と明らかに一線を画していることは、その一連の経営判断から明らかです。AI活用を重要なビジネスの成果に適合させること、目的に沿った基盤を構築すること、全社にAIを浸透させることを重視しているのです。

こうした仕組みを確立するには、計画的で継続的な取り組みが必要です。ただし、容易ではありません。何しろ、経営幹部が目を光らせなければならない優先課題は山積しているからです。それでも、AIリーダーの仲間入りを果たそうと考えているのであれば、待っている余裕はありません。AIリーダーがすでに享受しているメリットは、今後ますます大きくなります。こうした企業の学習速度が上がり、ソリューションの展開を重ねるごとに迅速化し、安心して意思決定を自動化できるようになるからです。

今こそ、AI導入パイロットの殻を打ち破り、もっと高みを目指すべきです。経営幹部は、検討事項の中でも、とりわけ重要な布石を打つ時にこそAIを生かすべきであり、AIに投資するのであれば、AI活用でパフォーマンスが向上する事業モデルを構築すべきです。AIに対する信頼を醸成し、AIの力を抜本的変革に振り向け、目的を明確化した基盤を構築し、さまざまなワークフローや意思決定に転用可能なパターンを開発して大規模展開すること。こうした条件が整えば、その成果は単なる段階的な改善にとどまらず、際立ったパフォーマンスの向上につながります。

※本コンテンツは、「PwC’s AI performance study Want ROI from AI?」を翻訳したものにPwC Japanグループ独自の内容を追加したものです。翻訳には正確を期しておりますが、英語版と解釈の相違がある場合は、英語版に依拠してください。