こんにちは。K.Platinum代表の沼田海斗です。
僕は24歳でこの会社を立ち上げて、今は3期目・27歳。社員は17人で、製造業・流通・金融の中堅企業を相手に、ITコンサル＋受託開発＋ジゴカツ（プログラミングスクール）の3本柱でやっています。
今日は、ちょっと耳が痛いデータの話から始めます。「生成AI、うちも入れてます」と言う会社は、もう9割近い。なのに、効果を出せている会社は、世界で最下位。この落差の正体を、現場から書きます。
1. 「うちも入れてます」が9割になった2026 — なのに効果は最下位
PwCが2026年春に出した6カ国比較の実態調査に、僕はしばらく手が止まりました。日本企業の生成AIの活用・推進度は、87%。米国や他国と比べても、もう見劣りしない水準です。「日本はAIに出遅れている」という話は、少なくとも導入率の上では、過去のものになりました。
ところが、同じ調査でもう一つの数字が出ています。「期待を大きく上回る効果を出せた」と答えた企業の割合は、6カ国で最下位（日本はわずか9%、首位の米国は38%）。効果が出るまでの想定期間も長い。つまり、入れることには成功して、効かせることに失敗しているのが、2026年の日本の平均像なんです。
これ、現場の感覚とぴったり合います。お客さんと話していても、「一応、全社でChatGPTは使えるようにしたんですよ」という会社はすごく増えました。でも続けて「で、それで何が変わりました？」と聞くと、途端に歯切れが悪くなる。導入は済んだ。でも、成果の話になると、誰も数字で答えられない。
導入率だけが世界に並んで、効果が置き去りになっている。この構図を直視するところから、今日の話を始めます。
2. 効かない会社の共通点＝"点の便利"で止まっている
なぜ、入れたのに効かないのか。僕が中堅企業の現場で見てきた限り、原因はだいたい一つに集約されます。生成AIが"点の便利"で止まっているからです。
別の調査では、生成AIの使い道は、文書作成が63%、情報収集や要約が51%、アイデア出しが37%あたりに集中しています。どれも「一人の作業が、ちょっと速くなる」たぐいの使い方です。悪くはない。むしろ入口としては正しい。でも、ここで止まると、会社全体の生産性には、ほとんど跳ねません。
なぜかというと、点の便利は"足し算"だからです。一人が15分速くなる。それが何人分か積み上がる。でも、業務そのものの流れは変わっていない。前工程も後工程も、承認も、受け渡しも、前と同じ。だから、個人の体感は「便利になった」でも、会社の数字は「特に変わっていない」になる。
効いている会社は、ここが違います。生成AIが、意思決定や業務の流れそのものに刺さっている。見積の作り方が変わった、問い合わせ対応の一次処理が丸ごとAIに乗った、というふうに、点ではなく業務の設計が変わっている。効果の差は、ツールの差でも、モデルの差でもない。"どこまで踏み込んで使っているか"の差なんです。
3. まず壊す3つの前提
じゃあ、踏み込めていない中堅企業には、何が共通しているのか。だいたい、次の3つの「思い込み」を抱えています。僕らが支援に入るとき、最初にやるのは、この3つを壊すことです。
① 全社一律配布で満足している。「全員がAIを使えるようにした」を、ゴールだと思っている。でも、全員に配ることと、業務が変わることは、別の話です。配っただけでは、みんな思い思いに文章を整えるくらいで終わる。配布はスタートラインで、ゴールじゃない。
② 入れれば変わると思っている。ツールを導入すれば、あとは現場が勝手にうまく使ってくれる、という期待。これがいちばん外れます。人は、今までのやり方を変えるのが面倒だから、結局、慣れた手順のまま、ちょっとだけAIを足す。道具は、業務を設計し直して初めて効く。
③ 効果は自然に出ると思っている。導入して数ヶ月経てば、そのうち成果が見えてくるだろう、という楽観。でも、測っていない効果は、永遠に見えません。先に「どの数字が動けば成功か」を決めていない導入は、効いても効かなくても、同じ顔をしている。
この3つを抱えたままだと、AIは「入れたのに効かない置物」になります。逆に言えば、ここを壊すだけで、多くの会社は次に進めます。
4. 17人ITコンサルが最初にやること
前提を壊したら、次は具体的な順序です。僕らが中堅企業の「導入済みだけど効かない」状態に入るとき、最初にやることは3つあります。
① 効く1業務を選ぶ。全社に薄く広げるのをやめて、効果が出やすい1業務に絞る。判断基準は「頻度が高い」「時間がかかっている」「型がある」の3つ。ここに当てはまる業務を1つ選んで、そこだけ本気で作り込む。広く浅いより、狭く深く。1つ成果が出れば、社内に「効いた実例」が生まれて、横展開が一気に進みます。
② 成果指標を先に決める。作り込む前に、「この業務の何時間が、何時間になったら成功か」を、お客さんと握ります。導入後に測るのではなく、導入前に測っておく。ここをやらないと、後から「効いたかどうか」を語れません。逆にここさえ押さえれば、効果は事実として説明できるようになります。
③ 人の判断を残す線引き。AIに全部任せようとすると、たいてい事故ります。だから、AIがやる範囲と、人が判断する範囲を、最初に線引きする。定型で低リスクな部分はAIに、例外や最終判断は人に。この線があると、現場が安心してAIを使えるし、品質も落ちない。踏み込むけど、任せきらない。この設計が、効果と安全の両方を成立させます。
この3つは、順番が大事です。業務を絞り、指標を先に決め、線を引く。この順序で入ると、「導入したのに効かない」は、かなりの確率で「導入して効いた」に変わります。
「入れる」で止めず、「効かせる」まで一緒に持っていく。 これがK.Platinumのコンサルの本業です。同じ順序で業務を設計できるエンジニアを募集しています。興味があれば採用ページをのぞいてみてください。
5. 「導入した」から「成果が出た」へ — 踏み込みの順序
最後に、いちばん伝えたいことを。
2026年、生成AIを「入れること」は、もう差別化になりません。9割が入れているんだから、入れただけでは横並びです。差がつくのは、入れたあと、どこまで踏み込んで、業務と数字を変えられるか。導入率で世界に並んだ今、次に問われるのは、効果を出す実装力です。
そして、効果が出るかどうかは、能力の差というより、順序の差だと僕は思っています。全社に配ってから考えるのか、効く1業務を決めてから作り込むのか。効果は自然に出ると待つのか、先に指標を決めて測るのか。同じツールを使っても、順序が違うだけで、結果はまるで変わる。
「うちも入れてます」で止まっている会社は、実はもったいない。あと一歩、踏み込む順序を変えるだけで、そのAIは効き始めます。最下位のデータは、裏を返せば「伸びしろが世界一大きい」ということでもある。僕はそう受け取っています。
まとめます。
- 日本の生成AI活用度は87%まで到達、でも「効果を出せた企業」は6カ国最下位＝入れたのに効かない
- 原因は"点の便利"で止まっていること。点は足し算で、会社の数字には跳ねない
- まず壊す3前提＝全社一律配布で満足／入れれば変わる／効果は自然に出る
- 最初にやる3つ＝効く1業務を選ぶ／成果指標を先に決める／人の判断を残す線引き
- 差は順序の差。踏み込む順番を変えるだけで、導入済みのAIは効き始める
採用観点 — 「入れる」ではなく「効かせる」ができる人と働きたい
最後に採用の話を。
生成AIを「効かせる」ところまで持っていける人は、ツールに詳しい人でも、資料がきれいな人でもありません。業務の流れを見て、どこにAIを刺せば数字が動くかを設計できる人です。
僕らが採りたいのは、こんな人。
- ツールを配って終わりにせず、「業務がどう変わったか」まで見届けられる人
- 効果を語る前に、測る指標を先に決められる人
- AIに任せる範囲と、人が握る範囲を、自分で線引きできる人
AIが当たり前になった世界で、価値が出るのは、入れる人ではなく、効かせる人です。ここで腕を磨きたい人には、面白い場所だと思います。
会社の構造上、面接は最初から代表の僕が出ます。「導入で終わらせない」話を、一緒にできる人と会いたいです。
沼田海斗（ぬまた・かいと）
株式会社K.Platinum代表。24歳で同社を創業し、現在3期目。製造・流通・金融の中堅企業を相手に、ITコンサル・受託開発・プログラミングスクール（ジゴカツ）の3事業を率いる。「エンジニアが正当に評価される社会」を目指している。
K.Platinumでは一緒に働くエンジニアを募集しています。「実力で正当に評価される環境」に興味がある方は、ぜひ採用ページをご覧ください。カジュアル面談のお問い合わせも歓迎です。