
結論: AI導入の失敗を避けるには、他社の失敗率を自社の確率として使うのではなく、目的・入力と見本・確認する人・やめる条件を着手前に揃えることが必要です。この記事では、失敗率の読み方と、自社の計画を点検する4つの関門を書きます。入力とは「AIに渡す資料」、見本とは「担当者が『これが正解』と言える完成例」のことです。
この記事の要点
- 「AI導入の95%が失敗する」はMIT NANDAの報告書の数字で、日本の中小企業の失敗率ではない。失敗率は、対象企業や成功の定義とセットで読む。
- 着手前には、目的・入力と見本・確認する人・やめる条件を紙に書く。書けない箇所が、試作の前に確かめる課題になる。
- AIの出力だけでなく、準備・確認・修正まで含めて仕事の変化を見る。担当者の負担が移っただけなら、改善とは言い切れない。
この記事は、AIを使うことは決めた中小企業の経営者・推進担当に向けています。AIを使いたい業務の候補はあるものの、試作(PoC=本番の前に小さく試すこと)へ進んでよいか迷う場面を想定しています。本番とは、実際の業務で日常的に使うことです。失敗した後の立て直しは別の記事で扱い、補助金は扱いません。以下の記入例は説明用に作った例で、顧客事例や導入実績ではありません。
次の3つに当てはまる会社は、まだ試作に入らなくて構いません。個人がAIを使っているだけで会社として扱う業務を決めていない、目的や入力・確認担当・終了条件に書けない項目がある、確認する担当者が試作の間に使える時間を取れない、の3つです(詳しくは記事の最後の節で扱います)。
今日やることは、自社の導入案を、目的・入力と見本・確認する人・やめる条件の欄に書き出すことです。空欄を無理に埋めず、何を誰に聞けば埋まるかまで残してください。失敗後の原因の絞り込みはAI導入の失敗原因、再開の考え方はAI活用の失敗と再挑戦で扱っています。
AI導入の失敗率は何を測った数字か
失敗率を読むときは、割合の大きさより先に「誰の、何を、失敗としたのか」を確認します。定義が違えば、同じ計画でも成功にも失敗にも分類されるためです。
たとえば、試作した仕組みが動くことを成功とする調査と、利益への貢献を成功とする調査では、測っている範囲が違います。文章の下書きが作れるようになっても、確認の手間や利用料まで含めて採算が合うとは限りません。技術として動いたことと、経営上の成果は分けて読む必要があります。
日本企業全体のAI導入の失敗率を示す官公庁の統計は、当社の確認(2026年10月)では見つかっていません。そのため、特定の失敗率を事実として掲載しません。「失敗が少ない」という意味ではなく、当社が確認できた範囲では割合を判断できない、ということです。
| 確認する項目 | 原典で探す記述 | 自社へ当てはめる前の注意 |
|---|---|---|
| 対象 | 国、企業規模、業種、回答者 | 大企業の回答をそのまま自社の条件にしない |
| 業務と道具 | 何の業務で、どんなAIを使ったか | 個人の文章作成と業務システムの導入を分ける |
| 成功の定義 | 利用、本番移行、生産性、利益など | 動いたことと採算が合ったことを混ぜない |
| 調べ方と期間 | 自己申告か実測か、いつからいつまでか | 短い試行の結果を長期の運用結果と扱わない |
よく引かれる「AI導入の95%が失敗する」は、MIT NANDAの報告書「The GenAI Divide: State of AI in Business 2025」(2025年7月)の数字です。これは日本企業の失敗率ではありません。企業向けの生成AIで、成果が測れなかった組織の割合を指しています。
| 報告書の項目 | 記述 | 読み方の注意 |
|---|---|---|
| 調べ方 | 公開された300件超のAI事例の読み込み、52組織へのインタビュー、4つの業界会議で集めた幹部153人のアンケート(2025年1〜6月) | 報告書自身が「予備的知見」(=最終結論ではなく途中経過の調査結果)と書いている。日本の中小企業が対象とは書かれていない |
| 成功の定義 | 利用者または経営層が、顕著で持続的な生産性・損益への影響があると述べたもの | 動いたかどうかではなく、本人の申告による成果で、実測の失敗率とは違う |
| 95%の中身 | 95%の組織が、測れるリターンを得ていない。業務に組み込まれた試作の5%だけが大きな価値を出している | 「95%が失敗」と短く言い換えると、定義が落ちる |
この報告書は、MITの公式サイトでは原本を確認できず、第三者サイトで配布されている写しを参照しています。引用するときは、この点も一緒に書いてください。
記事の見出しだけでは、これらの条件が省かれている場合があります。引用元の資料名や該当箇所を辿れない数字は、稟議の中心には置かない方が判断しやすくなります。調査の限界を説明できないまま、導入を急ぐ理由にも、すべて見送る理由にも使わないでください。
確かめ方: 会議資料に失敗率を載せるなら、その横に対象・成功の定義・調べ方を書きます。書けない場合は数字を外し、自社で測る項目に置き換えてください。
利用・本番化・成果を分けて考える
AIを使い始めたこと、本番業務で継続して使うこと、成果が出たことは、それぞれ別の状態です。計画書では、いま確かめたい状態を揃えます。
担当者が文章の下書きに使っているなら、利用は始まっています。ただし、入力してよい情報や確認方法が担当者任せなら、会社の運用として決まっていない部分が残ります。便利だったという感想は候補業務を探す材料になりますが、そのまま部署全体の採用理由にはできません。
本番化とは、通常の仕事の流れに組み込むことです。誰が起動し、どこへ出力を置き、間違いを誰が直すかまで決めます。担当者が不在のときや入力が欠けたときも含め、続けて使うための段取りが必要です。試作で良い出力が得られたことだけでは、この段取りは埋まりません。
成果を見るときは、導入前後の仕事全体を比べます。作成が速くなっても、確認と修正が増えれば効果は小さくなります。空いた時間を何に使うかまで決まっていなければ、作業時間の減少をそのまま費用の削減として扱うこともできません。
| 状態 | 確かめること | まだ分からないこと |
|---|---|---|
| 利用している | 対象業務で実際に道具が使われたか | 会社として安全に続けられるか |
| 本番に置ける | 通常業務の担当と例外対応が決まったか | 負担や費用に見合う成果が出るか |
| 成果が出ている | 準備・確認・修正を含めて目的に近づいたか | 別業務にも同じ効果が出るか |
日本の現在地も、この区別で読めます。総務省「令和8年版情報通信白書(概要)」(2026年7月)では、生成AIを何らかの業務で利用している日本企業は86.4%です。一方、生成AIによる業務変革で「組織的な取組みはない」と答えた割合は、日本が27.0%、米国が1.4%でした(調査は2026年1〜2月)。利用は広がっていますが、組織として成果に結びつける取り組みは、米国と比べて日本では進んでいない面があります。利用の広がりと組織としての成果は、別の指標です。
確かめ方: 「導入できた」という報告を受けたら、どの状態を指すか聞きます。次の会議では、その先に残っている判断材料を持ち寄ってください。
失敗が起きる場所|検討・試作・本番の間
着手前の計画では、検討・試作・本番で確かめることを分けます。試作の終了時に本番の条件が見つかると、追加の準備や契約が必要になるからです。
検討では、対象業務と困りごとを決めます。試作では、用意した入力で必要な出力が得られるかを試します。本番では、実際の仕事の流れの中で使い続けられるかを確認します。MIT NANDAの報告書は、企業向けの特注・ベンダー提供ツールについて、次の割合を挙げています。60%が評価(報告書の用語。この記事の「検討」にあたる段階)し、試作段階に進んだのは20%、本番に届いたのは5%です。ここでの5%は、調査対象の組織のうち、特注・ベンダー提供の企業向けツールが本番に届いた割合で、前節の5%(業務に組み込まれた試作のうち大きな価値を出したもの)とは数える対象が違う数字です。理由として、少し条件が変わると止まる業務手順、AIが社内の用語や決まりごとを覚えないこと、日常業務とのずれが挙げられています。ただし、これは同報告書の標本内の数字で、日本の中小企業の割合ではありません。以下の図は、確かめる順序を整理したもので、各段階へ進む割合を示す調査結果ではありません。
検討・試作・本番では、次へ進むために必要な証拠が変わる
図の内容: 検討では目的、試作では出力、本番では運用の条件を確かめ、足りない準備へ戻る。
問い合わせへの回答案を作る例なら、試作では用意した質問への回答を比較できます。本番では、新しい商品情報や例外的な問い合わせも入ります。回答に使う資料の更新担当や、答えられない場合の戻し先がないと、試作の続きをそのまま通常業務には置けません。
計画を立てる段階で、本番のすべてを作り込む必要はありません。ただし「試作ではここまで確認し、ここから先は本番化の契約で扱う」という線は引きます。線が見えれば、試作の見積に何が含まれるかも比べやすくなります。
確かめ方: 計画書に「本番で、誰の、どの作業に置くか」を書きます。その作業を担当する人が、試作の結果を見て判断できるかも確かめてください。
着手前の4つの関門|計画を紙に書き出す
試作に入る前に確かめることは4つあり、どれも紙に書き出して点検します。これは本記事が提案する確認手順で、成功率が確かめられた採点表ではありません。着手前の確認なので、失敗した後に原因を5型に分けるAI導入の失敗原因とは役割が違います。③の「戻し先」とは、誤りが見つかったときに直しを頼む相手のことです。
4つの関門を順に通れば試作へ、通れない関門は先に埋める
図の内容: 目的・入力と見本・確認する人・やめる条件の4関門を順に確かめ、4つ通れば試作に入る。
| 関門 | 通過の目安 | 通らないときの動き |
|---|---|---|
| ① 目的 | 「何の業務の何をどれだけ減らすか」を1文で言える | 業務を1つに絞り、今の作業量を測ってから書き直す |
| ② 入力と見本 | AIに渡す入力と、正解の見本を実際に用意できる | 過去の実例を数件集める。集められない業務は今回見送り、別の業務で試す |
| ③ 確認する人 | 出力を見る担当者と、誤りの戻し先が決まっている | 確認の担当と時間を先に決める。決まらなければ着手を延ばす |
| ④ やめる条件 | 試作の終わり方(何が出たら続け、何が出たらやめるか)を決めてある | 期間と判断者を決め、続行・縮小(=対象業務を狭める)・中止の基準を書く |
4つの欄を埋めた記入例です。説明用に作った例で、実際の導入結果ではありません。
| 関門 | 記入例(商談後の社内共有文の下書き) | 空欄のときの動き |
|---|---|---|
| ① 目的 | 商談後の社内共有文の下書きにかかる手間を減らす。減らす量は、現在の作業時間を測ってから決める | 下書き・確認・修正に分けて記録する |
| ② 入力と見本 | 入力は商談メモ。見本は担当者が良いと判断した過去の共有文(答えずに引き継ぐ例も含める) | 過去の共有文を数件集める |
| ③ 確認する人 | 商談を担当した営業が内容の正しさを見る。誤りは、資料の誤りなら管理担当、ルールの曖昧さなら責任者へ戻す | 確認の担当と時間を先に決める |
| ④ やめる条件 | 試作の期間と判断者を決め、続行・縮小・中止の基準を書く | 期間と判断者から決める |
確かめ方: 各関門で次の質問を担当者に聞きます。①「この業務の何が、月にどれだけ減ったら成功ですか」。②「使える正解の見本を見せてもらえますか」。③「AIの誤りを見つけたら、誰がどこへ戻しますか」。④「試作を何日で、誰が、どの基準で判断しますか」。答えが詰まった関門が、先に埋める場所です。
① 目的
目的は「AIを導入する」ではなく、対象業務のどの負担を減らすかで書きます。文章を作ること、資料を探すこと、転記することでは、必要な入力も確認方法も違います。業務名が大きすぎるなら、担当者が普段行う作業まで狭めてください。
たとえば「営業を効率化する」だけでは、計画の終わりが見えません。説明用の記入例なら「商談後の社内共有文の下書きにかかる手間を減らす」とします。そのうえで、現在どの作業に時間がかかり、何が減ったら採用したいかを担当者と決めます。
まだ時間を測っていない場合は、削減目標を想像で入れません。数字が分からなければ「減らしたい作業」だけ書いて、この関門を通します。数字は試作の前に測ります。下書き、確認、修正に分けて現在の仕事を記録し、その結果から目標を相談します。見積に都合のよい目標を先に置くと、数字は達成できても現場が楽にならない場合があります。
② 入力と見本
入力は、AIへ渡す資料や文章です。見本は、担当者が良いと判断する成果物です。資料があることと、必要な場面で取り出せることは違うため、実際に使える状態で揃えます。
問い合わせへの回答案なら、質問文だけでなく、回答に使ってよい最新資料も必要です。見本には、正しい回答に加えて、答えずに担当者へ引き継ぐ例も入れます。AIに答えてほしい内容だけを集めると、判断を止めるべき場面を評価できません。
文章の見本は、表現が完全に同じでなくても構いません。必ず含める内容、書いてはいけない内容、根拠がないときの返し方を決めます。担当者同士で評価が割れるなら、AIを調整する前に、社内の判断基準を揃える作業が残っています。
③ 確認する人
確認する担当者には、名前だけでなく、見る範囲と時間を割り当てます。「現場が確認する」という書き方では、誰の予定に作業を入れるか決まりません。業務の正しさを判断できる担当に、役割として引き受けてもらいます。
確認の観点は、内容の正しさ、根拠との一致、出してよい情報の範囲などです。AIの出力を読み直すだけで済むのか、元の資料まで開くのかでも負担は変わります。元資料との照合が必要なら、その時間も試作で測る対象に含めます。
AIの出力を最終的に確認し、外へ出してよいと判断するのは人です。誤りがあったときに責任を持つ人を、試作の前に決めてください。現場の担当者が「自分の仕事が増えるだけ」と感じる計画は、定着しにくいことが多くあります。業務を知る当事者を計画の段階から入れ、使う場面や確認のしかたを一緒に決めます。
誤りを見つけた後の戻し先も決めます。入力資料が古いなら資料の管理担当へ、業務ルールが曖昧なら責任者へ、仕組みの修正が必要なら開発担当へ戻します。確認者にすべての修正を任せると、仕事が確認者に移っただけになるためです。
④ やめる条件
終了条件は、いつ、誰が、何を見て続行・縮小・中止を決めるかです。試作を始める前に書き、途中で基準を変える場合も変更理由を残します。「もう少し調整すれば良くなる」だけで延長しないための約束になります。
通常の入力では役に立つが、例外への対応に手間がかかる場合があります。そのときは、対応する業務を狭めて試す選択肢があります。確認の負担が減らず、改善の見通しも立たないなら中止を選べます。どちらも、最初の目的に照らして決めてください。
中止になっても、入力の不足や確認の難しさが分かれば、次の判断材料は残ります。ただし、学びがあったことをそのまま本番導入の成功と呼ばないようにします。試作で得た知見と、実際の業務成果を分けて報告する方が、次の投資を判断しやすくなります。
成果の測り方|作成以外の手間も数える
効果を見るときは、AIに任せた作業だけでなく、その前後の準備・確認・修正を含めます。出力が速くても、仕事全体が軽くなったとは限らないからです。
比較する業務の範囲は、導入前後で揃えます。導入前は資料の準備から提出までを測り、導入後は文章生成だけを測る、といった比べ方では判断できません。担当者が違う場合や、扱う案件の難しさが違う場合も、結果と一緒に記録します。
時間以外に、やり直しの理由も残します。書式の修正が多いのか、内容の誤りが多いのかでは対処が変わります。確認に時間がかかった理由が資料探しなら、AIへの指示を変えるより、参照資料の置き場所を整理する方が先かもしれません。
| 記録する場面 | 残す内容 | 判断につながる問い |
|---|---|---|
| 作業前 | 入力の収集や整形に使った手間 | AIを使うための準備が増えていないか |
| 作成中 | AIの出力を待つ時間と担当者の操作 | 他の仕事を進められる時間か |
| 確認・修正 | 誤りの種類と直す作業 | 確認者に負担が移っていないか |
| 業務の終了 | 採用した出力と使わなかった理由 | 目的に沿う成果として使えたか |
| 利用料・運用費 | 使った量に応じて請求される料金や、利用回数の上限、管理に使った手間 | 使うほど費用が増える仕組みで、上限を決めてあるか |
成果を金額に置き換える場合も、空いた時間がそのまま支出の減少になるとは限りません。残業を減らすのか、別の業務を進めるのかを分けます。実際の働き方を確かめずに、短くなった時間だけから利益の増加を断定しないでください。
確かめ方: 試作の記録を見て、AIの利用時間だけが残っていないか点検します。準備や確認が抜けていれば、同じ業務範囲で測り直してから判断します。
内製か外部か|依頼しても社内に残る判断を決める
内製(=自社の社員で作ること)と外部への依頼は、自社で足りない役割を埋められるかで選びます。開発を頼んでも、対象業務の目的や出力を採用する判断は社内に残ります。
自社の担当者が入力と見本を用意でき、変更や保守も引き受けられるなら、内製を検討できます。知識が足りない場合でも、何が分からないかを説明できれば、相談する範囲を絞れます。一方、担当者の時間が取れない問題は、道具の研修だけで解決するとは限りません。
MIT NANDAの報告書では、外部パートナーと特注ツールで約67%、内製で約33%が導入に至りました(=実際に使い始めた)。ただし自己申告で、報告書自身が因果を証明するものではないと注記しています。外部に頼めば成功するという意味には読めません。
外部に頼む場合は、提案が自社の仕事の流れに沿っているかを見ます。汎用の機能紹介だけでは、使う場面や確認者の負担は分かりません。自社で扱う入力の見本と求める出力を示し、次の点を契約前にすり合わせてください。
- 担当業務への合わせ込み: 提案が自社の業務の流れに沿っているか。汎用の製品説明だけでないか
- 効果ありと判断する基準: 何を測って「効果あり」と言うかが、契約前に書かれているか
- 引き継ぎ: 契約が終わった後、自社で運用を続けられる資料と手順が残るか
外部に頼む場合の比較はAIエージェント外注|内製との比較5基準とハイブリッド設計にあります。
確かめ方: 候補の会社に「終了後に、私たちだけで運用を続けるために何が残りますか」と聞きます。具体物(手順書・設定・見本)を挙げられるかで判断してください。
外部に頼むと決めたあとは、任せる範囲・評価の方法・見積の内訳・契約の形を発注前に確かめておくと失敗を減らせます。確認すべき6項目はAIエージェントの開発会社へ発注する前の確認項目と見積の見方にまとめました。
内製と外注を工程ごとに分ける考え方や、必要な体制と費用の見方は、AI開発を内製化するか外注するかの工程ごとの分け方で整理しています。
外部に依頼しても、目的や受け入れ基準の判断は社内に残ります。丸投げで起きやすい失敗の型と発注前の確認表は、AI 外注 失敗|丸投げで起きる5つの型と発注前の確認表で整理しています。
社員が別のAIを使っているとき
会社が把握していないAI利用があれば、利用業務と入力情報を確認します。便利に使われている場面は候補業務を探す材料ですが、会社としてそのまま採用してよいとは限りません。
聞き取りでは、何の作業に使い、何を入力し、出力をどこで使ったかを分けて聞きます。入力情報は、取引先名や個人情報を入れていないか、といった具体例で確かめます。個人のアカウント情報や会話の全文を広く集める必要はありません。まず業務の種類と情報の区分を把握し、扱いを判断できる社内担当へつなぎます。
入力の範囲が会社のルールに合っていない場合は、その利用を続ける前に扱いを確認します。規則に沿って使える業務なら、何が便利だったかを聞き、目的の欄へ反映できます。入力情報の整理は中小企業の生成AIセキュリティで扱っています。
確かめ方: 部署ごとに「業務でAIを使ったことがある人」の有無を聞きます。聞き取りの結果が、関門①の業務を決める材料になります。
費用の見方|試作に入る前に何が必要か
試作に入る前の確認は、自社で紙に書き出すことから始められます。費用の目安は次のとおりです。
PoCの費用は、複数の業者サイトの記載では100〜500万円(期間は1〜3か月)とされています。これは複数の業者サイトの記載をまとめた当社調査(2026年7月6日)の範囲です。同じ条件の案件を集めた成約価格の統計ではなく、自社の見積額を予測するものでもありません。試作の前に、15万円・30万円の診断で進め方を決める方法もあります。
| 段階 | 費用の目安 | 期間 | 位置づけ |
|---|---|---|---|
| AI適用診断(ライト) | 15万円(税別) | 2週間 | 研修・試作・実装のどれで進むかを切り分ける |
| AI適用診断(標準) | 30万円(税別) | 2週間 | 対象範囲に合わせて進め方を切り分ける |
| 試作(PoC) | 100〜500万円(他社記事の記載) | 1〜3か月 | 本番の前に小さく試す |
費用の全体像はAI 導入 費用|総額を決める4要素と規模別の目安、PoCの相場はAI PoC 費用|内訳・5つの変動要因と抑える3つの方法で書いています。この記事では、投資対効果の数字は出しません。
確かめ方: 試作の見積で、成果物に「やめる判断のための報告」が含まれているかを見ます。続ける前提の見積だけなら、関門④が通っていません。
試作の前後でどの費用が発生するかを押さえたうえで、方式別の相場や月額・保守まで含めた全体像は業務自動化の費用を方式別に比べた記事で確認できます。
着手前の切り分け|AI適用診断でできること
関門が自社だけで通せないとき、着手前の切り分けとして使えるのがAI適用診断です。AI適用診断とはに詳しく書いていますが、ここでは範囲だけ挙げます。
当社のサービス資料(2026年6月12日更新)によると、AI適用診断は2週間で進めます。本番に接続せず(=実際の業務で使っているシステムにはつなぎません)、現場に同席します。ライト診断が15万円、標準診断が30万円(税別)です。目的は、研修から始めるか、小さく試すか、本格的に作る(実装)かの切り分けです。本番化と保守は別の契約になります。初回相談は無料(30分)です。本記事の確認表は診断会社を選ぶための提案で、当社の個別の成果物や契約条件を追加で約束するものではありません。依頼範囲は見積で確かめてください。
診断を選ぶ発注側が、成果物に求めてよい条件を整理すると次のとおりです。診断会社を比べる基準はAI適用診断の比較で書いています。
| 求めてよい条件 | 確かめ方 | 外れのサイン |
|---|---|---|
| 「見送り」が選択肢に入っている | 成果物の見本に、進まない判断の例があるか | 全員が「導入すべき」という結論の見本しかない |
| 本番に接続しない範囲が書かれている | 診断中に触る環境とデータを書面で確認する | 範囲が「状況による」としか書かれていない |
| 次の段階との契約が分かれている | 診断と本番化・保守が別契約か | 診断を受けると本番化まで進む前提になっている |
| 現場の担当者と話す時間がある | 打ち合わせの回数と同席者を聞く | 現場の担当者に会わずに報告書が出る |
確かめ方: 診断の見積を取るとき、「診断の結果、導入を見送る報告になった例はありますか」と聞いてください。答えの仕方で、診断が切り分けのためのものか、次の契約への入口かが見えます。
試作後の判断|続行・縮小・中止を選ぶ
試作の終了時は、最初に決めた目的と結果を比べ、続行・縮小・中止を選びます。良い出力が出た場面だけでなく、使わなかった出力とその理由も判断に含めます。
続行は、本番で確かめる条件が見えた場合の選択肢です。試作に合格したからといって、対象部署を一気に広げる必要はありません。本番での担当者、例外への対応、見直しのタイミングが決まっているかを確認してから進めます。
縮小は、役立つ場面が限られると分かった場合に向きます。すべての問い合わせに答える計画から、担当者が確認する定型回答の下書きへ絞る、といった考え方です。対象を狭めた後も、その範囲で確認の負担が減るかを確かめます。
中止は、目的に届かず、修正の根拠も足りない場合に選びます。すでに費用を使ったことだけを続行の理由にせず、これから使う費用と得られる見込みを比べます。止める場合は、試した条件と分かった課題を残しておくと、同じ検討を繰り返す手間を減らせます。
試作の結果は、目的に照らして続行・縮小・中止に分ける
図の内容: 目的に沿う結果なら続行、役立つ範囲が限られれば縮小、改善の根拠が足りなければ中止を検討する。
確かめ方: 終了時の会議では、選んだ結論と根拠にした記録を並べます。延長する場合は、何を変え、次に何を確かめるかを書いてから判断してください。
早見表|症状と最初に見る関門
よく出る症状から、最初に見る関門を引く早見表です。
| 症状 | 最初に見る関門 | 先にやること |
|---|---|---|
| 会議で「AIで何かやろう」しか言えない | ①目的 | 業務を1つ選び、今の作業量を測る |
| 試作で使うデータが散らばっている | ②入力と見本 | 使える過去の実例を、同じ場所に集める |
| 出力を誰が見るかで会議が止まる | ③確認する人 | 確認担当と時間を決めてから進める |
| 試作が終わらず、だらだら続いている | ④やめる条件 | 期間と判断者を決め、基準を書く |
確かめ方: 自社の症状を1つ選び、右端の「先にやること」を今週の予定に入れます。症状が複数あるときは、番号が小さい関門から埋めてください。
今すぐ試作に入らなくていい会社と、この記事に含まれないこと
次の条件に当てはまる会社は、今すぐ試作に入る必要はありません。
- 社内でAIを個人が使っている段階で、会社として扱う業務をまだ決めていない
- 目的や入力、確認担当、終了条件に書けない項目がある
- 確認する担当者に、試作の間に使える時間を取れない
この記事に含まれないことは次の4つで、それぞれ別の記事に分けています。
- 失敗した後に原因を5つの型で絞る方法 → AI導入の失敗原因|症状で分ける5つの型と立て直し順
- 導入の総額と規模別の費用 → AI 導入 費用|総額を決める4要素と規模別の目安
- PoCの具体的な手順 → PoCの進め方|4段階の手順と費用相場・失敗パターンまで
- 診断の中身と成果物 → AI適用診断とは?30万円を払う前に「分かること・分からないこと」
Summary in English
AI adoption should begin with clear decision criteria. A reported failure rate cannot be applied to a company without checking the population, definition of success, method, and observation period. The source materials used for this article do not establish a national failure rate, so no such percentage is presented.
Before starting a proof of concept, clarify the business purpose, inputs and acceptable examples, the reviewer and path for correcting errors, and the conditions for stopping. These are practical checks proposed by this article, not a validated predictor of success. Evaluate preparation, review, and correction as well as generation. Separate actual business outcomes from lessons learned during a pilot. At the end, choose whether to continue, narrow the scope, or stop.
Our service materials describe an AI applicability diagnosis lasting two weeks, without connecting to production, with participation from operational staff. It costs 150,000 yen for the light option or 300,000 yen for the standard option, excluding tax. Production implementation and maintenance require separate contracts. The diagnosis helps distinguish training, a pilot, and implementation as possible next steps. Illustrative examples in this article are not customer results.
まとめ|数字より先に4つの関門を確かめる
- 失敗率は、対象・成功の定義・調べ方を確認し、自社の確率として扱わない
- 利用、本番化、成果を分け、いま何を確かめる段階なのかを揃える
- 作成だけでなく、準備・確認・修正を含めて仕事全体の変化を見る
- 着手前に確かめるのは、目的の1文・入力と見本・確認する人・やめる条件の4関門
- 自社だけで通せないときは、診断で進め方を整理し、見送りも含めて判断する
次のアクションは、3つのうちどれか1つで構いません。
- 今日: 導入案を、目的・入力と見本・確認する人・やめる条件の4行で書き出す
- 今週: 書けなかった行を、担当者に前述の質問で確かめる
- 今月: 通らない関門を埋めてから、試作か診断のどちらで進むかを決める
関門のどこが通っていないか自社だけでは見えないときは、無料相談で状況をお聞かせください。
次に読む
- 失敗した後に原因を絞りたい → AI導入の失敗原因|症状で分ける5つの型と立て直し順
- 診断の費用を知りたい → AI適用診断の費用相場|15万〜30万円とPoC100万円の違い
- 試作の進め方を知りたい → PoCの進め方|4段階の手順と費用相場・失敗パターンまで
- 進める前の点検表がほしい → AI 導入 チェックリスト|3つの時点で埋める24項目
更新履歴
- 2026-10-31: 初版公開。着手前の確認手順、判断例、診断と試作の費用を整理。
- 次回更新予定: 2026年11月(サービスの範囲・価格と試作の費用情報、MIT NANDA報告書・総務省白書の再確認)
本記事は2026年10月31日時点で参照した当社のサービス資料、競合調査、MIT NANDA報告書、総務省白書に基づきます(公開日: 2026年10月31日)。価格とサービスの範囲は変更されることがあるため、契約前に各提供元の見積で確認してください。
参考・出典
- MIT NANDA「The GenAI Divide: State of AI in Business 2025」(2025年7月)。配布元(第三者サイトの写し。MIT公式ページからの直リンクは確認できず) https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf(参照日: 2026年10月31日)
- 総務省「令和8年版情報通信白書(概要)」(2026年7月) https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/summary/summary01.pdf(参照日: 2026年10月23日)
- 当社調査: PoC費用の相場(100〜500万円・1〜3か月)を、複数の業者サイトの記載から2026年7月6日に確認
- 当社調査: AI適用診断の範囲・価格(2週間・ライト15万円/標準30万円・税別)を、当社のサービス資料(2026年6月12日更新)で確認
FAQよくある質問
- 「AI導入の95%が失敗する」はどの調査の数字ですか?
- MIT NANDAが2025年7月に公開した報告書「The GenAI Divide: State of AI in Business 2025」の数字です。公開事例300件超の読み込み、52組織へのインタビュー、幹部153人のアンケートをもとにした予備的知見(=途中経過の調査結果)で、日本の中小企業の失敗率ではありません。成功は、顕著で持続的な生産性・損益への影響があると述べられたものと定義されています。
- AI導入の失敗率は何%ですか?
- 日本企業全体のAI導入の失敗率を示す官公庁の統計は、当社の確認(2026年10月)では見つかっていません。そのため、具体的な失敗率は掲載していません。失敗率を読む際は、対象企業、成功の定義、調べ方、観察期間を確認し、自社に当てはまる調査かを判断してください。
- AIを使っていても導入失敗になるのですか?
- 利用していることと、目的に沿う成果が出ていることは別です。文章を作れても、確認や修正に以前より時間がかかるなら、仕事全体の負担は減っていません。着手前に、何が改善すれば続けるのかを決めてください。
- 他社の失敗率は自社にも当てはまりますか?
- 調査の条件を確かめずに当てはめることはできません。対象業務、企業規模、使用する道具、成功の定義が違えば、同じ割合でも意味が変わります。自社の判断には、現在の作業と試作の結果を比べられる記録を使ってください。
- AI導入が失敗する原因は何ですか?
- 目的が曖昧なまま進むことや、入力と見本が揃わないこと、確認担当や終了条件が決まらないことは、着手前に点検したい課題です。ただし、これだけで個別の失敗原因を断定することはできません。実際に止まった作業と記録から、原因を絞る必要があります。
- AI導入の前に何を確かめますか?
- 目的、入力と正解の見本、確認する担当者、やめる条件を書き出します。これは本記事が提案する確認手順で、成功を保証する採点基準ではありません。書けない項目は、試作の契約前に担当者と整理してください。
- 外部の専門家に頼めば失敗を避けられますか?
- 外部への依頼だけで成功は保証されません。MIT NANDAの報告書では、外部パートナーと特注ツールで約67%、内製で約33%が導入に至りました(=実際に使い始めた)が、自己申告で、報告書自身が因果を証明するものではないと注記しています。社内で判断する人を決めたうえで、依頼範囲、成果の測り方、終了後の引き継ぎを確認します。自社で決めることと専門家に任せることを分けるのが先です。
- 社員が会社の許可なく別のAIを使っている場合はどうしますか?
- 使っている業務と入力情報の区分を確認し、会社のルールに沿う扱いを決めます。便利だった場面は候補業務を探す材料ですが、会社としてそのまま採用できるとは限りません。入力の範囲が認められていない場合は、その利用を続ける前に社内の担当者へ確認してください。
- 失敗したAI導入はやり直してよいですか?
- やり直すなら、前回の結果と今回変える条件を先に書き出します。目的、入力、確認担当、終了条件が同じなら、再開の根拠はまだ足りません。直した条件を確かめられる範囲に絞り、試し直すか判断してください。


