AIは本当に儲かり始めたのか？BCG『約半数が価値を創出』を数字の先まで読む

AIを導入した会社の約半数が、すでに価値を生み始めている。

BCGが2026年9月30日に公表した「Applied AI Index 2026」は、そんな明るい見出しを掲げた。調査対象は20を超える業種の経営層・上級管理職1,330人。最も成熟した「future-built」企業が7.5%、AIを拡大中の企業が41%で、合わせると48.5%になる。

たしかに潮目は変わった。ただし、私がこの調査で一番気になったのは「約50%」ではない。AIへの支出の80%以上がIT部門の外にあること、2030年までに42%の企業がAIエージェントへ実質的な意思決定権を渡そうとしているのに、必要な統制を揃えた企業は現在5%しかないことだ。

AIが実験室から仕事の現場へ出たからこそ、次に問われるのはモデルの性能ではなく、仕事の設計と責任の置き場所である。

BCG調査が伝えたこと

BCGは企業をAI成熟度によって複数の層に分けている。最上位のfuture-built企業は全体の7.5%で、下位企業と比べて株主総利回りが2.3倍、売上成長率が2.4倍、EBITDA成長率が2.8倍だった。さらに41%の「拡大中」の企業も、株主総利回りで下位企業の1.8倍に達したという。

投資も急増している。AI支出は2025年後半の売上高比約1.7%から、2026年には3.3%へ増えた。その80%以上は全社IT予算の外側にある。

人と組織も変わる。回答企業は2030年までに人員が約10%から15%減ると見込む一方、future-built企業と拡大中企業の7割はすでに従業員の再訓練を始めている。AI専任職は、全従業員に占める割合が2026年の7%から2030年には22%へ増える見通しだ。

そして、AIエージェントが生む価値は2030年にAI全体の約4割を占めると予測されている。自律化への期待は大きいが、監督、監査、セキュリティ、コスト制限、取り消し手順などを一通り整えた企業は5%しかない。

「約半数」をそのまま成功率だと思わない

48.5%という数字は、AIプロジェクトの約半分が黒字になったという意味ではない。BCGが、経営層への調査をもとにfuture-builtと拡大中へ分類した企業の合計である。拡大中の41%は「価値を生んでいるが、さらに伸ばす余地がある」層として扱われている。

また、成熟企業の業績が高いという結果は、AIだけがその差を生んだという因果関係の証明ではない。もともと経営、データ、人材、投資判断に優れた会社ほど、AIも上手に使い、売上や利益も伸ばしている可能性がある。

だから、この調査を「AIを入れれば売上が2.4倍になる」と読むのは危険だ。読むべきなのは、成果を出している企業に共通する運用の形である。

BCGによれば、future-built企業の95%は明確なKPIを使うか、AIの価値を損益へ直接ひも付けている。AIを損益で測る企業の価値創出は3.6%、正式に測っていない企業は1.2%だった。支出額より、何を成果と決め、どこまで追跡できているかのほうが重要だと分かる。

IT予算の外に80%以上あることのほうが重要だ

AI支出の80%以上がIT部門の外にあるのは、AIが単なる情報システムではなくなった証拠である。営業は提案や顧客対応に使い、マーケティングは制作や分析に使い、現場部門は判断や作業の自動化に使う。予算が仕事のある場所へ移るのは自然だ。

ただし、各部門が個別に契約し、似た道具を買い、別々のデータを読み込ませると、全社のAI費用は見えにくくなる。便利な小口契約が積み上がり、誰も総額を把握していない状態も起こる。機密情報の扱い、出力の検証、退職者のアカウント、ログの保存期間までばらばらになりやすい。

中央集権に戻せばよいわけでもない。現場の試行を止めれば、AIはまたIT部門だけの実験になる。必要なのは、利用目的と予算は現場へ近づけながら、認証、データ境界、監査、契約、費用の見える化は共通化することだ。

AIの民主化には、自由に使える入口と、越えてはいけない境界の両方が要る。

AI導入数ではなく、一つの仕事が最後まで変わったかを見る

AI活用を数えるとき、利用者数や生成回数は測りやすい。しかし、その数字が増えても仕事が速くなるとは限らない。AIで文章を作った後に、人がコピーし、形式を直し、別システムへ入力し、承認待ちで止まるなら、途中だけが速くなったにすぎない。

私なら、まず一つの仕事を始点から終点まで見る。

完了まで何分かかったか
差し戻しや手直しは何回あったか
失敗を含めた一件当たり費用はいくらか
売上、成約、解約防止、在庫削減のどれにつながったか
AIが止まったとき、人は安全に引き継げるか

「全社員にAIを配った」は導入の記録であり、価値の記録ではない。昨日より一つの仕事を速く、安く、失敗を少なく終えられたか。そこまで測れて初めて、AIが仕事へ入ったと言える。

42%が権限を渡したいのに、統制済みは5%

今回の調査で最も危うい差は、42%と5%の間にある。

文章の下書きを作るAIと、顧客へメールを送り、価格を変更し、発注し、返金するAIは同じではない。後者は間違えた瞬間に現実の損失を生む。モデルの正答率が高くても、権限の設計が雑なら事故は起きる。

AIエージェントへ権限を渡すときは、「自律化するか、しないか」の二択にしないほうがよい。読む、提案する、下書きを保存する、承認を求める、実行するという段階に分ける。取り消せない操作、高額な操作、外部へ送信する操作だけは、人の確認を残せる。

さらに、操作ごとの上限金額、対象範囲、実行回数、監査ログ、緊急停止、ロールバックを先に決める。AIの能力が上がってから統制を足すのでは遅い。権限が小さいうちに失敗の記録を取り、実績に応じて少しずつ広げるべきだ。

これはAIを信用しない話ではない。人にも決裁権限や職務分掌があるように、強い道具を仕事へ入れるなら責任の境界が必要だという話である。

中小企業は大企業の3.3%をまねなくてよい

売上高の3.3%をAIへ投じるという数字は目立つ。しかし、小さな会社が同じ比率を目標にする必要はない。先に予算を決めると、使い切ることが目的になりやすい。

小さな組織の強みは、意思決定者と現場の距離が近いことだ。一つの業務、一人の責任者、一つの基準値から始められる。毎週、時間、失敗、費用、成果を確認し、改善しなければ止める。成果が出たら次の工程へ広げる。この短い循環は、巨大な全社導入より速い。

たとえば問い合わせ対応なら、「AIチャットを導入する」では広すぎる。「営業時間外のよくある質問に出典付きで下書きを作り、翌朝に担当者が確認する」まで狭める。そこで初回回答までの時間、修正率、解決率を測る。数字が動かなければ、モデルを替える前に対象業務と情報源を見直す。

AIの価値は、使った回数ではなく、閉じた改善ループを何個持てたかで決まる。

次の競争は、賢いモデルを持つ会社同士ではない

高性能なモデルは、多くの企業が同じように利用できる。差がつくのは、そのモデルへ何を任せ、どのデータを渡し、誰が結果に責任を持ち、損益へどう結び付けるかである。

BCGの調査は、AIが価値を生む段階へ進んだことを示した。同時に、価値が出始めたからこそ統制、組織設計、再訓練が遅れている現実も示している。

約50%という見出しに安心するより、自社の一つの仕事を開いてみるほうがよい。どこで待ち、どこで人が転記し、どこで失敗し、どの数字が利益につながるのか。その流れを変えないままAIだけを置いても、便利な道具が一つ増えるだけだ。

AIで勝つ会社は、最も多く導入した会社ではない。仕事の終わりまで設計し直し、成果と失敗を測り、権限を少しずつ渡せる会社である。