これは「導入不足」ではなく「信頼不足」の問題

G-Pの調査は、企業がAIから撤退していることを示しているわけではない。むしろ、調査対象の経営層全員がAIを使っている 。変化しているのは、導入そのものを成果と見なす段階から、AIが実際に売上、コスト、品質、意思決定、顧客体験にどう効いたのかを問う段階へ移っている点だ。

この空気の変化は、前年の調査と比べるとよりはっきりする。G-Pの2025年版AI at Work Reportでは、経営層の91％がAI施策を積極的に拡大しており、74％がAIを企業の成功に不可欠だと答えていた 。2026年版でもAI利用は広く浸透しているが、レポートの焦点は「拡大」から「説明責任」「検証」「ROIの証明」へ移っている 。

同じような価値のギャップは、他の調査にも表れている。Boston Consulting Groupは、企業の60％がAIを大規模に活用しても実質的な価値を得られておらず、さらに35％は一定のリターンを得ているものの、十分な速さや規模で進んでいないと報告した 。McKinseyも、企業の92％が今後3年間でAI投資を増やす計画だとする一方、AIが業務フローに完全に組み込まれ、大きな事業成果を生むほど成熟していると答えたリーダーは1％にとどまるとした 。

AIは仕事を速くする一方で、確認作業を増やすことがある

AI投資のROIが伸び悩む理由の一つは、ある工程を速くしても、別の工程で検証や修正の負担が増えることだ。G-Pの調査では、69％の経営層が、従業員はAI生成物を監視、レビュー、更新するために以前より多くの時間を使っていると答えている 。

これは実務上、重要なポイントだ。AIが成果物を素早く出しても、その内容を人間が確認し、誤りを直し、リスクを見極め、必要に応じて作り直すなら、単純な「生成スピード」だけでは生産性を測れない。最終的に見るべきなのは、AIを使った後の作業全体でどれだけ時間が減り、品質が上がり、リスクが下がったかである。

Channel Insiderが紹介したWorkdayの調査も、同じ問題を指摘している。AIで節約された時間は、ミスの修正、コンテンツの書き直し、AI出力の再確認といった手戻りによって相殺されることがある 。

「AIを使っている」は成果の証明にならない

G-Pのレポートで特に現代的なのが、「見せかけの生産性」への警戒だ。経営層の88％は、従業員が実質的な事業価値を生まずに、忙しく見せたりAI利用の要請を満たしたりするためにAIを使う可能性を懸念している 。また47％は、それがすでに起きていることを非常に、または極めて強く懸念している 。

これは、企業がAI活用を評価する際の落とし穴を示している。ツールへのログイン数、プロンプトの回数、AI生成物の件数、従業員の自己申告といった指標は、活動量を示すことはできる。しかし、それだけでは仕事がより正確になったのか、顧客対応が良くなったのか、コストが下がったのか、リスクが減ったのかは分からない。

人間の価値を下げながら、人間の判断に頼る矛盾

最も重い論点の一つは、82％の経営層がAIによって人間の従業員に置く価値が下がったと答えたことだ 。しかし同じ調査では、AI生成物を監視し、レビューし、更新する作業を人間が担っている実態も示されている 。

この矛盾は、AI時代のマネジメントにとって大きい。AIを有効に使うには、人間の判断、文脈理解、品質管理、リスク感度が欠かせない。それにもかかわらず、AIの導入を理由に人間の価値を過小評価すれば、むしろAIの成果を支える土台を弱めかねない。

McKinseyの職場AIに関するレポートも、AIを単なる技術導入として扱うのではなく、従業員の日々の仕事を支援する実用的な活用に集中し、測定可能な成果につなげるべきだと論じている 。

企業はAIの成功指標を作り直す必要がある

G-Pの調査から見える実務的な示唆は明確だ。企業は「AIをどれだけ使ったか」ではなく、「AIで何が改善したか」を測る必要がある。

より現実的なAI評価表には、少なくとも次のような項目が必要になる。

1. 事業インパクト： 売上への貢献、コスト削減、顧客体験の改善、リスク低減、検証済み成果物の納期短縮。
2. 正味の生産性： AIで短縮できた時間から、レビュー、修正、書き直し、更新にかかった時間を差し引いた実質効果。
3. 品質： エラー率、エスカレーション率、コンプライアンス上の問題、顧客満足度、大幅な手直しなしに採用できたAI出力の割合。
4. 業務フローへの組み込み： AIが価値の高い業務プロセスに入っているか、それとも単に追加ツールとして置かれているだけか。
5. 人間の能力拡張： AIが従業員の判断や高付加価値業務を助けているか、単に生成物の量を増やしているだけか。
6. 予算責任： それぞれのAI活用案件に、責任者、開始時点の基準値、成功指標、見直し時期が設定されているか。

要するに、企業が問うべきなのは「従業員はAIを使っているか」ではない。「AIは、検証された重要な仕事を本当に改善しているか」だ。

結論：AI失敗論ではなく、説明責任の時代に入った

G-Pの2026年版AI at Work Reportは、反AIのレポートではない。むしろ、AIがすでに職場に深く入り込んだからこそ、成果を厳しく問う時期に入ったことを示している。調査対象の経営層全員がAIを使っている一方で、73％はAI投資の少なくとも一部に物足りなさを感じ、約7割は目標が達成されなければ投資を縮小する可能性を示している 。

ただし、この結果は経営層への調査に基づくものであり、AI投資が失敗したことを会計的に証明するものではない。それでも重要なシグナルはある。職場のAIは、導入数を競う段階から、信頼できる成果、検証された生産性、人間の判断を組み込んだ事業価値を示す段階へ移っている。

これは「導入不足」ではなく「信頼不足」の問題

G-Pの調査は、企業がAIから撤退していることを示しているわけではない。むしろ、調査対象の経営層全員がAIを使っている 。変化しているのは、導入そのものを成果と見なす段階から、AIが実際に売上、コスト、品質、意思決定、顧客体験にどう効いたのかを問う段階へ移っている点だ。

この空気の変化は、前年の調査と比べるとよりはっきりする。G-Pの2025年版AI at Work Reportでは、経営層の91％がAI施策を積極的に拡大しており、74％がAIを企業の成功に不可欠だと答えていた 。2026年版でもAI利用は広く浸透しているが、レポートの焦点は「拡大」から「説明責任」「検証」「ROIの証明」へ移っている 。

同じような価値のギャップは、他の調査にも表れている。Boston Consulting Groupは、企業の60％がAIを大規模に活用しても実質的な価値を得られておらず、さらに35％は一定のリターンを得ているものの、十分な速さや規模で進んでいないと報告した 。McKinseyも、企業の92％が今後3年間でAI投資を増やす計画だとする一方、AIが業務フローに完全に組み込まれ、大きな事業成果を生むほど成熟していると答えたリーダーは1％にとどまるとした 。

AIは仕事を速くする一方で、確認作業を増やすことがある

AI投資のROIが伸び悩む理由の一つは、ある工程を速くしても、別の工程で検証や修正の負担が増えることだ。G-Pの調査では、69％の経営層が、従業員はAI生成物を監視、レビュー、更新するために以前より多くの時間を使っていると答えている 。

これは実務上、重要なポイントだ。AIが成果物を素早く出しても、その内容を人間が確認し、誤りを直し、リスクを見極め、必要に応じて作り直すなら、単純な「生成スピード」だけでは生産性を測れない。最終的に見るべきなのは、AIを使った後の作業全体でどれだけ時間が減り、品質が上がり、リスクが下がったかである。

Channel Insiderが紹介したWorkdayの調査も、同じ問題を指摘している。AIで節約された時間は、ミスの修正、コンテンツの書き直し、AI出力の再確認といった手戻りによって相殺されることがある 。

「AIを使っている」は成果の証明にならない

G-Pのレポートで特に現代的なのが、「見せかけの生産性」への警戒だ。経営層の88％は、従業員が実質的な事業価値を生まずに、忙しく見せたりAI利用の要請を満たしたりするためにAIを使う可能性を懸念している 。また47％は、それがすでに起きていることを非常に、または極めて強く懸念している 。

これは、企業がAI活用を評価する際の落とし穴を示している。ツールへのログイン数、プロンプトの回数、AI生成物の件数、従業員の自己申告といった指標は、活動量を示すことはできる。しかし、それだけでは仕事がより正確になったのか、顧客対応が良くなったのか、コストが下がったのか、リスクが減ったのかは分からない。

人間の価値を下げながら、人間の判断に頼る矛盾

最も重い論点の一つは、82％の経営層がAIによって人間の従業員に置く価値が下がったと答えたことだ 。しかし同じ調査では、AI生成物を監視し、レビューし、更新する作業を人間が担っている実態も示されている 。

この矛盾は、AI時代のマネジメントにとって大きい。AIを有効に使うには、人間の判断、文脈理解、品質管理、リスク感度が欠かせない。それにもかかわらず、AIの導入を理由に人間の価値を過小評価すれば、むしろAIの成果を支える土台を弱めかねない。

McKinseyの職場AIに関するレポートも、AIを単なる技術導入として扱うのではなく、従業員の日々の仕事を支援する実用的な活用に集中し、測定可能な成果につなげるべきだと論じている 。

企業はAIの成功指標を作り直す必要がある

G-Pの調査から見える実務的な示唆は明確だ。企業は「AIをどれだけ使ったか」ではなく、「AIで何が改善したか」を測る必要がある。

より現実的なAI評価表には、少なくとも次のような項目が必要になる。

1. 事業インパクト： 売上への貢献、コスト削減、顧客体験の改善、リスク低減、検証済み成果物の納期短縮。
2. 正味の生産性： AIで短縮できた時間から、レビュー、修正、書き直し、更新にかかった時間を差し引いた実質効果。
3. 品質： エラー率、エスカレーション率、コンプライアンス上の問題、顧客満足度、大幅な手直しなしに採用できたAI出力の割合。
4. 業務フローへの組み込み： AIが価値の高い業務プロセスに入っているか、それとも単に追加ツールとして置かれているだけか。
5. 人間の能力拡張： AIが従業員の判断や高付加価値業務を助けているか、単に生成物の量を増やしているだけか。
6. 予算責任： それぞれのAI活用案件に、責任者、開始時点の基準値、成功指標、見直し時期が設定されているか。

要するに、企業が問うべきなのは「従業員はAIを使っているか」ではない。「AIは、検証された重要な仕事を本当に改善しているか」だ。

結論：AI失敗論ではなく、説明責任の時代に入った

G-Pの2026年版AI at Work Reportは、反AIのレポートではない。むしろ、AIがすでに職場に深く入り込んだからこそ、成果を厳しく問う時期に入ったことを示している。調査対象の経営層全員がAIを使っている一方で、73％はAI投資の少なくとも一部に物足りなさを感じ、約7割は目標が達成されなければ投資を縮小する可能性を示している 。

ただし、この結果は経営層への調査に基づくものであり、AI投資が失敗したことを会計的に証明するものではない。それでも重要なシグナルはある。職場のAIは、導入数を競う段階から、信頼できる成果、検証された生産性、人間の判断を組み込んだ事業価値を示す段階へ移っている。