チャット利用から「人間主導・AI運営」へ—企業のAI活用レベルを6段階で考える

「当社も生成AIを導入しました」

そう聞いても、その会社で何が変わったのかは、ほとんど分かりません。

社員が文章の要約やメール作成に使っている会社もあります。一方で、顧客から依頼が届くと、AIが仕様を読み取り、過去案件と原価表を調べ、見積案を作り、担当者へ承認を求める会社もあります。さらに、標準条件の範囲ならAIが処理を進め、例外だけを人へ戻す会社も出てきています。

同じ「AI活用企業」でも、実態は大きく異なります。

AIを触る企業は増えた。しかし、AIで業務が動く企業はまだ少ない

IPA「DX動向2026」では、日本企業の58.0%がAIを導入または試験利用しています。生成AIの導入率も、2024年度の22.6%から2025年度の44.0%へ上昇しました。ただし規模差は大きく、従業員1001人超の企業では約8割がAIを導入済みである一方、101人以下では16.6%にとどまります。

一方、生成AIの組織での利用状況を見ると、「個人で業務利用している」は63.3%、「個人や部署で試験利用している」は44.8%であるのに対し、「部署の業務プロセスに組み込まれている」は11.9%です。なお、この設問は、生成AIを導入・試験利用・導入検討中と回答した企業を対象としています。同報告書は、AIエージェントの利用も各部署で低水準にとどまるとしています。

帝国データバンクが2026年3月に全国約2.3万社を対象に行った調査でも、生成AIを業務で活用している企業は34.5%でした。内訳を見ると「非常に活用している」は4.4%にとどまり、大半は「やや活用している」です。規模別では大企業46.5%、中小企業32.4%、小規模企業28.0%と、ここでも規模差が表れています。

ここから言えるのは、AIを触る企業は急速に増えたが、AIを業務の仕組みに変えた企業はまだ限られるということです。

アカウント数やプロンプト回数だけでは、この差は見えません。

公開されている成熟度モデルは、何を測っているのか

企業のAI活用を段階で捉える考え方は、すでに複数の企業から示されています。

Microsoftは2025年のWork Trend Indexで、企業の変化を次の3段階で描きました。

1. 人がAIアシスタントを使う
2. 人とAIエージェントがチームになる
3. 人間が方向を定め、エージェントが業務プロセスを運営する

AWSの生成AI成熟度モデルは、「構想」「実験」「本番導入」「全社展開」の4段階です。事業、人材、ガバナンス、プラットフォーム、セキュリティ、運用という複数の柱で成熟度を見る点に特徴があります。AWS自身も、会社全体を単純に一つのレベルへ分類するものではなく、観点ごとに異なる段階が併存し得ると注意しています。

国内では、LayerXが業務自動化について、限定条件下でシステムが自律的に業務を遂行する状態をレベル3、特定の業務領域で人の介入なしにAIが遂行する状態をレベル4、その先に「完全自動運転」のレベル5を置いています。また、AI開発企業のAnthropicは、事前に定めた経路を通る「ワークフロー」と、AI自身が手順を選ぶ「エージェント」を技術的に区別しています。

ただし、これらは同じものを測っていません。

モデル	主に見ているもの	そのままでは見えにくいもの
Microsoft	人とAIの役割分担	ガバナンスや導入基盤の成熟度
AWS	導入・運用する組織能力	個々の業務でAIがどこまで行動するか
LayerX	業務自動化の自律度	全社浸透、人材、成果測定
Anthropic	ワークフローとエージェントの技術的な違い	会社全体の変革段階

AIの自律度、組織への浸透度、業務成果を一つの言葉で語ると、「チャットを全社員が使う会社」と「一部業務をAIが自律処理する会社」のどちらが成熟しているのか判定できません。

そこで本稿では、公知モデルを参照しながら、企業のAI活用を6段階に整理します。これは公的標準ではなく、経営者が自社の現在地を考えるための仮説的な診断モデルです。

企業AI活用レベル、6つの段階

レベル	名称	AIの役割	人の役割	組織の状態
0	未導入・未統制	公式な利用なし。あるいは個人が無許可で利用	利用可否も含め個人判断	方針、承認環境、教育、ログがない
1	個人チャット支援	要約、検索、文章・画像・コードの下書き	毎回指示し、出力を確認し、転記・実行する	利用は個人に閉じ、業務フローは変わらない
2	標準コパイロット	承認済み環境で社内知識を検索し、定型成果物を支援	テンプレートを選び、判断・実行する	共通ツール、利用ルール、教育、テンプレート、知識基盤がある
3	業務組込み	トリガーを受け、複数工程を連続処理し、案や判断材料を出す	重要箇所を承認し、例外を処理する	AIがAPIやデータとつながり、業務責任者、KPI、監視がある
4	限定自律エージェント	設定された目標と権限内で計画し、ツールを使って実行する	目標・権限・停止条件を設定し、例外と重大判断を担う	許可範囲、監査ログ、評価、停止・巻戻し、障害対応が実装される
5	人間主導・AI運営	複数のAIが業務横断で連携し、日常運営と改善を担う	理念、戦略、資本配分、権限、人に関わる判断、最終責任を担う	AIが経営資源として管理され、全社の学習と統制に組み込まれる

それぞれのレベルに、日本企業がどのくらいいるのか。公的な調査はレベル別に集計されていないため、以下の各レベルには、公開データからの概算を添えます。あくまで2026年時点の推定であり、根拠と計算は後述します。

レベル0：未導入・未統制

AIを使っていない会社だけではありません。会社が公式環境を用意せず、社員が個人アカウントへ顧客情報や社内資料を入力している状態も含みます。

利用がゼロだから安全なのではなく、実態を把握できていないことが問題です。最初に行うべきは、高価なAI基盤の導入ではありません。何が使われ、どの情報を入れてよいか、事故時に誰へ連絡するかを決めることです。

小規模事業者を含む日本の全企業約336万社で見ると、この段階にあるのはおよそ7割、200万社規模と推定します。調査に表れる「未活用」層に加え、社員が無許可で使っているのに会社が把握していない企業も、実態としてはここに入るためです。

レベル1：個人チャット支援

人が問いを入力し、AIが答え、人がコピーして使う段階です。要約、翻訳、メール、議事録、調査、アイデア出しなどで効果が出やすく、AIに慣れる入口として重要です。

しかし、優秀な社員だけが使い方を知っていても、会社の能力にはなりません。退職や異動でプロンプトと工夫が消えるなら、まだ個人技能です。

「AI活用企業」と呼ばれる会社の多くは、実はこの段階です。全企業のおよそ2割、社数にして70万〜80万社規模がここにあると推定します。帝国データバンク調査で活用企業の大半が「やや活用」にとどまり、IPA調査でも個人利用が6割を超える一方で業務プロセス組込みが1割強にとどまることと整合します。

レベル2：標準コパイロット

承認済みツール、利用ルール、研修、共有テンプレート、社内文書の検索環境などが整い、複数の社員が同じ品質でAIを使える段階です。

この段階から、AI活用が「詳しい人の便利技」から組織能力へ変わります。ただし、業務そのものは人が動かしており、AIの出力を別システムへ転記する作業も残ります。

ルール・教育・共通基盤まで整えた企業となると一気に絞られ、全企業の5%前後、十数万社規模と推定します。読者の多くが目指すべき現実的な次の一歩は、まずここです。

レベル3：業務組込み

AIがチャット画面から出て、業務プロセスの中に入る段階です。

メール受信、受注登録、会議終了、月末到来などをきっかけに、AIが必要な情報を集め、複数の処理を行い、担当者へ確認を求めます。人が毎回ゼロから指示する必要はありません。

Anthropicの整理でいえば、事前に定めた経路をLLMとツールが通る「ワークフロー」が中心です。自由度は限定されますが、処理が予測しやすく、品質と費用を管理しやすい利点があります。

本番の業務でこれを動かしている企業は、全企業の2%前後、5万〜10万社程度と推定します。IPA調査の「部署の業務プロセスに組み込まれている」11.9%は、AI導入・検討企業を母集団とし、回答企業も比較的規模の大きい層に寄るため、全企業ベースに引き直すとこの水準まで下がります。

レベル4：限定自律エージェント

AIへ作業手順ではなく目標を渡し、AI自身が必要な手順とツールを選ぶ段階です。

ただし、「自由に任せる」ことではありません。利用できるデータ、実行可能な操作、金額上限、相手先、繰返し回数、停止条件を定め、例外時は人へ戻します。AIが自律的であるほど、会社側には強い統制能力が必要になります。

Anthropicは、エージェントは柔軟性を高める一方、コスト、遅延、誤りの連鎖を伴うと指摘しています。単純なワークフローで十分な仕事を、無理にエージェント化する必要はありません。

統制まで含めて本番運用している企業は、全企業の0.1〜0.5%、数千〜1万社台と推定します。実証実験の事例は多く報道されますが、監査ログや停止・巻戻しまで実装した常時稼働は、大企業と一部の先進的な中堅・中小に限られるとみています。

レベル5：人間主導・AI運営

営業、調達、生産、経理などの複数業務でAIが連携し、人が例外と方向づけに集中する状態です。

ここでいう「AI運営」は、経営責任までAIへ渡す意味ではありません。会社の理念、誰に価値を提供するか、どのリスクを取るか、誰を採用・評価するか、撤退するかといった判断は人が担います。

この段階を全社で実現したと確認できる日本企業は、現時点ではほぼ見当たりません。存在するとしても全企業の0.01%未満、数百社あるかどうかという水準と推定します。つまりレベル5は現在地ではなく、方向を示す北極星です。

成熟の最終像は、人のいない会社ではなく、人間が本来担うべき意思と責任が、より明確になった会社です。

（ご参考）推定の根拠—この割合はどう計算したか

前節の割合は調査結果ではなく、公開データを組み合わせた概算です。前提と計算を開示します。

前提は三つです。第一に、日本の企業数は約336万社で、その約85%を小規模企業が占めます（中小企業白書）。第二に、帝国データバンク調査（2026年3月）の生成AI活用率34.5%は、同社データベースに載る一定の事業基盤を持つ企業の数字であり、調査に載らない零細層まで含めた全企業ベースの活用率は20〜25%程度に下がると見ます。IPA調査で従業員101人以下の導入率が16.6%にとどまることが、この下方修正を支えます。第三に、活用企業の内訳として、「非常に活用」が4.4%にとどまること、業務プロセス組込みが導入検討以上の企業でも11.9%であることを使います。

計算はこうなります。全企業ベースの活用率を20〜25%とすると、レベル1以上の合計は2割台後半。そのうちルール・教育まで整えたレベル2以上を活用企業の3割前後とみて全体の約7%。業務プロセス組込み（レベル3以上）は、11.9%という数字の母集団の偏りを補正して全体の2〜3%。自律エージェントの本番運用（レベル4以上）は、その1〜2割で0.1〜0.5%。残りの約7割がレベル0です。

検算として、レベル1以上の合計（約27%）が、サンプルの偏りを補正した全企業ベース活用率の推定（20〜25%）とおおむね一致することを確認しています。ただし各レベルの境界判定には解釈の幅があり、この推定は±10ポイント程度のぶれを含みます。読者層である法人格を持つ中堅・中小企業に限れば、レベル0の比率は5割前後まで下がり、レベル1〜2が厚くなるはずです。

同じ見積業務でも、レベルはここまで違う

製造業や建設・設備業の見積作成を例にすると、違いが見えます。

レベル	見積業務の状態
1	担当者がAIへ見積メールの文案や注意点を相談する
2	AIが過去見積、標準単価、社内ルールを検索し、共通様式で下書きする
3	問い合わせ受信を起点に仕様を抽出し、類似案件・原価・納期を参照して見積案を作り、担当者へ承認依頼する
4	標準仕様、金額上限、粗利下限、納期条件の範囲内なら見積を処理し、特殊仕様や不採算リスクだけを人へ戻す
5	需要、設備能力、在庫、調達価格、顧客関係を横断し、複数AIが価格と受注方針を調整する。人は戦略顧客、例外案件、価格方針を決める

レベル4へ進めるには、AI性能より先に「標準案件とは何か」「どの粗利を下回れば止めるか」「誰の承認が必要か」を言語化しなければなりません。

Algomaticは、現場の専門家が生成AIを使って業務を効率化できる状態が、特定業務をAIエージェントへ代行させるより先に必要だと述べています。これは重要な指摘です。人が説明できない業務を、AIに安定して任せることは難しいからです。

会社のレベルは、最も派手な実証実験で決めない

企業全体の成熟度を、一つの成功事例だけで判定すると誤ります。

本稿では、まず売上、顧客対応、原価、調達、財務、人事などから重要業務を選び、業務ごとに評価する方法を提案します。

評価軸は次の6つです。

評価軸	確認する問い
業務組込み	AIは相談相手か、工程の一部か、目標を受けて実行する主体か
組織浸透	一部の得意な人だけか、対象者が再現可能な形で使えるか
知識・データ	公開情報だけか、社内知識・取引データ・判断履歴と安全につながるか
統制・信頼性	権限、評価、監視、ログ、例外処理、停止、復旧があるか
事業成果	利用回数ではなく、時間、品質、リードタイム、粗利、売上、リスクを測るか
学習・改善	人の修正や結果が記録され、業務とAIの双方の改善に使われるか

全社レベルは、最も高度な実験ではなく、重要業務で本番稼働している代表的なレベルで見るべきです。また、統制・信頼性がレベル2なら、技術的にレベル4のエージェントを動かしていても、組織成熟度をレベル4とは評価しません。

高度なAIを持つことと、高度にAIを統治できることは別だからです。

中小企業が当面目指すべき地点

多くの中小企業にとって、最初からレベル5を目指す合理性は高くありません。

全社の基礎をレベル2へ整え、利益や顧客価値に近い重要業務を一つだけレベル3へ進める。

前述の推定が大きく外れていないなら、これだけで自社は、生成AIを触っている企業の中でも数%の側に入ります。ただし目的は順位ではなく、転記と手戻りが減り、判断の基準が言語化されるという実利です。

全社共通では、安全な利用環境、最低限のルール、教育、共有テンプレートを整えます。そのうえで、見積、受注、顧客問い合わせ、月次報告、採用候補者対応など、頻度が高く、入力と完了条件が比較的明確な業務を選び、AIを業務フローへ組み込みます。

レベル4は、次の条件を満たす業務に限定すべきです。

• 件数が多く、反復性が高い
• 成功・失敗を判定できる
• 権限範囲を明確にできる
• 誤りが起きても停止・訂正・巻戻しができる
• 例外を人へ戻せる
• 自律化による便益が、開発・監視・障害対応コストを上回る

採用・解雇、大型投資、借入、品質基準の変更、重要顧客との取引停止などは、AIが情報を整理しても、最終判断まで自律化すべきとは限りません。

現在地を確かめる進め方（3カ月程度）

①重要業務を10件以内で棚卸しする

業務名、頻度、所要時間、担当者、使用データ、判断箇所、例外、失敗時の影響を書き出します。

②一つの業務を選ぶ

「人件費が高い」だけでなく、頻度、標準化可能性、成果の測りやすさ、失敗の回復可能性で選びます。

③レベル3の小さな業務フローを作る

最初から完全自律にせず、AIが情報収集と案作成を行い、人が承認する形にします。過去事例をテストデータにし、正解条件と禁止条件を先に定めます。

④権限と例外を設計する

入力してよい情報、実行可能な操作、承認者、金額上限、停止条件、ログ、事故時の連絡先を決めます。

⑤人の業務と並行稼働して測る

時間削減だけでなく、品質、手戻り、例外率、処理時間、担当者の負荷を比較します。

継続条件は、事前に定めた品質と経済性を満たすこと。満たさなければレベルを上げず、レベル2へ戻すか、対象業務を変えます。

高いレベルほど優れている、とは限らない

このモデルには、明確な限界があります。

第一に、定型的で間違いが許されない仕事では、自由に判断するAIエージェントより、決められた経路を通るワークフローの方が適します。

第二に、悪い業務をそのまま自動化すると、無駄や誤りを高速化します。AI導入前に、廃止できる工程がないかを確認すべきです。

第三に、自動化が進むほど、人が判断を学ぶ機会を失う可能性があります。熟練者の知識をAIへ移すだけでなく、後継者や若手が例外判断を経験できる設計も必要です。

第四に、社内知識を集約するほど、情報漏えい、権限誤設定、ベンダー依存、誤った知識の全社拡散というリスクが大きくなります。

総務省・経済産業省の「AI事業者ガイドライン（第1.2版）」も、AIエージェントの進展を踏まえつつ、リスクに応じたガバナンスの重要性を示しています。AIの高度化と統制は、別々の仕事ではありません。

結論

企業のAI活用は、チャットを導入したかどうかだけでは測れなくなりました。

一方で、AIが人の介入なしに動けば成熟している、とも言えません。

成熟とは、価値を生む業務の中で、AIに何を調べさせ、何を作らせ、何を実行させ、どこで人へ戻すかを設計できることです。そして、その結果を測り、失敗から学び、必要なら止められることです。

AI活用の成熟度は、AIがどれだけ遠くまで一人で走れるかではない。会社が、どこまで走らせ、どこで止め、誰が責任を持つかを決められるかである。

自社のAI活用を考える最初の問いは、「どのAIを導入するか」ではありません。

自社のどの業務を、チャット支援にとどめ、業務へ組み込み、エージェントに任せ、どの判断は人に残すのか。

この境界線を描くことから、組織としてのAI活用が始まります。

参考資料

• IPA「DX動向2026」（2026年7月公表、国内企業1,799社対象）
• 帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」（2026年5月公表、有効回答10,312社）
• 中小企業庁「中小企業白書」（企業数・規模構成）
• Microsoft「2025: The year the Frontier Firm is born」
• Microsoft「2026 Work Trend Index」
• AWS「Levels in the generative AI maturity model」
• LayerX「AIエージェント事業を開始。AIを活用して、業務の『完全自動運転』を目指す」
• Anthropic「Building effective agents」
• Algomatic「AIエージェントの解釈について整理してみる」（企業ブログ）
• 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」