日本でAI活用が進まないのは、社員に得がないからだ
日本でAI活用が進まないのは、社員に得がないからだ
日本は、人手が足りず、働く人は高齢化し、労働生産性も伸び悩んでいる。AIが最も刺さりそうな条件がそろっているのに、職場ではなかなか広がらない。
BBCの記事「Why Japanese firms are being so slow to use AI」は、このねじれを取り上げていた。OECDの調査では、仕事でAIを使う日本の労働者は8.4%。BBCが紹介した米国の50%、英国の32%と大きく差が開く。
BBCが挙げた理由は、失敗を避ける文化、古いデジタル基盤、雇用を守ろうとする圧力である。どれも間違ってはいない。ただ、日本の会社員として働く側から見ると、もう一つ大きな穴がある。
AIを導入しても、社員が得をする設計になっていない。
仮に1日かかった仕事を1時間で終えても、賃金は上がらず、残りの7時間に別の仕事が入る。うまくいった利益は会社へ戻り、AIが誤ったときの説明責任は担当者に残る。それなら、現場が先頭に立って仕事の流れを変えないのは、抵抗というより合理的な反応である。
BBCが挙げた三つの壁
一つ目は、失敗への許容度の低さである。日本企業は合意形成に時間をかけ、顧客接点ではAIの誤りをほとんど許容しない。その結果、利用は文章作成、要約、情報収集といった、失敗しても戻せる仕事に寄る。コア業務や意思決定へ入れる前に、会議資料だけが積み上がる。
二つ目は、デジタル基盤の弱さである。医療機関に紙の患者ファイルが残り、企業の基幹システムも老朽化しているなら、AI以前にデータを取り出すところで足が止まる。AIは、紙と分断されたシステムを置いただけで接続してくれる魔法ではない。
三つ目は、雇用を守ろうとする圧力である。AIを入れても人の配置をすぐに組み替えられなければ、会社側にも短期の利益が見えにくい。政府が導入率を掲げても、現場の仕事と報酬が動かなければ、契約したツールは画面の中で眠る。
AI導入は、技術より利害で止まる
慎重さと古いシステムだけでは説明しきれない。会社、社員、市場の三者が、それぞれ現状維持を選べる構造になっている。
会社は、AIが出した一つの誤答で顧客の信用を失うかもしれない。一方、導入を見送ったことで失った売上は、すぐには数字に現れない。目に見える失敗を避け、見えにくい機会損失を受け入れる判断へ傾く。
社員は、短縮した時間を自分のものにできない。早く終えれば帰れる、成果が増えれば報酬も増える、浮いた時間で自分の仕事を作れる。そのどれかがあればAIを覚える動機になる。しかし、仕事量だけが増えるなら、従来の手順を守る方が安全である。
市場も重要だ。AIを使わない会社が、AIを使う会社に価格、速度、品質で顧客を奪われるなら、社内の会議を待たずに導入が進む。反対に、商圏が閉じ、取引先が固定され、資格や慣行が競争を弱める業界では、導入を遅らせても今日の売上は残る。文化は単独で会社を止めるのではない。変わらなくても負けない環境が、慎重さを温存する。
「雇用を守るから遅い」だけではない
BBCは、AI開発より雇用維持を優先する圧力も理由に挙げる。ここは少し言い換えた方が、実態に近いと思う。
日本企業は、AIを入れた翌月に余剰人員を減らし、浮いた人件費を利益へ移すような動きを取りにくい。正社員の雇用や配置を変えるには時間も説明も要るため、配置転換や仕事の付け足しで吸収しやすい。すると会社側にも、業務を根本から作り替える短期の果実が見えにくい。
従業員側から見ても同じである。AIを使って処理量を2倍にしても、給与が2倍になるわけではない。むしろ「この人ならもっと持てる」と案件が積まれる。会社は人件費をすぐ減らせず、社員は生産性向上の果実を受け取れない。両者の間で、AI導入の利益が宙に浮く。
「雇用を守っているから進まない」というより、雇用を維持したまま生産性向上の果実を分ける仕組みがないから進まないのではないか。
業務委託が移行の受け皿になる
この移行は、社内だけでは完結しないと思う。仕事の一部が業務委託へ出て、AIを使える人や小さなコンサルティングチームが引き受ける形が増える可能性が高い。
AIを使える人が会社を辞めるとは限らない。しかし、成果物や案件単位で価格を付けられる場所へ移れば、1時間で終えた仕事の価値を自分で回収しやすい。企業側も、固定雇用を一気に組み替える代わりに、調査、資料作成、顧客対応、業務設計といったまとまりで外部へ切り出せる。
これは業務委託が常に望ましいという話ではない。責任の所在、情報管理、教育機会、収入の安定という別の問題を生む。それでも、社内の賃金制度が生産性の差を価格へ反映しない間は、差を値付けできる社外市場が移行の受け皿になるという見立てである。
そして、仕事を時間ではなく成果で受ける人ほど、AIで短縮した時間を自分の利益に変えられる。そこでは「AIを使ったか」ではなく、顧客の課題をどこまで解決したかが値段になる。
FDEは、AIが会社へ入る具体的な形になる
業務委託の一つの発展形として、FDE（Forward Deployed Engineer）がある。エンジニアが顧客の現場へ入り、AIを渡して終わるのではなく、既存システムとの接続、業務フローの組み替え、AIの調整、KPIの再設計、追加開発までを引き受ける。納品するのはAIではなく、AIを組み込んだ後の業務成果である。
これは大企業ほど求めやすい。使っている基幹システムも、部門ごとの手順も、現場で積み上がった例外処理も会社ごとに違う。共通のSaaSを契約しただけでは、その最後の個社差が残る。FDEはそこへ人を置き、動かなかったデータをつなぎ、会議で止まっていた業務変更を実装まで運ぶ。
一方で、業務の設計図と改善履歴がFDE側へ積み上がるため、企業はソフトウェアだけでなく、業務を変える知識ごとベンダーへ依存する可能性がある。従来のシステムより導入効果が出やすくても、どのデータ、接続部品、評価基準を自社へ残すかは、導入時に決めておく必要がある。
その一例が、ROXXの2026年9月期第3四半期決算説明資料（訂正版）で示された「インサイドアウト型FDE」である。同社はまず、自社の人材紹介やRPOの現場でAI自動架電、CRM連携、AIロープレ、面談分析などを動かす。現場で失敗を拾って直し、業界慣習、暗黙知、例外処理を組み込んでから、顧客企業へ持っていく。
さらに、顧客ごとの対応を個別案件のまま閉じない。自社オペレーションで磨いた仕組みをAPIやモジュールへ変え、FDEが顧客内で最適化し、そこで繰り返し現れた課題を再び共通機能へ戻す。SaaSでは埋まらない最後の個社差をFDEが埋め、何度も現れる個社差はプロダクトが回収する。この循環が回れば、個別対応から売上を得ながら、次の案件でゼロから作る部分を減らせる。
自社プロダクトを持たない個人や小さなチームでも、既存のAIやSaaSを選び、接続し、業務を組み替えるFDE的なサービスは提供できる。販売代理とコンサルティングと実装を束ね、顧客の成果に価格を付ければ、それだけでも仕事になる。ただし、毎回すべてを作り直せば受託開発と同じく人月から抜けにくい。顧客固有の情報を除き、接続部品、評価方法、プロンプト、業務テンプレートを次の案件へ持ち越せる側ほど、経験が資産として積み上がる。
日本企業へのAI浸透は、全社員にツールを配って自発的な利用を待つ形より、こうした外部チームが成果の出やすい業務へ入り、一つの流れを実際に変え、その実績を隣の業務へ広げる形から進むのかもしれない。会社は雇用制度を一度に組み替えずに試せる。FDE側は改善の成果を売上へ変えられる。両者の利害が、社内導入より先にかみ合う。
変化は、社内の号令より顧客の移動から始まる
必要なのは「AIを使え」という号令ではなく、AIを使った人が成果を回収できる仕組みである。
社内で進めるなら、短縮した時間を本人へ返す、担当範囲と裁量を広げる、成果に報酬を連動させる。社外へ切り出すなら、作業時間ではなく成果へ価格を付け、AIを使う人が改善の利益を持てる契約にする。どちらも、AIの使い方より先に仕事と報酬の設計を変える必要がある。
それでも変わらない企業は残ると思う。日本だけで閉じた市場なら、そのまま長く持つ業界もあるだろう。しかし、顧客が価格、速度、対応範囲を比べられる場所では、AIを使う企業や外部人材へ利益が移る。会議室では痛みを避けられても、顧客が静かに移動すれば売上から痛みが戻ってくる。
日本でAI活用を進める鍵は、社員の意識を変えることではない。AIで生まれた時間と利益を、導入した人へどう返すかを決めることである。
その競争で誰が仕事を取るのかは、別の記事「AI移行期に強いのは、正しい場所にAIを当てられる人だ」で、専門性とAIの守備範囲から整理した。