BBCが2026年8月13日、日本企業のAI導入が遅れている理由を取り上げました。

記事が示した数字は厳しいものです。OECDの調査によると、仕事でAIを使う日本の労働者は8.4％。BBCはこれに、米国の約50％、英国の32％、シンガポールの56％という数字を並べました。

人手不足が深刻で、生産年齢人口が減り、労働生産性の低さが長く指摘されてきた日本こそ、AIを必要としているはずです。それなのに、なぜ使われないのか。

BBCは、日本企業のリスク回避、合意形成の遅さ、失敗に対する低い許容度を挙げました。記事の冒頭では、全員が改革の必要性に同意しながら誰も動かない状況を、日本の「能」に重ねています。

問題提起には、うなずけるところがあります。

それでも私には、かなりのモヤモヤが残りました。

日本のAI利用が遅いという観測と、その原因を「日本文化」に求めることの間に、大きな説明の抜けがあるからです。

問うべきなのは、日本人がなぜAIを使わないのか、ではありません。

日本企業は、AIを使って仕事を改善した人に、どのような見返りを用意しているのか。

ここを見ないまま文化の話にすると、経営が設計してきた制度や評価を、日本人の変わらない性質であるかのように扱ってしまいます。

「8.4％対50％」は、AI先進国ランキングではない

最初に、数字の読み方を整理しておく必要があります。

日本の8.4％は、2024年に実施された労働政策研究・研修機構の調査をOECDが分析した数字です。日本の労働者全体を対象に、勤務先でAIと何らかの形で関わっている人を数えています。

一方、BBCが紹介した米国の約50％は、2026年2月のGallup調査で、仕事にAIを「年に数回以上」使う人の割合です。毎日使う人ではありません。2026年7月の更新値でも、AIを年に数回以上使う人は52％ですが、週に複数回以上使う人は30％、毎日使う人は15％でした。

英国の32％も、「現在の仕事でAIを使っている」と答えた人の割合です。その利用者のうち60％は、AIを使うのは仕事の「ごく一部」だと回答しています。

調査年も、対象も、「使う」の定義も異なります。

したがって、8.4％と50％を、そのまま日本対米国の成績表として読むことはできません。

ただし、調査条件の違いだけを理由に、日本の遅れを否定することもできません。OECDが金融・保険業など比較可能な範囲を取り出しても、日本のAI利用率は調査対象国の中で低い水準でした。

日本の職場でAIを使う人が少ないという観測には、向き合う必要があります。

問題は、その数字が何を意味するのかです。

AIを使っているだけでは、優れていることにならない

BBCの記事に対する英語圏の反応で目についたのが、「AI利用率が高いことを、なぜ良いことだと決めるのか」という疑問でした。

これは正しい問いです。

AIを使えば、必ず仕事の品質が上がるわけではありません。事実確認の手間が増えたり、出力の修正に時間がかかったり、情報管理のリスクが高まったりすることもあります。顧客への正式回答、医療、法務、金融、製造品質などでは、AIを使わない判断が合理的な場合もあります。

利用率は、成果ではありません。

実際、Gallupの米国調査では、AIを導入した組織で働く人の65％が、自分の生産性には良い影響があったと答えています。一方、AIによって組織の仕事の進め方が変わったと強く感じる人は12％にとどまりました。

個人の文章作成や要約が速くなっても、会議、承認、顧客対応、評価制度、部門間の受け渡しが以前のままなら、会社全体の生産性は大きく変わりません。

では、AI利用率には意味がないのでしょうか。

そうとも言えません。

AIを実際に使う人が増えれば、どの仕事に向き、どの仕事には向かないかがわかります。出力の確認方法、データの整え方、責任の分け方も蓄積されます。失敗できる範囲で試行を繰り返すことは、組織の学習速度を上げます。

つまり、AI利用率は最終成績ではなく、組織が学習を始めているかを見る先行指標です。

最終的に評価すべきなのは、AIを何回使ったかではありません。仕事にかかる時間、品質、顧客への価値、従業員の負担、売上、コスト、新しい事業の可能性がどう変わったかです。

AIを使うこと自体が優れているのではありません。

使った結果を測り、良い使い方を組織に広げられることに価値があります。

「日本文化」という説明は、経営の選択を見えなくする

BBCは、日本企業が失敗を嫌い、意思決定に多くの合意を求めると説明しました。

その傾向がまったくないとは思いません。

しかし、「日本人は失敗を嫌う」と言う前に、失敗したときの責任を誰が負う仕組みになっているのかを確認する必要があります。

会社が利用可能なAIを明示していない。顧客情報をどこまで入力してよいかわからない。出力を誰が確認するか決まっていない。誤りが出た場合は利用した社員だけが責任を問われる。研修を受ける時間も用意されていない。

この条件で、現場に「AIを積極的に使え」と言っても、利用は広がりません。

それは文化的な保守性ではなく、合理的な危機回避です。

OECDの調査では、日本でAIを使っている人のうち、会社からAIに関する研修や費用支援を受けた人は約30％でした。金融・保険業では、日本の26.9％に対し、比較対象となる7カ国の平均は57.5％です。

新しい技術の導入について会社から相談を受けた日本のAI利用者も42％にとどまり、調査対象8カ国で最低でした。

日本の経営は、社員が自ら学び、リスクを引き受け、適切な用途を発見してくれることを期待する一方、そのための時間、費用、権限、責任の分担を十分に用意していない可能性があります。

文化は、最初から職場に置かれているものではありません。

経営者が何を許可し、何を評価し、何に予算を付け、誰に利益を返すか。その選択の積み重ねが、企業文化になります。

日本企業は「使っていない」より、「使っても成果と還元につながらない」

別の調査を見ると、日本企業がまったくAIを導入していないわけではないこともわかります。

PwC Japanが2026年春、売上高500億円以上の企業や組織で、生成AI導入に関与する課長職以上を対象に行った調査では、日本企業の生成AIの活用・推進度は87％でした。米国の90％、英国の89％と大きな差はありません。

OECDの8.4％とは、調査対象も質問も異なるため、矛盾する数字ではありません。

会社としてAI施策を進めていても、実際に使う社員が一部に限られていれば、企業単位の導入率は高く、労働者単位の利用率は低くなります。

注目すべきは、その先です。

生成AIの効果が「期待を大きく上回った」と答えた割合は、日本が9％だったのに対し、米国は38％、英国は32％でした。効果をまだ評価できないとした日本企業も13％あります。

さらに、AIが生み出した効果を、従業員への利益還元や顧客への価格還元といった財務的な還元につなげた割合は、日本が40％でした。米国は75％、英国は74％です。

AI活用の効果が期待を大きく上回った日本企業では、71％が従業員への利益還元を実施していました。期待未満だった企業では14％です。

この数字だけで、利益還元がAIの成果を生んだと因果関係を断定することはできません。成果が出たから還元できたという逆方向の説明も成り立ちます。

それでも、成果を働く人に返す企業ほど、次の利用や改善へ進みやすいという循環は見えてきます。

日本企業の問題は、AIツールが存在しないことだけではありません。

導入、利用、効果測定、成果還元が一つの経営サイクルとしてつながっていないことです。

効率化しても仕事が増えるなら、使わない方が合理的になる

ここで、働く人の立場から考えてみます。

AIを使ったことで、8時間かかっていた仕事が6時間で終わるようになったとします。

空いた2時間で休めるわけではない。労働時間も減らない。給料も評価も変わらない。代わりに別の仕事が追加される。AIが出した内容に問題があれば、自分が責任を負う。効率化が進めば、将来は人員削減の対象になるかもしれない。

この条件で、社員に積極的なAI活用を求めるのは無理があります。

仕事を改善した人ほど仕事が増える職場では、改善は罰になります。

しかも、AIの活用方法は現場の暗黙知と結びついています。どの資料を読ませればよいか、どんな順序で確認すればよいか、どの部分は人が判断すべきか。こうした知識を持つ社員が、会社へ共有する動機を失えば、AI活用は個人的な時短術にとどまります。

場合によっては、会社に知られないように使う「シャドーAI」が増えるだけです。

経営者が本気でAI活用を広げたいなら、社員に「使え」と命じる前に、次の問いへ答える必要があります。

AIで生まれた時間と利益を、誰のものにするのか。

すべてを賃金へ回すことは現実的ではありません。それでも、昇給、賞与、昇進、改善提案への評価、学習予算、勤務時間の短縮、低付加価値業務の削減、仕事の裁量など、社員が実感できる形で一部を返す必要があります。

何も返さず、より多くの仕事だけを求めるなら、AIに肯定的なカルチャーが生まれないのは当然です。

経営者が評価すべきなのは「AI利用」ではなく「仕事の改善」

AI活用を進めるために、利用回数やプロンプト数を人事評価へ入れるべきではありません。

AIを使う必要がない仕事までAIに通す行動が増え、品質や安全性を損なうからです。

評価すべきなのは、仕事がどう改善されたかです。

ある業務の時間が何時間減ったのか。品質は維持または向上したのか。顧客の待ち時間は短くなったのか。確認作業は増えていないか。社員の負担は軽くなったのか。新しい売上やサービスにつながったのか。

その成果を測ったうえで、改善を生み出した人とチームを評価します。

同時に経営側は、安全に試せる環境、利用可能なツール、データの扱い、確認責任、失敗を報告できるルールを用意しなければなりません。研修を勤務時間外の自己研鑽に押し込まず、仕事として学ぶ時間も確保する必要があります。

もう一つ重要なのは、効率化で生まれた時間の使い道を、導入前に決めることです。

人員削減だけを目的に掲げれば、現場は自分の仕事を自動化する知識を出さなくなります。顧客対応、研究開発、学習、休息、新規事業など、空いた時間をどこへ再配分するのかを明示する必要があります。

AI利用に前向きな文化は、AIを無条件に礼賛する文化ではありません。

価値が出るところでは使い、出ないところでは使わない。問題が起きたら隠さず共有する。改善した人が報われ、得られた成果が働く人や顧客へ返る。

それは「AIに肯定的な文化」というより、業務改善に肯定的な経営です。

AI文化は、経営がつくった結果である

BBCの記事は、日本のAI利用の遅れを海外から映す鏡として価値があります。8.4％という数字も、軽く見るべきではありません。

ただ、その理由を日本文化へまとめるだけでは、問題の解決には進めません。

日本人が保守的だから動かないのではなく、動いた人が報われない仕組みが残っている。研修、権限、責任の分担、評価、成果還元がないまま、現場の積極性だけを求めている。

私は、こちらを先に問うべきだと考えます。

AIを使っていること自体は、優秀さの証明ではありません。AIを使わないという判断が正しい仕事もあります。

しかし、使った結果を検証し、仕事を作り直し、得られた価値を人へ返せる企業は、次の改善へ進めます。その学習の速度は、AIの性能差以上に企業間の差を広げる可能性があります。

日本のAI利用を変えるのに、国民性を変える必要はありません。

経営者が、改善を奨励し、評価し、給料や時間や裁量として返す。そこから始めればよいのです。

AIを使う文化は、研修資料や経営者の号令では生まれません。効率化した人が実際に報われた、その一件から始まります。

—

出典・参考資料

主要資料

英語圏・日本語圏の反応

※SNSやコメント欄の投稿は、英語圏・日本語圏全体の世論を示す調査ではありません。本稿では、BBCの記事に対して公開された代表的な論点を確認するための参考資料として扱っています。