AI導入9割・収益貢献2割 HCLTechが企業の格差を指摘

結論

HCLTechが7月21日に公表した調査で、GenAIとエージェントAIが業務を変えていると答えた企業は9割に達した。一方、AIが収益に大きく効いたと答えたのは18%にとどまった。データへのアクセスが改善したは91%、生産性が上がったは90%。導入と体感は進んでいるのに、事業成果への転換ができていない。差を分けたのは、測れる用途を定義できているか、経営層の関与を得ているかという二点だった。導入率の高さは、もはや競争優位にはならない。

何が分かったのか

調査はRaconteurと共同で、企業の意思決定者500人を対象に行われ、「The Blueprint for AI Leadership」として公表された。ほぼすべての企業がGenAIとエージェントAIの導入を進める一方で、それを収益に変えられているのは一部にとどまるという格差が浮かんだ。

牽引企業とそれ以外の差は具体的だ。測れる用途を定義できている割合は73%対22%、経営層の後ろ盾を確保している割合は63%対36%。牽引企業は、エージェント型や自律型のAIを広げる可能性が4倍高いとされる。つまり、成果の差はモデルの性能ではなく、どの業務にどう使うかを定め、経営層を巻き込めているかという実行の質にある。

この結果は他の調査とも重なる。生産性は上がっても投資対効果は限られるという指摘は繰り返し出ており、企業AIの逆説、生産性は上がるがROIは29%どまりや生成AIのROIに関する最新調査 効果測定の現実にまとめている。導入して満足するのではなく、成果を測る設計に移れているかが問われている。

なぜ差がつくのか

失敗の多くはモデルの能力ではない。用途が曖昧なまま広げ、経営層の関与がなく、現場に定着しないというパターンだ。測れる用途を定義するとは、たとえば「請求書処理の1件あたり時間を測り、AI導入前後で比較する」といった具体を決めることを指す。ここが決まっていないと、成果を説明できず、次の投資も通らない。

経営層の関与も実務に効く。予算、優先順位、部門横断の調整は、現場の推進担当だけでは動かせない。後ろ盾があれば、抵抗のある部署にも展開でき、失敗しても学びとして次に生かせる。逆に関与がないと、有志の実験で止まりやすい。日本企業の導入状況と課題は日本企業の生成AI導入状況と課題 最新調査まとめでも整理している。

現場の実務にどう効くか

推進担当が今日から動かせるのは三つだ。一つ目は、着手する業務に測れる指標を先に付けること。時間、件数、エラー率のどれを見るかを決めてから始める。指標の設計はAI推進KPIテンプレート 測定から報告まで使える指標セットが使える。二つ目は、経営層への説明を数字で用意すること。予算を通す説明はAI推進の予算の取り方と経営層への説明方法で具体化している。三つ目は、失敗の型を避けること。用途の曖昧さや現場の抵抗でつまずく典型はAI導入で失敗する典型パターンと回避策にまとめた。

導入したかどうかではなく、収益に効いたかで評価する。この転換ができるかが、9割と18%の差を分けている。調査の数値は対象や設問で変わりうるため、詳細は公式の報告で確認してほしい。

FAQ

上部のFAQに要点をまとめた。成果を測る全体設計はAI推進のロードマップの作り方 3フェーズで進めるも参考になる。

出典

• HCLTech report exposes widening AI divide with only 18% of enterprises seeing revenue impact（HCLTech）
• HCLTech Report Reveals Widening Enterprise AI Divide（Passionate in Marketing）