AI活用事例の現在地、生成AI利用86.4%と求人の変化

「AI活用 事例」で検索すると、8選から120社まで、件数を掲げた記事が並びます。読み終えて手元に残るのは、他社が何をしたかの一覧です。ところが会議で問われるのはその先にあります。自社で同じことをやったら、どこまでいくのか。

この問いに答える材料は、事例をもう1件増やしても増えません。要るのは、事例が全体の中でどこに位置するのかという縦の情報と、求人票という社外向けの文書で生成AI関連の語がどれだけ書かれているかという横の情報です。縦は情報処理推進機構と総務省の調査が示し、横はOffersの求人票の実測が示します。

AI活用事例で語られるのは導入した側の話に限られる

AI活用の事例記事は、業界ごとに企業名を並べ、取り組みの要約と成果の数値を添え、最後に成功の共通点をまとめる形のものが多く見られます。読者が見るのは導入した企業の内側です。

事例を並べる記事で見えにくいのは2つあります。ひとつは、その事例が全体の中でどれくらい珍しいのかという位置づけ。もうひとつは、求人票で生成AI関連の語が書かれる頻度です。

後者は人事・採用の担当者にとって無視できません。AI活用は社内の業務効率の話として始まりますが、求人票は候補者の目に触れる社外向けの文書です。事例記事はここを扱いません。

日本企業のAI導入は58.0%、効果の実感は31.8%

情報処理推進機構（IPA）『DX動向2026』（2026年7月30日公表・2025年度調査・1,799社の有効回答・調査期間は2026年4月中旬から6月中旬）によると、AIを「導入している」企業は42.3%、「現在、試験利用をしている」企業は15.7%で、合計58.0%が何らかの形でAIを使っています。

効果の側を見ると、AIを導入・試験利用している企業のうち、「期待以上の効果があった」は13.7%、「期待どおりの効果であった」は18.1%で、合計31.8%です。最も多いのは「一定の効果はあった」の50.6%でした。効果は出ているが期待したほどではない、という状態に半数の企業がとどまっていることが、同調査の図表3-13に示されています。

事例記事を読むときは、残りの約7割がどこで止まっているのかを併せて見ておくことが、自社の見通しの精度を上げる手がかりです。

投資の規模も見立てを補強します。IPA『DX動向2026』では、売上に対するAI投資額・費用の割合が1%未満の企業が56.8%を占め、そのうち0.3%未満が49.5%でした（図表3-21）。投資の規模は小さい側に寄っています。事例の成果を読むときに、どれくらいの元手で出たものかを確かめる物差しになるのがこの数字です。

生成AIの業務利用は86.4%、用途は議事録・メールに集中

総務省の調査では、自社の何らかの業務で生成AIを利用している日本企業が86.4%にのぼりました。対象は従業員10名以上でデジタル化に取り組み始めた企業の管理職以上で、IPAの調査とは対象も設問も違うため、58.0%と並べて比べる数字ではありません。出所は総務省『令和8年版 情報通信白書』の2025年度企業向け調査（2026年7月24日公表・調査は2026年1〜2月・日本の有効回答515）で、86.4%は活用方針の設問で「わからない」と答えた企業を除いた割合です。

生成AIを「積極的に活用する」か「領域を限定して利用する」方針の企業は68.9%で、前年度調査の49.7%から大きく上がりました（同白書 nd121110）。

用途の偏りもはっきりしています。同白書によると、日本企業の業務類型別の活用は「議事録・メール作成補助」が約7割で最も高く、「営業・販売」が約6割、「社内ヘルプデスク」が約5割と続きました。効果を実感している割合も「議事録・メール作成補助」が約7割で、ほかの類型より目立って高い結果です（図表Ⅰ-2-1-7）。

IPA『DX動向2026』の用途別の集計（図表3-9）も同じ形をしています。「文書・音声の要約・翻訳・校正」が82.5%、「文書・レポートの作成（社内・社外）」が80.5%、「情報検索・収集・分析・レポーティング」が77.0%と上位を占める一方、「自社製品・サービスの高度化」は10.9%、「生産・物流・サービス提供の計画支援」は6.0%にとどまりました。

2つの調査を重ねると、企業での用途の多数派は文書を読む・書く・まとめる仕事だと分かります。総務省の調査でも、日本企業が挙げた生成AIの影響は「作業時間の短縮などによる業務の効率化」が61.6%で最も高く、米国・ドイツ・中国で最も多かった「製品・サービスの質の向上」は日本では32.2%でした（同白書 nd121150）。事例を読むときは、それが多数派の用途か少数派の用途かを先に見分けると、自社への当てはめを誤りにくくなります。

AIの導入はDXへの取り組み方と結びついている

AIの導入率58.0%は全体の平均値です。差がどこから生まれるかを見ると、AIを単独で進めているわけではないことが分かります。

IPA『DX動向2026』で、全社戦略に基づいて全社的にDXに取り組んでいる企業では「導入している」が70.8%に達しました。一方、DXに取り組んでいない企業では「関心はあるがまだ特に予定はない」が最も多くなります（図表3-2）。AIの導入は、DXの流れの中に位置づけられて進んでいます。

業種別では、情報通信業で「導入している」が約7割に達し、他業種を引き離しました（図表3-3）。開発そのものにAIが入り込んでいるためと考えられます。自社と同じ業種の事例を優先し、他業種の事例からは手法ではなく進め方を借りる、という読み分けが現実的です。

事例を探すときも同じです。自社がDXにどう取り組んでいるかを先に整理しておくと、参考にすべき事例の範囲が絞れます。

事例の数値を社内資料に使う前に確認する3点

事例に添えられた成果の数値は、対象範囲・時点・出所の3点を確かめるまで、社内の判断材料になりません。

第一に、対象範囲です。「工数を大きく削減」と書かれていても、対象が全社の業務なのか、特定の1業務の一部工程なのかで意味がまったく変わります。分母が書かれていない削減率は、比較にも積み上げにも使えません。

第二に、時点です。生成AIの性能も価格も1年で動きます。総務省の調査でも、生成AIの活用方針を持つ企業の割合は1年で49.7%から68.9%に変わりました。2024年に測った削減率を2026年の投資判断にそのまま当てるのは危険です。事例の公開日ではなく、その数値を測定した時点を探してください。

第三に、出所です。企業自身が公表した数値なのか、支援したベンダーが自社サイトに書いた数値なのかで、検証可能性が違います。前者はプレスリリースや統合報告書にあたれば確かめられます。

この3点を確かめられた事例だけを、社内の議論に持ち込んでください。

事例の再現を止めるのは人材とリテラシーの不足

事例が自社で再現できないとき、原因は技術以外のところにあります。IPA『DX動向2026』がAI導入・運用上の課題として挙げた上位は、「専門人材が不足している」50.1%、「生成AIの効果やリスクに関する理解が不足している」45.8%、「適切な利用を管理するためのルールや基準の作成が難しい」39.7%でした（図表3-16）。

3つのうち2つは人に関するものです。専門人材の確保と、社内のリテラシー。どちらも人事の守備範囲に入ります。

人材の充足状況を種別ごとに見ると、多くの種別で「不足している」が過半数を占めていました（図表4-12）。とくに「現場の知見と基礎的AI知識を持ち、自社へのAI導入を推進できる従業員」「データマネジメントの知見があり、社内で企画、推進できる人材」の不足感が高いままです。

IPAの調査で回答企業が挙げた課題の上位3つは、人材・理解・ルールに関するものでした。事例を読んだあとには「どのツールを入れるか」と並べて「誰が回すのか」を検討してください。

学習データを整備できている企業は7.0%にとどまる

IPA『DX動向2026』で、AIに使う学習データを「整備しており AI に活用している」と答えた企業は7.0%にとどまりました。「整備しているが十分ではない」が28.4%、「必要性は認識しているができていない」が27.6%です（図表3-15）。

同調査は、学習データを整備してAIに活用できている企業のほとんどが、期待と同等かそれ以上の効果を得ていると報告しています。ここから言えるのは「データを整備した企業では効果が出やすい」までで、「効果が出ている企業の多くがデータを整備している」とは限りません。ただ、着手の順序を決める材料としては十分です。AIツールの選定より先にデータの整理へ手をつける理由がここにあります。

AIの統制は整備が追いついていない

AIポリシーやガイドラインについて、IPA『DX動向2026』でAIを導入・試験利用・利用検討している企業を対象にした集計では「社内ガイドラインやルールは全社的なものを定めている」が32.5%、「AIポリシーを定め、社内に周知している」が28.8%で、「どちらも定めていない」企業が16.7%ありました。社外に公表しているのは3.7%です（図表3-17）。AIや生成AI独自のリスクマネジメントを実施している企業は14.2%にとどまります（図表3-18）。

総務省『令和8年版 情報通信白書』の調査は設問も対象も違い、リスク対策の取組として「全社的な指針やガイドラインを整備している」が41.1%で最も多い回答でした（同白書 nd121140）。一方で、生成AIによる業務変革に「組織的な取組はない」と答えた日本企業は27.0%で、米国・ドイツ・中国より目立って高い結果です（同白書 nd121120）。2つの調査の数値は直接比べられません。

事例を読むときは、その企業がどの段階の統制を持っているかも併せて見てください。ルールが決まっていない状態で現場に配ると、使ってよいか分からないまま利用が止まるためです。

生成AIに触れる求人は3年で2.1%から44.0%へ

株式会社overflowが運営するハイクラスエンジニアの転職プラットフォーム「Offers」で、掲載された正社員求人の本文に生成AI関連の語が含まれる割合を年ごとに集計すると、2023年の2.1%から2026年の44.0%へ増えていました。

出所: Offers調べ（株式会社overflow・2026年10月7日時点・n=3,281）。

3年で2.1%から44.0%へ、直近1年でも21.3%から倍増しました。件数でも14件から228件まで増えており、比率の揺れではありません。

集計から読めるのは、エンジニア職が中心のOffersの求人票で、開発ツールや開発対象を含めて生成AI関連の語が書かれる頻度が増えたところまでです。求人票に書かれた語は、候補者が読む情報になります。

生成AIの語を含む求人の平均応募数は1.36倍

生成AI関連の語を含むOffersの正社員求人は、含まない求人より1求人あたりの平均応募数が多い結果でした。2025年から2026年に公開された正社員求人1,176件を、生成AIに言及するもの368件と、しないもの808件に分けて比べました（Offers調べ・2026年10月7日時点）。

出所: Offers調べ（株式会社overflow・2026年10月7日時点・n=1,176）。

閲覧数の差は1.14倍と小さい一方、応募は1.36倍、ブックマークは1.50倍つきました。平均どうしの比では、閲覧数の差より応募数とブックマーク数の差のほうが大きい結果です。

ただし注意点があります。1求人あたりの平均応募数は1.212件と0.889件で、どちらも1件前後です。絶対値の小さい指標の倍率なので、1件の増減が比率に響きます。また、これは相関であって、生成AIに言及したから応募が増えたという因果は示せていません。AIに触れる求人を出す企業は、事業のフェーズや技術的な魅力の面でもともと差がある可能性が残ります。

人事・採用の担当者にとっては、自社の求人票が生成AIに関わる開発環境や開発内容をどう書いているかを見直すときの比較材料です。

自社の求人や採用サイトが外からどう見えているかは、エンジニア採用力チェックで確かめられます。企業URLから公開情報を5指標24項目で採点し、原則1営業日以内にレポートが届きます。AI人材の要件の置き方はAI人材とは？不足の中身と採用・育成の進め方で整理しました。

人事・採用領域のAI活用と文書作業の用途の重なり

人事・採用の業務は定型的な文書作成と情報の突き合わせを多く含み、総務省とIPAの調査で多数派だった文書作業の用途と重なる部分がある、というのが編集部の見立てです。

領域ごとの実態は記事を分けて整理してあります。人事業務全体でのAIの入り方はAI人事とは？人事のAI利用39%、5領域と法規制、採用に絞った実績はAI採用とは？工数80%削減・承諾率2.4倍、7社が実証したAI活用効果とリスク、面接領域はAI面接とは？導入企業の工数75%削減、主要5サービスの比較とリスクをご覧ください。

人事のAI活用事例の数値がどこから来ているかは人事のAI活用事例、30件の出所を数え直したで1件ずつ確かめています。議事録などの文書作業に事例が集まる理由と工程ごとの効果は生成AIの業務効率化事例は議事録に集中｜工程別の実測にまとめました。

事例を自社に持ち帰るときの順序

事例を自社に持ち帰るときは、測る業務・データ・ルール・手段・人の順に決めていきます。

最初に決めるのは、どの業務の何を測るかです。総務省の調査で日本企業が挙げた影響の1位が業務の効率化（61.6%）である以上、まず狙うべきは時間です。どの業務に月何時間かかっているかを先に測っておかないと、導入後に効果を説明できません。

次にデータを見ます。狙った業務でAIに読ませるべき情報が、探せる形で整理されているか。整理されていなければ、ツールの選定より先にそちらへ手をつけます。

3つ目がルールです。入力してよい情報の範囲と、出力を人が確認する工程を先に決めます。ここが決まっていないと現場は使えません。

ここまで決まってから、ようやく手段の話になります。議事録やメールのように多くの企業が使っている用途から入るのか、少数派の用途に踏み込むのかで、参考にすべき事例の数も確かめやすさも変わります。

最後に置くのが人の確保です。専門人材の不足が課題の1位である以上、既存メンバーの育成と採用の両方を並べて考える必要があります。採用で確保する場合は、求人票に生成AIに関わる開発環境や業務をどう書くかも決めることになります。DX全体の中でのAIの位置づけはDXとIT化・デジタル化の違い｜取組率75.7%の実態を併せてご覧ください。

AI活用事例から何を持ち帰るか

AI活用事例を読む価値は、他社の施策を真似ることではなく、自社がどの段階にいるかを測る物差しを得ることにあります。

IPA『DX動向2026』の導入58.0%・効果の実感31.8%・データ整備7.0%・全社的なガイドライン32.5%に、総務省『令和8年版 情報通信白書』の生成AIの業務利用86.4%を重ねれば、事例と自社のあいだにある距離が測れます。

求人票の側では、エンジニア職が中心のOffersの正社員求人で、生成AI関連の語を含む割合が3年で2.1%から44.0%へ増えました。事例を読んだあと、自社の求人票が生成AIに関わる開発環境や業務をどう書いているかを確かめてみてください。