DX事例30社の母集団は？選定の仕組みと再現条件

DX事例の記事はどれも似た形をしています。業界ごとに見出しが並び、企業名と取り組みの要約が置かれ、最後に成功の共通点がまとめられる。読み終えても「では自社は何をすればよいのか」が残らないのは、事例そのものではなく、事例の選ばれ方が書かれていないからでした。

誰が、どんな母集団から、どんな基準で選んだのか。ここが分かると、同じ事例が別の意味を持ちはじめるはずです。この記事では、国が選定するDX銘柄の母集団を数で示したうえで、事例を自社で再現するときに何が足りないのかを、公的な調査と求人データの両面から見ていきます。

DX事例を読む前に確認するのは出所と母集団

事例を判断材料にするには、3つの確認が要ります。

ひとつめは出所です。企業自身が公表したものか、支援したベンダーが自社サイトに書いたものか。前者は有価証券報告書や統合報告書、プレスリリースで裏が取れます。後者は確かめる先がありません。

ふたつめが時点です。DXの取り組みは数年単位で進むため、5年前の事例と昨年の事例では前提が違います。とくに生成AIが実務に入ったのはこの2〜3年なので、それ以前の事例をそのまま参考にすると、いま使える手段を見落とすでしょう。

みっつめが母集団です。ここが最も見落とされます。「DX事例30選」の30社は、日本企業の中でどう位置づけられる30社なのか。無作為に選んだのか、選ばれるために手を挙げた企業なのか。母集団が分からない事例集は、平均像を推し量る材料になりません。

DX銘柄2026は上場約3,800社から30社に絞られた

経済産業省は、東京証券取引所および情報処理推進機構と共同で「DX銘柄」を毎年選定しています。2026年4月10日の発表では、DX銘柄2026として30社（うちDXグランプリ企業3社）、DX注目企業2026として17社、DXプラチナ企業2026-2028として2社が選ばれました。

重要なのは、この30社がどこから絞られたかです。選定企業レポートによると、まず東京証券取引所のプライム・スタンダード・グロースに上場する約3,800社を対象に「DX調査2026」を実施し、回答した289社のうちDX認定を取得している企業が選定対象になりました。そこから選択式項目と自己資本利益率（ROE）・株価純資産倍率（PBR）による一次評価、記述式項目（DX実現能力、ステークホルダーとの対話、企業価値貢献）による二次評価を経て、評価委員会が最終審査を行っています。

出所: 経済産業省のニュースリリース（2026年4月10日公表）および経済産業省・東京証券取引所・情報処理推進機構『DX銘柄2026 選定企業レポート』（2026年6月5日公表）

上場約3,800社のうち、調査に回答したのは289社です。割合にすると1割にも届きません。事例集に並ぶ企業は「日本企業の代表例」ではなく、DXに手を挙げ、認定を取り、評価に耐えた側の企業でした。この位置づけを踏まえずに自社と比べると、届かない基準を目標に置くことになります。

なお2026年の選定では、AI法（人工知能関連技術の研究開発及び活用の推進に関する法律）が2025年5月に成立したことなどを受けて、企業におけるAIトランスフォーメーションの取り組みが一層重く評価されました。DXの評価軸そのものが、AIの利活用へ動いたということです。

選定30社は製造業15社・非製造業15社で半々

DXは製造業のものという印象を持たれがちですが、選定結果はそうなっていません。DX銘柄2026の30社を業種別に並べます。

出所: 経済産業省・東京証券取引所・情報処理推進機構『DX銘柄2026 選定企業レポート』（2026年6月5日公表）の選定企業一覧の全数

17業種に散っており、製造業に分類されるのは15社、非製造業も15社でちょうど半々です。金融・物流・不動産・人材サービスまで含まれており、「DXの模範解答は製造業にある」という見立ては成り立ちません。

同じ業種で複数社が選ばれているのは医薬品・電気機器・化学・卸売業・銀行業・陸運業・サービス業の7業種です。自社と同じ業種で複数社が選ばれているなら、レポートの該当ページを横に並べて読んでみてください。共通して押さえられている論点が浮かび上がるはずです。

継続性の観点では、DXプラチナ企業2026-2028として日本郵船とソフトバンクの2社が選ばれています。選定要件は「3年連続でDX銘柄に選定されていること」と「過去にDXグランプリに選定されていること」の2つです。単年で成果を出した企業ではなく、3年以上続けている企業を別枠にしている点は、事例を読む側の時間感覚を調整してくれます。

各社の具体的な取り組み内容は、経済産業省が公開している選定企業レポートに1社ずつ記載されています。二次情報の要約ではなく、この原典を読むのが最も確実です。

事例の裏側では取組率が横ばいのまま

選ばれた側の話と、企業全体の話は分けて見る必要があります。情報処理推進機構（IPA）が2026年7月30日に公表した『DX動向2026』（2025年度調査・1,799社の有効回答）によると、何らかの形でDXに取り組んでいる企業は75.7%でした。ただしこの比率は経年でほぼ横ばいで、大きく変わっていません。

規模による差は依然として大きいままです。同調査で従業員1,001人以上の企業では98.7%が取り組んでいる一方、100人以下では41.6%にとどまりました。

つまり、事例集に並ぶ大企業の取り組みは、規模の面でも取り組み度合いの面でも上位に偏ったものでした。中小規模の組織が同じ事例を目標に据えると、前提の差が埋まらないまま施策だけを真似ることになります。DXの定義と全体像はDXとは？定義とIT化との違い、取組率75.7%の実態で扱いました。

AIとの関係も整理されています。DXに取り組む企業のうち「DXの推進の一部としてAIを活用している」が45.1%、「DXの推進のためAIを中心に活用している」が9.3%でした。半数以上がAIをDX推進の手段として位置づけています。DX銘柄の評価軸がAIトランスフォーメーションへ動いたことと、現場の実態は同じ方向を向いていました。

再現を止めるのはスキルを把握できていないこと

事例と自社の差は、どこで生まれるのか。IPA『DX動向2026』には、その答えに近い数字があります。

DXに取り組んでいる企業に対し、DX推進に必要なスキルの把握状況を尋ねたところ、「必要なスキルは把握できていない」と答えた企業が52.8%でした。2024年度よりやや改善したものの、半数を超えたままです。何が必要か分からない状態では、育成も採用も設計できません。

この把握状況が、人材の不足感と強く結びついています。同じくDXに取り組んでいる企業のうち、スキルを把握している企業で人材の「質」が「大幅に不足している」と答えたのは40.6%であるのに対し、把握できていない企業では64.0%でした。23.4ポイントの差があります。さらに、DXの成果が出ている企業ほどスキルの把握ができている傾向も示されました。

人材の不足感そのものは高い水準が続いています。DX推進人材の「質」の不足感（「やや不足」と「大幅に不足」の合計）は、2024年度の86.1%から2025年度は88.8%へ増えました。ただし「大幅に不足している」は58.9%から52.9%へ下がっています。危機感の強さは和らぎつつ、不足の裾野は広がっている状態です。

ここから導かれる順序は明快です。事例を真似る前に、その事例を担える人材の要件を言語化する。要件が書けていない段階で採用や育成に着手しても、必要な人にたどりつきません。人材の類型と要件の整理はDX人材とは？6類型の職種・必要スキルと採用・育成の進め方にまとめてあります。

自社の要件がどこまで言語化できているかは、募集要件と選考の設計にそのまま出るものです。エンジニア採用力チェックを使うと、5つの指標で現在地を採点し、どこが埋まっていないかを外から確認できます。

DX求人が求める技術は一般の求人とほとんど同じ

要件を言語化するとき、他社が実際に何を求めているかは有力な手がかりです。ここは求人データで測れます。

株式会社overflowは、ハイクラスエンジニアの転職プラットフォーム「Offers」を運営しています。2025年以降に掲載され、スキル指定のある正社員求人1,244件を対象に、求人本文にDXへの言及がある342件と、言及のない902件でスキルの指定率を比べました。

出所: Offers調べ（2026年9月時点）。2025年以降に公開されスキル指定のある正社員求人1,244件（DXへの言及あり342件・なし902件）で、指定率の上位7スキルを比較した

意外に思えるかもしれませんが、上位に並ぶスキルはDX求人でも一般の求人でもほとんど同じでした。最も多く指定される AWS（Amazon Web Services）は、DX求人で68.4%、DXに言及しない求人でも57.6%で、差は1.19倍しかありません。AI・Python・TypeScript・Reactも同様で、TypeScriptにいたっては1.00倍とまったく差がありません。

「DX人材」という特別な職種があるわけではない、というのがこのデータの読み方です。DXの求人が求めているのは、いま一般のエンジニア求人が求めているものとほぼ同じでした。

差がはっきり出るのは Azure だけ

上の表で1つだけ例外があります。Azureです。DX求人での指定率40.4%に対し、言及のない求人では18.4%で、2.19倍の開きがありました。指定率が高く、かつ差もはっきり出ているのはこのスキルだけです。

倍率だけで並べると別の顔ぶれも出てきます。DevOpsが12.6%対3.4%で3.66倍、SpringFrameworkが16.1%対7.3%で2.20倍、IoTが9.9%対5.5%で1.79倍、Node.jsが21.3%対12.1%で1.77倍です。ただしDevOpsやIoTは指定率そのものが1割前後で、DX求人の多数派ではありません。

Azure・SpringFramework・DevOpsという並びから読み取れるのは、DXの実務が新しいサービスをゼロから作る仕事ではないということです。既存の基幹システムをMicrosoft系のクラウドへ移し、Javaで書かれた業務システムと接続し、運用を自動化する。長く動いてきたシステムを対象にする仕事だから、この顔ぶれになります。

自社でDXを進めるなら、募集要件に書くべきはAWSやPythonではありません。それは一般のエンジニア求人でも書かれています。差がつくのは、既存システムの移行と運用に関わる部分でした。AI領域を含む人材要件の広がりはAI人材とは？不足の現状と採用・育成で確保する方法にまとめました。

事例を自社に持ち帰る手順

ここまでを踏まえると、事例の使い方は4段階に整理できます。

第一が母集団の確認です。公的な選定であれば選定プロセスが公開されているので、自社との距離が測れます。出所の不明な事例集は、この段階で外して構いません。

第二が規模と業種を揃えることです。従業員1,001人以上の98.7%と100人以下の41.6%では、前提が違いすぎます。同規模帯の事例を優先し、大企業の事例からは手法ではなく順序を借ります。

第三が要件の言語化です。事例の取り組みを自社でやるとして、誰がどのスキルで担うのか。ここを書き出すのが、52.8%が越えられていない壁でした。求人票の実態は、この言語化の材料になります。

第四が体制の決定です。専任を置くのか、既存部門の兼務で始めるのか。組織の作り方についてはDX推進の組織作りとは？成功のためのポイントと事例を紹介で個別に扱っています。

この順序を逆にすると、ツールの選定から入って要件が最後まで決まらない、という状態になります。事例が豊富にあるほど手段から考えたくなりますが、順序は変わりません。

DX事例から持ち帰るべきもの

DX事例を何件読んでも、自社のDXは進みません。進むのは、事例が示している取り組みを担った人と体制を、自社の言葉に置き換えられたときです。

公的な選定が母集団を示し、全体調査が水準を示し、求人データが要件を示す。この3つを重ねると、事例は憧れの対象から比較の基準に変わります。

そして求人データが示したのは、少し拍子抜けするような事実でした。DXを担う人材に求められる技術は、一般のエンジニア求人とほとんど変わりません。特別な人材像を探すより、既存システムの移行と運用を担える人をどう確保するかを考えるほうが、事例に近づく近道になります。