【イベントレポート】AIカンパニーへのロードマップ

半田様の見立てでは、生成AIツールの導入はほとんどの会社が始めている一方、期待通りの成果が出ている企業はごく一部にとどまります。経営の現場でこうしたギャップを感じる方が増えています。

AIを「使うかどうか」のフェーズはすでに終わり、いま問われているのは「企業の設計そのものをAI前提に作り変えられるか」です。経営判断・オペレーション・組織のいずれもがAIを織り込むように再設計されている企業は、競合に模倣されない優位性を生み出し始めています。

2026年4月23日、株式会社エクサウィザーズ／株式会社Exa Enterprise AI 取締役の半田 頼敬様と、株式会社overflow 代表取締役CEOの鈴木 裕斗をスピーカーに迎え、「【HR最前線】AIカンパニーへのロードマップ〜AI時代に勝つ採用と育成〜」と題したウェビナーを開催しました。

半田様は経営と育成・組織変革の側から、鈴木は採用市場の側から、AIカンパニーへの道筋を話しました。登壇内容を論点ごとに再構成して記録します。

AIカンパニーを判定する3つの問いと現状

半田様の見立てでは、生成AIツールの導入はほとんどの会社が始めている一方、AIなしでは競争力を保てない業務・経営によるAIのROI測定・AIによる模倣されない競争優位という3つの問いに「できている」と答えられる会社は、ウェビナーの時点で「99%できていない」状態です。日本企業では、ボトムアップの導入が一部部門で止まる、IT予算が攻めの投資に回らない、経営層のリテラシーが追いつかないといった壁が共通して見えると話しました。

――鈴木：半田様、生成AI導入は進んでいる一方で、実際の成果が出ている企業はどのくらいでしょうか。

半田様：いろんな会社様とお話しさせていただいたり、展示会で接点を持ったりしていると、生成AIや AIツールの導入自体はほとんどの会社さんがもう始めていらっしゃるという認識です。ただ一方で、実際に活用ができているか、価値が創出できているか、期待を超えているかというところで言うと、各社の調査を総合してもなかなか期待通りの成果が出ていないというのが現状なのではないかと思っております。

SNS（ソーシャル・ネットワーキング・サービス）で象徴的な事例が出てきますが、これは一部の会社さんです。AI活用具合や成果の度合いには、かなり大きな差分が出てきている。日本企業の場合、いくつかの壁が共通して見えます。ボトムアップで進めても一部部門の導入にとどまる、AIを活躍させるための設計が仕切れていない、IT予算がガバナンス・インフラ側に張り付いていて攻めの投資に回らない、経営層のリテラシーが追いついていない。こうした壁に阻まれている会社さんが少なくないのが現実です。

AIカンパニーかどうかを判定する3つの問い

我々自身も社内で問いかけ続けている、AIカンパニーかどうかを判定する3つの問いがあります。

1. AIなしでは現在の競争力を維持できないような業務が、会社に存在しているか
2. AIのROIを経営として測定していて、投資判断に使っているか
3. AI自身が、競合に模倣できない自社固有の競争優位性を生んでいるか

――鈴木：実際にお客様と会話されている中で、この3つの問いに対して「できている」と答えられる会社はどれくらいでしょうか。

半田様：正直、99%できていません。AIカンパニーというのは最終的にそういった形になることがゴールなので、IT系以外の会社さんに関してはここを作っていくまで相当時間がかかるという印象です。我々の会社自身も「自社固有の競争優位性を生んでいるか」については条件付きで、悩ましいなと感じている部分です。完璧にできている会社は、現時点ではかなり少ないんじゃないかと考えています。

従来企業とAIカンパニーの3つの違い

半田様：そもそも「AIカンパニー」とは何かを直感的にイメージしていただくため、こう定義しています。これまで人のみで行ってきた事業経営を、AIも担う状態です。

AIが人の仕事を奪うかという議論がよくありますが、どちらかというとAIと人のバランスをどう取るかが論点だと考えています。AIのみで仕事が完結するケースは実は2%程度というレポートも出ており、AIで出したものを人が補完したり、AIと人が共同で実施したりという形が進んでいくのが、AIカンパニーのイメージです。

その上で、単にAIを使っている企業ではなく、効果・成果に結びつけ、企業の設計そのものがAIを使うことを前提にしているかどうか。ここが組織の設計や採用する人材像に大きく関わってくる分かれ道です。

経営の指標は「人的資本」から「AI人的資本」へ

人的資本経営として論点になっていた領域は、AIと人をどう活用していくかという「AI人的資本経営」の論点に置き換わっていきます。経営でモニタリングすべき指標も、これに合わせて再設計が必要です。

オペレーションは「AIファースト」のプロセスへ

従来の業務プロセスは人間と人間の間にAIが入る形が中心でしたが、「AIファースト」ではAI側がプロセスを設計し、その中で人間が中身をチェックする構造に変わります。ヒューマン・イン・ザ・ループという言葉に象徴される設計です。

人が何を磨くべきかは継続的な議論が必要ですが、AIにできることと人ができる得意なこと、人が担うべき役割の再定義は避けて通れません。

組織レイヤーが構造的にシフトする

従来型の階層構造で業務・システム・承認フローが設計されている多くの企業に対し、AIが多くのことをできるようになると組織レイヤー自体が変わる。中間管理職の役割の再定義、経営が現場の声を吸い上げる仕組みの設計など、組織のあり方そのものに踏み込む必要が出てきます。

AIカンパニー化しないと起きる3つのリスク

半田様：「まだ先の話」と捉える会社さんもありますが、ここを変えていかないと大きく3つのリスクが顕在化していきます。

セキュリティと法的リスク

機密データの流出、著作権侵害による訴訟リスク。攻めのAI活用とどうしてもセットで出てくるリスクをどうコントロールするかが第一の論点です。

AI活用の差が生む生産性格差

攻めをやらないこと自体が、もはやリスクです。生産性の格差が大きく開いていく中で、AI活用を進めない選択は競争力低下に直結する。

採用ブランドの毀損

特にエンジニアや若手の領域では、面接で「AI活用ってどれぐらいされてるんですか」と聞かれることが増えています。我々のAIエージェントツールで採用サイトに導入している会話ログを見ても、エンジニアからAI活用状況を問う質問が頻繁に出てきている。今後数十年仕事をしていく場として、AIに後ろ向きな会社をリスクとして避ける動きが従業員目線で広がっています。

AIカンパニー化のロードマップと5つの段階

半田様：実際にどういうロードマップで変わっていくかというと、最初に導入があり、その後個人が活用して事例が創出されていき、それが層で浸透して仕組みになり、全社変革に至る。これがオーソドックスな順序です。

それぞれのフェーズに壁があります。経営判断、再現性、旗振り役の不在、制度の追いつき、事業自身の転換。この壁をどう、どういう時間軸で突破していくかは、会社や業界によって全然違います。フェーズに応じてどこに優先順位を置くかが鍵で、ベストプラクティスと失敗事例の蓄積を参考にしながらカスタマイズしていくことが重要です。

セキュリティ整備は人事と情シスの統合が解になる

全社導入の壁のうちセキュリティについて、半田様は人事と情報システム部門を1人が統括する体制を解の1つに挙げ、CHRO（最高人事責任者）と情シスのトップを同じ方が兼任するモデルナの例を紹介しました。

――鈴木：途中で出てきた阻む壁の中で、私はセキュリティリスクが特に重要だと感じています。情シスや情報セキュリティ部門との足並みを揃えないと、全社導入もClaude Codeのようなローカル動作のツールも進められません。

半田様：事例として象徴的なのが、コロナのワクチンで有名になったモデルナさんです。CHROと情シスのトップを同じ方が兼任していて、要は「AIオフィサー」のような形で、人事とIT部門がくっついている。組織を大きく変えていくには、ボトムアップで変わりきれない部分がどうしても出てくる。情シスやセキュリティ部門は役割上どうしてもリスクを安全な方に倒すので、人も組織もITも全部まとめて1人の人が統括するという事例が起き始めています。未来の人事には、こうした統合的な役割が必要になってくると個人的には感じています。

AI人材が会社を選ぶ理由は年収より「AIを使える環境」

鈴木は採用市場の現在地として、エンジニア採用ではAI活用やAX（AIトランスフォーメーション）への投資の有無でオファー承諾率が変わっていると話しました。AI/LLM業界のオファー承諾率は22.9%です（Offers（株式会社overflow）調べ・AI/LLM業界のオファー・2025年10月時点）。

鈴木は口頭で全体平均を10%程度としています。

会社選びの軸として鈴木は、Stack Overflow Developer Survey 2024 でエンジニアの職場の不満の1位が技術的負債であることを紹介しました。

――鈴木：ここから採用の話に入らせていただきます。AIカンパニーを目指す上で、ナレッジを持つ人材を採用する道と、社内のリスキリングで作っていく道の両方があります。私からは採用市場の現在地と、どういう人を採用していくべきかについてです。

DXからAXへの転換は皆様ご存知の通りですが、エンジニア採用の領域では、その会社がAI活用をしているか・AXに投資をしているかによって、最終的なオファー承諾率がガラリと変わってきています。具体的にはAI/LLM業界のオファー承諾率は22.9%、全体平均は10%程度ですから、AIやLLM（大規模言語モデル）に投資している会社の人気の高さは事実として現れています。

ハイクラスは「動かない」、不満1位は技術的負債

引き続きエンジニア採用は活況ですが、コーディングがAIに置き換わるとも言われる中、全体ボリュームはシュリンクしていく見立てです。ハイクラスの中でも「すぐ動く」と言える方は8%、「いいお話があれば」が20%、残りは「今は考えていない」（Offers（株式会社overflow）調べ・Offers登録者35,000人の転職意欲アンケート・2025年10月時点）。

ハイレイヤーほど動きづらい・動かしづらい現状があります。

AI人材が会社を選ぶときに見ている点として、エンジニアの職場の不満で最も多く挙がるのが技術的負債です。最近 Claude が「Opus の次のモデル」で、27年見つからなかったバグを5分で見つけたという話もあり、LLMの進化で技術的負債が解消される可能性はあるものの、現時点では技術的負債が溜まっている企業に乗り気で行くケースは少ないのが実情です。

AIで開発できる環境を求める方が明らかに増えています。直近 Offers で転職が決まった方の中には、年収1/3 減でも管理職から現場に戻ってAIで自分で開発するポジションに行きたい、という意思決定をした方もいて、市場の価値観が大きくシフトしています。

キャリアドリフトと、返信率が最も高い「今は考えていない」層

鈴木は、ハイクラスのうち「すぐ動く」顕在層は8%で、採用が難しいのはこの8%の取り合いになっているからだと説明しました（Offers（株式会社overflow）調べ・Offers登録者35,000人の転職意欲アンケート・2025年10月時点）。

鈴木が示したデータでは、転職意欲を3区分で見たとき返信率が最も高かったのは「今は考えていない」層でした。

――鈴木：採用が難しいのは、顕在8%の取り合いになっているからです。我々が提唱しているのが「キャリアドリフトモデル」というフレームです。転職意欲は、顕在・準潜在・潜在の3層で捉えます。

転職サイトの一般的な「転職意欲あり／ちょっとある／全くない」の3区分では拾えない動きがあり、Offersのプラットフォームでは1ヶ月開いていなかった方が先週急に開いた、返信しなかった方が返信した、求人ページに訪れたといったシグナルを統計学的に拾うことで、転職意欲がないように見える方の中にも実は今動く可能性のある人を見つけ出せる構造です。

現場エンジニア3名の声から見える共通点

実際に毎月キャリア面談で接している現場エンジニア3名（リード級・リード級・エンジニアリングマネージャー級）のAI時代観をお聞きした例があります。3名から浮かび上がる共通点は3つです。

第一に、年収ではなくAI時代にどう生き残るかをハイレイヤーほどシビアに考えている。ジュニア層には「エンジニアは売り手市場」の感覚が残っていますが、ハイレイヤーは現実をはっきり捉えています。第二に、コードを書く時間は減っており、AIをどう指揮するか・意思決定するか側にジョブチェンジしたいという声が増えています。PdMやFDE（Forward Deployed Engineer）のような開発を束ねる側への転換志向です。第三に、AI普及前と比べてスカウトをよく見て自分の市場価値や来ているオファーをチェックする方が増えています。

返信率が最も高いのは「今は考えていない」層

転職意欲を「すぐ転職したい」「いいオファーがあれば」「今は考えていない」の3区分で見ると、実は返信率が最も高いのは「今は考えていない」層です。一般的なイメージとは異なりますが、AIが進んでいる会社からの連絡だと、自分の市場価値や知的好奇心が刺激されて返信する、という構造があります。

ストーリースカウトは「スカウトじゃなくてブログ」という発想

ストーリースカウトは、一緒に働きたい候補者をロングリスト化し、事業・キャリアパス・AIの取り組みといった話を毎月違うメッセージで送り続ける運用です。鈴木は、候補者が動くときに「いつも連絡をくれていた会社」として第一想起を得ることが狙いだと話しました。

――鈴木：この潜在層に振り向いてもらうには、刹那的にスカウトを送り続けても、競争性の激しい同じ人材を多くの会社で取り合うだけで終わってしまいます。我々が「スカウトじゃなくてブログです」と表現するのは、ストーリースカウトという発想です。

うまくいっている会社では、「この人と絶対に働きたい」という方をロングリスト化して、その方たちに毎月違うメッセージを送り続ける運用をしています。事業のお話、その方のキャリアパスの話、AIでどんなことをしているかの話。1回のスカウトで伝わり切らない情報を年間12分割して伝えていくと、いざ動く時に「いつも熱心に連絡くださっていたあの会社」という第一想起を獲得できます。

具体的にはある企業のVPoEというポジションで、市場にほぼいない人材の採用に1〜2年苦戦されていたところを、ストーリースカウトの運用に切り替えて採用決定に至りました（講演資料の事例では導入から4か月で決定）。停滞しているように見える方でも「これは動いていますよ」というデータを用いて追いかけ続け、振り向いていただけたケースが増えています。

採用パートの要点4つ

採用パートの要点を4つに整理します。

• 採用の競争力は顕在層8%ではなく、残りの92%にある
• ハイクラスのAI人材は、技術的負債とAIを使える環境で会社を選んでいる
• 「今動かない」と言っている人ほど、実は反応している
• データ分析的なストーリースカウトで、候補者が動くタイミングに第一想起される状態を設計する

半田様：「スカウトじゃなくてブログである」、めちゃめちゃ刺さりました。早速チームに共有しました。

候補者が動いたときに求人票や採用ページがAIを使える環境をどう伝えているかは、外から見て確かめられます。Offers のエンジニア採用力チェックは、企業URLを入力すると公開情報をAIが5指標24項目で採点し、1営業日以内にレポートが届く無料のサービスです（スカウトの文面や返信率は診断の対象外）。

育成は「利用率 → 生産性 → 企業価値」の指標で進める

半田様：採用に加えて、育成と組織の話をさせていただきます。生成AI活用は二極化しています。踏み出せる企業と進んだ企業に分かれていて、シャドウAIのリスクや「どこに使っていいか分からない」状態にとどまる会社さんも多い。特に人事は機密データを扱うので、どの局面で使っていいか分からないと立ち止まりがちです。

一方、活用が進んでいる会社さんでは、ガバナンスとスピードを両立した「守りながら攻める組織」になっていたり、組織的なナレッジ共有の仕組みで個人に閉じた属人的状態から形式知に変えていたりします。企業の競争力という観点でも、空いた時間で新しいビジネスや価値創出に投資できる構造が生まれています。

フェーズ別の指標を設定する

AI活用を進めるための指標は、フェーズに応じて段階的に変えていくのが基本です。

• 初期フェーズは利用率
• 中期フェーズは生産性
• 成熟フェーズは企業価値

「我々は今どのステージで、何を課題にしているからこの指標を見る」という整理ができていると、施策が散らからずに進めやすくなります。

打ち手としては、利用率を上げたい段階ではリテラシー教育とコミュニティ作り、ステージが上がってAI前提の組織配置や新規事業のフェーズになれば経営層・管理職向け研修、さらに具体的なシステム開発・ソフト開発、自立駆動型AIシステムの内製化支援、と階層化していきます。

内発的動機がAI活用を加速する

ポイントは「目的がないとAIは使われない」ことです。AIを使いたい人はAIが好きだから使うというより、「売上を上げたい」「新しいアイデアを出したい」という実動の部分でのエネルギー、内発的動機がスタート地点になり、そのためにAIを使うという流れが多い。逆に「AIを使ってください」と言われても、目的がない状態ではリスク回避の方が強く働きます。

誰が内発的動機を持っているのか、新しいことをやるためにどんなスキルが必要なのか。これは従来のDXでのトランスフォーメーション支援で蓄積してきた論点で、リテラシー教育だけでなく、業務と紐付けたユースケース創出や他者とのコラボレーションを含めて設計していく必要があります。

経営層と管理職が率先してAIを使う意味

半田様：組織変革で非常に重要になってくるのが、経営層と管理職です。ツールを入れても評価がされない構造だと、現場にAIを使うインセンティブが働きません。ご自身でAIを使っている経営者の姿は、メンバーにとって強いシグナルになります。

管理職を集中的にAI活用させる研修も重要です。レビュー業務はAIで一次レビューをかけてから人が最終チェックすれば、レビュー時間が大幅に減ります。会社の中での情報集約・経営報告レポートの簡易フォーマットなど、管理職特有のシーンに合わせた使い方を提示することで、現場への浸透が加速するのです。

フジパンはコンテスト形式で「面白そう」を演出する

事例として、フジパンさんでは全社AI活用コンテストを遊び心ある形で実施しています。AIで設計できない人の心理、「面白そう」という空気を組織の中に作り込むこと。デジタルなメールを投げるだけでは動かない部分を、温度のある巻き込みで全社に血を通わせる事例です。

北風と太陽のアプローチでいえば、「使ってください」と命令するだけでなく、楽しそうに使っている姿を見せることで「自分も使ってみようかな」を引き出す。年齢が高めの方やデジタルが強そうじゃない方が使いこなしている姿を事例として見せると、「自分もこれできそうだな」というハードルの演出になります。

九州電力はDXアンバサダーで草の根に浸透させる

九州電力さんでは「DXアンバサダー」として旗振り役を複数指名し、各組織で勉強会を実施したり事例を紹介したり、アンバサダー同士が繋がり合って情報交換するモデルで利用率を向上させています。全社の号令だけでは動かない部分を、草の根のネットワークで広げる事例です。Copilotを使っている環境での運用ですが、Geminiでも Copilot でも、それぞれの環境に合わせた活用促進事例が蓄積されています。

経営に若手エンジニアをアタッチする最近の打ち手

半田様が直近の打ち手として勧めたのは、経営者に若手エンジニアを1人つけ、AIで困ったことを何でもサポートしてもらう方法です。

――鈴木：経営層向け研修は確かに重要だなと感じています。「うちの会社をAIカンパニーにしたい」という相談を経営者から受けるケースもあるんですが、その経営者の方がエンジニア部門に「AIを使え」「AIを使えそうな人を見つけてきて使ってみろ」と言ってうまくいったケースを、私は1個も見たことがないんです。

半田様：直近のおすすめは、経営に若手のエンジニアを1人つけてしまう方法です。AIで困ったことを何でもサポートする役割を担ってもらう。経営層が現場のエンジニアに聞きづらい状況がありますし、個別対応をしてくれることでわがままも通る。意外と最初の画面設定でつまづいているケースが多いので、気軽に聞ける関係を若手とセットで作ると、経営層と若手の距離が縮まります。経営者の生産性が上がると意識も変わるので、投資としては悪くないと思います。

継続させる仕組みはショット研修で終わらせない設計

半田様は、研修を一度で終わらせず、目的・状態・ゴールを決めたうえで研修をその最初の一歩に位置付け、定期的にモニタリングすることを継続の条件に挙げました。

――鈴木：研修をやって盛り上がっても、その後継続的に社内で自立駆動的にAIが浸透していく会社の特徴はありますか。

半田様：一時的なショット研修だけで終わると、どこも同じ「研修疲れ」になります。目的・状態・ゴールをある程度具体的に設定して、そのためのファーストステップとして研修を位置付ける。定期的にモニタリングすれば「設定したKPIを上げようと思うと研修だけで足りるんでしたっけ」という議論が組織内で起きます。

具体的には、事例をポップアップで全社に出して全員で投稿し、いいねが蓄積される仕組みを GAS（Google Apps Script）などで組み、月次で最もいいねが溜まった人を表彰するモデルがあります。一回の研修で終わらせず、継続的にちゃんと使い続ける仕組みに昇華させていく。

目的とゴール、そこの状態目標と現状の差分をセットでやり続けることが、非常に重要です。AIをトランスフォーメーションした経験のある会社はほぼないので、我々のような支援者がリアルタイムで入ってくるベストプラクティスと失敗事例をカスタマイズして一緒に考えていく、というアプローチが有効です。

おわりに

AIカンパニーへの道は、経営の問い直し（3つの問い）から始まり、採用市場の構造変化（顕在層ではなく潜在層に第一想起される設計）と、育成・組織変革の継続（指標 → 内発的動機 → 経営層と管理職の率先 → 仕組み化）の両輪で進みます。

ツール導入のフェーズはすでに終わっており、企業の設計そのものをAI前提に作り変えるフェーズに入りました。半田様が「99%できていない」と見る現状は、見方を変えれば、いま動き出す企業にとって競合に差をつける機会でもあります。

Offers が開催する採用・人事向けのイベントやウェビナーの予定は、イベント情報のページで確認できます。