大企業426名調査で判明。AI活用を阻む6つのボトルネックと、業界・立場による認識差

Proprietary + Confidential AI 活用の壁はどこにあるのか 企業のAI 活用実態調査 2026【ダイジェスト版】 ～ 調査データが示すAI 推進を阻む本当の壁 ～ FLYWHEEL, Inc.

BtoB 領域における AI 活用の実態や構造的な詰まりの把握 調査概要 業界構成（n=426） 所属部門（n=426） 製造業 50.2% IT・DX推進 34.3% 調査対象・サンプル数 IT・ソフトウェア業 15.5% 研究・開発 26.3% 建設・インフラ業 12.2% 製造・品質 17.6% 426名 金融・保険業 7.5% 経営・事業企画 15.3% その他 14.6% その他 6.5% 従業員数 1000 名以上の企業に 対象者 役職（n=426） AI 導入状況（n=331）※ 勤める会社員 調査手法 インターネット調査 担当者・一般社員 48.1% 会社で導入・利用 64.0% 課長・マネージャー 31.7% 調査時期 2026 年 3 月 一部の部署で利用 25.4% 部長クラス 11.5% ※回答の構成比は小数点以下第2位を四捨五入し 今後導入予定 10.6% ているため、合計した数字が 100％ にならな 本部長・事業部長 5.4% い場合があります。 経営層・役員 3.3% ※ AI導入状況について回答した対象者のみ © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 2

企業の AI 活用調査 6 セクション成熟度比較 方針・戦略 4.0 総合指標（全体平均） 3.13pt 定着・改善 3.5 データ 3.0 目的は定義されているが、 方針・戦略 ROI判断基準やロードマップが不足 3.14 全体最高水準。社内データのアクセス データ 権限やルール整備が進む 3.30 ルール・ 基盤・インフラ ガバナンス セキュリティ対策は先行するが、 基盤・インフラ 自動化やコスト可視化に遅れ 3.09 人材・組織 深刻な人材・スキル不足。 人材・組織 成功・失敗事例の組織内共有も停滞 3.00 チャートの見方 ガイドライン策定やツール管理は進む ルール・ガバナンス 一方、リスク管理に課題 3.29 各設問について「非常によく当てはまる（5）」～「まったく当てはま らない（1）」の5段階で評価した平均スコアを表示しています。 全セクションで最もスコアが低く、 外側に広がるほどAI 活用の成熟度が高いことを示します。 定着・改善 評価指標と改善サイクルが未確立 2.98 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 3

AI 活用の 障壁と影響 AI 活用のボトルネックに関する調査 質問 あなたの勤務先の AI 活用において現在最大のボトルネック（障壁）だと感じていることを 全てお知らせください。 AI 人材の圧倒的不足 AI 人材（企画・開発・運用）の不足 39.6% 約4割（39.6%）の企業が「AI 人材の不足」を最大 1 のボトルネックと回答しており、最も大きな課題 と認識されています。 セキュリティやコンプライアンスへの懸念 29.3% AI の企画・開発だけでなく、運用までを担える人 2 材が不足しており、AI 活用の推進体制そのものが 整わない状況が浮き彫りとなりました。 投資対効果（ROI）が見えにくい 27.8% 3 リスク懸念と ROI の不透明さ 現場の理解不足・心理的な抵抗感 25.7% 次いで、「セキュリティ・コンプライアンスへの 4 懸念」（ 29.3% ）と「投資対効果（ ROI ）が見え にくい」（ 27.8% ）が上位に挙がりました。 既存システムとの連携が困難 25.1% AI活用の障壁は技術面に限らず、「安全性」や 5 「投資対効果」に対する判断の不確実性という、 （n=331） 経営レベルの課題にも及んでいます。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 4

AI 活用の 障壁と影響 ボトルネックは立場でどう変わるか 役割・立場によるボトルネックの認識差 現場担当者・意思決定者ともに 「AI 人材不足」がトップ AI人材（企画・開発・運用）の不足 39.7% 23.2% 38.6% セキュリティやコンプライアンスへの懸念 35.9% 21.2% 投資対効果（ROI）が見えにくい 33.8% データ基盤の未整備（バラバラなデータ、品質の低さ） 19.9% 32.4% 23.8% 既存システムとの連携が困難 30.3% 25.8% 意思決定者層は、投資や 現場の理解不足・心理的な抵抗感 セキュリティが課題と認識 26.2% 10.6% 経営層の理解・コミットメントの不足 24.8% 20.5% 具体的な活用シーン・ユースケースの不足 21.4% 現場運用者（n=151） 意思決定者（n=145 ） 意思決定層は投資・セキュリティ、現場は人材不足をより強く認識 意思決定層は「AI 人材不足」（38.6％）以外にも、「セキュリティ懸念」（35.9%）や「ROI の不明確さ」（33.8%）、「データ基盤の 未整備」（32.4%）を重視しています。一方、現場運用者はこれらの項目よりも、「AI 人材不足」（39.7%）を最も大きなボトルネックと 認識しています。この結果から、意思決定層は投資やセキュリティ面、現場は人材面を課題として捉える傾向があり、立場による認識のギ ャップが存在することがわかりました。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 5

AI 活用の 障壁と影響 製造業と IT・ソフトウェア業で変わるボトルネック認識 業種によるボトルネックの認識差 40.0% AI人材（企画・開発・運用）の不足 42.0% セキュリティやコンプライアンスへの懸念 31.7% 24.0% 30.0% 投資対効果（ROI）が見えにくい 32.0% データ基盤の未整備（バラバラなデータ、品質の低さ） 27.2% 22.0% 現場の理解不足・心理的な抵抗感 27.2% 製造業はセキュリティや 24.0% データ基盤をボトルネックと認識 25.0% 既存システムとの連携が困難 28.0% 具体的な活用シーン・ユースケースの不足 21.7% 22.0% 17.8% 経営層の理解・コミットメントの不足 16.0% 製造業（n=180） IT・ソフトウェア業（n=50） 製造業は「セキュリティ」「データ基盤」「現場の心理的抵抗」をボトルネックと認識 製造業は IT・ソフトウェア業と比較して、「セキュリティ・コンプライアンス」（31.7%）や「データ基盤の未整備」（27.2%）をボトル ネックとしてより強く認識しています。また、「現場の理解不足・心理的抵抗感」（27.2%）も製造業の方が高い状況です。製造業では、 IT・ソフトウェア業と比べ AI 活用の業務浸透が遅れる可能性がうかがえます。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 6

AI 活用の 障壁と影響 今後 3～5 年で AI 活用度が競争力に与える影響 質問 今後 3～5 年において、AI の活用度が業界内における競争力にどの程度影響を与えると考えますか。 決定的な差を生む 15.7% 大きな差を生む 41.4% 上位2項目計 ある程度の差を生む 28.1% 57.1% あまり影響しない 4.5% 全く影響しない 3.3% わからない 6.9% （n=331） 過半数の企業が、AI 活用が今後の競争力において「決定的・大きな差を生む」と危機感を持つ 今後3～5 年において、AI 活用度が競争力に「決定的な差を生む」（15.7%）と「大きな差を生む」（41.4%）を合わせると57.1%に達し、 過半数の企業がAI 活用の差が競争優位に直結すると危機感を持っている状況が明らかになりました。 さらに「ある程度の差を生む」（28.1%）を含めると、85.2% の企業がAI 活用が競争力に影響すると認識しており、その重要性の高さが うかがえます。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 7

AI 活用の 障壁と影響 AI 活用が進む企業と進まない企業間で生まれる差 質問 AI 活用が進む企業と進まない企業の間で、どのような差が生まれると思いますか。（いくつでも） 業務効率 64.3% データ活用能力 54.2% コスト競争力 40.1% 業務効率とデータ活用能力に 差が生まれると認識されている 意思決定スピード 39.7% 商品・サービス開発スピード 36.4% 顧客理解 20.2% その他 0.3% 特に差は生まれない 1.0% （n=297）※ ※『わからない』『特に差は生まれない』を選択した回答者を除く AI 活用で生まれる差のトップは「業務効率」「データ活用能力」 AI 活用が進む企業と進まない企業の差として、「業務効率」（64.3％）と「データ活用能力」（54.2％）がトップにあがりました。この結 果から、AI が業務効率の向上に加え、データ活用の高度化にも寄与すると認識されている状況がうかがえます。 次いで、「コスト競争力」（40.1%）や「意思決定スピード」（39.7%）も続いており、AI 活用の差が企業の競争力に幅広く影響すると 認識されています。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 8

エグゼクティブサマリー 企業が直面しているAI 活用の壁は「導入」から「運用フェーズ」へ 多くの企業が人材不足を課題と認識しているが、調査データを分析すると、AIが定着しない要因は別にある 表面的な課題 構造的な課題 ルール整備は進む 高評価 データ品質・信頼性が不足している 「AI 活用に必要なデータの品質・信頼性 全セクションのうち「ルール・ガバナン の担保」に関しては同意する層が 38.2％ ス」セクションが高水準 にとどまっている 多くの企業が、AI活用の最大の障壁 として人材不足を挙げている 約 4 割の企業が人材（企画・開発・ 運用）不足を最大の障壁と回答 ROI・成果が測れない 改善サイクルが回らない 定着・改善ができない ROIが見えにくいと回答した層 「AI 活用を継続的に改善するサ 全セクションのうち「定着・運 が27.8%にのぼる イクル」が整備されていないと 用」セクションが最も成熟度が 回答した層は 34.1% 低い 「運用フェーズ」で停滞する企業の多くは、“測れないことで改善できず、定着できていない” © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 9

まとめ 真の AI 活用に向けて「導入後の壁」を越えることが成功の鍵 本調査では、ルール・ガバナンスは一定程度整備されている一方で、 「定着・改善」は6セクションの中で最も低い結果となりました。 AI 活用の定着には 「定着・改善」が進まない真因は、現場の努力不足ではなく、AI の成果を測 「測る×回す×貯める」の設計が必要 れるデータが整っていないことにあります。 AI の出力品質やROIを評価するためには、前提となるデータの信頼性が不可 欠です。とりわけ非構造データの整備は、RAGをはじめとする全社的なAI活 測る 回す 貯める 用の価値を高める先行投資であり、早期着手が求められます。 しかし本調査では、管理ルール等の整備が先行する一方、肝心の「データ品 質・信頼性の担保」が追いついていない実態が浮き彫りとなりました。その AIの成果を評価できる 信頼できる 知見を再利用可能な 結果、改善判断に必要な客観的データが不足し、意思決定は依然として勘や データ品質 成果指標 形で蓄積 経験に依存せざるを得ません。AIの成果を正しく評価・運用できる状態には 至っていないのが現状です。 すべての土台 = AI-Readyなデータ基盤 つまり導入後の「運用フェーズ」の壁を越えるには、 すべての土台である“AI-Readyなデータ基盤”にあると言えるでしょう。 フライウィールは、FAIR Assessment や FAIR Index 等のフレームワークを用い、貴社の「 現在地」を可視化。不透明なROIを明確なロードマップへと変換し、実利を生むAI 活用を お問い合わせ 伴走支援します。 お問い合わせ 導入で終わらない、成果につながるAI 活用を実現したい企業様は、ぜひご相談ください。 © FLYWHEEL Inc. All Rights Reserved. Strictly Confidential. 10