大企業のAI導入状況、どこから情報を得ていますか？ほとんどはアンケートベースのレポートです。「AIを使っていますか？」—「はい。」こういったデータでは実態はわかりません。a16zが今回、違うアプローチを取りました。Fortune 500とGlobal 2000の実際のAI契約・売上データを直接集計したんです。
これは何?
a16zの投資パートナー、Kimberly Tanが2026年4月に公開したレポートです。従来のエンタープライズAI調査と決定的に異なる点があります。
従来の調査：「貴社ではAIを活用していますか？」といった自己申告（self-reported）アンケート。定性的な感情（sentiment）を測定するものです。
a16zレポート：AIスタートアップの実際の契約データ、公開売上情報、そして数千件の企業・スタートアップとのミーティングで収集したデータを集計しました。
だから結論も少し違います。MITが「AIパイロットの95%が失敗する」と報告しましたが、a16zのデータはその逆を示しています。
この数値がいかに異例か、文脈を添えてみます。Fortune 500企業は新技術のアーリーアダプターではありません。通常、スタートアップがまず他のスタートアップに売り込み、数年後にようやく大企業との初契約を取るものです。ところがAIはこの慣習を覆しました。わずか3年で、Fortune 500のほぼ3分の1がAIスタートアップの有料顧客になったんです。
他のデータも同じ方向を示しています。Menlo Venturesによると、企業の生成AI支出は2024年の115億ドルから2025年には370億ドルへと3.2倍に増加、NVIDIAの調査では64%の企業がAIを実際の運営に活用していると回答しています。
何が変わるのか?
お金が集まる場所は、三つに明確に分かれています。
ユースケース: コーディング > サポート > 検索
| ユースケース | 特徴 | なぜうまくいくのか |
|---|---|---|
| コーディング | 他のすべてのユースケースの合計より大きい | データ豊富、検証可能、エンジニアがアーリーアダプター、生産性10〜20倍向上 |
| サポート | SOPベース、定量測定可能 | 意図が限定的、エスカレーション可能、BPO代替で変更管理コストが低い |
| 検索 | 社内検索＋業界特化型検索 | ChatGPT自体が検索ツールに、Glean・Harvey・OpenEvidenceが急成長 |
コーディングが圧倒的な理由を、a16zはこう説明しています。コードはデータが豊富で（オンラインに高品質なコードが大量にある）、テキストベースなのでモデルがパースしやすく、構文が正確なので結果をすぐに検証できます。Cursorの爆発的な成長、Claude CodeとCodexの急成長がそれを証明しています。
そしてコーディングツールは100%完璧でなくても価値があります。ボイラープレートコードの生成やバグ発見といった部分自動化だけでも時間を節約できます。開発者がレビューするhuman-in-the-loopワークフローが自然なため、企業の導入障壁が低くなります。
サポートが2位の理由が興味深いんです
サポートはコーディングと正反対のポジションです。コーディングは最も投資が多い領域ですが、サポートは最も見過ごされている領域です。それでもAIにぴったりハマります。意図が限定的で（「返金してください」）、SOPが明確で、CSAT・解決率といった指標でROIをすぐに証明できます。しかもすでにBPOにアウトソーシングしているため、AIに切り替えても変更管理コストが低い。「担当者につなぎます」という自然なエスカレーション経路もあるので、パイロットのリスクが最小限です。
産業: テック（当然）、法律・ヘルスケア（意外）
テック産業が先頭なのは当然です。ChatGPTのビジネスユーザーの27%がテック産業です。興味深いのは法律とヘルスケアです。
法律は元々ソフトウェア導入が遅い市場でした。導入タイムラインが長く、テクノロジーに親しみのある購買者が少なかったんです。ところが従来のソフトウェアは弁護士にとって価値が限定的だったのに対し、AIはコア業務（大量テキスト分析、推論、要約、草稿作成）に直接適用できます。Harveyが創業3年でARR 2億ドルを達成したのがその証拠です。
ヘルスケアも似たパターンです。EHR（電子健康記録）システムが市場を独占しているため新しいソフトウェアが入り込みにくかったのですが、AIは医療記録作成（scribing）、医療検索、バックオフィス自動化といった、EHRを置き換えずに明確な価値を提供できる隙間を見つけました。Abridge、Ambience Healthcareといった企業が急速に成長しています。
まだ爆発していないが、モデルが急成長している領域
a16zが最も注目しているのはここです。OpenAIのGDPvalベンチマーク基準で、モデル性能が急激に改善されているからです。
他の調査も似た絵を描いています。McKinseyはほぼすべての企業がAIを使用しているが、3分の2がまだスケーリング段階に入っていないと述べ、Deloitteは40%以上のプロジェクトが本番稼働している企業の割合が6か月以内に2倍になると予測しています。 ISGは2025年に本番稼働まで到達したユースケースが前年比2倍の31%に達したと報告しています。
まとめると、AIの導入は実際に起きていて、加速しています。ただし、あらゆる場所で均一にではなく、特定のユースケースと産業に集中しているのがポイントです。
始め方のポイント
a16zレポートと複数の調査を総合して、大企業のAI導入を検討している方向けのフレームワークをまとめました。
- 「検証できる領域」から始める
AIが最もうまく機能する領域には共通点があります。テキストベース、反復的な業務、human-in-the-loopが自然、結果の検証が可能。コーディング・サポート・検索が1〜3位の理由はすべてここにあります。まず自社でこの条件に当てはまる業務を探してみてください。 - サポートから試す — パイロットリスクが最も低い
SOPがあり、CSAT・解決率でROIをすぐに測定でき、失敗しても人にエスカレーションすれば済みます。コーディングツールは開発チームが自発的に導入しますが、サポートは経営判断が必要でROIの証明が簡単です。 - モデル性能のトレンドを追う
今AIが苦手なことも、6か月後には変わっているかもしれません。会計・監査分野が4か月で20%p改善した事例のように。GDPval、METRといったベンチマークを定期的にチェックすれば、「いつ自社の領域でAIが使えるようになるか」のタイミングを掴めます。 - 「部分自動化」の価値を過小評価しない
AIが業務の50%を自動化するだけで、残りの50%に集中できるようになります。コーディングツールがボイラープレートを生成するだけで開発者の生産性が10〜20倍になるように。100%自動化を目指すと失敗しますが、部分自動化はすでに検証済みの戦略です。 - ビルダーなら — モデルは良いのにまだスタートアップがいない領域を狙う
a16zがビルダーに贈る核心的なアドバイスです。現時点での売上モメンタムはなくても、GDPval基準でモデルの能力が急激に上がっている領域。今成功しているAIスタートアップの多くも、モデルが十分に成熟する前にインフラと顧客関係を先に構築して先手を打っています。
アンケートと実売上データの違いを忘れずに
McKinsey、Deloitte、NVIDIAの調査はアンケートベースなので、「AIを使っている」の定義が広くなります。a16zレポートは実際の契約・売上基準なので、より保守的です。両タイプのデータを合わせて見ると、全体像がより正確になります。
