AIによる生産性・効率向上を報告した組織は66%、売上増加を報告した組織は20%

AIで仕事は楽になったのに、会社では何が変わったのでしょうか？

チームメンバーは、AIのおかげで仕事が楽になったと言います。メールの下書きも、レポートの整理も、以前よりスムーズになったそうです。ですが、「では、私たちの会社では何が変わったのですか？」という問いには、明確に答えられないかもしれません。

一人ひとりが時間を節約しているようでも、顧客への対応が速くなったのか、同じ人数でより多くの仕事を終えられるようになったのかは、まだよく分からないことがあります。AI導入を担当しているなら、「うまく使えている」の次に何を確認すべきかが悩みになるでしょう。

Deloitteの2026年調査では、生産性・効率の向上を報告した組織は66%、売上増加を報告した組織は20%でした。個人の利便性を超えた組織の変化を確認するには、この二つの効果を分けて見る必要があります。 deloitte

今得られている効果と、これから望む効果

最初の二つの数値はすでに得られたと回答した効果で、最後は今後期待する効果です。調査に回答した組織の割合であり、生産性が66%上がった、あるいは売上が20%増えたという意味ではありません。回答は重複する可能性があるため、合算はしません。 deloitte

この差だけで「AI投資は失敗した」と結論づけるのは難しいでしょう。そもそもコスト削減を目標にしていたチームもあるからです。ただし、売上を目標に始めたなら、文書を速く書けるようになっただけでその目標を達成したとは報告できません。

組織ごとにAIを使う深さは異なります

Deloitteは、AIが既存の事業や業務にどの程度深く入り込んでいるかも分けて示しています。以下の三つの水準は、すべての組織が必ず順番に通過しなければならない段階という意味ではありません。 deloitte

公式レポートの分類を要約しています。四捨五入された回答割合の合計は101%です。 deloitte

この分類を自分たちの業務に当てはめると、問いは「ツールをどれだけ使っているか」から「仕事のどの部分が変わったか」へ移ります。同じAIを使っていても、変わる範囲は異なり得ます。

見積書を速く作ることは、どこまでつながるのでしょうか？

この違いを理解するため、営業チームの見積業務を例にしてみます。以下は調査に掲載された組織事例ではなく、編集部による適用例です。

最初の変化は、AIで見積メールの下書きを速く作ることです。担当者の作成時間が減れば、それだけでも生産性の効果があります。しかし、顧客に送るまでに価格表を探し、在庫を確認し、承認を待つ必要があるなら、問い合わせから送信までの総経過時間は大きく短縮されないかもしれません。

二つ目の変化は、問い合わせから送信までの流れを見ることです。標準価格と条件をすぐに照会できるようにし、例外だけを承認者に回し、承認済みの見積を送る段階までつなげる、といった方法です。確認する結果は下書き生成の速さを超え、問い合わせから見積送信までにかかった時間と、顧客の次の行動まで広がります。

それでも、売上増加には別の確認が必要です。見積は速くなっても、顧客が望む商品でなければ契約は増えない可能性があるからです。迅速な対応が契約につながるかは、価格・商品・顧客条件と合わせて見る必要があります。

今日は見積の記録から開いてみましょう

新しいツールを導入する前に、すでにAIを使っている業務の一つで変わった点を探せます。見積業務なら、メールボックスや顧客管理の記録を開き、ExcelまたはGoogle Sheetsで比較表を作ってください。

1. 同じ種類の見積を選びます。AI使用前後でそれぞれ直近5件のような小さなまとまりから始め、同じ商品・顧客タイプを選んでください。5件は記録を見直すための出発点であり、成果を証明する標本数ではありません。
2. 記録にある時刻から転記します。問い合わせ受付時刻と承認済み見積の送信時刻を記入し、まず「送信時刻 − 受付時刻」を総経過時間として記録してください。顧客が感じる待ち時間を別途報告する場合は、営業時間だけを計算するか基準を決め、顧客からの追加返信を待った時間などの中断区間を別の欄に記入して除外する必要があります。こうした記録がなければ、総経過時間だけを報告し、顧客待ち時間とは呼びません。担当者が下書きを作成・修正した時間も別の欄に記入しますが、過去の記録がなければ空欄にしてください。
3. 時間がかかった案件の理由を確認します。まず総経過時間が短くなったかを見て、依然として時間がかかる案件では、価格照会・社内承認・顧客からの追加返信のどこに時間が使われたかをメモしてください。週末・営業時間外・問い合わせの難易度といった条件の違いも残します。

この点検で最初に得る成果物は、「AIで何%成長した」という数字ではなく、次に変える業務の一か所です。作成は速くなったのに送信は変わらないなら、たとえば承認待ちから確認します。以前の記録がなければ、今週から時刻と中断区間を残し、比較するまでは成果数値を空欄にしておけばよいのです。

点検する業務: ______
確認した変化と根拠: ______
まだ時間がかかる区間: ______
次に変える一つ: ______
担当者 / 再確認日: ______

売上まで見るには、送った見積のうち契約につながった割合を別途確認する必要があります。比較する見積には同じ観察期間を設け、価格・商品・顧客条件の変化も確認してください。下書き作成時間や総経過時間が短くなったという事実だけで、売上効果まで報告してはいけません。

担当者が節約した時間、問い合わせから送信までの総経過時間、条件を定めて計算した顧客体感待ち時間、契約につながった結果を分けることで、「AIをうまく使えている」の次に何を改善するかをチームと具体的に話し合えます。

調査範囲とパイロット数値の確認

この調査は2025年8〜9月に、24か国・6業界のビジネスおよびITリーダー3,235人を対象として実施されました。回答者が報告した成果であり、個別組織でAIが売上変化を引き起こしたかを検証する実験ではありません。 deloitte

業務変化の水準と売上回答を結びつけるクロス分析は、公開資料では確認できません。業務を再設計した組織が、すなわち売上を増やした組織であるとは断定できません。

原文の「パイロットの75%が失敗」という表現は訂正しました。公式結果は、回答者の25%が「自社のAIパイロットのうち40%以上を運用に移行した」と答えたというものです。残りをすべてのパイロットの失敗率として計算することはできません。54%は、調査時点で今後3〜6か月以内に同じ基準へ到達すると予想した割合であり、達成実績と区別する必要があります。 deloitte