国内企業の AI は調べものと壁打ちが中心で、新しい製品やサービスの開発につながった企業は1割に満たない
国内企業の AI の用途はアイデア出しや情報収集が7割を超える一方で、AI 導入の効果として「新たな製品やサービスの開発や提供につながった」を挙げた企業は7.4%でした(情報処理推進機構(IPA)「DX動向2026」2026年4〜6月調査)。新規事業に限らない全社の数字ですが、新規事業の仕事に AI を入れる前に押さえておきたい傾向です。
AI を導入済み・試験利用中・検討中の企業1,191社に用途を聞いた設問では、「文書・音声の要約・翻訳・校正」82.5%、「文書・レポートの作成(社内・社外)」80.5%、「情報検索・収集・分析・レポーティング」77.0%、「アイデア出し・壁打ち・ブレーンストーミング」73.0%が上位でした。「経営・事業計画・マーケティング・意思決定支援」は17.0%、「自社製品・サービスの高度化」は10.9%にとどまります。
AI 導入の効果があったと答えた企業853社に効果の中身を聞くと、「業務が効率化したり迅速化した」が91.6%、「企画提案等の品質や速さが向上した」が48.9%でした。これに対して「新たな製品やサービスの開発や提供につながった」は7.4%、「売上や利益が向上した」は3.9%です。
DX の取組で成果が出ていると答えた企業に、取組の項目ごとの成果を聞いた設問もあります。「新規製品・サービスの創出」で「すでに十分な成果が出ている」「すでにある程度の成果が出ている」と答えた企業は合わせて20.1%で、29.1%は「今後の成果が見込まれている」と答えました。
企画提案の品質や速さが上がったと答える企業は半数近くあっても、新しい製品やサービスとして形になったと答える企業はまだ少ないということです。調べものや下書きが速くなっただけでは、新規事業の成果とは言えません。
新規事業の仕事で AI に期待したいのは、資料の枚数を増やすことではなく、仮説を確かめて判断するまでの期間を縮め、同じ期間に回せる検証の数を増やすことでしょう。始める前に、判断までの日数や1か月に終えた検証の数のように、何が変われば成果とみなすかを決めておいてください。AI 導入の効果をどの数字で測るかは、AI 導入の効果測定と ROIにまとめています。
4つの業務で、AI に任せる作業と人に残す判断を並べる
新規事業の仕事を4つに分けると、AI に任せる作業と人に残す判断は次の表のとおりです。「確かめる元」の列には、AI の出力を照らし合わせる原本を書きました。
| 業務 |
AI に任せる作業 |
人に残す判断 |
確かめる元 |
始める順 |
| 市場と顧客の調べもの |
公開の統計や調査の要約、競合の公開資料の整理、出所の一覧づくり |
どの市場のどの顧客の課題を選ぶか |
統計や調査の原本、競合の公式発表や開示資料 |
1 |
| 仮説づくりと顧客インタビューの準備 |
仮説の書き出し、質問案の作成と点検、インタビューの記録の要約と発言の分類 |
どの仮説から確かめるか、どの発言を根拠とみなすか |
録音と手書きのメモ、発言の前後の文脈 |
2 |
| 事業計画の下書き |
計画書の文章の叩き台、前提の一覧づくり、抜けや矛盾の指摘 |
前提の数字の値、投資の額と時期 |
前提の根拠の表、見積もりや契約の条件 |
3 |
| 検証の記録とふりかえり |
実験の記録の整理、結果と基準の突き合わせ、判断会議の資料の下書き |
続けるか撤退するか、次に何を確かめるか |
実験の生データ、検証の前に決めた基準 |
記録の形は1と同じ時期、要約は4 |
右端の「始める順」は、AI に入力する情報の機密の度合いと、AI の誤りが投資の判断に届くまでの距離をもとにした順番です。調べものは公開情報を扱い、誤りがあってもチームの打ち合わせで止まるので、最初に置きました。
インタビューの記録は顧客の個人情報や取引先の情報を含むため、入力の決めごとを作ってから2番目に加えます。事業計画は数字がそのまま投資の判断に使われるので、前提の置き方を決めてから AI を入れてください。検証の記録は、記録の形だけを最初に決めて残し始め、AI に要約させるのは記録がたまってからで足ります。
この順番は、企業が挙げる AI の課題とも重なります。国内企業が AI 導入・運用上の課題として挙げた項目では、「入力した情報が漏えいするリスクがある」が31.0%、「誤った回答を信じて業務に利用してしまう」が28.9%、「出力結果を検証せずに受け入れてしまう」が17.9%でした(IPA「DX動向2026」2026年4〜6月調査)。新規事業の仕事では、漏えいの心配はインタビューの記録で、誤った回答をそのまま使う心配は市場規模や競合の情報で、とくに大きくなります。
人に残す判断は、どれも、どの顧客に向けて、どこまでお金と時間を使うかを決めるものです。AI には材料と案をそろえる役を任せ、選ぶことと決めることは事業の責任者が担う分担にしてください。
市場と顧客の調べものは、出所の原本に戻れる形で AI に任せる
市場と顧客の調べものでは、公開の統計や調査、競合の公式発表の要約を AI に任せ、要約の1行ごとに出所の URL と該当する箇所を書き添えさせます。生成AIがもっともらしい誤りを出すハルシネーションは要約でも起こり、年や単位の取り違えや、元の資料にない数字の混入として現れることがあるからです。
Web の検索と資料の読み込みを繰り返して出所つきの報告書を作るディープリサーチの機能を使えば、最初の整理にかかる時間は短くなります。ただし、報告書に出所が書かれていても、その出所に本当にその数字があるかは、別に確かめなければなりません。
競合の発表を毎週集めるような繰り返しの調べものは、指示を受けて手順を自分で組み立てて動くAI エージェントに任せる方法もあります。その場合も、集めた情報ごとに出所の欄を残させてください。
市場規模の数字を事業計画に載せる前には、担当者が原本を開き、次の4点を確かめてください。
- 調査した主体と公表日、調査の時点
- 市場に含めた範囲と定義(製品の種類、地域、法人向けか個人向けか)
- 実際に集めた数字か、推計や予測か
- 金額の単位と、税や手数料を含むかどうか
同じ「市場規模」でも、定義の違う2つの調査の数字をつなげると、市場が伸びているようにも縮んでいるようにも見えてしまいます。AI が複数の出所の数字を1つの表にまとめたときは、出所ごとに定義と時点の列を足させ、そろわない行を人が外すと安全です。
業界の売上や事業所の数のような基礎の数字は、政府統計のポータルサイトである政府統計の総合窓口(e-Stat)で探せることが多いでしょう。調査会社の数字を使う場合も、調査主体と公表日が分かる原本を確かめられたものだけを計画書に残します。上場している競合なら、売上や事業の説明は有価証券報告書が原本です。
AI に作らせたペルソナ(想定する顧客像)や「顧客の声」の例文は、仮説として扱います。実在の顧客の発言のように企画書へ載せると、誰も確かめていない内容が事実として社内に広がるためです。どの市場のどの顧客の課題を選ぶかは、次の節のインタビューで確かめてから人が決めます。
始め方は、過去にチームが人の手でまとめた市場調査のメモと、同じ問いで AI に作らせた要約を並べてみることです。出所のない記述と、原本と食い違う数字を数えれば、AI に任せられる範囲が見えてきます。
顧客インタビューは、準備と記録の整理を AI に任せ、話を聞くのは人が担う
顧客インタビューでは、質問案の作成と点検、録音の文字起こしと要約、発言の分類を AI に任せ、相手から話を聞くことと、どの発言を仮説の根拠とみなすかは人が担います。AI が作った顧客像の受け答えは、実在の顧客が今どんな課題にお金や時間を払っているかの証拠にならないからです。
質問案づくりでは、確かめたい仮説を AI に渡して質問案を出させたあと、答えを誘導する質問を指摘させると手早く直せます。「〜は不便ではありませんか」のように答えを含む質問や、「こういう製品があれば使いますか」のように将来の仮定を聞く質問は、「前回その作業をしたのはいつで、何に困りましたか」のように過去の実際の行動を聞く質問へ書き換えてください。
要約は発言を丸めるので、要約の各項目に元の発言の時刻か行番号を付けさせ、仮説の根拠に使う発言は原文で確かめてください。発言を「困りごと」「今の対処のしかた」「払っている費用や時間」「導入を決める人」のような分類に分けさせると、複数のインタビューを並べて比べやすくなります。分類の基準の作り方と、AI の分類を人が読んだ一部と突き合わせる手順は、顧客の声(VOC)の分析に AI を使う前に決めることの記事で詳しく扱いました。
インタビューの記録には、相手の氏名や勤め先、役職、声のほか、取引先の社名や取引の条件が含まれることがあります。個人情報保護委員会は2023年6月2日の「生成AIサービスの利用に関する注意喚起等」で、個人情報取扱事業者が生成AIサービスに個人情報を含むプロンプトを入力する場合は、特定された利用目的を達成するために必要な範囲内であることを十分に確認するよう求めました。
同じ文書は、あらかじめ本人の同意を得ずに個人データを含むプロンプトを入力し、そのデータが応答結果の出力以外の目的で扱われる場合は個人情報保護法の規定に違反する可能性があるとして、サービスを提供する事業者がそのデータを機械学習に利用しないこと等を十分に確認するよう求めています。
インタビューの記録を AI で扱う前に、チームで決めておくのは次の4つです。
- インタビューを依頼する時点で、録音すること、文字起こしと要約に AI を使うこと、記録を何に使うかを相手に伝え、了承を得ておく
- AI に入れる前に、氏名・社名・連絡先を記号に置き換える(データマスキング)
- 入力先は、入力を学習に使わない契約の AI サービスか、自社の環境で動かす AI に限る。入力を保存しない契約や設定はゼロデータリテンション(ZDR)と呼ばれる
- 取引先から秘密保持契約のもとで受け取った資料や数字は、AI サービスへの入力が契約の認める目的と開示先の範囲に収まるかを法務と確かめるまで入れない
生成AIで個人情報を扱うときの論点は生成AIに個人情報を入れてよいかで、情報が社外に出る経路ごとの対策は生成AIの情報漏洩を防ぐ順番で整理しています。
Offers AX は、新規事業の検証を動くものと実測の数字で進める
Offers AX は、コンサルティング、AI エージェント開発、内製化支援の3つを提供するサービスです。このうちコンサルティングでは、業務効率化・組織変革・新規事業創出を戦略から実行まで一体で支援し、成果をレポートで終わらせず、投資判断に使える形にまとめます。
進め方は、業務の現場に近い距離で戦略立案と実装を一体で進める FDE(Forward Deployed Engineer)型です。FDE という働き方の定義は、Offers FDE の解説記事を参照してください。
AI エージェントの開発では、要件定義書ではなく動くもので合意し、数週間で動くプロトタイプを作って、実際の業務で検証してから本実装へ進みます。新規事業のチームなら、調べものの整理やインタビューの記録の要約を、チームの実際の資料で先に動かしてみる形です。引き継ぎの資料と運用の体制づくりは、内製化支援として最初から設計に含めます。
効果は実測した数字で継続を判断する設計で、効果が出なければ中止を選べることも契約の前提に含めています。後の節で書く撤退の判断と同じく、続けるかどうかを前もって決めた数字で判断する進め方です。
構築は GCP・Azure・AWS のいずれにも対応し、お客様の既存の環境に作る方針で、当社の環境に顧客データを持ちません。インタビューの記録のように外に出しにくい情報を扱う場合も、AI を置く場所から設計できます。
複数の元データの突き合わせを自動化した例は人事の領域にあり、人事部を AX の起点に選んだ日本たばこ産業(JT)では、3系統のデータの突き合わせを自動化して、15時間ほどかかっていた作業が数十分で終わるようになりました。経緯は2026年10月16日の Forbes JAPAN の記事「JTがoverflowとともに挑む人事部起点の「AX」」で紹介されています。インタビューの記録、試作品の利用データ、問い合わせの記録を突き合わせて検証の結果をまとめる新規事業の作業も、同じ種類の作業です。
支援の範囲と進め方は Offers AX のサービスページにまとめました。新規事業の調べものや検証の記録のどこから AI を入れるかを相談したい場合は、無料相談を申し込むからご連絡ください。
事業計画は、前提の数字を人が根拠つきで置き、AI には文章と抜けの点検を任せる
事業計画の下書きでは、売上や費用の前提になる数字を担当者が根拠つきで先に置き、AI には計画書の文章の叩き台、前提の一覧づくり、抜けや矛盾の指摘を任せます。AI に「妥当な成約率」や「一般的な顧客単価」を埋めさせると、根拠のない数字がもっともらしい文章と一緒に、投資の判断の資料へ入り込むからです。
前提は次のような表にまとめ、値は担当者が書き、AI には値を書かせない決まりにしておくと、AI の下書きと人の判断の境目がはっきりします。
| 前提の例 |
根拠になるもの |
出所の欄に書くこと |
| 初年度に契約する顧客の数 |
インタビューと試作品の検証の結果 |
検証の記録の番号と日付 |
| 1社の年間の利用料 |
見込み顧客の今の支出、競合の公開価格 |
インタビューの記録、競合の公式サイトと確かめた日 |
| 市場の規模 |
公的統計、調査会社の調査の原本 |
資料名、調査主体、公表日 |
| 開発と運用の費用 |
見積もり、社内の過去の実績 |
見積書、過去の案件の記録 |
根拠がまだ足りない前提には「仮置き」と書いて区別してください。計画を審議にかけるときに仮置きの前提がいくつ残っているかを数えれば、次に何を確かめるべきかが、そのまま検証の計画になります。
AI に向くのは、この表を読ませたうえでの次の作業です。
- 前提の表をもとに、計画書の各章の文章の叩き台を書く
- 新規事業の計画で抜けやすい項目(顧客からの問い合わせへの対応の費用、決済や請求の手数料、解約による売上の減少など)が表にあるかを点検する
- 前提どうしの矛盾(契約する顧客の数と、営業や導入の支援に使える人手が釣り合わないなど)を指摘する
- 前提を変えたときの試算の結果を、表計算で出した数字から読み取って説明する
試算そのものは表計算で行い、AI には結果の読み取りと説明だけを任せるほうが確実です。いくら投じるか、次の予算をいつ出すかは、この表と検証の結果を見て、事業の責任者と経営が決めます。
続けるか撤退するかは、検証の前に決めた基準で人が判断する
検証の記録とふりかえりでは、実験の記録の整理、結果と基準の突き合わせ、判断会議の資料の下書きを AI に任せ、続けるか撤退するか、次に何を確かめるかは、検証を始める前に決めた基準に照らして人が判断します。基準がないまま AI に結果を要約させると、続ける理由も撤退する理由も、どちらももっともらしい文章として書けてしまうからです。
成果を測る基準を前もって決めている企業は、まだ多くありません。DX に取り組む企業のうち成果指標を設定しているのは23.9%で、設定している企業でも「外向きの業務改革(新たなビジネスや顧客価値の創出)」を指標の対象にしているのは33.5%でした(IPA「DX動向2026」2026年4〜6月調査)。
新規事業では、検証ごとに次の4つを始める前に1枚に書いておくと、判断の会議で基準そのものを議論し直さずに済みます。
- 確かめる仮説(例: 中堅企業の経理担当者は、月末の照合作業に毎月まとまった時間を使っている)
- 合格の基準(例: 話を聞いた相手のうち何社が、その作業に今お金か時間を払っていると答えたら次へ進むか)
- 期限
- 判断する人
AI には、実験の記録を同じ形(日付、対象、やったこと、結果、生データの置き場所)にそろえさせ、結果を基準と並べた表を作らせます。判断会議の資料の下書きでは、基準を満たした点と満たさなかった点、判断に足りない情報を同じ分量で書かせてください。
指示の書き方によっては、要約がチームの期待する結果に寄ることもあります。「継続を推奨」のような結論は AI に書かせず、満たさなかった基準と反対の証拠を必ず一覧にさせれば、会議で都合のよい結果だけが残るのを防げます。
撤退も、検証が出した結論の1つです。撤退を決めた案件の記録も、確かめた仮説、使った基準、結果をそのまま残しておけば、次の案件で同じ市場や顧客を調べるときの出発点になるでしょう。AI の試作を本番につなげるかどうかの基準の決め方は、AI の PoC で止まらない進め方でも扱いました。
最初の1か月は、判断を終えた過去の案件の資料で試す
始めるなら、すでに判断を終えた過去の新規事業の案件の資料を使い、AI の出力と、当時チームがまとめた資料を並べて比べるのが確実です。結果が分かっている材料なら、AI の誤りと見落としの出方を、進行中の判断に影響させずにつかめるからです。
進め方は次の4つの手順です。
- 4つの業務から、公開情報か過去の資料だけで試せる作業を1つ選ぶ(始めやすいのは市場の調べものか、過去のインタビューの記録の要約)
- AI に入力してよい情報、AI を動かす環境、出力を確かめる人と照らす原本を決める
- 過去の資料で AI を動かし、出所のない記述、原本と食い違った数字、人が直した箇所を記録する
- 1か月分の記録を見て、続けるか、次の業務へ広げるか、やめるかを決める
比べるときに見るのは、資料ができるまでの時間だけではありません。出所のない記述の数、原本と食い違った数字の数、人が直すのにかかった時間もあわせて記録すると、AI の下書きを確かめる手間が、最初から人が書く手間を上回っていないかが分かります。
上回っている作業は、元の手順に戻して構いません。うまくいった作業は、同じ確かめ方のまま表の次の業務へ広げ、1か月に終えた検証の数や判断までの日数が変わったかを見てください。AI エージェントを業務に入れるほかの例は、AI エージェントのカテゴリの記事から探せます。