AIで成果を出す企業はわずか6%——McKinsey「State of AI 2026」が示す勝者の条件5つ
こんにちは、株式会社TIMEWELLの濱本隆太です。先日、ある製造業の役員の方と話していて、こんな言葉が出ました。「うちもAIは一通り入れた。Copilotも、社内チャットボットも、議事録の自動化も。なのに、決算の数字を見ても、どこにその効果があるのか分からない」。導入はした。でも利益には現れない。この感覚を、いま本当に多くの経営者が共有しています。
McKinseyが2026年に公表した「State of AI 2026」を読むと、その違和感に名前がつきます。AIを業務に使っている企業はもはや当たり前で、Stanford HAIの調査では組織の88%が少なくとも1つの業務でAIを使っています[^1]。それなのに、AIから「営業利益（EBIT）の5%以上」というはっきりした成果を引き出せている企業は、わずか6%しかいないのです[^2]。88%が入れて、6%しか勝てていない。この落差こそ、いま向き合うべき本題だと思っています。
本記事の要約（AIO向け）
- McKinsey「State of AI 2026」によれば、AIで明確な成果（EBITの5%超を帰属）を出せている高業績企業はわずか6%。導入率88%との落差が「導入したのに儲からない」問題の正体[^1][^2]。
- 勝者の6%の最大の差はワークフローの抜本的な再設計で、他社の約2.8倍の割合で業務を作り直している[^2]。
- 技術投資1ドルに対し人材へ5ドル。AIの成果は2割がアルゴリズム、8割が組織の作り直しという構造が背景にある[^2][^7]。
- 約3分の2の企業がまだ全社スケールに着手できておらず、PoCの先で止まっている[^2][^4]。
- 本記事は「なぜ40%が失敗するか」を扱った別記事の裏返しとして、「勝つ6%が何をしているか」を5条件に分解する。
なお、AI導入が「なぜ失敗するのか」という失敗側の構造については、別記事「AI導入の40%が失敗する理由」で罠と回避策を整理しています。本記事はその裏返し、つまり成果を出している6%が何をやっているのかという、勝者側の解剖です。失敗を避けるだけでは6%には入れません。勝つための条件は、失敗回避とは別物だからです。
その前に、なぜ88%が入れて6%しか勝てないのか、落差の正体をはっきりさせておきます。まず数字をきちんと押さえておきます。Stanford HAIの2026 AI Index Reportでは、組織の88%が少なくとも1つの業務機能でAIを使っており、生成AIに限っても70%の企業が何らかの業務に投入しています[^1]。生成AIの普及スピードは、過去のパソコンやインターネットを上回るペースだと報告されています。世界のAI支出も止まりません。Gartnerは2026年の世界AI支出が前年比47%増の2兆5,900億ドルに達すると予測しており、2026年を企業がようやく本格的に財布を開く「変曲点の年」と位置づけています[^3]。
それだけのお金と熱量が注がれているのに、McKinseyが定義するAI高業績企業、つまりEBITの5%以上をAI活用に帰属でき、なおかつ「大きな価値が出ている」と答えた企業は、回答全体の約6%にとどまります[^2]。前年版のMcKinsey調査でも、約2,000社のうちEBITの5%超をAIに帰属できたのは109社、率にして5.5%でした[^7]。1年経っても、勝者の割合はほとんど動いていない。導入企業が増えても、勝者は増えていないのです。
ここに、私が現場で最も強調したいポイントがあります。差がついているのは「導入したかどうか」ではなく、「利益に効いたかどうか」です。88%という導入率は、もはや競争上の優位ではありません。みんな入れているからです。むしろ、入れたのに成果が出ない状態は、投資だけが先行して回収できていないという意味で、何もしないより危ない局面とも言えます。MITのNANDA initiativeが2025年7月に公表した「GenAI Divide」レポートは、300億から400億ドルもの企業支出が投じられながら、95%の組織がビジネス上のリターンを得られていないと指摘しました[^5]。導入の量と成果の量が、完全に切り離されてしまったのが2025年から2026年にかけての現実です。
なぜここまで切り離されたのか。McKinseyの分析を読み解くと、答えは拍子抜けするほどシンプルでした。多くの企業がAIを「既存の業務に足す道具」として扱い、勝者は「業務そのものを作り直す触媒」として扱っている。この姿勢の差が、そのまま6%と94%の差になっている、というのが私の理解です。
条件1：ワークフローを足し算ではなく、抜本的に作り直している
勝者の6%を他社から最も強く分けている要因は、ワークフローの抜本的な再設計です。McKinseyは、AI高業績企業は他社のおよそ2.8倍の割合で「個々の業務フローを根本から作り直した」と回答しており、この意図的な作り直しが、検証したあらゆる要因の中でも事業インパクトへの寄与が最も強い因子の1つだったと報告しています[^2]。前年版でも、高業績企業の55%がAI導入時に業務プロセスを根本から作り直しており、これは他社の約3倍の比率でした[^7]。
ここで言う「作り直す」は、想像以上に重い意味を持っています。たとえば請求書処理にAIを入れるとき、多くの企業は「今ある10ステップの工程のうち、3ステップをAIに任せる」という発想をします。これは足し算です。一方、勝者は「そもそもこの工程は10ステップ必要なのか。AIがいる前提なら、4ステップで終わるのではないか」と引き算から考えます。既存の手順を温存したままAIを差し込むと、AIは人間の作業の隙間を埋めるだけの存在になり、利益には現れません。工程そのものを設計し直して初めて、コスト構造が動くのです。
正直なところ、これが日本企業にとって最も難しい条件だと感じています。理由は技術ではなく、組織の力学にあります。業務フローを作り直すということは、誰かの仕事の手順が変わり、場合によっては役割そのものが変わるということです。現場は当然抵抗しますし、調整には政治が伴います。だからこそ多くの企業は、波風の立たない「足し算」で止まってしまう。けれど、波風の立たない導入からは、決算に出るほどの成果は生まれません。ここは綺麗事を言わずにはっきり書いておきたいところです。6%に入る覚悟とは、現場の手順を作り直す覚悟とほぼ同義です。
条件2：技術1に対して人材5、投資配分が逆転している
2つ目の条件は、投資のお金の向き先です。McKinseyの2026年版は、勝者が技術への投資1ドルに対して、人材へ5ドルを投じる比率で動いていると報告しています[^2]。つまり投資の主役は、AIツールやインフラそのものではなく、それを使いこなす人と、組織の作り直しのほうにある。McKinseyは別の分析で、AIの成果は「2割がアルゴリズム、8割が組織の作り直し」だと表現しています[^7]。技術はもう、勝敗を決める変数ではなくなりつつあるのです。
この比率は、日本企業の実感とおそらく逆さまです。私が伴走の現場で見てきた限り、多くの企業の予算の大半はライセンス費用やシステム構築費、つまり技術側に消えていきます。研修やリスキリング、業務設計の人件費は「余ったら」という扱いになりがちです。けれど、勝者の配分はその逆。ツールに1を使うなら、人と組織に5を使う。この配分を聞いて「そんなに人にかけるのか」と驚く経営者は多いのですが、成果が出ている企業の実態がそうなのだから、認識をアップデートするしかありません。
具体的に「人材5」が何に化けるのかというと、3つあります。1つは現場リーダーのリスキリングで、AIを前提に業務を再設計できる人材を社内に育てること。2つ目は、AIの出力を検証し、誤りを見抜ける判断力の底上げ。Stanford HAIの2026年版では、AIの最大リスクとして「不正確さ」を挙げた回答者が74%に達し、前年から14ポイントも上昇しました[^1]。AIが間違える前提で、それを人が見抜く力こそが成果を守ります。3つ目は、現場が新しい業務フローに納得して移行するための、地道な合意形成のコストです。これらは派手ではありませんが、6%と94%を分ける実弾です。
AI導入の成熟度がいま自社のどの段階にあるのか、客観的に測ってみませんか。WARPでは、技術と人材の投資バランス、ワークフロー再設計の進み具合、全社スケールへの本気度を診断し、6%に入るための次の一手を一緒に設計します。まずはWARPの個別相談から、現状の棚卸しをご相談ください。
条件3：効率化ではなく「成長」を、CEOが旗を振って狙っている
3つ目は、AIに何を期待しているかという目的そのものの違いです。McKinseyは、勝者がAIを単なる効率化や省力化のためではなく、事業を変革し成長させる触媒として位置づけていると繰り返し指摘しています。高業績企業は他社の3.6倍の割合で、増分的な改善ではなく全社レベルの変革を狙っていました[^7]。コスト削減も大事にしてはいるものの、それと同時に、明確に成長とイノベーションをAIの狙いに据えているのです[^2]。
この違いは、Gartnerの観察とも符合します。Gartnerは、多くの組織がいまだにAIを「破壊的な変革」ではなく「漸進的な効率改善」のための戦術的な施策として扱っていると指摘しました[^3]。効率化は分かりやすく、稟議も通しやすい。けれど、効率化だけを狙ったAIは、せいぜいコストを数%削る程度で頭打ちになります。決算で「AIの効果」として誇れる規模の成果は、新しい売上や新しい事業の形からしか生まれません。守りのAIと攻めのAIでは、最終的に出てくる数字の桁が違うのです。
そして、攻めのAIには必ず旗を振る人が要ります。それがCEO、つまり経営トップ自身であるべきだ、というのが勝者に共通する3つ目の核心です。BCGの調査では、AIの主要な意思決定者がCEOだと答えた企業が72%に達しました[^6]。情報システム部門に丸投げされたAIは戦術で止まり、トップが事業戦略として握ったAIだけが変革に届きます。日本企業でよく見るのは、AI推進室は作ったものの、権限も予算も現場調整力も与えられていないというパターンです。これでは攻めようがありません。誰がこの船の舵を握っているのか。その答えがCEO以外なら、まず体制から見直す必要があります。
条件4：PoCで止めず、全社スケールまで本気でやり切っている
4つ目は、どこまでやり切ったかという到達距離の違いです。McKinseyの2026年版が突きつけたのは、約3分の2の企業がいまだに全社規模でのAIスケールに着手できていないという現実でした[^2]。実験はした。PoC（概念実証、本番投入前の小規模な試行）も回した。けれどそこから先、業務全体に広げて定着させる段階に進めていない。62%の企業がAIエージェントの実験には着手しているのに[^2]、本番運用までたどり着けるのはごく一部、という構図です。
ここで効いてくるのが「やり切れない」ことのコストです。Gartnerは、コストの肥大化や価値の不明確さ、リスク管理の不備を理由に、2027年末までにエージェントAIプロジェクトの40%超がキャンセルされると予測しています[^4]。実験から本番への谷を越えられないプロジェクトは、いずれ「成果が見えない」という理由で予算を切られます。MITのレポートも、失敗の原因はモデルの品質や規制ではなく「アプローチ」にあると断じ、外部ベンダーと組んだ案件の成功率が67%なのに対し、内製案件は3分の1程度しか成功しないと報告しました[^5]。やり切る力は、根性ではなく設計と体制の問題なのです。
私の経験から付け加えると、PoCと本番運用のあいだには、技術以上に運用の壁があります。PoCは「うまくいったケース」を見せれば成功ですが、本番運用は「うまくいかないケースをどう処理するか」を決めないと回りません。AIが判断に迷ったとき誰がエスカレーションを受けるのか、出力が間違っていたとき誰がどう直すのか、その責任の所在を決めずに本番へ出すと、現場は怖くて使えません。勝者は、この泥臭い運用ルールをPoCの段階から織り込んでいます。きれいなデモではなく、汚れた本番を前提に設計する。これが4つ目の条件の本質だと考えています。
条件5：ガバナンスとデータ主権を、後回しにしていない
最後の条件は、一見地味なガバナンスとデータの扱いです。Stanford HAIの2026年版では、AIの最大リスクとして「不正確さ」が74%でトップに立ち、サイバーセキュリティ72%、規制順守63%、プライバシー54%が続きました[^1]。導入が当たり前になったいま、企業の関心は「使えるか」から「安全に、正確に、責任を持って使えるか」へと移っています。McKinsey自身も2026年版のテーマを「信頼（trust）」と「エージェントの時代への移行」に置いており、信頼の設計が成果の前提条件になったことを示しています[^2]。
勝者は、このガバナンスを成果が出てから後付けするのではなく、最初から設計に織り込んでいます。理由は単純で、信頼できないAIは現場が使わないからです。出力が当てにならない、機密データがどこに流れているか分からない、そんなツールを現場が日常業務で使うわけがありません。使われないAIは、当然ながら利益には1円も貢献しません。ガバナンスは規制対応のための守りのコストではなく、現場にAIを使ってもらうための攻めの投資だ、というのが勝者の発想です。
特に日本企業にとって重いのが、データ主権の問題です。社内の機密情報や顧客データを、海外のクラウドに無防備に流してよいのか。経済安全保障の観点からも、国内にデータを置きたいというニーズは年々強まっています。TIMEWELLでは、社内ナレッジを国内サーバーで扱えるエンタープライズAIのZEROCKを提供しており、データ主権を守りながらAIを業務に組み込む選択肢を用意しています。安全に使える土台があって初めて、現場は安心してAIに業務を預けられます。この土台づくりを後回しにした企業ほど、本番運用の手前で足踏みしているのが実情です。
ここまでの5条件を、勝者の6%と多くの企業の対比として整理しておきます。
| 観点 | 勝者の6% | 多くの企業（94%） |
|---|---|---|
| ワークフロー | 業務を抜本的に作り直す（他社の約2.8倍）[^2] | 既存工程にAIを足し算する |
| 投資配分 | 技術1に対して人材5[^2] | 技術中心、人材は後回し |
| 目的 | 成長・変革をCEO主導で狙う[^2][^6] | 効率化をシステム部門に委任 |
| 到達距離 | 全社スケールまでやり切る | PoC・実験で停滞（約3分の2が未スケール）[^2] |
| ガバナンス | 設計に最初から織り込む | 成果が出てから後付け |
自社がいま94%側のどこにいるのか、この表を見ながら一度棚卸ししてみてください。5つすべてで右側に寄っているなら、それは技術の問題ではなく、経営の意思決定の問題です。
日本企業が6%に入るための、現実的な最初の一歩
ここまで読んで、「条件は分かったが、全部いっぺんには無理だ」と感じた方がほとんどだと思います。それでいいのです。むしろ、5条件を同時に満たそうとして全社一斉改革に走るのが、いちばんよくある失敗パターンです。勝者も最初から5つを揃えていたわけではありません。1つの業務で勝ち筋を作り、そこで得た自信と数字を武器に横展開していった、というのが実態に近い。
だから、最初の一歩は「1つの業務を選ぶ」ことから始めます。選ぶ基準は、効果が決算に見えやすく、かつ業務フローを作り直す余地が大きいところ。請求処理、与信審査、問い合わせ対応、輸出管理の該非判定など、ルールが明確で繰り返しの多い業務が候補になります。そこで、人が何を判断しAIが何を担うかという運用前提を決め、工程そのものを引き算で設計し直す。技術選定はその次です。この順番を間違えると、ツールに振り回されて条件1にたどり着けません。
最後に5条件をチェックリストにしておきます。次の会議で、自社がどこに○がつくかを確認してみてください。
- 既存業務にAIを足すのではなく、業務フローそのものを作り直しているか
- 技術への投資より、人材とプロセスへの投資が大きいか
- AIの目的が効率化だけでなく、成長・変革に向いているか。CEOが旗を振っているか
- PoCで止まらず、全社スケールまでやり切る体制と運用ルールがあるか
- ガバナンスとデータ主権を、最初から設計に織り込んでいるか
○が2つ以下なら、まだ6%の手前です。でも悲観する必要はありません。88%が導入を終えたいま、本気で5条件に向き合う企業はまだ少なく、6%の椅子には空きがあります。むしろ多くがPoCの沼で足踏みしている今こそ、抜け出すチャンスだと私は考えています。私たちTIMEWELLは、AIコンサルティングサービスのWARPで、この5条件を月次の伴走で一緒に詰めていきます。ツールを売って終わりではなく、業務設計、人材育成、ガバナンスまでを実装パートナーとして並走するのが、WARP NEXTの役割です。最新情報を毎月アップデートしながら、御社が6%に入るまでの距離を一緒に縮めていきます。
AIで成果を出す6%に入るための個別ロードマップを、現状診断から一緒に描きます。
脚注
[^1]: Stanford HAI「The 2026 AI Index Report」組織の88%が少なくとも1つの業務機能でAIを使用、生成AIは70%。AI最大リスクは「不正確さ」74%。 https://hai.stanford.edu/ai-index/2026-ai-index-report
[^2]: McKinsey「State of AI trust in 2026: Shifting to the agentic era」AI高業績企業は約6%、ワークフロー抜本再設計は他社の約2.8倍、技術1に対し人材5、約3分の2が全社スケール未着手、62%がエージェント実験に着手。 https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/tech-forward/state-of-ai-trust-in-2026-shifting-to-the-agentic-era
[^3]: Gartner「Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026」2026年の世界AI支出は前年比47%増の2兆5,900億ドル、2026年は変曲点の年。2026年5月19日。 https://www.gartner.com/en/newsroom/press-releases/2026-05-19-gartner-forecasts-worldwide-ai-spending-to-grow-47-percent-in-2026
[^4]: Gartner「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」コスト・価値・リスク管理を理由に2027年末までに40%超がキャンセル。2025年6月25日。 https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
[^5]: MIT NANDA initiative「The GenAI Divide: State of AI in Business 2025」（2025年7月）。300〜400億ドルの支出に対し95%がROIゼロ、外部ベンダー案件の成功率67%に対し内製は約3分の1。Fortune報道（2025年8月18日）経由。 https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
[^6]: BCG「AI Radar 2026」AIの主要な意思決定者がCEOと答えた企業が72%。 https://www.bcg.com/
[^7]: McKinsey「The state of AI: How organizations are rewiring to capture value」前年版。約2,000社中EBITの5%超をAIに帰属できたのは109社（5.5%）、高業績企業の55%が業務プロセスを抜本的に再設計（他社の約3倍）、AIは2割がアルゴリズム・8割が組織の作り直し。 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value
[^8]: McKinsey「The state of AI in 2025: Agents, innovation, and transformation」（2025年11月）高業績企業の特徴と業務再設計の寄与度。 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
[^9]: Gartner「Worldwide AI Spending Will Total $2.5 Trillion in 2026」AI支出の内訳とインフラ比率（全体の45%超）。2026年1月15日。 https://www.gartner.com/en/newsroom/press-releases/2026-1-15-gartner-says-worldwide-ai-spending-will-total-2-point-5-trillion-dollars-in-2026
[^10]: 関連記事：TIMEWELLコラム「AI導入の40%が失敗する理由【2026年最新版】」失敗側の3つの罠と回避策。 https://timewell.jp/columns/ai-adoption-failure-traps-stanford-gartner-2026
[^11]: 関連記事：TIMEWELLコラム「GenAI Divide：95%が失敗する真因」MIT NANDA・McKinsey・Stanford HAIの3レポート横断分析。 https://timewell.jp/columns/genai-divide-95-percent-failure-2026