「日本は生成AIで遅れている」は本当か:利用率は9.1%とも46.8%とも32%とも言える

会議の資料に、生成AIの数字が二つ並んだ。個人の利用率9%と、プライム上場企業の導入率9割。

司会は、危機感を持てと呼びかけた。日本は遅れているのか、進んでいるのか。

議論は、一時間続いた。結論は、出なかった。

どちらの数字も、2025年6月時点で公表済みの調査の数字である。どちらも、嘘ではない。

では、なぜ一時間かけても、日本の居場所が決まらなかったのか。

9.1%と9割は、なぜ同じ会議に並んだのか

日本の生成AI利用率は、9.1%とも46.8%とも32%とも言える。プライム上場企業の導入率なら、9割弱になる。

数字が食い違ったカラクリは、単純だ。どの調査も、別々のものを数えていた。

活用と聞けば、使うか使わないかの二択に聞こえる。実際には、聞く相手も数える使い方も、調査ごとに違う。

活用の定義とは、誰のどんな使い方を、生成AIの利用と数えるかの決まりである。

9.1%は、総務省の情報通信白書が個人に聞いた数字だ。46.8%は、同じ白書が企業に聞いた数字である。

同じ白書でも、問いを変えると数字が動く。生成AIの活用方針を定めたかを企業に聞くと、日本は42.7%だった(総務省「令和6年版情報通信白書」2024年)。

32%は、マイクロソフトとLinkedInの調査の数字だ。知識を使って働く人(ナレッジワーカー)に、業務での利用を聞いた。

9割弱は、デロイトトーマツがプライム上場企業に導入の有無を聞いた数字である。

利用率9%と導入率9割を並べる会議は、体温計と気圧計の目盛りを並べる会議だ。熱の話と雨の話が、一つの議論に混ざる。

日本の生成AIの数字は、個人に聞けば9.1%、ナレッジワーカーなら32%、企業なら46.8%、プライム上場企業の導入なら9割弱になります

物差しをそろえると、日本は下位にいた

物差しが混ざったままなら、安心も危機感も、好きなほうを選べる。物差しをそろえると、逃げ道が消える。

個人の利用率は、日本9.1%、米国46.3%、中国56.3%。企業の利用率は、日本46.8%、米国84.7%である。

同じ定義の中でなら、国どうしを比べられる。個人で測っても企業で測っても、日本は並んだ国の中でいちばん低い。

翌年の調査でも、構図は同じだ。2024年度の調査で、日本の個人の利用経験は26.7%に伸びた。

同じ調査で、米国は68.8%、中国は81.2%だった(総務省「令和7年版情報通信白書」2025年)。

日本は伸びた。それでも、米国と中国の背中は遠いままだ。

定義が効く場面は、二つある。別々の調査の数字を一つの物語につなぐ場面と、自分の組織を測る場面だ。

導入率の9割は、なぜ安心の材料にならないのか

では、大企業の9割という数字は、救いになるのか。

デロイトトーマツの調査では、導入済みの企業でも、多くは一部の社員だけが使っていた。

導入で測れば、日本の大企業は進んでいる。浸透で測れば、遅れている。

未利用の理由では、活用すべき業務が不明瞭という答えが39.1%あった。何に使えば活用と呼ぶのか、決まっていないという答えだ。

定義のない導入は、9割という数字を作る。使う社員は、一部のまま残る。

社員の利用割合が高い企業ほど、意思決定の速さや生産性の向上を実感する傾向があった。成果の差は、導入の有無より、浸透の深さに出る。

日立と富士通は、何を数えていたか

では、何で測れば、成果につながるのか。手がかりは、二社の発表にある。

日立製作所は、営業提案の作成時間を65%短縮したという。富士通は、AI案件の売上を18%伸ばしたという。

二社が数えたのは、利用率ではなかった。作成時間と売上。どちらも、仕事の結果を表す数字だ。

社内の利用率を目標にすると、ログインの回数が増える。仕事の変化は、ログインの回数の外にある。

活用の定義は、組織の中で決めるものである。次の文面のかっこの中を、自分の組織に書き換えて使える。

私たちの組織で、生成AIの活用を定義します。
対象の仕事:(例:営業提案書の作成)
いまの状態:(例:1件あたりの作成時間と、月の件数)
変えたい結果:(例:作成時間を半分にして、提案の件数を増やす)
お願い:活用と呼ぶ条件を、仕事の数字で三つ挙げてください。測り方も添えてください。

何を活用と呼ぶかは、自分の組織が決める。AIに問う力とは、自分の定義を言葉にしてから問う力だ。

一時間の会議に欠けていたもの

日本の生成AIの数字は、聞いた相手と数えた使い方で変わる。同じ物差しで比べると、日本は下位にある。

自分の組織の活用は、仕事の何が変わったかで定義する。対象の仕事と変えたい結果を書き、AIに測り方を相談する。

一時間の議論に要ったのは、危機感ではなかった。二つの数字が何を数えたかを問う、一分の確認である。

この記事の考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の1章3節「前提と定義が結論を決める」に書きました。この節を読むと、活用や効率化のように誰もが使う言葉を、自分の組織で測れる意味に固定し直せるようになります。

同じ資料を見ているのに、なぜ結論が割れるのか。

GoogleのAI NotebookLM 意思決定の強化書 表紙

『GoogleのAI NotebookLM 意思決定の強化書』

前提が結論を決める。意思決定を根拠、前提、結論の三層に分け、前提を対象、目的、制約、評価基準の四つで言葉にする本です。

読み終えたとき、手元に残るもの

  • 意思決定の設計図になる前提リスト
  • 資料を事実、意見、噂、ゴミに仕分けるFORT
  • 同じ物差しで比べる選択肢表と採点表
  • 始める条件と止める条件を書いた決定書

NotebookLMは2026年7月にGemini Notebookへ名称が変わりました。本の手法は、使うAIの種類を問いません。

Amazonで見る

出典

著者プロフィール・お問い合わせ