【2026年 日本企業のAI業務活用実態調査】生成AI活用企業の67.1％が、いまだ「人が起動」AI利用を横断追跡できる割合は13.0％、社内データ未整備は50.7％

～生成AI活用企業の責任者・担当者548名を調査した「Japan AI Operations Report 2026 Summer」を公開～

AIを前提とした運営構造「AI Operations」の設計・構築を支援する株式会社Mer（本社：東京都渋谷区、代表取締役：澤口 友彰、以下「Mer」）は、従業員100名以上の企業に勤務し、業務で生成AIを活用している責任者・担当者548名を対象に実施した「日本企業のAI業務活用に関する実態調査」の結果をまとめた調査レポート「Japan AI Operations Report 2026 Summer」を公開しました。

調査では、業務で生成AIが動き始める際、チャットへの指示入力や定型プロンプトの実行など、人が起動する形が67.1％を占めました。一方、スケジュールや業務システム上の変化などをきっかけに、AIが自動で動く形は29.3％にとどまりました。

また、生成AIの利用記録を組織横断で追跡できるとの回答は13.0％、顧客情報や案件情報などの社内データが「整備されていない」と回答した割合は50.7％でした。

生成AIツールの導入や利用用途は広がる一方、AIが業務の中で継続的に働くために必要な「起動・接続・反映・ログ」の運営構造は、十分に整っていない実態が明らかになりました。

「Japan AI Operations Report 2026 Summer」全文はこちら：
 https://www.merinc.co.jp/r/aiops26su

■ 調査結果サマリー

1．生成AIの67.1％は、いまだ「人が起動」

業務で生成AIが動き始める際に最も多い形を尋ねたところ、「保存された定型プロンプト・テンプレートを人が実行している」が36.3％、「人がチャットに指示文を入力して動かしている」が30.8％となりました。

両者を合わせると、人が生成AIを起動する形は67.1％にのぼります。

一方、「決まった時間・スケジュールで自動的に動く」は16.6％、「業務システム上のデータやステータスの登録・更新などをきっかけに自動で動く」は12.0％でした。その他の条件による自動起動を含めても、AIが自動で動く形は29.3％にとどまります。

生成AIの利用用途は広がっていますが、広がったのはAIを「何に使うか」であり、AIが「いつ動くか」を決める仕組みではないことが分かりました。

2．最も進んだ本番運用でも、完全自動化は2.9％

社内で最も進んでいる本番運用の生成AI活用について尋ねたところ、最も多かったのは、「定型プロンプト等で入力を効率化しているが、AIの起動および出力後の処理は人が行っている」の32.7％でした。

次いで、「AIを業務ツールに組み込んでいるが、AIの起動および出力後の処理は人が行っている」が24.8％、「チャットツールで都度やり取りし、出力を手作業で業務に使用している」が18.8％となりました。

一方、「条件を満たす処理・反映はAIが自動で行い、例外のみ人が確認・改善している」と回答した割合は、2.9％にとどまりました。

一部で高度なAI活用が始まっていても、業務全体の運用は、依然として人の操作と手作業に依存しています。

3．AIの出力を業務システムへ自動反映できる割合は27.2％

生成AIが出力した結果の処理方法について尋ねたところ、「AIの出力を参考に、人が手作業で成果物を作成している」が46.2％で最多となりました。

また、「AIの出力を人が手作業でコピー・転記している」が21.2％となり、両者を合わせると、AIの出力後に人の手作業が発生する割合は67.4％でした。

一方、「人が確認・承認すると業務システム等へ自動で反映される」は23.7％、「条件を満たす処理は自動で処理・反映され、例外のみ人が対応している」は3.5％でした。

AIの出力が承認後または条件に応じて自動反映される割合は、合計27.2％にとどまります。

AIが情報を生成しても、その結果を業務システムや業務レコードに戻す最後の工程は、人が担っているケースが多いことが分かりました。

4．生成AIの利用を組織横断で追跡できる割合は13.0％

生成AIの利用状況がログとして残り、後から追跡できる状態になっているかを尋ねたところ、「利用記録が横断的に残り、後から追跡できる」と回答した割合は、13.0％でした。

一方、「一部のツールでのみ記録が残る」が45.8％、「多くのツールで利用記録は残るが、横断的な追跡はできない」が25.2％となりました。

また、生成AI活用の成果について、「売上・商談化率・顧客満足度・コスト削減など、事業指標と結びつけて把握している」との回答は14.8％でした。

さらに、成果を継続的に把握し、起動条件や業務フローの改善まで実施している割合は5.7％にとどまりました。

AIの利用が業務ログとして残らなければ、利用状況と事業成果を結びつけて評価することはできません。「見えない利用」が、「測れない成果」を生み出していると考えられます。

5．AIに読ませる社内データが「整備されていない」との回答は50.7％

顧客情報や案件情報などの社内データについて、重複・欠損・表記ゆれがなく、整備された状態になっているかを尋ねたところ、「あまり整備されていない」が43.2％、「全く整備されていない」が7.5％でした。

両者を合わせると、社内データが整備されていないとの回答は50.7％となりました。

AIが業務システム内のデータを読み、結果を書き戻すためには、対象となるデータが正しく整理されている必要があります。

重複、欠損、表記ゆれを含むデータの上では、AIは正しい文脈を読み取れず、誤った内容を生成・反映する可能性があります。AI活用をチャット上の個人利用から業務プロセスへ広げるうえで、データ品質は重要な前提条件です。

6．AI投資は拡大する一方、業務フロー再設計への投資は18.4％

今後1年以内に生成AI活用に向けた投資を拡大する予定があるかを尋ねたところ、「大幅に拡大する予定がある」が13.9％、「ある程度拡大する予定がある」が53.3％となりました。

合計すると、67.2％がAI投資を拡大する予定と回答しています。

一方、現在投資している領域を見ると、「社員向けの研修・教育」が48.9％、「利用ガイドライン・ルールの整備」が48.7％で上位となりました。

これに対し、「業務フロー・起動条件の再設計」は18.4％、「利用ログ・承認・例外フローの設計」は11.3％でした。

AIツールやライセンスを購入し、社員に利用方法を教える投資は進んでいます。しかし、AIが業務の中で自動的に起動し、安全に処理を実行できる「働く場所」をつくる投資は、十分に進んでいません。

■ 調査から明らかになった3つの課題

今回の調査から、日本企業の生成AI活用には、次の3つの構造的な課題があることが分かりました。

1．AI活用は「点」で進んでも、「面」では手動運用にとどまる

一部の業務や部門では、AIを業務ツールに組み込む取り組みが始まっています。

しかし、組織全体で一般的に行われている運用を見ると、人がチャットや定型プロンプトを起動し、その出力を手作業で業務に反映する形が中心です。

先進的なAI活用が個別に生まれても、組織全体の運用段階は底上げされていません。

2．AIが働くための「起動・接続・反映・ログ」が揃っていない

AIが業務の中で継続的に働くためには、少なくとも次の4つの要件が必要です。

• 業務イベントや条件、時間に応じてAIが起動する

• CRMや基幹システムなど、必要な業務システムに接続する

• AIの処理結果を業務システムや業務レコードへ反映する

• AIの利用状況と処理結果をログとして記録する

調査では、業務ツールへの接続は進みつつある一方、自動起動、自動反映、横断的なログ追跡は限定的でした。

AIツールを導入することと、AIが業務の中で働けることは、別の設計課題です。

3．投資が「AIを買うこと」に偏り、「AIが働く場所」をつくれていない

研修、ガイドライン、AIツールの導入は、生成AI活用の入口として重要です。

しかし、研修やライセンスだけでは、AIは業務の中で自動的に起動しません。

生成AI活用を組織の成果につなげるためには、業務フロー、起動条件、参照データ、承認、例外処理、ログの設計まで含めた運営構造への投資が必要です。

■ 「人がAIを使う」から「AIが業務の中で働く」へ

従来の生成AI活用では、従業員が必要になった際にチャットを開き、プロンプトを入力し、出力を確認して業務に転記する使い方が中心でした。

この運用では、AI活用の有無や品質が、従業員の判断、習慣、プロンプトスキルに依存します。

また、いつ、誰が、どの業務で、どのデータを使ってAIを動かしたのかが業務側に残りにくく、成果測定やガバナンスも難しくなります。

Merは、AI活用の主語を「人」から「業務フロー」へ転換する必要があると考えています。

業務システム上のデータ更新、案件ステータスの変更、顧客からの問い合わせ、決められた時間などを起点にAIが自動で動き、必要な業務データを読み、処理結果を業務システムへ戻す。

人はAIを操作するのではなく、確認、判断、例外処理、改善に集中します。

本レポートでは、こうした運営モデルを「自律運営」と定義し、実現に必要な設計原則と実装ステップを解説しています。

＜本レポートでわかること＞

「Japan AI Operations Report 2026 Summer」では、独自調査の結果に加え、以下のテーマを解説しています。

• AIを動かす「任意・スケジュール・条件」の3種類のトリガー

• チャット型AI活用が組織展開で直面する品質・手戻り・展開の壁

• AI活用を「人」から「業務」起点へ移す海外先進企業の運営モデル

• AIの起動方法と業務システムへの接続状況で整理する「AI運用成熟度マトリクス」

• AIが業務の中で働くための「起動・接続・反映・ログ」の4要件

• シャドーAIをルールではなく業務フローで統制する方法

• AI活用を成果につなげる「起点・文脈・学習」の3つの設計原則

• Merの自社運用におけるAI BDRの実装事例

• AIが働ける運営構造をつくる6つのステップ

＜こんな方におすすめ＞

• 生成AIを導入したものの、利用率や成果が伸び悩んでいる経営者・事業責任者

• ChatGPTなどの個人利用から、業務プロセスへの組み込みに移行したいDX推進担当者

• AIエージェントや業務自動化の全社展開を検討している情報システム担当者

• AIの利用ログ、承認、例外処理、ガバナンスを整備したい方

• CRMや社内データを整備し、AIが利用できる状態をつくりたい方

• AI投資をツール導入や研修から、業務構造の変革につなげたい方

「Japan AI Operations Report 2026 Summer」全文はこちら：
 https://www.merinc.co.jp/r/aiops26su

■「Japan AI Operations Report 2026 Summer」構成

第1章｜なぜ「AIを使う」だけでは成果が出ないのか

生成AI利用の現在地と、チャット型の個人利用が組織展開で直面する限界を整理します。

また、AI活用の起点を「人」から「業務」へ移している海外先進企業の運営モデルを紹介します。

第2章｜実態調査──AI活用の「使い方」編

生成AI活用企業の責任者・担当者548名への調査をもとに、AIの用途、起動方法、業務システムとの接続、出力の反映、ログ、データ品質、統制、投資領域の実態を分析します。

第3章｜AIが業務を動かし、人は判断に集中する「自律運営の基盤」へ

AIが業務の中で働くための設計原則、iPaaSを活用した実装、業務フローにガバナンスを組み込む方法、運営構造を構築する6つのステップを解説します。

「Japan AI Operations Report 2026 Summer」全文を見てみる：
 https://www.merinc.co.jp/r/aiops26su

■ Mer代表取締役 澤口友彰 コメント

今回の調査では、生成AIの用途が広がる一方、その起動や処理の多くが、いまだ人の操作に依存している実態が明らかになりました。

広がったのはAIの「用途」であって、AIが動く「仕組み」ではありません。
これから問われるのは、「どのAIを使うか」ではなく、「AIを業務のどこで、どの条件で動かすか」です。

AIが業務イベントを起点に動き、必要なデータを読み、結果を業務システムに戻し、その成果を検証できる構造がなければ、AI活用は個人の効率化にとどまり、組織の資産として蓄積されません。

AIを使いこなす組織は、社員にAIを「使わせない」。

人がAIの操作を思い出さなくても、業務の中でAIが働いている状態をつくる。本レポートが、日本企業が「AIを使う」段階から「AIが業務の中で働く」段階へ転換するための、実践的な手引きになればと考えています。

■調査概要

• 調査名称：日本企業のAI業務活用に関する実態調査

• 調査方法：IDEATECHが提供するリサーチマーケティング「リサピー®︎」の企画によるインターネット調査

• 調査期間：2026年6月24日〜2026年6月25日

• 有効回答：従業員100名以上の企業に勤務し、業務で生成AIを活用しており、かつAI活用・業務改善・情報システムのいずれかに携わる責任者・担当者548名

※本調査の回答者は、従業員100名以上かつ業務で生成AIを活用する企業の関係者に限定されています。

※調査結果は、日本企業全体の割合ではなく、調査対象者の回答傾向を示すものです。

※構成比は小数点以下第2位を四捨五入しているため、合計が100％にならない場合があります。

■Merが提供する「AI Operations」について

Merは、企業の運営構造をAI前提で再設計する「AI Operations Company」です。

ツールの導入や個別業務の効率化にとどまらず、組織が再現性を持って動き続けるための運営基盤を、以下の5つの要素から設計・構築します。

• 業務の構造化

• プロセスの標準化

• データの統合

• 運営の自動化・最適化

• 仕組みの維持・改善

運営構造の設計から、CRM・SaaS・AIを活用したワークフローの実装、現場への定着、継続的な改善まで一気通貫で支援します。

▼詳しくはこちら： https://www.merinc.co.jp/

■ 株式会社Merについて

株式会社Merは、AIを前提とした運営構造「AI Operations」を設計・実装する企業です。

組織が成果を出し続けるために必要なデータ、業務プロセス、役割、自動化を統合し、属人的な運用から、仕組みによって継続的に改善される運営モデルへの転換を支援しています。

主要サービス:

・【BASE】AI CRMプラットフォーム「Pipedrive」
Pipedriveの国内唯一のマスターパートナーとして、導入、設計、実装、定着、活用支援を提供しています。

 https://www.pipedrive.merinc.co.jp/

・【STRUCTURE】AIネイティブ業務自動化支援「diver」
業務の構造化、プロセスの標準化、SaaS・AIを活用した自動化の実装から定着までを支援します。
 https://www.diverops.com/

・【DATA】AIData Operations Platform「DataSango」
CRM内の重複、表記ゆれ、欠損などを整備し、AIが読み書きできるデータ基盤を構築するAIデータオペレーションプラットフォームです。

 https://www.datasango.ai/

■ 会社概要

会社名：株式会社Mer

所在地：東京都渋谷区道玄坂1丁目10番8号 渋谷道玄坂東急ビル2F-C

代表者：代表取締役 澤口 友彰

設立：2020年2月

URL： https://www.me