【2026年日本企業のデータ整備とAI活用実態調査】約8割が業務データは「整備されている」と回答する一方、「問題なし」は3.7%、ほぼ全てのデータを顧客軸で横断できるのは10.0%

～生成AI活用企業の責任者・担当者541名を調査した「Japan AI Operations Report 2026 Autumn」を公開～

株式会社Mer

2026年11月6日 11時00分

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541名を対象に実施した「日本企業のデータ整備とAI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 Autumn」を公開しました。

調査では、自社の業務データが「整備されている」と考える回答者が79.1%にのぼる一方、業務データの問題が「特にない」との回答は3.7%にとどまりました。また、ほぼ全てのデータを顧客軸で横断できるとの回答は10.0%、整備後にデータを保つ取り組みを「特に行っていない」が全体の37.0%で最多となりました。

データが「整備されている」と考える回答者ほど、生成AIで「十分に成果が出ている」と答える割合は高い傾向がみられましたが、AIが判断材料にする社内データには、なお課題が残る実態が明らかになりました。

「Japan AI Operations Report 2026 Autumn」全文はこちら：

https://engage.merinc.co.jp/ja/page/71ccf497-70c1-4be0-9892-d978515ebb54/playlist/bca9e361-7c01-41c5-9fd8-b7a072b71f81/item/703b7123-b705-44ad-80a1-a733fd05125c?pagenumber=1

■ 調査結果サマリー

1. 生成AIで「十分に成果が出ている」との回答は26.2%

業務のなかで生成AIを活用している用途を尋ねたところ、「情報収集・リサーチ」が68.2%で最も多く、「文章の作成・要約・翻訳」（53.6%）、「企画立案・アイデア出し」（53.0%）が続きました。

また、自社における生成AIの活用によって、業務上の成果がどの程度出ていると感じるかを尋ねたところ、「ある程度成果が出ている」が63.4%、「十分に成果が出ている」が26.2%となりました。

両者を合わせると、成果が「出ている」との回答は89.6%にのぼります。ただし、「十分に成果が出ている」は全体の26.2%で、約4人に1人にとどまりました。

生成AIの用途は多岐にわたる一方、成果を「十分」と実感している回答は一部で、現時点では「ある程度」が中心となっています。

2. 業務データが「整備されている」は79.1%、一方で問題が「特にない」は3.7%

自社の業務データが、重複・欠損・表記ゆれなどのない状態に整備されていると思うかを尋ねたところ、「非常にそう思う」が24.0%、「ややそう思う」が55.1%となりました。

両者を合わせると、業務データが「整備されている」と考える回答者は79.1%にのぼります。

一方、自社の業務データについて特に問題だと感じている点を尋ねたところ、「必要なデータが欠けている」が54.5%で最も多く、「表記や入力ルールのばらつき」（44.2%）、「どこにデータがあるかわからない」（36.8%）が続きました。問題が「特にない」との回答は3.7%でした。

いずれも自己申告にもとづく回答ですが、「整備されている」という認識と、実際に挙げられた不備とのあいだには開きがみられます。

3. ほぼ全てのデータを顧客軸で横断できるとの回答は10.0%

自社の業務データの状態として最も近いものを尋ねたところ、「システムごとにデータが分かれており、つながりはない」が41.4%で最も多く、「どこに何のデータがあるか把握できていない」が16.8%となりました。

両者を合わせると、データが分断されている、もしくは所在が把握できていない状態は58.2%にのぼります。

一方、「ほぼ全てのデータが顧客を軸につながり、横断的に確認できる」との回答は10.0%にとどまりました。「一部は顧客を軸につながっているが、範囲は限定的」は29.0%でした。

顧客を起点にデータがつながっていなければ、AIが顧客の全体像を参照することは難しくなります。データの整備に加えて、データ同士の接続にも課題が残っています。

4. 整備後にデータを保つ取り組みを「特に行っていない」が37.0%で最多

社内データを整った状態に保つために、どのような取り組みを行っているかを尋ねたところ、「整備したことはあるが、保つ取り組みは特に行っていない」が37.0%で最も多くなりました。

次いで、「問題が起きたときだけ、その都度整備している」が23.7%、「定期的に手作業で点検・整備している」が20.3%でした。

一方、「自動で整え続ける仕組みを導入している」は8.3%にとどまりました。

データは業務が動くたびに変化し、新しいデータが入れば重複や表記ゆれ、欠けも生じえます。維持の取り組みは手作業や都度対応が中心で、整った状態を保ち続ける仕組みづくりは進んでいないことが分かりました。

※37.0%、8.3%はいずれも、「そもそもデータを整備したことがない」（7.8%）を含む回答者全体（541名）に対する割合です。

5. AI投資の拡大予定は81.0%、データ基盤の構築を挙げる回答は27.2%

今後1年以内にAI活用に関する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」が19.4%、「ある程度拡大」が61.6%となりました。

両者を合わせると、AI活用への投資を拡大する予定との回答は81.0%にのぼります。

一方、AI活用のために現在投資している領域を尋ねたところ、「社員向けの研修・教育」が60.3%、「利用ガイドライン・ルールの整備」が49.0%で上位となりました。これに対し、「社内データの整備・クレンジング」は40.9%、「システム間のデータ連携・接続」は37.5%、「データ基盤・インフラの構築」は27.2%でした。

AI活用への投資意欲は高い一方、投資先は研修やルールづくりに向かう傾向があり、データの整備や基盤づくりを挙げる回答は相対的に少ない状況です。

6. データの整備・連携が進まない理由の最多は「責任者が決まっていない」（45.1%）

社内データの整備・管理を主に誰が担っているかを尋ねたところ、「情報システム部門」が38.6%で最も多く、「各部署がそれぞれ」（25.1%）、「データ専任の部署・担当者」（17.9%）が続きました。

また、データを整備したことがない、またはわからないと答えた回答者を除く488名に、自社のデータの整備や連携が進まない理由を尋ねたところ、「担当部署や責任者が決まっていない」が45.1%で最も多く、「必要な知識やノウハウがない」（41.2%）、「日々の業務が優先で着手できない」（34.4%）が続きました。

データの担い手を問う設問と、進まない理由を問う設問とでは、異なる回答傾向がみられました。整備・連携を前に進める責任の所在が、課題として挙がっています。

7. データが「整備されている」と考える回答者ほど、「十分に成果が出ている」割合が高い

業務データの整備状況に対する認識別に、生成AIの成果実感を集計すると、両者の間には関連がみられました。

自社の業務データが「整備されている」（「非常にそう思う」「ややそう思う」）と考える回答者では、「十分に成果が出ている」との回答が31.5%、「整備されていない」（「あまりそう思わない」「全くそう思わない」）と考える回答者では6.4%でした。

2〜4でみたとおり、品質・接続・維持にはそれぞれ課題が残る一方で、データが「整備されている」と考える回答者ほど、「十分に成果が出ている」と答える割合が高い結果となりました。

※「整備されている」は428名、「整備されていない」は109名で集計しています。整備状況の認識で「わからない」と答えた4名は除外しました。本結果は自己申告にもとづく関連であり、因果関係を示すものではありません。

■ 調査が映す、データ整備の「現在地」

Merは、AIが判断材料にできるデータの条件を、品質・接続・維持の3つに整理しています。今回の調査では、この3つの条件それぞれについて、データ整備の現在地を尋ねました。

1. 品質：重複・欠損・表記ゆれがなく、データの一つひとつが正確か

調査では、業務データが「整備されている」と考える回答者が約8割にのぼる一方、問題が「特にない」との回答は3.7%にとどまりました。具体的な問題としては、必要なデータの欠損や表記のばらつき、所在の分からないデータが多く挙げられています。

「整備されている」という認識があっても、AIが判断材料にできる状態にあるとは限りません。

2. 接続：顧客を軸に、複数のシステムを横断してデータを参照できるか

調査では、ほぼ全てのデータを顧客軸で横断できるとの回答は10.0%で、約6割はデータが分断されているか、所在が把握できていない状態でした。

個々のデータが整っていても、システムごとに分かれたままでは、AIは顧客の全体像をたどれません。データを整えることと、つなぐことは、別の取り組みとして設計する必要があります。

3. 維持：日々崩れていくデータを、整った状態に保ち続けられているか

調査では、データを整備したことはあっても、保つ取り組みは特に行っていないとの回答が全体の37.0%で最多でした。手作業での点検（20.3%）や都度対応（23.7%）に比べ、自動で整え続ける仕組みを導入しているとの回答は全体の8.3%にとどまります。

データは業務が動くたびに変化するため、保つ仕組みがなければ、整った状態を維持するのは難しくなります。

あわせて、3つの条件を整える取り組みを支える、投資と体制についても尋ねました。AI活用への投資は8割超が拡大を予定する一方、データ基盤・インフラの構築を投資領域に挙げる回答は27.2%でした。また、整備・連携が進まない理由では「担当部署や責任者が決まっていない」が45.1%で最多でした。

■ AIが成果を返す、「AI Ready」な組織へ

AIは与えられた情報を元に判断し、出力をします。そのため、元となる社内データに欠けや揺れがあったり、システムごとに分断されていたりすれば、自社の文脈を踏まえた答えを得られる確率は低くなります。

Merは、AI活用の焦点を「どのAIを使うか」から「AIにどんなデータを渡すか」へ移す必要があると考えています。そして、品質・接続・維持の3つの条件が揃ったデータを「AI Ready」なデータと位置づけ、整える・つなぐ・維持するの3原則を提案しています。

調査では、データの整備や連携に外部のツールや支援サービスを活用したいと考える回答者が87.2%にのぼりました。ただし、AIが成果を返す組織づくりは、ツールを入れるだけでは完結しません。業務設計からデータ整備、連携の実装、維持までを一気通貫で進める、運営構造の再設計が求められます。

本レポートでは、3原則にもとづき、対象データの棚卸し、運用体制・投資領域・選定基準の決め方、データ整備を「仕組み」に変える方法、段階的な進め方までを解説しています。

＜本レポートでわかること＞

「Japan AI Operations Report 2026 Autumn」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。

生成AIの導入率は米独に近い一方、社内データの学習・参照に取り組む割合は低い日本の現状
AIが判断材料にできるデータの3つの条件「品質・接続・維持」
つながったデータをAIの前提と捉える海外の論考
データ整備とAI活用の到達段階を整理した4つのフェーズ
AIが成果を返すデータの3原則「整える・つなぐ・維持する」
対象データの棚卸しと、運用体制・投資領域・選定基準の決め方
データカテゴリごとに、何で整え、つなぐか（Merが実際に使っているツールの紹介）
データ整備を一度きりで終えず、「仕組み」に変える方法
AI Readyなデータ基盤を段階的につくる6つのステップ
Merの自社実践：整え・つないだデータでマーケティング業務を回す仕組み

＜こんな方におすすめ＞

生成AIを業務に取り入れたものの、成果の手応えが「ある程度」にとどまっている経営者・事業責任者
自社の業務データが、AIが判断材料にできる状態にあるかを確かめたいDX推進・経営企画担当者
システムごとに分かれたデータを顧客軸でつなぎ、横断して参照できる状態をつくりたい情報システム・データ管理担当者
CRMのデータの重複・欠損・表記ゆれを解消し、整った状態を保ちたい営業企画・マーケティング担当者
データ整備を担う部署や責任者、投資の優先順位を決めたい方
AI投資を、研修やルールづくりからデータ基盤づくりへ広げたい方

「Japan AI Operations Report 2026 Autumn」全文はこちら：

https://engage.merinc.co.jp/ja/page/71ccf497-70c1-4be0-9892-d978515ebb54/playlist/bca9e361-7c01-41c5-9fd8-b7a072b71f81/item/703b7123-b705-44ad-80a1-a733fd05125c?pagenumber=1

■「Japan AI Operations Report 2026 Autumn」構成

第1章｜AI活用を支える、データの整備と接続

生成AIの業務利用が世界水準に近づく一方で、AIに社内データを渡す取り組みが追いついていない現状を整理します。また、AIが判断材料にできるデータの3つの条件と、つながったデータをAIの前提と捉える海外の論考を紹介します。

第2章｜実態調査──データ整備の「現在地」編

生成AI活用企業の責任者・担当者541名への調査をもとに、AIの用途と成果、データの品質・接続・維持、投資と体制の実態を分析します。あわせて、データの整備状況と成果実感との関連を示します。

第3章｜AIが成果を返す、データ基盤のつくり方

整える・つなぐ・維持するの3原則にもとづき、対象データの棚卸しから、運用体制・投資領域・選定基準の決め方、データカテゴリごとに使うツールまでを解説します。さらに、データ整備を「仕組み」に変える方法と段階的な進め方、Merの自社実践を紹介します。

「Japan AI Operations Report 2026 Autumn」全文を見てみる：

https://engage.merinc.co.jp/ja/page/71ccf497-70c1-4be0-9892-d978515ebb54/playlist/bca9e361-7c01-41c5-9fd8-b7a072b71f81/item/703b7123-b705-44ad-80a1-a733fd05125c?pagenumber=1

■ Mer代表取締役澤口友彰コメント

今回の調査では、自社の業務データを「整備されている」と考える回答者が約8割にのぼる一方、問題が「特にない」との回答は3.7%にとどまりました。顧客を軸にデータをつなぐことや、整えたデータを保ち続けることにも、まだ課題があります。

AIの性能が上がり、コストが下がるなかで、モデルそのものの差は今後さらに小さくなっていくはずです。これから成果を分けるのは、AIに渡すデータがどれだけ整い、つながり、保たれているかだと考えています。

データの整備は、情報システム部門だけに任せる仕事でも、一度整えて終わる作業でもありません。業務の流れとあわせて、整え、つなぎ、維持し続ける仕組みをつくる実践の積み重ねが、AIを成果につなげる土台になります。

成果を出すAIは、「AI Ready」な組織で動く。

本レポートが、日本企業がAIに渡すデータを見直し、AIが成果を返す組織へ進むための足がかりになればと考えています。

■ 調査概要

調査名称：日本企業のデータ整備とAI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9月18日～2026年9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・データ管理のいずれかに携わる責任者・担当者541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。