中小企業のAI導入が「ChatGPT契約して終わり」になる3つの構造と回避策

ChatGPTやCopilotの契約が「使われないツール」で終わるのは、性能の問題ではありません。契約の時点で、どの業務のどの工程に使うかを特定する業務分解、現場の作業手順に使い方を翻訳する担い手、続けるかやめるかを判断する効果測定という3つが同時に欠けているからです。この3つを、工程単位の棚卸し、小さな範囲での実装、実装前後の同じ指標での比較という順に埋めていけば、契約後の停滞は抜けられます。

導入から半年が経ち、契約更新の案内が届きます。ライセンス数も請求額も、最初に決めたままです。更新の可否を判断しようとして、はたと気付きます。誰がどの作業に使っていたのか、思い出せません。使っている人はいるはずだ、とは思います。ただ、それを確かめる材料が手元にありません。

契約そのものは、もう珍しい出来事ではありません。独立行政法人中小企業基盤整備機構が2026年3月に公表した実態調査（全国の中小企業1万社を対象としたWeb調査）によれば、中小企業のAI導入率は20.4%、導入を検討中の企業を合わせると39.0%に達します。導入企業のうち82.6%が生成AIを利用しており、導入目的の1位は「業務効率化・作業時間の短縮」で87.0%を占めます。目的は、はっきりしています。

それでも、進み方は一様ではありません。帝国データバンクが同年3月に実施した企業動向調査（有効回答1万312社）では、生成AIを「活用している」と回答した中小企業は32.4%にとどまり、大企業の46.5%との差が開いています。活用が進まない理由の上位は「専門人材・ノウハウの不足」が41.3%、「活用すべき業務範囲が不明確」が40.0%。どちらもツールの性能を指していません。目的は共有されていて、道具も手元にあります。それでも動かないなら、原因は契約と現場のあいだのどこかにあります。

契約から定着までを二つに分けて見ると、その「あいだ」の位置がわかります。契約は、経営層や情報システム担当が意思決定すれば成立します。定着は、現場の一人ひとりが日々の作業の中でツールを開き、入力し、出力を確認するという行為を積み重ねて初めて成立します。二つのあいだには、誰が何をどう使うかを具体化する工程が挟まっていて、多くの導入ではこの工程がまるごと抜けています。抜けている工程の内訳は、三つに分けられます。

「ツール止まり」を生む3つの構造とは？

「営業でAIを使う」と決めたあとに残る空白

経営会議で「営業部門にAIを導入する」と決まります。決定としては、これで完結して見えます。予算がつき、アカウントが配られ、使い方の案内が回ります。

でも、割り当てられた側から見ると風景が違います。営業という一語の中には、リード獲得、初回ヒアリング、提案書作成、見積調整、契約書チェック、フォローアップという、性質の異なる工程が並んでいます。生成AIが効くのは、このうち提案書の下書きやフォローアップメールの文面作成といった、定型的な文章生成に近い工程です。初回ヒアリングのような対人判断が中心の工程には効きにくいです。そして、どの工程に当てはめるかを決める作業は、決定の中に含まれていません。

含まれていないこの作業に名前を与えるなら、業務分解です。「営業でAIを使う」という決定は部門名の粒度で止まっていて、部門の中のどの工程かまでは分けられていません。分けられないまま配られたアカウントを前にして、担当者は自分の業務のどこに当てはめればよいかがわからず、結局これまでの手順を続けます。

帝国データバンクの調査で「活用すべき業務範囲が不明確」が課題の上位（40.0%）に挙がっているのは、この分解の不在と重なります。ツールの選定より前に、業務を工程単位まで分ける作業が抜け落ちています。

抜け落ちる理由は、担当者の怠慢ではありません。経営会議で扱えるのは部門名の粒度で、工程まで分けるには、その業務を日々こなしている人の手が要ります。だから分解の作業は決定の外側に残り、実行段階になって現場の誰か一人が自力で引き受けることになります。「導入したが何に使えばいいかわからない」という声は、この引き受け手が一人で止まった状態を指しています。

触ってはみたが手順が変わらない現場

説明会は、たいてい滞りなく終わります。その場では全員がログインし、例題を打ち込み、返ってきた文章に感心します。手応えもあります。

翌週になると、見積書を作る手は、これまでどおりの手順に伸びます。目新しさで開いていたタブは、数週間後には開かれなくなります。使い方を知らないわけではありません。自分の仕事のどの部分に、どう入力すれば、どんな出力が返ってくるかが決まっていないだけです。

この「決める」作業を引き受ける役割が、定着の担い手です。ツールを選定して契約するところまでは、経営層や情報システム担当が進められます。そこから先の、現場の作業手順への翻訳は別の役割で、研修や説明会がこれを代替することはありません。担い手が特定の一人に依存している場合には、その人が異動や退職で抜けた瞬間に使われなくなる、という別の脆さも抱えます。

帝国データバンクの調査で「専門人材・ノウハウの不足」が41.3%と課題の最上位に挙がっているのは、この担い手の不在と重なります。ただし、足りていないのはツールを使いこなす能力とは限りません。翻訳役に求められるのは、生成AIの技術的な知識よりも、対象業務の手順を細部まで知っていることです。見積書のどの項目を毎回確認しているか。問い合わせメールのどの表現を避けているか。マニュアルには書かれていないこの種の判断の積み重ねを把握していなければ、指示文には落とし込めません。それを持っているのは、情報システム担当よりも、その業務を長く担当してきた現場社員であることが多いです。翻訳役を情報システム部門だけに割り振ると機能しにくいのは、そのためです。

契約更新月に答えの出ない問い

冒頭の更新案内に戻ります。担当者に感想を聞けば「便利になった気がする」という答えは返ってきます。ただ、それが業務時間の短縮なのか、品質の向上なのか、単に目新しさによる満足なのかは、その答えからは区別できません。区別するための材料を契約時点で用意しなかったこと。それが効果測定の不在です。

区別できないまま更新の時期を迎えると、判断は「なんとなく続ける」か「なんとなくやめる」のどちらかになります。前者はコストだけが積み上がります。後者では、本来効果が出ていた工程まで一緒に手放します。

帝国データバンクの調査では、効果を実感していると答えた企業が86.7%にのぼる一方、効果の有無が「わからない」とする回答も10.3%残っています。つまり、効果が測られないまま「なんとなく良い」という感覚だけが評価になっている企業が、一定数存在します。

測定の不在がとりわけ響くのは、複数の工程に同時にAIを入れた場合です。ある工程では時間が短くなり、別の工程ではかえって確認作業が増えています。どちらも起きていながら、測っていなければ両者の違いを把握できません。結果として、効果の出ていた工程まで含めて「AI導入はあまり効果がなかった」という一つの評価にまとめられ、うまくいっていた部分の芽も摘みます。

3つの構造は、現場に現れる形も、埋めるときの起点も、それぞれ違います。

構造	現場で起きること	回避の起点
業務分解の不在	部門名単位で導入が決まり、担当者が自分の作業のどこに当てはめればよいかを自力で考えることになる	部門ではなく個人の1日の作業を、時間単位で工程まで分解する
定着の担い手不在	研修や説明会だけで終わり、数週間後には元の手順に戻る。担い手が一人に依存していると、異動・退職で使われなくなる	対象業務の手順を細部まで知る現場社員が、使い方を現場の言葉に翻訳する役割を担う
効果測定の不在	「何をもって成功とするか」が決まっておらず、契約更新の判断が「なんとなく続ける」か「なんとなくやめる」になる	実装前の作業時間・工数を基準値として記録し、実装後の同じ指標と比較する

棚卸しから展開までにはどのようなステップがあるか？

では、順に埋めていけばよい、ということになります。順序としてはそのとおりです。ただ、5つのうち最初の一歩がいちばん地味で、いちばん止まりやすいです。

第一に、業務を工程単位で棚卸しします。 部門名ではなく、その部門の担当者が1日にこなしている作業を、時間の単位で書き出します。9時から30分メール返信、10時から見積の修正、午後は訪問、戻って議事録、という粒度まで分けます。この段階でツールの名前は出しません。名前が出た途端、書き出しは「AIで置き換えられそうな作業」の探索に変わりやすく、実際に時間を食っている作業のほうが記録から抜け落ちます。

この書き出しは、途中で止まりやすいです。面倒だからというより、書いている本人に「こんな細かい記録に意味があるのか」という疑いが差すからです。意味はあります。ただ、その意味は棚卸しが一通り終わるまで本人には見えません。力尽きるとすれば、たいていこの位置です。

第二に、棚卸しした工程の中から、AIの適用箇所を絞り込みます。 適用しやすいのは、入力と出力の形式がある程度決まっている定型的な文章、要約、分類の作業です。判断の重みが大きい工程（与信判断や人事評価）は初期の対象から外し、後回しにします。

第三に、絞り込んだ箇所だけで小さく実装します。 全社展開を最初から狙わず、1つの工程、1つのチームに限定して試します。範囲を絞れば、担い手となる人が特定の業務に集中して手順を作り込めます。

第四に、測定します。 実装前にかかっていた時間や工数を記録しておき、実装後の同じ指標と比べます。指標は「作業時間」や「やり直しの回数」など、担当者が日々の実感として確認できるものを選びます。

第五に、測定結果をもとに展開します。 効果が確認できた工程は隣接する業務や他部署へ広げ、確認できなかった工程は理由を検討したうえで撤退するか、条件を変えて再試行します。この判断を定期的に繰り返す仕組みを作る部分が、5つの中では最も軽視されやすいです。

5つのステップは、一度で完結する計画ではなく、繰り返す運用として設計します。最初に選んだ1つの工程で効果が確認できたら、その工程を担当していた人が次の工程の翻訳役に回り、棚卸しから測定までを再び回します。反復が止まった時点で、展開も止まります。裏を返せば、最初の1周さえ小さく回し切れば、2周目からは最初の担い手が経験を持ち越せる分、同じだけの労力はかかりません。

内製で進める場合と、外部の支援を使う場合の違いは？

最初の1周を誰が回すのか。社内で引き受けるか、外に頼むかは、会社の状況によって分かれます。

内製で進められるのは、日々の作業手順を他人に説明できる担当者が社内にいる場合です。 経理、総務、営業のいずれかにその担当者がいれば、その人を中心に棚卸しから測定までを回せます。中小機構の調査でもAI導入率が最も高いのは総務・管理部門（68.3%）で、比較的定型化されている業務から着手しやすいという傾向と一致します。内製の利点は、業務を知っている人が直接手順を設計するため、翻訳の精度が高くなることにあります。

その担当者が社内にいない、あるいはいても別の業務が集中していて手が回らない場合は、外部の支援が検討の対象になります。 外部支援にはいくつかの型があります。ツール選定だけを助言するコンサル型、要件を受け取って開発だけを行う受託型と、担う範囲が違います。その中の一つが、エンジニアが顧客企業の現場に入り、業務の分解から実装、定着までを一貫して伴走するFDE型（Forward Deployed Engineer型）です。Walkersが提供するAI導入支援もこの型に分類されます（料金一覧）。内製の担い手が不足している段階では、分解と翻訳の役割そのものを外部に委ねる選択肢になります。

どちらを選ぶ場合も、5ステップの構造自体は変わりません。内製と外部支援の違いは、誰が棚卸しと翻訳を担うかという役割分担の違いであって、ステップを省略してよい理由にはなりません。

迷う場合は、費用よりも時間軸で見るほうが実態に合います。内製では、担当者が本来の業務と兼務で棚卸しから測定までを行うため、1つの工程を定着させるまでに数カ月かかることが珍しくありません。外部の支援を使えば、その役割を外部の人員が肩代わりする分だけ期間は短くなるが、業務知識を外部に伝える時間が別途必要になります。どちらが早いかは、社内で作業手順を説明できる人に、どれだけ余裕があるかで変わります。

半年後にもう一度更新の案内が届いたとき、手元に何が残っているか。工程の名前と、その工程の実装前後の数字が並んでいれば、続けるかやめるかはその場で決められます。残っているのがライセンス数と請求額だけなら、判断の材料は今回も揃いません。3つの構造のうちどれが自社で先に欠けているかは、その手元を見れば見当がつきます。

よくある質問

ChatGPTを契約しただけでは何がダメなのか

契約自体に問題があるわけではありません。問題は、契約後にどの業務のどの工程で使うかを特定し、現場の手順に翻訳し、効果を測定するという3段階が抜け落ちることにあります。ツールの性能を上げても、この3段階を埋めなければ結果は変わりません。

業務棚卸しは何から始めればよいか

部門ではなく個人の1日の作業を、時間の単位で書き出すところから始めます。メール対応、資料作成、データ入力といった作業ごとに、かかっている時間とその作業の性質（定型か判断中心か）を記録します。この記録がなければ、どこにAIを当てはめるべきかを判断する材料がありません。

効果測定はどんな指標を使えばよいか

導入前の作業時間や工数を基準値として先に記録し、導入後の同じ指標と比較する方法が扱いやすいです。売上のような遅れて現れる指標よりも、担当者が日々の実感として確認できる作業時間ややり直しの回数のほうが、続けるかやめるかの判断に使いやすいです。基準値の記録は、ツールを導入した後からでは取り直せないため、実装に着手する前の週に済ませておきます。

情報システム担当がいない会社でも進められるか

進められます。3つの構造のうち業務分解と効果測定は、業務の当事者であれば情報システムの知識がなくても行えます。定着の翻訳役についても、専任の情報システム担当である必要はなく、対象業務に詳しい担当者が兼務するかたちで十分に機能します。

外部支援を使う場合、何を基準に選べばよいか

ツールの選定助言だけを行うのか、業務分解から定着までを一貫して担うのかという、支援範囲の違いを基準にします。自社に業務の手順を説明できる人材がいない場合は、分解から実装、定着までを現場に入って伴走するFDE型のような支援のほうが、役割の空白を埋めやすいです。

---

最終更新日: 2026年8月28日

出典: – 中小企業のAI等の利活用に係る実態調査（2026年3月）｜独立行政法人中小企業基盤整備機構 – 生成AIに関する企業の動向調査（2026年3月）｜株式会社帝国データバンク – 株式会社Walkers 料金一覧

あわせて読みたい

• AI導入の費用相場を実務者が解説｜工程別・支援タイプ別の早見表つき
• AI導入支援会社は5類型＋FDE型で選ぶ｜失敗しない見極め方
• 「一式◯◯万円」の正体 AI受託開発の見積書を発注者目線で分解する
• AIコックピットとは？ダッシュボードとの違い、構成要素、1顧客1デプロイで導入する理由
• FDE型AI導入支援とは？Forward Deployed Engineer型の定義と、向いている会社・向かない会社