AXとは？DXとの違い・政府の定義・企業の取り組み段階【2026年最新】 

AXとは何か、なぜいま話題なのか

AX（AIトランスフォーメーション）は、AIを前提に、意思決定と業務の進め方を見直すことです。

2026年7月14日、政府は「人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～」を閣議決定し、計画の副題にAXという言葉を入れました。
ところが「AX」の中身は、使う人によってかなり違います。社内に生成AIチャットを入れることをAXと呼ぶ会社もあれば、業務や組織の作り直し、さらには事業の転換まで含める会社もあります。

この記事で整理するのは、政府文書の原文、DXとの違い、「AX」と呼ばれているものの範囲、日本企業の現状データ、進める順番の5点です。

政府はAXをどう定義しているか

閣議決定された政府文書の中で、AXという言葉を説明しているのは人工知能基本計画の次の一文です。

我が国として、バーティカルＡＩやフィジカルＡＩで現場力を一層強化し、産業や行政、国民生活の課題を解決、国力を強化するため、あらゆる組織で、ＡＩを前提として意思決定や業務の進め方を根底から見直す「ＡＩトランスフォーメーション（ＡＸ）」を進めていく。

出典：内閣府「人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～」（令和8年7月14日閣議決定）p.3

原文の該当箇所。出典：内閣府「人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～」p.3（https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf）より一部を抜粋し、黄色の印をクウゼンが加工して追加

この一文が見直す対象は、「AIの導入」ではなく「意思決定や業務の進め方」です。ツールを入れただけでは、この定義でいうAXには当たりません。

また、基本計画には「企業のAI利用率を何%にする」といったAXの数値目標はありません。どこまで変えればAXと呼べるかは、それぞれの組織が自分で決めることになります。

経済産業省のワーキンググループでは定義の「案」を検討中

経済産業省とIPAは、2026年4月から「AX時代におけるスキルのあり方検討ワーキンググループ」を開催中です。9月1日までに5回開かれ、資料ではAXの「定義（案）」が示されています。

ただし7月27日の第4回の資料でも、定義や社会像については「業界別の具体的な事例を整理する」段階とされていました。「経産省がAXを定義した」と書く記事もありますが、正確には検討中の案です。

6月23日の第3回の事務局資料で示された「企業AXの定義（案）」は、次の一文です。9月1日の第5回の資料でも、同じ文が使われています。

競争上の優位性を確立し、企業価値を向上させるため、生成AIの特性を理解し、データや生成AIを活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、各企業のコアバリューを踏まえて、生成AIと人の役割や業務プロセスの標準を再設計し、組織構造、企業文化・風土を変革すること

出典：経済産業省「第3回AX時代におけるスキルのあり方検討WG」事務局資料 p.22（https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_02_00.pdf）

この案は、変える対象を2つに分けています。
製品やサービス、ビジネスモデルといった事業の変革と、生成AIと人の役割、業務プロセス、組織構造、企業文化といった組織の変革です。どちらも「データや生成AIを活用して」行うとされています。

ワーキンググループはあわせて、AX時代に一人ひとりが持つべき力として「問いを立てる力」「判断と責任（検収力）」「文脈を理解する力」の3つを挙げています。
この3つの力は、AIに何をさせるかを人が決め、出てきた結果を人が確かめて責任を持つ役割分担を前提にしています。

DXとAXの違い

AXはDXと別のものではなく、DXの延長にあります。

経済産業省の「デジタルガバナンス・コード3.0」（2024年9月19日改訂）は、DXを次のように定義しています。

企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること。

出典：経済産業省「デジタルガバナンス・コード3.0」p.3 脚注1

2つの文を並べると、ワーキンググループのAX定義案は、DXの定義の組み立てをほぼそのまま引き継いでいます。
「データとデジタル技術」が「データや生成AI」に変わり、「生成AIの特性を理解し」「各企業のコアバリューを踏まえて」という言葉が加わりました。

最も大きな違いは、DXの「業務そのものや、組織、プロセス」を変えるという部分が、AXでは「生成AIと人の役割や業務プロセスの標準を再設計し」となったことです。今ある業務をデジタルに置き換えるのではなく、AIと人の分担を決め直したうえで、業務の手順を組み直します。

DXが進んでいない会社は、AXも進めにくくなります。
IPAの調査では、全社戦略に基づいて全社的にDXに取り組んでいる企業の70.8%がAIを「導入している」のに対し、DXに取り組んでいない企業では7.1%でした。紙や部署ごとに分かれたExcelにある情報は、AIがそのままでは読めません。

出典：IPA「DX動向2026」図表3-2 AIの導入状況（DX取組状況別）p.25（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）

「AX」が指す範囲は5つに分かれる

企業や行政が「AX」と言うとき、変える対象の大きさは5つに分かれます。
社内でAXを話し合う前に、どの範囲の話をしているのかをそろえるだけで、議論のすれ違いを減らせます。

政府の定義が当てはまるのは主に②です。
一方、「AX支援」をうたうサービスの中には、中身が①のツール導入であるものも少なくありません。①が悪いわけではなく、②以降に進むための最初の一歩です。
ただ①だけで終わると、次の章で紹介する「効率化で止まる」状態になりやすくなります。

海外では「AX」と呼ばないことが多い

英語圏にも「AI transformation」という言い方はありますが、「AX」と略すことはあまりありません。英語の「AX」は、Agent Experience（AIエージェントにとっての使いやすさ）の意味で使われることもあります。大手企業は、それぞれ独自の言葉で目指す姿を説明しています。

Microsoftが2025年4月に公表した調査では、経営層・管理職など9,037人のうち、Frontier Firmの条件を満たしたのは844人（約9%）でした。
Frontier Firmの条件を満たすリーダーは、海外でもまだ1割に届きません。

「AX」という略語がよく使われているのは韓国です。2024年にはすでに経営用語として広がり、LG AI研究院には「AX部門」があります。日本では、2026年に政府の計画名にも入りました。

日本企業のAI活用はどこまで進んでいるか

全規模の企業で見ると、生成AIを「活用している」企業は約3社に1社、「会社として活用を推進」している企業は約5社に1社です。調査によって数字が大きく違うのは、対象の企業規模と質問の仕方が違うためです。

利用は広がっていますが、成果は効率化に偏っています。IPAの調査で、AIの効果があったと答えた企業に効果の中身を尋ねると、「業務が効率化したり迅速化した」が91.6%だったのに対し、「売上や利益が向上した」は3.9%、「顧客満足度が向上した」は4.5%でした。IPA自身も報告書の中で、効果の中心は業務効率化・迅速化といった「内向き」の領域にとどまっている、と書いています。

出典：IPA「DX動向2026」図表3-14 AI導入による具体的効果 p.35（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）。効果があったと答えた企業（n=853）が対象

使う企業は増えたものの、売上や顧客満足の向上にはつながっていません。
この差を埋めるのが、②以降のAXです。

各調査の細かい数字は、次回の記事「日本企業のAI活用の現状データまとめ」で整理します。

AXは「業務の知識をデータにする」ところから進める

政府は、企業がAXを進める手順を公式には示していません。ここでは、経済産業省のワーキンググループの資料をもとに、クウゼンが実務で使っている進め方を紹介します。

第3回の事務局資料は、AIの使い方で会社の状態を3つのフェーズに分けています。AIを今の業務の補助として使う「AI導入フェーズ」、AIエージェントが業務プロセスに入る「AI拡大フェーズ」、業務や組織、意思決定までAIを前提に設計された「AI駆動フェーズ」です。前の章で見たように、効果が効率化にとどまっている会社は、導入フェーズにいると考えられます。

次のフェーズに進む道筋として、同じ資料では「AI-SECIモデル」が紹介されています。社員の頭の中にある知識（暗黙知）を書き出し、AIが使える形にして業務で回していく考え方です。
クウゼンでは、これを次の3つのステップで進めています。

1. 変える業務を決め、業務の知識を書き出す（表出化）

最初に決めるのは、どの業務とどの判断を変えるかです。

基本計画が「意思決定や業務の進め方を根底から見直す」と書いているように、ツール選びはその後です。ワーキンググループも、AX推進人材の役割の1つ目に「組織知の資産化」を挙げています。

• 時間がかかっている業務、判断が属人化している業務を洗い出す

• 効率化だけでなく、売上や顧客満足につながる業務も候補に入れる

• 成果を何で測るかを先に決める

• 担当者にヒアリングし、マニュアルや過去の対応履歴とあわせて、手順と判断の基準をAIが読める形にする

2. データをつなぐ（結合化）

AIに判断を任せるには、判断の材料になるデータが要ります。

ワーキンググループの定義案が、生成AIと並べて「データ」を挙げているのはこのためです。書き出した知識と、社内に分かれているデータを、AIが参照できる状態にするのがこのステップです。

• 売上、顧客、問い合わせ、在庫など、部署ごとに分かれたデータをつなぐ

• 顧客IDや商品コードの表記をそろえる

• 社内の文書やシステムとAIをつなぎ、AIが社内のデータを参照して答えられるようにする

3. 現場で使い、学びを共有する（内面化・共同化）

材料がそろって初めて、AIが業務の中で役に立ちます。
最初は人の補助から始め、精度を確かめながら任せる範囲を広げます。

MicrosoftのFrontier Firmの3段階（アシスタント → デジタルの同僚 → エージェントが業務を回す）は、到達像の参考になります。

• 分析・要約・回答案の作成をAIに任せ、人が確認する

• 1で決めた指標で効果を測る

• AIを使う中で見つかった新しいやり方を部署を越えて共有し、次の業務の書き出しに持ち込む

1つの業務でこのサイクルを回せれば、拡大フェーズに入れます。
各ステップの具体的な進め方は「AXプロジェクトの進め方」で解説します。

AXがつまずく3つのパターン

つまずきは、いま紹介したステップのどこかを飛ばしたときに起きます。

使う業務が決まらないままツールを入れる

帝国データバンクの調査では、生成AIの懸念として「専門人材・ノウハウ不足」41.3%、「活用すべき業務の範囲」40.0%が上位に入りました。東京商工リサーチの調査では「個人で活用」が27.1%あります。
ツールは配ったが、使い方は個人任せという状態です。

データが整っていない

米Gartnerは2025年2月、AIに使える状態のデータ（AI-ready data）がないAIプロジェクトの60%が、2026年までに中止されると予測しました。
顧客データがLINE、メール、電話、店舗で分かれていると、AIは同じ顧客を一人の人として扱えません。

日本の調査にも同じ傾向が出ています。IPAの調査で、AIに使う学習データを「整備しておりAIに活用している」企業は全体の7.0%でした。期待どおり以上の効果が出ている企業では19.4%、効果が出ていない企業では0.8%です。

出典：IPA「DX動向2026」図表3-15 AI利活用に向けた学習データの整備状況（AI導入効果別）p.36
（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）

効率化で止まる

IPAの調査では、AIの効果は「業務が効率化したり迅速化した」に集中し、「売上や利益が向上した」は3.9%でした。議事録やメール作成の時間短縮は大事な一歩です。
そのうえで、顧客対応や販促、経営判断など、売上に近い業務にどう広げるかが次の課題になります。

よくある質問

Q. 生成AIを導入すればAXと言えますか？

政府の定義では言えません。

基本計画は、AIを前提に「意思決定や業務の進め方」を見直すことをAXとしています。導入はその最初の一歩です。

Q. DXが終わっていなくてもAXに取り組めますか？

取り組めます。

ただし、AIに任せたい業務のデータが紙や個人のファイルにある場合は、その部分のデータ整理から始めることになります。全社のDXを待たず、対象業務に絞って始めます。

Q. 中小企業でもAXは必要ですか？

帝国データバンクの調査では、生成AIを活用している企業は大企業46.5%、中小企業32.4%、小規模企業28.0%でした。

規模による差はありますが、人手が足りない会社ほど、問い合わせ対応や日々の集計をAIに任せたときに浮く時間は大きくなります。

Q. AXはどの部署が担当するべきですか？

情報システム部門だけに任せると、ツール導入で終わりやすくなります。

業務と判断を変える取り組みなので、対象業務を持つ部署と経営層が一緒に進めるのが現実的です。

Q. 効果は何で測ればよいですか？

最初は作業時間や対応件数など、効率化の指標が測りやすいです。

次の段階では、問い合わせからの成約率、リピート率、解約率など、売上や顧客に近い指標を加えます。

まとめ

• AXは、AIを前提に意思決定と業務の進め方を見直すこと（2026年7月閣議決定の人工知能基本計画）

• 経済産業省のワーキンググループの定義（案）は、データと生成AIを使って、事業と組織の両方を変えることとしている

• 「AX」の範囲は、ツール導入から国家戦略まで5つに分かれる

• 日本企業の生成AI活用は約3社に1社。成果は効率化が中心で、売上・利益の向上は少ない

• 進め方は、業務の知識を書き出し（表出化）、データをつなぎ（結合化）、現場で使って共有する（内面化・共同化）

クウゼンのAX支援｜社内の知識をデータにし、AIが業務を回せる状態をつくります

クウゼンは、業務の知識とデータがお客様の社内に残ることを前提に、AXを支援しています。

目指す姿：AI導入フェーズから、AI駆動フェーズへ

進め方：AI-SECIの4つの工程で、知識をデータにして回す

1. 表出化｜業務の知識をデータにする

最初に決めるのは、AIで変える業務と、成果の測り方です。
そのうえで、業務を担当する社員にヒアリングし、手順と判断の基準を書き出します。

マニュアルや過去の対応履歴、社内文書と合わせて、AIが読めるデータ、プロンプト、ワークフローの形に整えます。

2. 結合化｜データと業務システムをつなぐ

売上、顧客、問い合わせ、在庫など、部署ごとに分かれたデータをつなぎ、項目の定義と表記をそろえます。

社内文書を検索して答える仕組み（RAG）や、AIと外部のシステムを接続する規格（MCP）で、社内の文書やシステムとAIをつなぎ、AIが社内のデータを参照して答えられるようにします。

3. 内面化｜AIを現場の業務に組み込む

つくったAIエージェントを実際の業務で使い、現場の担当者がレビューして改善します。効果は、表出化で決めた指標で測ります。

4. 共同化｜新しく生まれた知識を組織で共有する

AIを使う中で見つかった新しいやり方や判断の基準を、ワークショップなどで部署を越えて共有します。共有した知識は、次の業務の表出化に持ち込みます。

1つの業務でこのサイクルを回せれば、拡大フェーズに入れます。
対象の業務を増やしながらサイクルを続けると、意思決定や組織の設計もAIを前提に組み替えられます。その段階が駆動フェーズです。

「どの業務から始めればいいか分からない」という段階からでも、ご相談ください。

出典

• 内閣府「人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～」（令和8年7月14日閣議決定）　https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf

• 経済産業省「AX時代におけるスキルのあり方検討ワーキンググループ」　https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/index.html

• 同 第3回事務局資料（2026年6月23日）　https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_02_00.pdf

• 同 第4回事務局資料（2026年7月27日）　https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/004_02_00.pdf

• 経済産業省「デジタルガバナンス・コード3.0」（2024年9月19日改訂）　https://www.meti.go.jp/policy/it_policy/investment/dgc/dgc3.0.pdf

• 帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」（2026年5月14日）　https://www.tdb.co.jp/report/economic/20260514-genai/

• 東京商工リサーチ「『生成AI』に関するアンケート調査（2026年4月）」（2026年4月27日）　https://www.tsr-net.co.jp/data/detail/1202766_1527.html

• IPA「DX動向2026」報告書　https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf

• 総務省「令和8年版 情報通信白書」　https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121130.html

• Microsoft WorkLab「2025: The Year the Frontier Firm Is Born」　https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born

• Salesforce「Agentic Enterprise and Small Business」（2026年3月11日）　https://www.salesforce.com/ap/blog/agentic-enterprise-and-small-business/

• Accenture「Total Enterprise Reinvention」　https://www.accenture.com/en/insights/consulting/total-enterprise-reinvention-hub

• IBM「What is AI transformation?」　https://www.ibm.com/topics/ai-transformation

• Gartner「Lack of AI-Ready Data Puts AI Projects at Risk」（2025年2月26日）　https://www.gartner.com/en/newsroom/press-releases/2025-02-26-lack-of-ai-ready-data-puts-ai-projects-at-risk

• 亜洲経済（2024年9月30日）韓国のAXに関する記事　https://www.ajunews.com/view/20240929131902557