- AIを使い始めても、業務の進め方は変わっていない
- 経産省のワーキンググループが示す「企業AX」の定義
- 目指す姿は「AI導入」「AI拡大」「AI駆動」の3つのフェーズ
- 進める前に、出発点を確かめる
- 進め方は、知識をデータにする4つの工程を回すこと
- 1つの業務で、最初の1周を回す
- フェーズごとに、見る指標を変える
- 進めるときに気をつけること
- フェーズは、目的から逆算して決める
- PoC（試験導入）で止めない
- 個人の利用を、業務の標準につなげる
- よくある質問
- Q. AXプロジェクトは、どの部署が主導すべきですか？
- Q. 最初の業務は、どう選べばよいですか？
- Q. 3つのフェーズは、順番に進まないといけませんか？
- Q. デジタル化が進んでいない業務は、どうすればよいですか？
- Q. 1周目には、どのくらいの期間がかかりますか？
- まとめ
- 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
- 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
- 出典
AIを使い始めても、業務の進め方は変わっていない
生成AIを社内に導入する企業は増えました。ところが、業務の進め方そのものを変えられている企業はまだ少数です。
IPAの「DX動向2026」によると、生成AIを導入・試験利用・検討している企業のうち、「個人で業務利用している」は63.3%でした。一方で、「部署の業務プロセスに組み込まれている」は11.9%、「全社的なサービスに組み込まれている」は18.6%で、いずれも2024年度から大きく変わっていません。
出典：IPA「DX動向2026」図表3-6 生成AIの組織での利用状況 p.29（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
経済産業省の「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」でも、第3回（2026年6月23日）の事務局資料で「使われていても、多くの場合は収益につながっていない」と整理されています。
この記事では、同ワーキンググループの資料をもとに、AXで目指す姿と進める順番を整理します。AXの定義やDXとの違いの全体像は「AXとは？DXとの違い・政府の定義・企業の取り組み段階」で解説しています。
経産省のワーキンググループが示す「企業AX」の定義
ワーキンググループは、企業におけるAXを「企業AX」と呼び、次の定義（案）を示しています。第3回と第5回（2026年9月1日）の資料で同じ文言です。
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）
同じ資料では、DXとの差分を「生成AI・AIエージェント等により、仕事の主語が『人』から『人＋AI』へ変わる点」としています。また、業務には「標準」と「個人の裁量部分」があり、企業AXでは「標準」部分を再設計することがコアだと整理しています。
AXで変える対象は、「個人のAIの使い方」ではなく「業務の標準」です。
社員が個人で生成AIを使いこなしても、業務の標準が変わらなければ、この定義でいうAXには当たりません。
目指す姿は「AI導入」「AI拡大」「AI駆動」の3つのフェーズ
第3回の事務局資料では、AIを前提にした働き方の再設計を、3つのフェーズで示しています。違いは、AIが会社の中核の業務を担っているかどうかです。
フェーズ | 会社の状態 | 業務の中心 | 主な特徴 |
|---|---|---|---|
AI導入フェーズ | 既存業務を効率化するために、AIを一部補助的に活用している | 人を中心に構築された業務。AIを含むデジタルツールが補完する | AIは業務効率や支援に使われるが、価値を生む中核の業務にはなっていない |
AI拡大フェーズ | AIを組み込んだプロセス設計が進み、人とAIが補い合って価値を生んでいる | AIエージェントと人が業務を分担する | AIエージェントが業務プロセスの中に入り始める |
AI駆動フェーズ | 業務プロセス、組織構造、意思決定、提供価値がAIを前提に設計されている | AIエージェントを中心に構築された業務。人が補完する | 組織構造、人材配置、インフラもAIを起点に組み直されている |
出典：経済産業省 第3回WG事務局資料 p.17「AIを前提にした『働き方』の再設計が必要に」をもとにクウゼンが表に整理
同じ資料では、委員の提出資料をもとに、AIの使い方の深さを5段階で示しています。この5段階を3つのフェーズに重ねると、いまの自社がどこにいるかを判断しやすくなります。
AIの使い方 | 中身 | 対応するフェーズ |
|---|---|---|
単発プロンプト | 生成AIを単独で使い、特定の作業を効率化する | AI導入フェーズ |
チャットボットの構築 | GPTsなどの機能でチャットボットをつくる | AI導入フェーズ |
ワークフローの構築 | チャットの制約を超えたエージェントを実装し、データベースとも連携する | AI拡大フェーズの手前 |
半自律型エージェントの利用 | ワークフローを超えた効率化を実現する | AI拡大フェーズ |
完全自律型エージェントの活用 | エージェントが自律的に業務を実行する | AI駆動フェーズ |
出典：経済産業省 第3回WG事務局資料 p.18「AI活用のフェーズ」（小澤委員提出資料より作成）をもとにクウゼンが整理。フェーズとの対応はクウゼンによる
事務局資料は、個人のAIの使い方が単発プロンプトや個別の作業支援にとどまる企業がなお多く、ワークフロー化や組織への実装まで進んでいる企業はまだ限られるのではないか、と指摘しています。
クウゼンの整理では、導入フェーズから拡大フェーズへの分かれ目は、データベースと連携したワークフローをつくれるかどうかです。
進める前に、出発点を確かめる
ワーキンググループの議論は、ある程度デジタル化が進んだ会社を前提にしています。
第3回の事務局資料では、経済産業省の「DX支援ガイダンス」が示すデジタル活用の4段階に、AXの段階を重ねて示しています。ワーキンググループが対象にしているのは、このうち「デジタライゼーション」以降です。
DXの段階 | 状態の例 | AXでやること |
|---|---|---|
① デジタル化未着手 | 受発注をFAXや電話で行い、出勤簿にハンコを押している | まずデジタル化を進める（AXの対象外） |
② デジタイゼーション | 連絡手段をFAXから電子メールに切り替えた | 生成AIを使える環境を整える。既存の業務のまま、一部をAIで代替する |
③ デジタライゼーション | 在庫管理システムや顧客管理システムで業務を効率化している | データを整備する。データ基盤とつないだ生成AIで、個別の業務を高度化する |
④ DX | データを活用して販路を広げ、新商品を開発している | 生成AIを前提に組織を変え、部署を越えた業務を標準化する |
出典：経済産業省 第3回WG事務局資料 p.23「『AX』の段階のイメージ」（経済産業省「DX支援ガイダンス（概要版）」を改変）をもとにクウゼンが表に整理
表のとおり、データの整備はAXの段階の途中に入っています。
AIツールを入れた後、データを整えないまま個別業務の高度化に進もうとすると、AIが会社の業務に合わせて判断する材料がありません。紙やFAXが中心の業務は、先にデジタル化します。
進め方は、知識をデータにする4つの工程を回すこと
では、デジタライゼーションの段階にある会社は、どの順番で進めればよいのでしょうか。
第3回の事務局資料では、第2回の議論で委員から示された「AI-SECIモデル」が紹介されています。共同化・表出化・結合化・内面化の4つのプロセスを繰り返し、社員の頭の中にある暗黙知を、AIが使える形式知に変えていくモデルです。
クウゼンでは、このモデルをデータの整理から始める順番に並べ直して進めています。
工程 | やること | AI-SECIモデルで挙げられている例 |
|---|---|---|
1. 表出化 | 業務の手順と判断の基準を書き出し、AIが読めるプロンプトやワークフローにする | コンテキストエンジニアリング、ワークフロー化、チャットボット化 |
2. 結合化 | ワークフローを組み合わせ、データベースとつないで仕組みにする | ワークフロー連携、RAGシステムの構築、MCP連携 |
3. 内面化 | 現場の担当者がAIエージェントを実務で使い、使いながら自分の知識を更新する | 現場でのエージェントの実務への適用、現場レビューによる改善 |
4. 共同化 | 使う中で生まれた新しい知識を、部署を越えて共有する | 業務プロセスのインタビュー、ワークショップでの共有 |
出典：経済産業省 第3回WG事務局資料 p.6（第2回WG 小澤委員提出資料「AI-SECIモデル」）をもとにクウゼンが整理。元のモデルは共同化から始まる循環で、表は表出化から並べている
4つの工程と3つのフェーズは、次のように対応します。
表出化と結合化で、データベースと連携したワークフローができれば、拡大フェーズに入れます。内面化と共同化を繰り返して対象の業務を増やすと、組織の設計もAIを前提に組み替えられるようになります。そこが駆動フェーズの手前です。
データの整理の具体的な手順は「AIを使う前にやる『データ整理』とは？」で解説します。
1つの業務で、最初の1周を回す
全社の業務を一度に変えようとすると、計画を立てるだけで時間がかかります。最初に選ぶ業務は1つで十分です。ここでは、問い合わせ対応の業務を例に、工程ごとにやることと成果物をまとめます。
工程 | やること | 成果物 | 主に関わる人 |
|---|---|---|---|
準備 | AIに任せる範囲（一次回答の作成など）と、成果を測る指標（対応時間、自己解決率など）を決める | 対象業務と指標の定義 | 業務責任者、推進担当 |
1. 表出化 | ベテランの担当者にヒアリングし、回答の判断基準、例外の扱い、よくある言い回しを書き出す。過去の対応履歴とマニュアルを集める | 回答ルール集、プロンプト、ワークフロー案 | 現場のベテラン、推進担当 |
2. 結合化 | 商品情報、契約情報、FAQなどのデータとAIをつなぎ、AIが参照して回答案をつくれるようにする | データとAIをつないだ仕組み | 情報システム部門、推進担当 |
3. 内面化 | 担当者がAIの回答案を使って実際に対応し、修正した点を記録する。修正の傾向をもとにルールとデータを直す | 改善の記録、更新したルール | 現場の担当者 |
4. 共同化 | 見つかった新しい対応の仕方を、ワークショップなどで他の担当者や部署に共有する | 共有した知識、次の業務の候補 | 現場、推進担当 |
1周目で、担当者の判断の基準とデータがAIにつながり、現場で使える状態をつくれれば十分です。2周目からは、1周目で書き出したルールや仕組みを使い回せるので、次の業務に広げやすくなります。
フェーズごとに、見る指標を変える
AXの進み具合を「AIを使っている社員の割合」だけで測ると、導入フェーズのまま止まります。日立製作所は、ワーキンググループ第3回で、北海道支社での生成AI活用率100%達成とその後について紹介しました。発表資料には「100%達成。しかし、本当の戦いはここから始まった。」「理論上のAIカバレッジに対し、わずか30%の現実」という見出しが並んでいます。
フェーズ | 主に見る指標の例 |
|---|---|
AI導入フェーズ | AIの利用率、作業時間の短縮 |
AI拡大フェーズ | AIを組み込んだ業務プロセスの数、AIが一次対応した件数の割合、人が修正した割合 |
AI駆動フェーズ | 売上、顧客満足度、解約率、新しいサービスの数など、事業の成果 |
IPAの調査で、AI導入の効果を「期待以上」「期待どおり」と答えた企業は合わせて31.8%でした。最も多いのは「一定の効果はあった」の50.6%です。導入フェーズの指標だけで評価していると、この「一定の効果」から先に進む理由が見つかりません。
出典：IPA「DX動向2026」図表3-13 AI導入による効果の状況 p.34（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
進めるときに気をつけること
フェーズは、目的から逆算して決める
第3回ワーキンググループの議事要旨には、委員の次の意見が記録されています。
ステップ論やフェーズ論で「まずはこれを導入」といった見え方をすると、フェーズの最後を意識しないまま時間が経過しているところをよく見る。目的からバックキャストして逆算して進めることが重要である。
出典：経済産業省 第3回WG 議事要旨 p.3
フェーズは、今どこにいるかを確かめるための目安です。最初に「何年後に、どの業務を、どの状態にしたいか」を決め、そこから逆算して1周目の業務を選びます。
PoC（試験導入）で止めない
米Gartnerは2024年7月、生成AIプロジェクトの30%が、2025年末までにPoCの後で放棄されると予測しました。PoCで使ったデータやルールを、そのまま現場の業務で使い続けられる形にしておくと、本番に移る負担を減らせます。表出化と結合化で、ルールとデータを最初から業務で使う前提で整えるのはこのためです。
個人の利用を、業務の標準につなげる
ワーキンググループ第2回の議論では、「個人の生産性向上と組織価値創出は一致しない」ことが方向性として示されました。社員が個人でつくった便利なプロンプトも、共同化の工程で業務の標準に取り込まなければ、その人が異動すると使われなくなります。
よくある質問
Q. AXプロジェクトは、どの部署が主導すべきですか？
業務の標準を変える取り組みなので、対象業務を持つ部署の責任者と経営層の関与が欠かせません。
IPAの調査では、AIの導入・利活用を主導しているのは「IT部門の長」が46.0%で最も多く、「経営層」は32.1%でした。体制の組み方は「AXを進める体制と人材」で解説します。
Q. 最初の業務は、どう選べばよいですか？
件数が多く、判断の基準を書き出しやすく、成果を数字で測れる業務が向いています。
問い合わせ対応、見積書や提案書の作成、社内の申請の確認などがその例です。
Q. 3つのフェーズは、順番に進まないといけませんか？
業務ごとにフェーズは違って構いません。
ある業務は拡大フェーズにあり、別の業務は導入フェーズにある、という状態もよくあります。会社全体のフェーズは、中核の業務がどの状態にあるかで判断します。
Q. デジタル化が進んでいない業務は、どうすればよいですか？
ワーキンググループは、AXの対象をデジタライゼーション以降としています。
紙やFAXが中心の業務では、受発注や記録をデジタルにするのが先です。
Q. 1周目には、どのくらいの期間がかかりますか？
業務の範囲とデータの散らばり方によって変わります。
期間を短くするには、最初の業務の範囲を小さく決めます。問い合わせ対応なら、すべての問い合わせではなく、件数の多い数種類の用件に絞ります。
まとめ
生成AIを「個人で業務利用」している企業は63.3%、業務プロセスに組み込んでいる企業は11.9%（IPA）
経産省ワーキンググループの企業AXの定義（案）では、業務の「標準」を人とAIの役割を前提に再設計することがコア
目指す姿は、AI導入フェーズ → AI拡大フェーズ → AI駆動フェーズ。分かれ目は、AIが中核の業務を担っているかどうか
進め方は、表出化 → 結合化 → 内面化 → 共同化の4つの工程を、1つの業務から回すこと
フェーズごとに見る指標を変え、目的から逆算して進める
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、この記事で紹介した4つの工程で、AXプロジェクトを最初の1周から支援しています。
目指す姿：AI導入フェーズから、AI駆動フェーズへ
フェーズ | 会社の状態 |
|---|---|
AI導入フェーズ | 今の業務を効率化するために、AIを補助として使っている。AIはまだ中核の業務を担っていない |
AI拡大フェーズ | AIエージェントが業務プロセスに入り、人とAIが業務を分担している |
AI駆動フェーズ | 業務プロセス、組織構造、意思決定、提供価値がAIを前提に設計されている |
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。
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（2026年6月23日） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_02_00.pdf
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」議事要旨 https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_gijiyoshi.pdf
株式会社日立製作所 大山友和氏「日立の生成AI最前線」（第3回WG 資料3） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_03_00.pdf
経済産業省「第5回AX時代におけるスキルのあり方検討WG」事務局資料（2026年9月1日） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/005_02_00.pdf
経済産業省「DX支援ガイダンス（概要版）」 https://www.meti.go.jp/policy/it_policy/dx/dxshienguidance_gaiyou.pdf
IPA「DX動向2026」報告書（2026年7月公表） https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf
Gartner「Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025」（2024年7月29日） https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025
