「全社にAIアシスタントを配った」「主要部署でPoCを回した」——それでも経営の数字が動かない。この戸惑いは、いま多くの企業に共通している。原因は、AIの性能でも現場の意欲でもないことが多い。問題は、AIを「足すもの」として扱い続けていることにある。

本稿の主張は一つだ。AI活用の本質は「ツールを足す」ことではなく、ヒトがやる必要のない仕事を見極めて引き算し、空いた工数を判断・交渉・関係構築といった価値ある仕事へ再配置(redeployment)することにある。「何を足すか」ではなく「何を引き算し、空いた工数をどこへ再配置するか」——問いをこちらに移したとき、初めてAIは成果につながる。中堅〜成長企業の経営者(CFO/COO)やAX/DX推進の担当者に向けて、この「足し算より引き算」という捉え方を、国内外の一次データと、AX Boostが用いる業務再設計のフレームで整理する。

なぜ「足し算」のAI導入は成果に届かないのか

まず、現実の数字を確認したい。マッキンゼー・アンド・カンパニーが2025年6月に公表した『Seizing the agentic AI advantage』は、企業の78%以上が少なくとも一つの業務機能で生成AIを使っている一方、80%以上が収益への有意な貢献を報告していないと整理し、これを「生成AIパラドックス」と呼んだ。同社の別レポート『Superagency in the workplace』(2025年1月)では、AIがワークフローに完全に統合され実質的な事業成果を生む「成熟」段階にあると答えた経営層は**約1%**にとどまる。投資は増えるのに、成果に届かない。これが世界共通の現在地だ。

なぜか。マッキンゼーは、効果が拡散しやすい「横軸(全社コパイロットやチャットボット)」が広く普及する一方、インパクトの大きい「縦軸(個別業務に深く特化したユースケース)」は約9割がパイロット段階で停滞していると分析する。ツールを配るだけでは、業務そのものは変わらない。日本企業がよく口にする「PoC止まり」の正体も、ここにある。PoCを本番へ進める方法論そのものはAI PoC止まり脱出フレームワークで詳述したが、本稿はその一段上流——「そもそも、どの仕事を引き算すべきか」という問い——を扱う。

決定的な指摘をしているのがベイン・アンド・カンパニーだ。同社はソフトウェア開発の分析で、AIアシスタントによって10〜15%の生産性向上が出ても、空いた時間が高付加価値業務へ再配分されなければ、その利得は財務的なリターンに結びつかないと指摘する。生産性が上がっても、浮いたキャパシティの使い道を決めていなければ、財務インパクトは生まれない。「足し算」の限界は、まさにこの「出口(再配置)の欠落」にある。

引き算の前提 ── 「ジョブ」ではなく「タスク」で見極める

引き算を始める前に、見誤ってはいけない前提がある。自動化はジョブ(職業)単位ではなく、タスク(業務活動)単位で測られる、ということだ。

日本で最も流通する代替論は、野村総合研究所がオックスフォード大学のフレイ博士・オズボーン准教授と行った2015年の試算——「日本の労働人口の約49%が就く職業は、10〜20年後に技術的に代替可能」——だろう。だがこれは職業単位の数字だ。一方、OECDが引くArntzらの2016年のタスク単位の分析では、構成タスクの大半が自動化される職業は約9%にとどまる。「49%の職業がAIにさらされる」ことと「9%の職業しか丸ごとは消えない」ことのギャップこそ、ジョブ置換論とタスク再設計論の差だ。多くの職業は「消える」のではなく、構成タスクの一部を引き算され、残りを人が担う形へ作り替えられる。

マッキンゼーも、生成AIを含む技術で従業員の労働時間の60〜70%を占める活動が技術的には自動化可能と推計する(自然言語理解の向上で、従来推計の約50%から引き上げられた)。ただし同社もOECDも繰り返し強調するのは、「技術的に自動化可能」は「雇用が消える」ことを意味しないという峻別だ。OECD『Employment Outlook 2023』は、AIへのエクスポージャー(さらされ度)が高い高スキル職ほど、むしろ自動化リスクが最も低い部類に入るとし、「さらされる=置き換えられる」ではないと釘を刺す。

世界経済フォーラム(WEF)『Future of Jobs Report 2025』のデータは、この移行を端的に示す。現在「主に人間のみ」で担う業務は47%、「主に機械・アルゴリズム」が22%、「人間と機械の協働」が30%。これが2030年にはほぼ三等分(各33%前後)へ移ると企業は見込む。つまり、起きているのは「人を機械で置換する」ことではなく、役割をタスクへ分解し、人・AI・協働へ仕分け直す再設計だ。「どの仕事(タスク)が不要か」を経営と業務の文脈で見極める力——これがAX Boostが差別化の本丸と考える「見極め力」であり、引き算の出発点である。

業務を3つに仕分ける ── 「なくす/まかせる/活かす」

では、どう見極めるか。AX Boostは、棚卸しした業務(タスク)を次の3つに仕分けることから始める。

なくす(Eliminate) ── そもそも廃止できる仕事。慣行で続いているだけの報告・会議・承認・転記。AIに載せる前に、まず「やめられないか」を問う。これは新しい発想ではなく、業務改善の古典であるECRS(排除・結合・交換・簡素化/日本能率協会コンサルティング)が最初に「排除」を置くのと同じ規律であり、ジム・コリンズが『ビジョナリー・カンパニー2』で説いた「やめることリスト(Stop-Doing List)」の系譜にある。最も効果が大きく、AIへの投資すら要らないのに、最も見落とされる。

まかせる(Automate) ── AIに委譲する ── 定型的・反復的で、ルールや過去事例で判断できる仕事。従来のRPA時代は「ルールベース・構造化データ・低例外」が自動化の適格条件だったが、生成AIとエージェントの登場で、自然言語を扱う非定型業務まで「まかせる」範囲が広がった。何をAIに任せられるかの設計はAIエージェントとはで整理している。

活かす(Redeploy) ── 人に残し、再配置する ── 判断・交渉・例外処理・関係構築・倫理的トレードオフを伴う仕事。AIが正しく処理できる部分を高速・一貫で担い、文脈や価値判断を要する部分を人が担う「Human-in-the-Loop(おおむね95%をAI、5%を人)」の発想だ。引き算で空いた工数を、この「人にしかできない仕事」へ振り向ける——ここが再配置の核心である。

正直に言えば、こうした仕分け軸そのものに発明的な新しさはない。「排除→自動化→委譲」を順に問うEliminate-Automate-Delegateの考え方も以前からある。AX Boostがこだわるのは軸の発明ではなく、出口の実装だ。先行フレームの多くは「引き算」までで止まり、空けた工数の再配置を出口として組み込んでいない。前述のベインが「再配分されない生産性は回収されない」と名指しした空白を、最後のステップで埋める。

引き算→再配置の4ステップ

3つの仕分けを、現場で回せる手順にすると4ステップになる。

  1. 棚卸し ── 業務をジョブ単位ではなくタスク単位まで分解し、誰が・何に・どれだけ時間を使っているかを可視化する。ここを粗くやると、後段すべてが粗くなる。
  2. 仕分け ── 各タスクを「なくす/まかせる/活かす」に判定する。順序が重要だ。なくせる仕事を自動化するのは、不要な仕事を高速化するだけの典型的なムダになる。だから必ず「なくせないか」を先に問う。
  3. 引き算 ── 「なくす」を廃止し、「まかせる」を実装する。ここで初めてAIツールやエージェントが登場する。技術はこの段階の手段であって、目的ではない。
  4. 再配置 ── 空いた工数を、価値ある仕事(「活かす」領域)へ振り向ける。受け皿となる高付加価値業務の設計と、人のスキル移行(リスキリング)をセットで用意する。ここを省くと、ベインの言う「回収されない生産性」に終わる。

注意したいのは、「タスクが自動化可能=即コスト削減」ではないことだ。タスクを切り出しても、残り業務との接続・例外処理・品質保証(ハルシネーション対策)が必要になる。前述した「業務特化ユースケースの約9割がパイロット止まり」の真因はここにある。引き算は、ツールを買えば終わる作業ではなく、業務を作り替える設計の仕事だ。だからこそ、提言で終わらず実装・定着まで踏み込むFDE型コンサルティングが要る。

なぜ日本では「削減」ではなく「再配置」なのか

ここまでは世界共通の論理だ。しかし日本では、引き算の出口が「人員削減」になりにくい、構造的な理由がある。人口動態が、それを許さない。

国立社会保障・人口問題研究所の令和5年推計によれば、生産年齢人口(15〜64歳)は1995年の8,726万人をピークに、2020年に7,509万人、2070年には4,535万人へと、ピーク比でほぼ半減する。担い手そのものが構造的に枯渇していく。

人手不足の推計は、いずれも不足を埋める手段としてAI・機械化を明示的に組み込んでいる。パーソル総合研究所/中央大学の『労働市場の未来推計2030』は、2030年に644万人の人手不足が生じ、その主要な埋め手としてAI・技術革新による298万人分の代替を見込む。さらに最新の2035年推計が突きつける事実は重い——就業者数は2023年の6,747万人から2035年に7,122万人へと増えるにもかかわらず、1人あたりの労働時間が減るため、時間ベースの労働力不足はむしろ2023年比1.85倍に深刻化する。「人を増やせばよい」という発想の限界を、この一組の数字が示している。リクルートワークス研究所はさらに長期で、2040年に約1,100万人の労働供給不足という「労働供給制約社会」の到来を予測する。

直近では、経済産業省の『2040年の就業構造推計(改訂版)』(2026年1月、日本成長戦略会議「人材育成分科会」で公表)が、省力化で事務職が約440万人の余剰となる一方、AI・ロボット等利活用人材が約339万人、現場人材が約260万人不足するという、国家規模のミスマッチを描いた(経済産業省自身が「暫定版・数値精査中」と注記しており、各数値は丸め値である点には留意したい)。これが意味するのは明白だ。日本では、AIで省力化して浮いた人を「切る」ことが選択肢になりにくい。引き算の正しい出口は、余る仕事から不足する領域へ、人を再配置することにある。だからこそAX Boostは、一貫して「人員削減」ではなく「再配置」で語る。これは倫理的な配慮であると同時に、日本市場で最も合理的な戦略だ。人材の流動と育成の論点はAI時代の人材戦略近日公開でも扱っている。

世界の基調も、純粋な雇用喪失論ではない。WEFは2025〜2030年で創出1.7億件・消失0.92億件、差し引き7,800万件の純増を見込み、その中で「100人の労働者のうち19人は、組織内で再教育のうえ別の職務へ再配置(reskilled and redeployed)される」と推計する。WEF自身が「再配置(redeployed)」という語を主要シナリオとして用いていることは、本稿の枠組みが特異な主張ではないことを示している。

「再配置」は数字で見えるのか ── 誠実な現在地

ここで一つ、正直に断っておきたい。多くの企業は「○万時間削減した」までは公表するが、空いた工数が実際にどの高付加価値業務へ流れ、そこでいくら稼いだかまでを定量的に追跡・公表している例は、ほとんどない。削減は実証されているが、再配置先は各社の「意図」や定性コメントにとどまる——これが現在地だ。混同すれば誇張になる。

その上で、再配置の輪郭を示す数字はいくつかある。AX Boostが管理部門のAI活用ガイド近日公開で整理したように、経理領域ではAI導入後に人員が純減した企業は16%にとどまり、残り84%は定型業務から高度分析・経営支援へ役割を再配置している。営業では、顧客接点業務のAI活用ガイド近日公開で示した通り、顧客との対話は週業務の約30%に過ぎず、残り70%が資料作成などの非コア業務だ。この70%を圧縮して対話時間へ振り向けること自体が、引き算→再配置の典型である。

国内大手の自社実測値も参考になる。パナソニック コネクトは自社開発のAIアシスタントで2024年に年間44.8万時間の業務削減(前年比2.4倍)を公表し、住友商事はMicrosoft 365 Copilotの活用で年間約12億円相当(月約1万時間)のコスト削減効果を、算出式まで開示して試算している。三菱UFJ銀行も生成AIで月22万時間以上の削減を見込むと報じられた。ただし、これらの多くは試算・見込み値であり実測ではない点、そして削減の先の再配置までは追跡されていない点は、割り引いて読むべきだ。効果をどう測るかの原則はAIのROI測定方法近日公開で扱っている。

引き算は万能ではない ── 見極めを誤ったときの代償

楽観に振れないために、限界と反例を明示する。

最も示唆的なのがKlarnaの事例だ。同社は2024年、OpenAIと組んだAIアシスタントが稼働1か月でカスタマーサービスチャットの約3分の2(フルタイム約700人分の業務量)を処理したと公表し、世界的に注目された。だがこの「700人分」は解雇人数ではなく業務量の換算であり、しかも同社は2025年、AI一辺倒が品質低下を招いたとして方針を修正し、複雑・プレミアム案件向けに人間のエージェント採用を再開した。CEO自身が「下げすぎた」と認めている。オーストラリアのコモンウェルス銀行(CBA)に至っては、2025年7月にAI音声ボットでカスタマーサービスの45職を不要と判断したが、通話量はむしろ増えて残業対応を迫られるなど反発を招き、約1か月後に「余剰判断は誤りだった」として撤回。対象者には現職継続や行内再配置の選択肢を示した。

これらが教えるのは、「活かす(人に残す)」べき仕事を引き算してしまうと、揺り戻しが起きるということだ。共感・複雑な判断・例外対応は、安易に引き算してはいけない。引き算の価値は、引き算しない領域の見極めと表裏一体である。だから、引き算すべきでない仕事を引き算する、現場の暗黙知を軽視してAIに置き換えて定着しない、といった失敗は繰り返し起こる(AI定着失敗の典型パターンに詳しい)。

加えて、WEFが同じレポートで「100人のうち11人は十分な再教育を受けられなければ取り残されるリスクがある」と明示している通り、マクロでの再配置と、個々人が直面する移行の痛みは別物だ。再配置を「全員が自動的に救われる理想形」として描くのは誠実ではない。受け皿の設計とスキル移行の支援まで含めて初めて、再配置は機能する。

誰が「引き算」を担えるのか ── 利害一致という条件

最後に、実行の問題が残る。引き算は、それを担う相手の収益構造によって、進む速度がまったく変わる。

投じた工数が売上になる人月・受託のモデルでは、AIで仕事を引き算するほど自社の売上が縮む。顧客の得と提供側の得が逆を向く——この「逆インセンティブ」は外部からの批判ではなく、国内最大手SIerである富士通の時田隆仁社長自身が、中長期経営ビジョン2035の説明会(2026年5月28日)で「人月をベースにした(対価の)いただき方では、これ以上の成長は見込めない」と公言した構造論だ。なぜ既存ベンダーがAIで仕事を本気で減らしにくいのか、その構造とSIerとの公正な棲み分けは受託・人月モデルの逆インセンティブを構造で読むで詳しく論じている。

裏を返せば、成果報酬——工数削減という顧客の得が、そのまま提供側の報酬になる契約であれば、逆インセンティブは反転する。引き算が双方の利益になる。報酬モデルの設計と落とし穴は成果報酬型AIコンサルティングの仕組みに、形態ごとの違いは伴走型 vs スポット型 vs FDE型の比較にまとめた。

AX Boostは、AIを業務に組み込む支援を、戦略・業務改善・DD/PMIの実績を持つ運営元(株式会社KI Strategy、2016年創業、代表・今井健太郎はNRI出身)の見極め力と、現場に入り込んで実装・定着まで担うFDE型、そして利害一致の成果報酬で組み立てている。同社は不動産領域のAI活用、デジタルマーケティング会社のAI伴走、会計領域のAI企業の支援、製造業のAX推進などに携わってきた(具体的な社名は守秘のため開示できない)。本稿でも、出せない事例を匂わせて信頼を演出することはせず、検証可能な公的データと開示できる範囲の実績にとどめている。なお、ファンド(PE/VC)の保有期間内のEBITDA改善として引き算→再配置を実装する文脈は、PEポートフォリオのAIバリューアップ近日公開で別途整理している。

まとめ ── 問いを「足し算」から「引き算」へ

AIで成果が出ない企業の多くは、性能の足りないツールを使っているのではない。「何を足すか」を問い続けているのだ。問いを「何を引き算し、空いた工数をどこへ再配置するか」へ移したとき、AIは初めて経営の数字を動かし始める。

整理すれば、要点はこうだ。第一に、見極めはジョブではなくタスク単位で行う。第二に、業務を「なくす/まかせる/活かす」に仕分け、なくせるものから引き算する。第三に、引き算で空いた工数の再配置先を必ず設計する——出口のない引き算は回収されない。第四に、それを担う相手の利害が一致していなければ、引き算は構造的に進まない。とりわけ人手不足が構造的に確定している日本では、引き算の出口は「削減」ではなく「再配置」になる。

自社の業務のうち、何を引き算でき、空いた工数をどこへ再配置すべきか。その見極めから一緒に始めたい方は、FDE型コンサルティングの考え方をご覧いただくか、お問い合わせから具体的な状況をお聞かせいただきたい。自社のフェーズに合う支援形態の選び方はAX支援の選び方も参考になる。足し算をやめ、引き算から始める——それが、AIを「導入したが効かない」から「成果が出る」へ変える分岐点である。

主要参照ソース