「AXコンサルティング」「AX支援」という言葉が、生成AIの普及以降、急速に使われ始めている。一方でその守備範囲はベンダーごとに大きく異なり、「戦略レポートを書いて終わり」のところから「動くシステムを納品して運用まで担う」ところまで、内容も料金もばらつく。

本稿では、AXコンサルティングの定義、スコープ、タイプ別の整理、選定で確認すべき観点を体系的に解説する。AX（AI Transformation）という概念自体は、内閣府『人工知能基本計画』（2025年12月23日閣議決定）でも国家戦略の中心軸として位置づけられており、コンサルティング領域としても今後の主要な分類軸となる。

AXコンサルティングが扱う範囲とDXとの違い

AX（AIトランスフォーメーション）コンサルティングとは、企業や組織がAI技術を経営・業務・組織の各レベルに統合し、競争力や生産性を高める変革プロセスを外部から支援するサービスを指す。ただし、この定義をそのまま受け取ると本質を取り違えやすい。実務で価値を生むかどうかの分かれ目は、「AIを足す」ことそのものではなく、ヒトがやる必要のない仕事を見極めて引き算し、空いた工数を価値ある仕事へ再配置できるかどうかにある。本稿でこのあと扱う階層やタイプは、いずれもこの再配置を実現するための手段の分類であり、目的ではない。課題側の捉え方そのものはAIは足し算より引き算 ── 工数を見極めて再配置するで論じているので、ここでは支援の構造に絞って整理する。

AXコンサルティングは従来の「DXコンサルティング」と地続きでありながら、いくつかの点で性格が異なる。第一に、対象とする技術がAI（特に生成AI・エージェント型AI）に重心を置く。第二に、扱う変化のスピードと不確実性が大きい。DXが「デジタル化」全般を広く扱うのに対し、AXはAIを核とした変革に焦点を絞り、その代わりに組織のオペレーティング・モデルやKPI設計、人材戦略までを連動させて再設計するところまで射程に含める。つまり、守備範囲はDXより狭く深いと捉えるのが実態に近い。生成AIコンサルとの線引きについては生成AIコンサルティングとはで別途整理しているが、AXコンサルはより広く「組織と業務の変革」までを引き受ける点が分かれ目になる。

このように定義を絞り込んでおくと、次に問題になるのが「では、どこからどこまでを誰に頼むのか」という設計の話である。AXコンサルティングの守備範囲は広く、案件によって関与する深さも違う。そこでまず、関与する「階層」と、関与の「やり方（タイプ）」という二つの軸に分けて捉えると、見通しが立てやすくなる。

戦略・実装・定着という階層構造

AXコンサルティングが関与する作業は、おおまかに戦略・実装・定着という三つの階層に分かれる。これらは順に積み上がる工程であると同時に、ベンダーがどこで止まるかによって成果がまったく変わる「断層」でもある。

戦略階層は、経営戦略のレベルでAIをどこにどう位置づけるかを設計する段階である。事業ポートフォリオへのAI組み込み方針を決め、3〜5年の段階的なロードマップを描き、ROIモデルとKPIを設計し、CoEの位置づけやCXO体制といった組織の器を整え、ガバナンス・倫理ポリシーの骨格を定める。ここで重要なのは、これらが互いに独立した成果物ではなく、KPIの置き方が組織設計を規定し、組織設計がガバナンスのあり方を決める、という連鎖で動く点だ。だからこそ戦略階層を断片的に切り出すと、後工程で整合が取れなくなる。具体的な進め方はAIロードマップ策定の実務近日公開、AI ROIの測定方法、AI Center of Excellence (CoE)近日公開で詳述している。

実装階層は、戦略を具体的なシステムと業務に落とし込む段階である。どのユースケースを選びPoCをどう設計するかから始まり、LLMやベクトルDB、MLOps基盤といった技術選定、データ基盤の整備、システムの実装と既存業務システムへの統合、そして成果を測る評価フレームの設計までが連なる。ここでの落とし穴は、技術選定を「最新かどうか」で決めてしまい、データ基盤の現状や運用負荷を後回しにすることにある。技術選定とデータ整備、評価設計は同時に詰めないと、動いても続かないものができあがる。関連する論点は業務AIインフラの技術選定近日公開、Fine-tuning vs RAG、AI評価フレームの実装論近日公開で扱っている。

定着階層は、実装されたAIを一時的なツールで終わらせず、業務として持続させる段階である。現場オペレーションへ組み込み、利用率や成果KPIをモニタリングし、人材を育て社内文化を醸成し、ガバナンスを日々運用しながら継続的に改善し、最終的には内製化への移行を見据える。この階層がもっとも軽視されやすいが、ROIが現れるのはここに到達してからだ。動くものを作っただけでは現場は使わない、使ってもらえなければ工数は浮かない、という当たり前の連鎖が、定着を後回しにした瞬間に断ち切られる。難所の整理はAI定着失敗の典型7パターン、人材面はAI時代の人材戦略近日公開で深掘りしている。

三階層をこう並べてみると、多くのAI導入が失敗する理由がはっきりする。戦略階層では立派なレポートが上がるのに、実装階層や定着階層への接続が断たれてしまうのだ。戦略を書く主体と、システムを作る主体と、現場に根づかせる主体が分かれていると、その継ぎ目ごとに意図が失われ、最初に描いた再配置の絵が宙に浮く。これはAI PoC止まり脱出フレームワークで論じた構造的問題とそのまま重なる。

関与のやり方 — 型の違いと、その間にある力学

階層が「何を扱うか」だとすれば、もう一つの軸は「どこまで深く、どんな契約で関与するか」である。市場で見かける関与形態は、関与の深さと期間、料金構造の組み合わせでおおよそ五つに整理できる。重要なのは、これらが料金の高低で一直線に並ぶわけではなく、それぞれ前提とする顧客の状態が違うという点だ。

もっとも軽いのがスポット型で、戦略策定だけ、PoC設計だけ、といった具合に守備範囲を狭く切り出して依頼する形態である。期間は1〜3ヶ月、関与は週1〜2日程度、料金は1プロジェクト100〜500万円が目安で、成果物は戦略レポートやロードマップ、技術選定書といった「考える」側に寄る。意思決定の材料が欲しい局面では効率が良いが、後述するとおり成果物がそのまま現場で動くわけではない点に注意が要る。

これに対して伴走型は、推進チームの外部支援者として中期にわたり継続的に関与する。期間は6〜12ヶ月、関与は週1〜2日に加えて日常的なやり取りが続き、料金は月額50〜200万円、成果物は推進計画や月次レビュー、そして社内メンバーの育成である。スポット型との違いは「点」か「線」かにあり、社内に推進チームが既にあり、外からの視点と手数を補いたい企業に向く。逆に言えば、社内に受け皿がない状態で伴走を頼んでも、伴走相手が不在になりやすい。

実装と定着まで踏み込むのがFDE型（Forward Deployed Engineer型）で、戦略・実装・運用を一気通貫で、現場に深く入り込んで担当する。期間は6〜12ヶ月、その後は内製チームへ引き継ぐのが前提で、関与は週3〜5日の現場常駐／半常駐と濃い。料金は月額100〜500万円、あるいは成果報酬やハイブリッド型を取り、成果物は戦略レポートではなく動くAIシステムと運用、そしてナレッジ移転である。米国Palantir発祥の手法で、「コードを書けるコンサル」が現場に入る点が他の型と決定的に異なる。詳細はFDE型コンサルティング完全解説で扱っている。

成果報酬型は、独立した第四の型というより、伴走型やFDE型の上にかぶせる料金の仕組みと捉えるのが正確だ。収益やコスト削減といった成果に応じて報酬を変動させ、期間は多くが6ヶ月以上、関与の深さは伴走型からFDE型に近い。月固定費を抑え、成果連動部分で総額が変わる構造のため、クライアント側が初期リスクを抑えたい場合と、ベンダー側が成果に自信を持てる場合の両方が揃ってはじめて成立する。逆に成果指標を握れない領域では成立しにくい。詳細は成果報酬型AIコンサルティングを参照されたい。

そして内製化支援型は、外注を続けるのではなく、社内チームの立ち上げと育成そのものを主目的に置く。期間は6〜18ヶ月とやや長く、関与は案件設計や採用支援、育成プログラムの提供が中心で、料金は月額50〜150万円、成果物は内製チームと運用体制、社内教育体系である。長期的にAIケイパビリティを社内に持つと決めた企業向けであり、他の型が「成果物を残す」のに対し、この型は「人と組織を残す」ことを成果と定義する。詳細はAI内製化 vs 外注近日公開で論じている。スポット・伴走・FDEという主要3モデルの直接比較は伴走型 vs スポット型 vs FDE型も合わせて読むと、選択の輪郭がはっきりする。

階層とタイプは独立には選べない

ここまで二つの軸を別々に説明したが、実務では階層とタイプを自由に組み合わせられるわけではなく、相性がある。下の表は、各タイプがどの階層をどの程度カバーしやすいかをまとめたものだ。

階層 スポット 伴走 FDE 成果報酬 内製化支援
戦略 ◎ ○ ○ △ △
実装 △ ○ ◎ ○ ○
定着 × ○ ◎ ○ ◎

表が示すのは、関与が浅い型ほど上流（戦略）に強く、下流（定着）に弱いという傾向である。スポット型は戦略階層との相性が良い反面、定着まではほぼ届かない。これは能力の問題ではなく、短期・低関与という前提そのものが定着と両立しないからだ。逆にFDE型と内製化支援型は定着まで責任を持てるが、その分だけ関与が深く、クライアント側にも覚悟と予算、そして現場を開く準備が求められる。「どの階層で止まりたくないか」を先に決め、そこから逆算して型を選ぶ——この順番を取り違えると、上流だけ立派で下流が空白、という典型的なミスマッチに陥る。

発注前に見極めたいこと

候補のコンサルを比べるとき、最初に効くのは「どの階層まで責任を持つか」を相手の言葉で語らせることだ。戦略の絵を描くところで満足する会社なのか、実装まで踏み込むのか、現場に根づくところまで面倒を見るのか——ここが曖昧なまま契約すると、前述の断層がそのまま自社のリスクになる。そして階層の答えと密接に絡むのが、コードを書けるかどうかである。設計図だけ渡す相手と、自ら手を動かして実装できる相手とでは、実装・定着フェーズで頼れる範囲がまるで違う。

加えて見ておきたいのが、自社の業界・業務をどれだけ具体的に語れるかだ。製造・金融・医療のように規制や商習慣が絡む領域では、一般論のフレームだけでは届かない。料金構造も、月額固定・成果連動・ハイブリッドのどれが自社のキャッシュフローと意思決定スピードに噛み合うかで選ぶべきで、安い高いの単純比較にはなりにくい。最後に、入口より出口、すなわち撤退と引き継ぎがどう設計されているかを確認しておきたい。内製チームへの移行が絵に描かれていない支援は、終わらせ方を持たないまま依存だけが残りやすい。資金面の段取り——予算化の組み立てや稟議の通し方、活用しうる助成の手段を含む——についてはAI予算計画と社内稟議近日公開に逃がしてあるので、意思決定の前に目を通しておくと判断が滑らかになる。

これらの見極めは規模によっても重みが変わる。経営と現場が近い中堅・成長企業であれば、一気通貫で踏み込める相手を選んだほうが断層を作らずに済む一方、超大企業の全社案件のように稟議が多段で関係者が多い場合は、スコープを特定の事業部や業務に絞り、そこで成果を実証してから広げる進め方のほうが現実的だ。

どこまでいっても外部支援が埋められないこと

ここまでの整理を踏まえても、AXコンサルティングは万能ではない。むしろ限界を先に知っておくほうが、上手な使い方ができる。最大の落とし穴は、戦略レポートそのものは一行も業務を動かさない、という当たり前の事実だ。戦略階層に偏った支援は、見栄えこそ良いものの、実装と定着へ接続しなければ成果ゼロのまま終わる。

外部依存の度合いにも注意が要る。内製能力をまったく持たないまま運用を丸ごと外に預けると、目先は楽でも、改善のたびに外部コストが積み上がり、ガバナンスも脆くなる。だからこそ、どこかの時点で内製へ重心を移す設計が要る。業界特性の軽視も繰り返し起きる失敗で、規制や業界慣行が複雑な領域ほど、汎用的な手法だけでは到達できない部分が残る。そして生成AI領域そのものの変化の速さがある。半年前のベストプラクティスが陳腐化する速度は速く、知見の鮮度が問われ続ける。これは外部支援の弱点であると同時に、独力で追い切るのが難しいからこそ外部を使う理由でもある。ガバナンスの実務は企業のAIガバナンス実務ガイド、政策の前提は国の人工知能基本計画近日公開で関連論点を扱っている。

AX BoostのポジショニングとFDE型へのコミット

AX Boostは、3階層を一気通貫で扱えるFDE型を主軸に、成果報酬型のオプションを組み合わせる体制を取っている。これは、日本企業のAI導入における中心的な課題が「PoCで止まる」「戦略レポートが動くシステムにならない」という構造にあるという観察に基づく判断である。

BCG『Where's the Value in AI?』（2024年10月、CxO 1,000名・59ヵ国調査）は、生成AIのPoCを超えて成果を出している企業が26%にとどまり、74%が価値創出に苦戦、フル価値を引き出している企業はわずか4%と報告している。McKinsey『State of AI』（2025年11月）も、AI活用企業が88%（前年78%）まで広がる一方、高パフォーマー（成果を急伸させている企業群）はわずか6%にとどまり、AI由来でEBITに測定可能な影響があったと回答した企業は39%にすぎないと指摘している。これは『生成AIパラドックス』として知られる構造で、利用は広がるが業績に結びついていない状況を示す。

このギャップを埋めるために、AI開発元自身も FDE型のモデルへ動いている。OpenAIは2026年5月、応用AIコンサル企業Tomoroの買収を含む4Bドル規模の「OpenAI Deployment Company」を設立し、Anthropicも1.5Bドル規模のエンタープライズ展開ベンチャー（Blackstone・Hellman & Friedman・Goldman Sachs と組成）を発表した。両者の共通点は、Palantirが確立したFDE手法を AI 領域に適用する点にある。戦略レポートと実装の間にあるギャップを埋めるには、戦略・実装・定着を分断しない関与モデルが必要であり、これがFDE型の存在意義となる。AX Boostのアプローチや事例詳細はトップページからお問い合わせいただきたい。

主要参照ソース

本稿で引用した調査・公的文書・企業発表の一次情報源は以下のとおり。数値・日付・固有名詞はいずれも原典を確認している。