中小企業の83.3%が「事例がわからない」— AIが入らない本当の理由は、お金でも技術でもなかった

カテゴリ: AI活用
約10分で読めます
最終更新: 2026年7月16日

はじめに

中小企業がAIに踏み出せない理由は、たいてい「お金」でも「技術」でもありません。相談の現場でいちばん多いのは、こんな戸惑いです。

「AIがすごいのは、分かるんです。でも、うちの業種で、いったい何に使えばいいのかが分からなくて」

そして、こう続く方が少なくありません。「検索しても、宣伝みたいな記事しか出てこない」「誰に相談すればいいのかも、分からない」「うちが遅れているのか、それとも、みんなこんなものなのかも分からない」——。

先に、いちばん大事なことを。あなただけではありません。83.3%の会社が、同じ場所で立ち止まっています。

これは体感ではなく、国の公的機関が全国1万社にアンケートを配って集めた調査の数字です。この記事では、その調査を確かめたうえで、何から手をつければいいのかを順を追って見ていきます。

この調査の出どころ

数字を見る前に、それが「どこの・いつ・誰に・どう調べたものか」を整理します。

ここが大事な点です。これは、AIを売っている会社の調査ではありません。 公的機関が中小企業に配って集めた数字なので、商品を売りたくて都合よく作った、という性質のものではありません。

なお、この調査は設問ごとに「無回答」を除いて集計しているため、設問によって母数が少しずつ変わります。以下、数字ごとに「何社中か（n）」を併記します。

AIが入らない理由の1位は、お金でも技術でもなく「情報」だった

本題です。この調査で、中小企業が「足りない」と答えたもののうち、飛びぬけて多かったのが、次の2つでした。

83.3%が「よその会社が何に使っているのか、分からない」。79.8%が「誰に頼めばいいのか、分からない」。

内訳も書いておきます。83.3%は、「あまり当てはまらない」49.0%と「まったく当てはまらない」34.3%を足した数字です（報告書に「計83.3%」と明記されています）。

ちなみに、AIの導入率そのものは20.4%でした（「全社的に導入」3.6%＋「一部の業務で導入」16.8%、n=1,647）。「検討中」の18.6%を足すと、前向きな企業は39.0%。5社に2社は、少なくとも前を向いています。

つまり、やる気がないのではありません。お金がなくて止まっているのでも、技術が難しくて止まっているのでもない。「何に使えるのか」と「誰に頼めばいいのか」が分からなくて、止まっている。 それが、この調査から見えてくる姿です。

相談の現場で感じていたことが、そのまま公的なデータに表れた、という数字でした。

国も、同じ“穴”に気づいています

もうひとつ、示唆に富む数字があります。「AIを導入するのに、どんな公的支援が必要か」という設問の結果です（各項目について「必要」「必要でない」で答える形式）。

1位が「費用の助成」なのは順当でしょう。ですが2位が「事例の情報提供」70.5%で、研修や専門家の派遣より上に来ています。

なお、この77.9%は「助成が必要だと思う企業の割合」であって、実在する補助金制度の対象や条件を示すものではありません（正式な注意書きは記事末尾にまとめています）。

いずれにせよ、「事例が分からない」というのは個々の会社の努力不足ではなく、国が支援の対象として認識するほどの、構造的な“穴”だということです。

だから「導入率は12%」のような数字に振り回される

情報がない場所では、手近な数字が、大事な但し書きを落として広まります。具体例で見てみましょう。

先ほど、AI導入率は20.4%だとお伝えしました。ところが検索すると、「中小企業のAI導入率は12%ほど」という趣旨の数字も見かけます。倍近くちがいます。どちらを見ればいいのでしょうか。

こういうときは、出どころをたどるのが確実です。この種の数字をたどっていくと、支援先企業への聞き取り（数十社ほど）と、公的統計の分析を組み合わせた“推計値”に行き着くことがよくあります。1万社に配って1,668社が答えた調査とは、性質がまったくちがいます。

そして、こうした推計を出す側は、たいてい正直です。実際、この種の発表には、出した側自身の但し書きが添えられていることが少なくありません。たとえば「この数値は推定値を含み、中小企業全体を統計的に代表するものではない」といった一文です。

つまり、問題は発表した側ではありません。 その但し書きが外れて、「導入率は12%」という数字だけが一人歩きしていく——引用の流れのほうに落とし穴があるのです。数字は、発表元ではなく、引用する側で壊れます。だからこそ、数字を見たら発表元の原文に一度もどるだけで、多くはほどけます。

「メディアに載っていた」と「メディアが報じた」は、別のこと

もうひとつ、知っておくと役に立つ仕組みの話をします。

企業が出すプレスリリースは、新聞社などのサイトの中にある「PR配信ページ」にも載ることがあります。URLだけ見ると「新聞社のサイトに載っている」状態になります。

ですが、そういうページには、たいてい「この発表は、発表元の原稿をそのまま掲載しています」といった注記があります。発表元の原稿がそのまま載る仕組みで、記者が取材して書いた記事とは別ものです。ドメインも広告部門のもの（adv. など）が使われることが多くあります。

これは特定の媒体の話ではなく、多くの報道機関が同じ配信の枠を持っています。仕組みとしては健全で、企業にとっては便利な広報の手段です。知っておきたいのは、「大手メディアに掲載」が、必ずしも「その媒体が取材して確かめた」を意味しないということだけ。ここを見分けられると、情報の見え方が変わります。

これは日本だけの話ではありません

海外でも同じことは起きています。よく引用される「RANDの調査でAIの取り組みの80.3%が失敗」という数字も、原文をたどると伝聞の引用で、細部（小数点など）は途中で付いたものでした。引用をくり返すうちに、但し書きが落ちていく——世界共通の現象です。この一件は別の記事「AI導入の『失敗率』、その数字は本当？」で詳しく追っています。

「速くする」だけを目的にした会社は、伸びているか

この調査には、導入の設計に効く発見もありました。

AIを導入する目的を聞くと、「業務効率化・時短」が87.0%と飛びぬけています（n=331、複数回答）。ほとんどの会社が「時間を減らす」ために入れています。

ところが、「品質向上」を目的に挙げた会社の割合を、売上の傾向べつに見ると——

売上が伸びている会社ほど、品質向上を見ています。増収傾向と減収傾向の差は約12ポイントで、報告書も「増収傾向と減収傾向で差が大きい項目は『品質向上』と『人手不足対応』」と指摘しています。

ただし、これは相関であって、「品質を目指せば売上が伸びる」という因果を示すものではありません。「売上に余裕がある会社だから、品質に手が回る」という逆向きの説明も成り立ちます。それでも、効率化の先に何を置くかを考える材料にはなります。

もうひとつ、AIと「これまでのIT」を比べた導入効果です。実際に導入した会社に聞いたもので、8項目すべてを載せます。

AIは、これまでのITの上位互換ではありません。

これまでのITが勝っている項目があります。効率化（89.1% 対 83.2%）、コスト削減（17.8% 対 13.1%）、そしてミス削減（39.8% 対 21.4%）。とくにミス削減は、AIが18.4ポイントも下回っています（報告書も「両者の差が最も大きいのは『ミス・エラーの軽減』」と書いています）。

一方、AIが勝っている項目もあります。付加価値の創出（22.3% 対 7.4%）、品質向上（30.6% 対 24.6%）、売上拡大（17.4% 対 11.6%）、人手不足対応（33.9% 対 32.3%＝ほぼ互角）。差がいちばん大きいのは付加価値の創出で、約15ポイントです。

読み取れるのは、こうです。決まった作業を速く・正確にくり返したいなら、これまでのITのほうが向いています。「間違えないこと」が目的なら、なおさらです。AIを入れるべきなのは、今までできなかったことをやるとき。表計算ソフトや既存の仕組みで足りる作業をわざわざAIでやる提案を受けたら、この表を思い出してください。

では、どうやって事例を探せばいいか

「事例が分からない」が問題の正体だとすれば、対策は「事例を知ること」です。実際に役立つ方法を3つ、お伝えします。

① 業種ではなく「作業」で探す

これが、いちばん効きます。「建設業　AI　事例」で検索しても、出てくるのは大手ゼネコンの話ばかりで、参考になりません。

そうではなく、自社の中の「作業」で探してください。 見積書づくり、議事録の整理、請求書の照合、問い合わせメールの一次返信、写真の仕分け。こうした作業は業種を問わないので、同じことをしている会社はほかの業種にいくらでもあります。

先ほどの調査で、AIを導入した会社が使っているサービスの82.6%が生成AIでした（n=322）。生成AIは業種ごとの専用ツールではないので、業種で探すと見つからず、作業で探すと見つかります。

② 「うまくいかなかった話」を必ず聞く

事例の紹介は、成功したものしか表に出ません。これは仕組み上、どうしてもそうなります。ですから、ベンダーには「御社が関わって、うまくいかなかった案件はありますか」と聞いてみてください。

失敗を具体的に語れる相手は、たいてい場数を踏んでいます。うまく答えられないときは、その分野の経験がまだ浅いのかもしれない、という手がかりになります。

③ 国や公的機関が出している情報から入る

公的機関の資料には、宣伝と違って「売る動機」がありません。数字の出し方も、母数や調査時期がきちんと書かれています。まずは出どころのはっきりした資料から読む——それだけでも、判断の土台はずいぶん確かになります。

ベンダーを選ぶときに、聞いてほしい3つのこと

79.8%が「選ぶ情報がない」と答えている以上、こちらも書いておきます。

① 「この提案の数字、出どころは何ですか？」

提案書に「導入した会社の◯%が」と書いてあれば、調査の名前・いつ調べたか・誰に聞いたかをたずねてください。すぐ答えられれば、その人はちゃんと確かめて話しています。

② 「うちと同じくらいの規模の会社の事例はありますか？」

従業員5,000人の会社の事例は、従業員20人の会社の参考になりません。予算も、体制も、決めるスピードも、まるでちがうからです。同じくらいの規模の事例をいくつか見せてもらえるかどうかは、その相手が御社のような会社をふだんから相手にしているかの目安になります。

③ 「作ったあと、動かし続けるのは誰ですか？」

作って納品したら終わり、というAIは、3か月で使われなくなります。動かし続けるのは誰か、中身が変わったら誰が直すのかを、契約の前に確認してください。

この記事の数字の弱点も、書いておきます

この記事の中心である中小機構の調査には、はっきりした弱点が1つあります。調査実施は2025年11月〜12月。この記事を書いている2026年7月から見ると、約8か月前です。

AIの世界で8か月は、短くありません。この間に、AIの性能も価格も動いています。ですから「83.3%」は今この瞬間の数字ではなく、8か月前の断面です。おそらく今は、もう少し改善しているでしょう。

それでもこの調査を使うのは、日本の中小企業を対象にした公的機関の調査が、ほかにほとんど存在しないからです。この種の調査は数か月〜1年に一度しか出ないので、「最新」を求めると、いつまでも見つかりません。古いことは承知のうえで、出どころの確かなこの調査を使っています。

もう1点。この調査で答えた企業は1,668社です。「1,647社」と書かれているのを見かけますが、それは「AI導入状況」という特定の設問の母数であって、調査全体の有効回答数ではありません。細かい話ですが、原文を確かめる、というのはこういうことです。

まとめ

• 中小企業がAIを入れられない理由の中心は、お金でも技術でもなく「情報」
• 83.3%が「成功事例や活用事例の情報がない」／79.8%が「ベンダーや製品を選ぶ情報がない」（中小機構、全国1万社に配布・1,668社が回答、調査は2025年11〜12月）
• 求める公的支援の2位が「事例の情報提供」70.5%。研修や専門家派遣より上で、国も同じ穴に気づいている
• 導入の目的は「効率化」87.0%が突出。ただし売上が伸びている会社ほど「品質向上」を重視（38.6% 対 減収26.4%）※相関であり、因果ではありません
• AIは、これまでのITの上位互換ではない。効率化・ミス削減・コスト削減はITが勝ち、AIが勝つのは「付加価値の創出」（22.3% 対 7.4%）
• 事例は業種でなく「作業」で探す。導入企業の82.6%が生成AIで、業種専用ではないから業種で探すと見つからない
• この記事の数字の弱点：調査は約8か月前のもの

最初の1歩は、「導入」ではありません。「よその会社が、何に使っているかを知ること」です。83.3%が止まっているのは、まさにそこだからです。

私たちも中小企業です。大企業の事例をご紹介するより、同じ規模の会社が実際に何をAIに載せているかのほうが参考になるはずですので、私たちが自社の経理・情報収集・資料づくりをどうAIに載せているかは、別の記事（「AIエージェントの9割は、コーディングじゃない」）に書きました。

「うちの業種で、よその会社が何に使っているのか」を一緒に調べるところからで構いません。売り込みの前に、まず材料をそろえたい、という段階でしたら、お問い合わせください。

参考・出典

• 独立行政法人中小企業基盤整備機構「中小企業のＡＩ等の利活用に係る実態調査」（令和8年3月公表／調査実施 2025年11月17日〜12月12日／業務委託先：株式会社東京商工リサーチ）
  アンケート調査 一覧ページ
  https://www.smrj.go.jp/research_case/questionnaire/
  ポイント版（PDF）
  https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_point.pdf
  全体版（PDF・全70頁）
  https://www.smrj.go.jp/research_case/questionnaire/fbrion0000002pjw-att/202603_AI_report.pdf
• RAND Corporation『The Root Causes of Failure for Artificial Intelligence Projects and How They Can Succeed』RR-A2680-1（2024年8月13日）
  https://www.rand.org/pubs/research_reports/RRA2680-1.html

この記事の数値は、執筆時点（2026年7月16日）に中小機構の公表資料（ポイント版・全体版）で直接確認したものです。設問ごとに有効回答数（母数）が異なるため、各数値に「何社中か」を併記しています。調査結果の正確な定義は、各出典の原本をご確認ください。補助金・助成金の対象範囲や条件は年度により変わります。個別に使えるかどうかは、公募要領および認定経営革新等支援機関・社会保険労務士などの専門家にご確認ください。この記事は、特定の制度の対象となることを保証するものではありません。