AIエージェント、使う企業96%・業務への定着はわずか11% ― 評価の仕組みで6倍、ガバナンスで12倍を生む「業務への定着の方程式」

2026.06.2810分

この記事で分かること

2026年は「AIエージェントの試作の年」から「実務・ROIの年」への移行点と言われてきた。だが2025年末から2026年前半にかけて相次いで公表された複数の「State of AI Agents 2026」調査は、その移行が想像以上に難しいことを、生々しい数字で突きつけている。 結論を先に言えば、 ボトルネックは

10分
読了時間
5 章
章
4 点
図
2026.06.28
公開
目次 ― 5 章

この記事は公開を終了する予定です

Wizitは現在、現場のAI化に取り組んでいます。最新の記事は工事施工のAI活用を、サービスは工事現場のAI化をご覧ください。

2026年は「AIエージェントの試作の年」から「実務・ROIの年」への移行点と言われてきた。だが2025年末から2026年前半にかけて相次いで公表された複数の「State of AI Agents 2026」調査は、その移行が想像以上に難しいことを、生々しい数字で突きつけている。

結論を先に言えば、ボトルネックは「モデルが賢いかどうか」ではない。業務への定着を左右しているのは、AI出力の品質を測る仕組みと、セキュリティ・ガバナンスを突破する設計力だ。本稿では最新調査のデータをもとに、日本の大企業が試作止まりを抜けて成果(ROI)を出すための条件を分析する。

01「96%が使い、11%しか業務に定着させていない」という断層

AIエージェントの導入から導入までの落差を示すファネル図
図 1AIエージェントの導入から導入までの落差を示すファネル図(タップで拡大)

Anthropic(Claudeチーム)が2025年12月に公表した「2026 State of AI Agents Report」は、エンタープライズの実態をこう描き出した。

  • 80% の企業が「AIエージェントから測定可能な経済的効果が出ている」と回答
  • 88% が「2026年もROIは継続・拡大する」と見込む
  • 91% がAIコーディングツールを実務で利用

数字だけ見れば順風満帆に見える。しかし内訳に踏み込むと、別の景色が見えてくる。複数ステップのワークフローを運用しているのは 57%、部門を横断するエージェントに到達したのは 16%、そしてフル実務での運用に至った組織は約11%にすぎない。別の調査でも「何らかの形で使っている企業は96%だが、完全な実務での運用は11%」という同型の断層が確認されている。

つまり多くの企業は、「触っている」段階と「実務で価値を出している」段階の間に深い谷を抱えている。これこそが、私たちが繰り返し指摘してきた 試作止まり(技術的には動くのに業務への定着せず止まる現象)の正体だ。

そしてこの谷は、放置すると経営課題に直結する。Gartnerの「Agentic AI Pulse 2026」によれば、12ヶ月以内にプラスのROIに到達したエージェント導入は41%にとどまり、19%は投資回収にすら至らない。Gartnerは「2027年末までにエージェントAIプロジェクトの40%超が中止される」とも予測する。「導入したか」ではなく「業務に定着させて回収できたか」で、勝敗が分かれ始めている。

02業務への定着を阻むのは「モデルの賢さ」ではない

業務への定着を阻む三大ボトルネックと失敗の根本原因を示す図
図 2業務への定着を阻む三大ボトルネックと失敗の根本原因を示す図(タップで拡大)

では、何が谷を生んでいるのか。State of AI Agentsレポートが挙げた「導入の最大の課題」は、技術トレンドの常識を裏切るものだった。

  • 46% ─ 既存システムとの統合・安全な接続
  • 42% ─ データへのアクセスとデータ品質
  • 40% ─ セキュリティ・コンプライアンス

レポートはこう総括する。「エージェント導入の難所は、もはやモデルの知能ではない。実運用システムへの安全で信頼できるアクセスだ」。モデルはもう十分に賢い。詰まっているのは、それを業務の実データ・実システムに、監査やコンプラ要件を満たしながら繋ぎ込む工程である。

Forresterによる失敗の根本原因分析は、これをさらに鋭く言い換えている。業務への定着に失敗したプロジェクトのうち、41%は「成功基準が不明確」、33%は「ツール・データへのアクセス不足」、26%は「評価カバレッジのドリフト」が原因だった。Forresterは断じている ― 「いずれもモデル品質の問題ではなく、スコープとオーナーシップの問題だ」。

ここに日本の大企業が直視すべき本質がある。最新モデルを待っても、この谷は埋まらない。埋めるのは、実データで品質を作り込む工程と、ガバナンスを突破する設計という、地味で泥臭い実装作業だ。

03業務への定着を「6倍・12倍」に増やす2つのレバー

評価とガバナンスが実務での稼働数を6倍・12倍に増やすことを示す図
図 3評価とガバナンスが実務での稼働数を6倍・12倍に増やすことを示す図(タップで拡大)

では何をすれば谷を越えられるのか。Databricksの「2026 State of AI Agents Report」は、業務への定着を劇的に押し上げる2つのレバーを、定量的に示した。

  • 評価の仕組みを導入した企業は、実務に到達するAIプロジェクトが約6倍
  • AIガバナンスを整備した企業は、実務に到達するAIプロジェクトが12倍

同じモデル、同じ予算でも、この2つがあるかないかで実務での稼働数が桁違いに変わる。なぜか。

評価は「いつ業務に使ってよいか」を判断する物差しだ。実データ・実業務でAIの出力品質を継続的に測れなければ、「なんとなく良さそう」で止まるか、品質不足のまま出して事故を起こすかのどちらかになる。逆に、合格基準を数値で定義し、回帰テストで品質を担保できる組織は、自信を持って実務ボタンを押せる。

ガバナンスは「導入直前の急ブレーキ」を防ぐ仕組みだ。多くの試作は、性能ではなく監査証跡・アクセス制御・データ管理といったコンプラ要件で導入直前に止まる。最初から監査・統制レイヤーを設計に織り込んでおけば、この壁の前で立ち往生しなくて済む。

注目すべきは、この2つが「導入後に整える管理コスト」ではなく「業務への定着を増やす投資」だという点だ。評価 とガバナンスは、ブレーキではなくアクセルなのである。

04日本の大企業がいま取るべき3つの動き

日本企業が取るべき3つの動きをWizitの4つの壁にマッピングした図
図 4日本企業が取るべき3つの動きをWizitの4つの壁にマッピングした図(タップで拡大)

これらのデータは、日本の大企業にとって具体的なアクションに翻訳できる。私たちは、業務への定着を阻む構造を 「4つの壁」(品質/ガバナンス/横展開/人材) として整理しているが、上記の知見はこの壁に正確に対応する。

① 着手前に「業務への定着の合格基準」と 評価 を決める(品質の壁)

最も多い失敗原因は「成功基準の不明確さ(41%)」だった。裏を返せば、プロジェクトの最初に「何点になったら実務に出すか」を業務側と合意するだけで、失敗の最大要因を潰せる。デモを作る前に、実データでの評価設計と合格ラインを定義する。これがPhase 1(出力の作り込み・業務への定着設計)の核心だ。

② 既存システムへの「安全な接続」を設計に組み込む(ガバナンスの壁)

最大の技術課題は統合(46%)とセキュリティ・コンプラ(40%)だった。日本の大企業は特に、基幹システムへの接続と監査要件が厳しい。ここでの定石は、ガバナンスを「後付け」にしないこと。MCPなどの標準を使い、アクセス制御・監査証跡・データ管理を運用環境の構成に最初から織り込む。ガバナンス整備が実務での稼働に至ったを12倍にするという数字は、この投資の回収根拠になる。

③ 1件を業務に定着させ、ROIを可視化してから横展開する(横展開の壁)

実務での運用に至ったエージェントは全体の約1割。だからこそ、「広く薄く試す」より「1件をやり切る」ことが効く。1つのユースケースを業務に定着させ、削減時間やコストをダッシュボードで可視化すれば、その数字が次の投資と横展開の説得材料になる。継続的な評価の監修とROI可視化(Phase 3)が、単発の試作を全社展開につなげる橋になる。

05まとめ ― 「賢いモデル待ち」をやめる時

2026年前半のデータが示す結論は明快だ。AIエージェントの業務への定着を決めるのは、モデルの性能ではなく、品質を測る評価 と、実務を通すガバナンスである。 この2つを整えた企業は、実務での稼働数を6倍・12倍に増やしている。

逆に言えば、最新モデルのリリースを待っているだけの企業は、いつまでも96%対11%の「使っているのに成果が出ない」側に留まる。谷を埋めるのは新しいモデルではなく、実データで出力を作り込み、監査・統制を突破し、ROIを可視化するという、地に足のついた実装の積み重ねだ。

Wizitは、この「試作で止まったAIを、業務への定着とROIまで動かし切る」工程 ― 評価の設計とcontext engineeringによる出力の作り込み、大企業のガバナンスを満たす運用環境の構成設計、定期点検によるROI監修 ― を、現場で手を動かしてやり切る実装パートナーだ。問うべきは「どのモデルを使うか」ではなく、「どうやって業務への定着の方程式を自社に実装するか」である。


出典

  • 2026 State of AI Agents Report(Anthropic / Claude team、2025年12月)
  • 2026 State of AI Agents Report(Databricks)
  • Gartner「Agentic AI Pulse 2026」/Gartner Press Release(エージェントAIプロジェクト中止予測)
  • Forrester(エージェントの業務への定着失敗の根本原因分析)
  • Arcade.dev / Digital Applied(State of AI Agents 2026 データ要約)

発行: 株式会社Wizit。記事の内容に誤りがありましたら、お問い合わせからお知らせください。

現場の書類を一つ、お持ちください

御社の様式と過去の書類で、AI がどこまで作れるかを現場アセスメントで確かめます。初回のご相談は無料です。