生成AIの効果実感は9割近く。それでも課題1位は「正確性」、確認まで見積もる

今号のテーマ

きのうは、社員に今週の仕事を聞き、AIに頼めそうな手順を1つ選ぶところまでを見ました。 選んだ手順でAIの下書きを使い始めると、次に出てくるのが「その答えは合っているのか」という問題です。

今日は、帝国データバンクが2026年5月14日に公表した「生成AIに関する企業の動向調査（2026年3月）」を読みます。全国2万3,349社を対象に、2026年3月17日〜31日に実施した調査で、有効回答は1万312社（回答率44.2%）です。 TDB景気動向調査とあわせて行われました。

数字が示しているのは、効果は出ているが、確かめる手間も残っている、という姿です。 その手間をなくそうとするのではなく、最初から見積もりに入れておく。 今日は、そのための3つの工夫を整理します。

011. 活用企業の86.7%が「効果あり」。小規模企業でも実感は高めです

調査の主な数字は次のとおりです（帝国データバンク 調査）。

• 生成AIを業務で「活用している」企業（「非常に」＋「やや」）は34.5%
• 活用している企業のうち、業務への効果が「出ている」（「大いに」＋「やや」）は86.7%
• 効果が「あまり出ていない」「ほとんど出ていない」は、あわせて1%程度
• 主な活用業務は「文章の作成・要約・校正」が45.1%で最多。「情報収集」21.8%、「企画立案時のアイデア出し」11.0%が続く

規模別では、活用率は大企業46.5%、中小企業32.4%、小規模企業28.0%と、規模が大きいほど高くなっています。 一方で、「大いに効果が出ている」と答えた割合は、小規模企業が29.7%で、大企業の20.8%を上回りました。 調査は、人手の限られた企業ほど文章作成や情報整理の効率化を感じている可能性がある、としています。

なお、近畿地区だけを集計した近畿版（有効回答1,618社）でも、活用は34.7%、効果の実感は84.3%で、全国とほぼ同じ傾向でした。

ここがポイント使っている会社の多くは、効果を感じています。人の少ない会社ほど「大いに効果あり」が多いのは、中小企業にとって心強い結果です。問題は、その効果をどこで目減りさせているかです。

022. それでも、懸念・課題の1位は「情報の正確性」（50.4%）

同じ調査で、生成AI活用に関する懸念・課題を3つまで選んでもらうと、結果は次のようになりました（帝国データバンク 調査）。

• 情報の正確性　50.4%
• 専門人材・ノウハウ不足　41.3%
• 生成AIを活用すべき業務の範囲　40.0%
• 情報漏洩のリスク　33.5%
• トラブル時の責任所在などのルール整備　25.5%

一方で、実際のトラブルは多くありません。 活用企業で「悪影響やトラブルはない」は67.7%、「出力結果の誤りにより社内外でトラブルや損害が発生した」は1.3%でした。

事故はまれでも、正確性は半数の企業が気にしている。 その分のコストは、事故ではなく確認の手間として表れていると読めます。

調査に寄せられた企業の声にも、「上長の確認と検証に手間がかかるようになった」というものがありました。報告書自身も、まとめの中で「検証負担」への懸念を挙げています。

同じ傾向は、ほかの調査にも出ています。freee株式会社が2026年10月9日に公表した「中小企業のAI活用に関する意識調査」（従業員500名以下の中小企業の経営者・バックオフィス担当者1,851名、2026年6月16日〜25日、インターネット調査）では、AI利用者の23.7%が「準備・確認・修正に、削減できた時間と同程度の手間がかかる」と答えています。 freeeは、この手間を「検証労働」と呼んでいます。

ただし、この23.7%は作業時間を測った値ではなく、回答者の実感だと調査自体が注記しています。 また、freeeはこの調査を、自社サービスの紹介とあわせて公表しています。数字と、解決策の提案は分けて読みます。

ここがポイントAIで下書きが速くなっても、確認と手直しに同じだけ時間がかかれば、手元に残る時間はほとんどありません。効果を考えるときは、AIが作る時間だけでなく、人が確かめる時間まで含めて見ます。

033. 確かめるのは人。AIを作る側も、そう書いています

確認の手間は、使い方が下手だから生じるとは限りません。 AIを提供する側も、間違いがありうることをはっきり書いています。

OpenAIのヘルプページは、ChatGPTは自信がありそうに見えても誤ることがあるとし、引用、データ、技術的な情報、外部資料への言及は必ず確かめるよう勧めています（OpenAI Help Center「Does ChatGPT tell the truth?」）。

最近のセキュリティの話題にも、同じ考え方が見えます。

10月21日、PHP（Webサイトを動かすプログラミング言語の一つで、WordPressもこれで動いています）の開発チームが、重大な脆弱性2件（CVE-2026-109618、CVE-2026-109619、深刻度を示すCVSSはいずれも9.2）を修正したと告知しました。認証なしで外部からプログラムを実行されるおそれがあるもので、修正版の8.5.12、8.4.27、8.3.36、8.2.35への更新を強く勧めています。サポートが終わった7.4、8.0、8.1向けには、最小限のソースパッチだけが出ています（php.net の告知）。発見した研究者たちは、この脆弱性を「PHP2Shell」と呼んでいます（Wiz のブログ）。

あわせてOpenAIは、自社のAIエージェント「Codex」向けに、PHPのバージョンを確かめるスキル「php2shell-checker」をGitHubで公開しました（OpenAIの発表）。 ただ、その説明書きには、結果の「OK」はバージョン番号を比べただけで、修正そのものを確かめたものではないこと、公式の告知と照らし合わせること、「UNKNOWN（判定できない）」は修正済みという意味ではないことが書かれています。AIのツールに調べさせても、答えを確かめる手順は人の側に残る、という一例です。

自社サイトにPHPが使われているかどうか、更新が必要かどうかは、制作会社やサーバー会社に確認してください。対応の判断と最終確認は、必ず人が行ってください。

ここがポイント確認を「なくす」ことは、AIを作る側も前提にしていません。だから「軽くする」「見積もりに入れる」と考えるほうが現実的です。

044. 工夫1　確かめやすい頼み方にする

ここからは、確認の手間を軽くする工夫です。 1つ目は、AIへの頼み方を変えて、あとで確かめやすい答えを出してもらうことです。

Anthropicは、自社のAI「Claude」の公式ドキュメントで、もっともらしい誤り（ハルシネーション）を減らす方法を紹介しています（Claude ドキュメント「ハルシネーションを減らす」）。社内で使いやすいものを選ぶと、次の3つです。

• 「わからない」と言ってよいと伝える不確かなときは不確かだと答えてよい、と明示する
• 根拠の引用と出典を示させる主張ごとに、元の資料のどこに書いてあるかを示させる
• 渡した資料だけを使わせる一般的な知識ではなく、こちらが渡した資料の情報だけで答えるよう指示する

同じドキュメントは、これらで誤りを大きく減らせても完全にはなくせないので、重大な判断では重要な情報を必ず確かめるよう書いています。

社内では、たとえば次の一文を頼み方の最後に付けるところから始められます。

• 「わからない点は、わからないと書いてください」
• 「数字と固有名詞には、出典（資料名とページ、またはURL）を付けてください」
• 「添付した資料に書かれていないことは、書かないでください」

ここがポイント出典のない答えを一から調べ直すより、出典付きの答えのリンク先を開くほうが、確認は短く済みます。確認を楽にする準備は、頼む時点でできます。

055. 工夫2　確認の濃さを、業務ごとに分けておく

2つ目は、すべての出力を同じ強さで確認しないことです。

全部を細かく見れば時間が足りず、全部を流し読みにすれば大事なところで誤りを見逃します。 そこで、間違えたときの影響の大きさで確認の濃さを分けます。

以下は、AI LIFEとして提案する分け方の一例です。

• しっかり確認お客様や取引先に出すもの、金額・契約・法律・人事・セキュリティに関わるもの。担当者以外も目を通し、事実、数字、固有名詞、相手先を確かめる
• 要点を確認社内の資料や議事録。数字と固有名詞、決まったことだけを確かめる
• 使うときに確認アイデア出しや下調べのたたき台。そのまま外に出さず、採用する案だけをあとで確かめる

帝国データバンクの調査で最も多かった使い道は「文章の作成・要約・校正」でした。 同じ文章でも、社内メモなら「要点を確認」、お客様への案内なら「しっかり確認」と、行き先で濃さを変えます。

創刊号では、AIに任せる最初の業務として「間違えても取り返しがつく」「人が見直してから外に出せる」作業を勧めました。 確認の濃さを分ける考え方も、その延長にあります。

ここがポイント社長が決めるのは、確認のやり方の細部ではなく、「どの業務を、どの濃さで確認するか」の区分です。区分が決まっていれば、現場は軽く見てよい所と、手を抜いてはいけない所を迷わず分けられます。

066. 工夫3　確認にかかる時間を、最初から見積もりに入れる

3つ目は、効果を見積もるときに、確認と手直しの時間も数えることです。

創刊号では、効果の見積もりを「削減できる時間 × 人件費の時間単価 − AIの利用料や準備の手間」と整理しました。 ここに、確認と手直しの時間をはっきり入れます。

（AIを使う前の作業時間 − AIでの作業時間 − 確認・手直しの時間）× 時間単価 − AIの利用料 ＝ 見込める効果

【架空の例】社員12名の会社で、月末に送る請求書の案内メールをAIで下書きしているとします。下書きは1通あたり10分から3分に縮んだものの、宛先と金額の確認、言い回しの手直しに1通5分かかっていたとすると、実際に減ったのは1通2分です。そこで、請求データを渡して「渡したデータにない金額は書かない」と指示し、確認を金額と宛先に絞ったところ、確認が1通2分になったと仮定します。月100通なら、減る時間は月200分から月500分に変わります。実在の会社の例ではなく、数字もすべて仮定です。

測り方は、きのうの号で決めた「4週間の試し」に1項目足すだけです。 かかった時間と直した回数に加えて、「確認・手直しにかかった時間」をメモしてもらいます。

ここがポイント確認の時間を測っておくと、「AIが役に立っていない」のか「確認のやり方が重い」のかを分けて考えられます。前者ならその業務でのAI利用をやめ、後者なら頼み方と確認の区分を見直します。

まとめ　確認をなくすのではなく、軽くして、見積もる

帝国データバンクの調査では、生成AIを活用する企業の86.7%が効果を実感する一方、懸念・課題の1位は「情報の正確性」（50.4%）でした（帝国データバンク 調査）。

効果はある。 ただし、確かめる手間とセットです。

社長が先に決めておけることは3つです。

1. 確かめやすい頼み方を、社内の決まり文句にする
2. 業務ごとに、確認の濃さを分ける
3. 確認と手直しの時間も、効果の見積もりに入れる

AIが速く作った分を、確認で使い切らないこと。 そのうえで、最後に確かめて決めるのは人、という前提は変えずに進めます。

自社の業務だと、どこまで確認を軽くできるか。一緒に見ていきます。