利用率100％は、到達点ではなく出発点になった
メルカリは2026年6月、CTOの木村俊也氏がCHROとCAIOを兼ねる体制を始めた。2025年から掲げてきたAI前提の組織づくりは、ツール配布の段階を越えた。ChatGPTやClaude、NotionのAI機能などが全社員に行き渡り、AIツールの利用率は100％に達したとされる。開発現場では、コードの約7割がAI生成になり、エンジニア1人当たりの開発量も前年比で大きく伸びている。
普通なら、これはAI導入の成功例として読まれる。だが今回の重要点は、そこから先にある。全員が使い、数字も改善しているのに、なお「生産性を伸ばし切れていない」と見るなら、企業AIの課題はモデル性能や利用率では説明できない。焦点は、AIを使うかどうかから、AIを前提に仕事、権限、責任、評価を組み替えられるかへ移った。
速くなった作業と、詰まった工程は別物だ
AIはまず、文章作成やコード生成のように、個人の手元で完結しやすい作業を速くする。ここでは性能、価格、速度が効く。性能が上がれば任せられる仕事が増え、価格が下がれば全社員配布がしやすくなり、応答速度が速ければ日常業務の中に入り込む。
ただし、企業の成果は個人作業の合計では決まらない。開発なら、コードを書く前に企画、顧客理解、仕様設計があり、書いた後にQA、コードレビュー、デザイン、コンプライアンス、セキュリティ確認が続く。コーディングだけが速くなっても、その前後の工程が旧来のままなら、速さは途中で吸収される。
ここでAI導入の制約は変わる。AI機能を社内に広く配るほど、誰がどのデータに触れてよいのか、生成物の知財リスクをどう見るのか、監査ログを残せるのか、利用範囲をどこまで広げるのかが問題になる。速度の問題は、権限制御と監査可能性の問題に接続する。
価値になるまでの経路は、開発現場だけで閉じない
AI機能が企業価値に変わる経路は、単純な「導入して使う」ではない。まず開発者や現場担当者の作業が速くなる。次にIT部門がデータ接続、権限、セキュリティ、ログを整える。法務や知財担当が、学習データ、生成物、契約上の責任を判断する。業務部門は、AIを前提に承認、レビュー、顧客対応、例外処理の流れを変える。最後に、その変化がリードタイム短縮や品質改善として表れる。
この経路のどこか一つが弱いだけで、生産性は頭打ちになる。開発者はAIの出力を使いながら品質責任を負う。IT・セキュリティ部門は速い配布と安全な統制を両立させる。法務は過剰に止めれば導入を遅らせるが、曖昧に通せば知財や秘密情報のリスクを残す。人事は、AIで成果が出る働き方を評価制度に反映しなければならない。利用者は便利さだけでなく、どの場面で人に戻すべきかを判断する必要がある。
企業導入を止める壁の優先順位
いま優先して見るべき壁は、第一に業務再設計不足だ。AIが個人作業を速めても、意思決定、レビュー、承認、品質保証の流れが変わらなければ、全体の処理能力は伸びにくい。利用率100％の企業で生産性が伸び切らないなら、最大の詰まりはツールではなく仕事の設計にある。
第二は責任境界の不足だ。AIが作ったコード、文章、分析、顧客対応案を誰が確認し、誰が最終責任を持つのかが曖昧なままでは、現場は重要な判断にAIを使い切れない。第三は統制不足で、権限、ログ、機密データ、監査対応が整わなければ、利用範囲は広がっても中核業務には入りにくい。
第四が技術不足だ。もちろん、モデルの精度、価格、速度、対応できる業務範囲は引き続き重要だ。しかし、すでにツールが全社に行き渡った企業では、技術そのものよりも、技術を通す組織の設計がボトルネックになりやすい。
競争軸はモデル選びから、社内OSの設計へ移る
企業のAI競争は、どのモデルを使うかだけでは差がつきにくくなっている。外部モデルや汎用ツールは多くの企業が使える。差が出るのは、社内データ、権限、業務プロセス、評価制度、監査の仕組みをどう接続するかだ。
その意味で、競争軸はモデルから配布、データ、インフラ、権限へ広がる。価格が高ければ全社員配布は絞られる。速度が遅ければ日常業務に定着しない。権限設計が粗ければ重要データに接続できない。監査できなければ、法務やセキュリティが本番利用を止める。知財リスクを管理できなければ、生成物を外部向け成果物に使いにくい。
人事トップとAIトップを技術責任者が兼ねる意味は、ここにある。AI導入はIT施策ではなく、職務、評価、採用、教育、権限配分を含む組織設計の問題になった。AIに詳しい人を増やすだけでなく、AIを前提に成果が出る役割の切り方へ変えなければ、企業の伸びは止まる。
次に見るべき数字は、AI利用率ではない
今後の答え合わせは、AI利用率の上昇ではなく、詰まりが解けたかで見るべきだ。企画からリリースまでのリードタイム、QAやコードレビューの待ち時間、AI生成物の手戻り率、セキュリティ確認にかかる時間、法務レビューの滞留、AIを使った成果を評価する制度変更が重要になる。
見方を変える条件も明確だ。利用率が高いままでも、リードタイムやレビュー待ちが改善しないなら、AI導入の効果は個人作業の範囲にとどまっている。逆に、権限管理と監査を整えたうえで、中核業務の処理時間や品質指標が動くなら、AIはツールではなく業務基盤になり始めたといえる。
企業AIの次の段階は、派手なデモより地味な制度変更に出る。誰が使えるか、どのデータに触れるか、誰が承認するか、どのログで監査するか。そこが変わったとき、AIは初めて全社の生産性に届く。