AIツールを契約した。社員が使い始めた。デモも動いた。それでも、仕事が変わらないことはあります。つまずきは、ツールの性能だけで起きるわけではありません。次の設計でも起きます。
- 対象の業務
- 試す範囲
- 情報のルール
- 人の役割
- 測り方
この記事では、公式の資料で確かめられる論点をもとに、AI導入で起きやすい状態を5つの失敗のパターンに整理します。全社に広げるのを急ぐ前に、どこを小さく直せばいいかを診断し、続ける・直す・やめるを判断できる進め方を持ち帰ってください。
あわせて、Nutritsが自社と依頼先の仕事でAIを使い、実際につまずいた例も紹介します。どれも2026年の記録です。
AI導入の失敗は「ツール選び」より前に起きる
この記事でいう「AI導入の失敗」
この記事でいう「失敗」は、AIツールを使わなくなることだけではありません。次のような状態も含めます。
- 期待した効果を測れない
- 仕事の流れに組み込めない
- 間違った出力や、情報のリスクを管理できない
- 特定の1人がいないと、運用が止まる
これは公的機関が決めた失敗率ではなく、導入の前後の判断をしやすくするための、実務上の整理です。この記事の5つのパターンも、官公庁が決めた公式の分類ではありません。自社の仕事で何を変えたいか、何が変わったかを見られる状態を作るための、診断の軸として読んでください。
公的な資料から見える、中小企業のつまずき
2026年版中小企業白書の概要を見てみます。全体5,645者のうち、2019年以降の省力化の投資でAIの活用に「取り組んだ」と答えた事業者は、30.3%でした。この数字は、AIが定着した、または成果が出た企業の割合ではありません。反対に、取り組んでいない割合を「失敗率」と読むこともできません。[1]
同じ資料で、AIを活用していない3,888者に理由を聞いています(複数回答)。
- 活用する業務がイメージできていない:63.4%
- 活用を進める人材が足りない:40.0%
- 社内のルール・ガイドラインが整っていない:26.2%
これらは中小企業全体の割合ではありません。それでも、用途、人、ルールという、ツールを比べるだけでは解けない論点を示しています。[1]
失敗パターン1|課題より先にAIツールを選ぶ
ツールの導入が目的になると、成功の条件が消える
「競合が使っている」「話題だから」「機能が多い」。こうした理由で先にツールを決めると、何を良くしたいのかが後回しになりがちです。その結果、アカウントの数や生成した件数は増えても、現場の時間、品質、お客様への対応が良くなったかを説明できません。
先ほどの63.4%は、AIを活用していない事業者への複数回答です。それでも、使えそうな業務を思い描けないことが大きな壁として表れている点は、導入の出発点を考える材料になります。[1]
最初の対象の業務を、4つの軸で選ぶ
最初に選ぶのは、AIに向いていそうな仕事ではありません。次の4つの軸で説明できる業務です。
- 頻度が高い:毎週・毎月のように、くり返し起きる
- 今の状態を測れる:1件あたりの時間、手戻り、差し戻しを記録できる
- 入力と出力を例で示せる:何を渡し、どの状態まで仕上げるかを共有できる
- 人が最後に判断できる:AIの出力だけで、決裁・契約・診断を決めない
ツールが先だと、「何ができるか」から考えます。課題が先だと、「どのくり返しの業務の、何を良くするか」から決めます。候補がいくつかあるなら、最初は1つに絞り、今回は扱わない業務も決めておくと、試す範囲がぶれません。
失敗パターン2|最初から大きく自動にする
デモで動くことと、本番で回ることは違う
デモでは、整った入力を使い、例外の少ない出力を見せられます。本番では、入力のばらつき、情報の不足、例外の処理、修正、承認、止める条件が出てきます。複数の部門、複数のデータ、たくさんの出力の形を同時に広げるほど、問題が起きたときに原因を切り分けにくくなります。
大きな仕組みが悪いわけではありません。ただ、最初の試しで必要なのは、完成度を高く見せることではありません。「どの入力で崩れるか」「誰が直せるか」「どの状態なら使わないか」を確かめることです。
Nutritsの例:デモの違和感から、要件の抜けが見つかった
2026年9月、住まい関連の事業者から、資料を2段階で送る仕組みを頼まれました。フォームで受け付け、メールを送り、2つ目のフォームへ案内する流れです。AIを使って作ったので、デモ自体はすぐに動きました。ところが、出来上がったデモに違和感がありました。
そこで、過去のLINEのやり取りを読み直しました。すると、要件に抜けがあったと分かりました。デモは、聞き取った要件の一部だけで動いていたのです。
作り直したあと、先方に試してもらい、導入OKの返事をもらえました。動くデモを見ても、要件と照らし合わせるまでは安心しない。これが、このとき学んだことです。
入力・出力・修正・品質の基準を小さく決める
試すときは、対象の業務、使う人、承認する人を限って始めます。たとえば、使う人を1〜3人、承認する人を1人にする。これは全社共通の基準ではなく、原因を追いやすくするための実務上の目安です。仕事の量に合わせて調整してください。
試す前に、少なくとも次のことをそれぞれ1文で決めます。
- どの入力の例を使うか
- AIに何を出させるか
- どこを人が直すか
- どの状態なら捨てて、人の対応に戻すか
小さく始める目的は、必ず成功させることではありません。直すべき点と、広げないほうがいい条件を、早く見つけることです。
Nutritsでは、営業に使う改善レポートのPDFをAIで会社ごとに作っています。ここでは、捨てる条件を先に決めました。機械の検査で文字の切れや見切れが見つかったら、その資料は止めます。合格したものだけを、人が確かめる下書きに回します。
実際に回すと、合格の数は週に0社から18社まで大きく振れました。すべて止まった週もあります。それでも、崩れた資料をそのまま送らずに済みました。
失敗パターン3|入れる情報とAIの出力のルールがない
入れない情報を先に決める
使うサービスの契約・設定・社内の規程を確かめないまま、入れてはいけない情報があります。お客様の情報、個人情報、契約の内容、公開前の数字、機密のデータです。無料か有料かだけで、安全かどうかを一律に判断することもできません。使うサービスごとのデータの扱いと設定を確かめ、入れてよい情報を決めます。
中小企業白書の概要では、AIを活用していない事業者への複数回答で、次の結果が出ています。社内のルール・ガイドラインが整っていない:26.2%。セキュリティ・情報漏れへの不安:14.5%。これらは中小企業全体の割合ではありませんが、ルールづくりを後回しにしにくい理由になります。[1]
出力は人が確かめ、誰が決めるかを決める
AIの出力は、もっともらしく見えても誤りを含むことがあります。事実、数値、固有名詞の確認はもちろんです。契約・法務・人事・診断・経営の判断に関わる内容は、AIだけで決めないでください。必要に応じて、社内の責任者や専門家に確かめる。これは一般的な運用上の提案です。
固有名詞の誤りは、Nutritsの営業資料づくりでも続けて起きました。会社のサイトから自動で情報を集めると、次のような誤りが出たのです。
- 社名が、ページの切れ端(「TEL」「menu」など)になる
- 社名に、登録番号が混ざる
- 会社の案内ではなく、求人のページを読み取る
2026年10月9日には、候補の10社すべてを止めました。正式な社名と連絡先の根拠がそろわなかったためです。その日に作った資料は0件でした。
IPAのDX動向2025データ集も、課題を挙げています。間違った答えを信じて仕事に使うことや、適切な利用のルール・基準を作る難しさです。AI事業者ガイドライン第1.2版は、リスクを理解して続けて見直す考え方を示しています。個人情報・機密データ・誤った情報・セキュリティなどのリスクです。ガイドラインは法律そのものではなく、個別の法的な判断の代わりにはなりません。[2][3]
最小のルールを1枚にまとめる
最初から分厚い規程を作る必要はありません。試している間に迷わないよう、次の6項目を1枚にまとめます。
- 入れない情報:入れてはいけない情報と、確かめが必要な情報
- 使う人:誰が使えるか
- 出力の確認:人が必ず確かめる項目
- 承認する人:最後の結果を決める人
- 記録:入力の例外、修正、差し戻しを残す方法
- 問題が起きたとき:使うのを止め、誰に報告するか

この図の最小のルールは、法令や契約の要件を代わりに判定するものではありません。自社が扱う情報と仕事に合わせ、必要なら責任者や専門家の確認を加えてください。
失敗パターン4|1人の「詳しい人」に丸投げする
1人に知識と責任が集まると、止まりやすい
1人が、ツールの設定、指示の文、ルール、教育、問題への対応まで抱えていませんか。それでは、その人が忙しいだけで運用が止まりやすくなります。中小企業白書の概要でも、AIを活用していない事業者への複数回答で、「活用を進める人材が足りない」が40.0%でした。これは、AIの専任の人材を必ず採るべき、という意味ではありません。[1]
必要なのは、詳しい1人に責任を集めることではなく、判断と記録を分けることです。少人数でも、役割は次のように分けられます。
- 経営者・責任者:目的、許せるリスク、予算、続ける・やめるの判断を持つ
- 現場:入力の例外、手戻り、使いにくさ、品質の問題を記録する
- 管理側:利用のルール、権限、記録、教育、問題が起きたときの調整を受け持つ
研修と連携は、小さく続ける
白書は、ITツールの効果を高める取り組みとして、社員向けの研修・勉強会と、部門どうしの連携が役立つことを示しています。AIだけに限った結論ではありませんが、短い共有の場と、例外を報告できる窓口を置く価値はあります。[1]
専任の人を採れなくても大丈夫です。定期的に「何に使ったか」「どこで直したか」「次に何を変えるか」を確かめるだけで、属人化に気づきやすくなります。会議の時間や頻度は、仕事の量に合わせて決めましょう。
失敗パターン5|使った回数を成果にする
使うことが増えたことと、効果が出たことは別
アカウントの数、プロンプトの数、生成した件数は、試しが動いているかを見る活動の量です。でも、それだけでは、現場の負担や品質、お客様への価値が良くなったかは分かりません。
これは、Nutrits自身が経験したことです。2026年の春から、営業リストづくりから資料の作成まで、多くの仕事を自動にしました。それでも6月の記録には、こう書いています。
「あらゆるものを自動化してきたが、結果が伴っていないのが現状。これからは精度を上げていく段階」
数字も同じことを示しています。7月下旬から10月中旬までに営業メールを29社に送り、前向きな返信は0件でした。動いている仕組みの数と、返ってきた成果は別ものです。
IPAは2026年7月に、国内企業1,799社の調査を公表しました。AIの導入は広がり、多くの企業で効果が実感されている一方、「期待どおり・期待以上」の効果の割合は限られています。使い道と具体的な効果は、仕事の効率化・スピードアップが中心です。中小企業だけを対象にした調査ではなく、これをAI導入の失敗率と読み替えることもできません。[4]
時間・修正・品質・運用・成果を分けて測る
測る項目は、対象の業務の目的に合わせて、1〜2個から始めます。決まった削減率を置くより、AIを使わないときと比べられる「元の値」を取るほうが大切です。
| 区分 | 指標例 | 確認する質問 |
|---|---|---|
| 時間 | 1件あたり総作業時間 | AI出力後の修正・事実確認も含めて短縮したか |
| 修正 | 修正回数、差し戻し回数 | 作業を減らさず、修正負担を別の人へ移しただけではないか |
| 品質 | 事実誤り、入力不足、不合格率 | AI未使用時より品質が下がっていないか |
| 運用 | 完了率、例外発生率、承認滞留 | 特定の一人がいないと止まらないか |
| 成果 | 応答速度、納期、問い合わせ、顧客満足など対象業務に合う指標 | 対象業務の本来の目的へ近づいたか |
続ける・直す・やめるを決める日を置く
試しの終わりには、導入前の記録と比べて、続ける・直す・やめるのどれにするかを決めます。成功の条件だけでなく、直す・やめる条件も先に決めてください。たとえば、品質が下がった、修正が増えた、例外への対応が重い、などです。
やめるのは、「AIを使わないほうがいい業務」や「先に整えるべき条件」を見つけた、という判断です。使った回数が多いことを理由に、不都合を見過ごさないことが大切です。
AI導入を小さく始める5ステップ
対象の業務選びから判断までを、ひと回りさせる
失敗のパターンを避けるために、次の5ステップをひと回りさせます。
- 対象の業務を選ぶ:頻度が高く、人が最後に判断できる業務を1つ選ぶ
- 導入前を測る:合計の作業時間、手戻り、品質の問題を記録する
- 試す条件を決める:入力、出力、使う人、承認する人、成功・直す・やめるの条件を決める
- 範囲を限って試す:入れない情報と人の確認を決め、例外を記録する
- 続け方を判断する:記録を比べ、続ける・直す・やめるのどれかを選ぶ

もっと詳しい導入の手順は、生成AI導入フレームワークの記事も参考にしてください。
試す期間は、仕事の量に合わせる
試す期間に、どこでも通じる正解はありません。2〜4週間のような期間は、小さな試しの実務上の目安にはなりますが、成果が出る期限ではありません。あまり起きない業務なら、期間だけ延ばしても、比べるのに必要な件数が集まらないことがあります。
「何週間か」より、「判断できるだけのケースの数を見られるか」で決めてください。毎日起きる業務と、月に数件しか起きない業務では、必要な試し方が変わります。
自社のリスクを確かめる、診断のチェックリスト
導入の前に答える9つの質問
次の質問に「いいえ」があるなら、全社に広げる前に、その項目を決めます。
- 対象は、毎週または毎月くり返す業務ですか。
- 1回あたりの合計の作業時間、手戻り、不合格を記録しましたか。
- 使ってよい資料と、入れてはいけない情報を分けましたか。
- AIが出すものと、人が仕上げるものを分けましたか。
- 使う人と、例外の報告先を決めましたか。
- 最後の結果を決める、承認する人を決めましたか。
- 直す・捨てる・人の対応に戻す条件を決めましたか。
- 時間、修正、品質、運用、成果のどれを良くしたいか決めましたか。
- いつ、誰が、続ける・直す・やめるを決めるか決めましたか。
「いいえ」がある項目を先に直す
点数で危険度を決める必要はありません。「いいえ」が出た項目は、AIを広げる前に合意が必要な場所です。たとえば承認する人がいないなら、ツールを足す前に、最後の確認の責任を置く。入れてはいけない情報があいまいなら、まず使う資料を分ける。こうして1つずつ条件を整えるほうが、試しから得られる情報は増えます。
AI導入の失敗についてよくある質問
AI導入は、何から始めるべきですか?
頻度が高く、入力と出力を例で示せて、人が最後に判断できる業務を、1つ選ぶところから始めます。ツールを契約するより先に、今の作業時間と、続ける・やめるを判断する条件を記録しましょう。
小さな会社でも、社内のルールは必要ですか?
規模にかかわらず、入れない情報、出力の確認、承認、問題が起きたときの報告先は、決める価値があります。自社の契約や法令に当てはまるかは一律に判断せず、必要に応じて責任者・専門家に確かめてください。
効果は何か月で判断すべきですか?
すべての業務に通じる期間はありません。対象の業務が起きる頻度と、導入の前後を比べるのに必要なケースの数から決めます。短い試しの期間は目安で、期限内の成果を約束するものではありません。
外部に相談するタイミングは、いつですか?
対象の業務、入れる情報の境目、承認の責任、測り方を、社内だけで決められないときが1つの目安です。特定のツールを買うのを急ぐ前に、何を試し、何で判断するかを整理して相談すると、話が進みやすくなります。
まとめ|AI導入は小さく試し、測って判断する
AI導入の失敗を避けるには、次の5つを意識します。
- 課題より先に、ツールを選ばない
- 最初から大きく自動にしない
- 入れる情報と出力のルールを、あいまいにしない
- 1人に知識と責任を集めない
- 使った回数だけを成果にしない
完璧な全社の計画を先に作るより、対象の業務を1つ選び、最小のルール、役割、測り方、判断の日をそろえて、ひと回りさせる。そのほうが、次の判断の材料を集めやすくなります。
AI活用の進め方を整理したい方へ
対象業務や優先順位を自社だけで整理しにくい場合は、NutritsのAI活用支援の内容をご覧ください。Webサイトを含む事業課題の優先順位を見直したい方は、無料Web診断も確認できます。
出典
- 中小企業庁「2026年版 中小企業白書・小規模企業白書の概要」(2026年4月公表)。
- IPA「DX動向2025」データ集(調査資料の確認基準日: 2026-08-10)。
- 経済産業省「AI事業者ガイドライン(第1.2版)」公開ページ/本編PDF(2026-03-31取りまとめ)。
- IPA「国内企業のDX動向・AI活用動向のポイントを公表」(2026-07-16公表)。










リクマ
最初の段階で広げすぎるより、入力・出力・直し方・不合格条件を先に小さく決める。私は、その方が次の改善を判断しやすいと考えています。