AIは儲からないのか。それとも、まだ決算に映っていないだけなのか

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。 　

AIの話をしていると、空気が二つに割れます。

一方には、「もう仕事のやり方が変わった」と言う人がいる。
もう一方には、「で、結局いくら儲かったの？」と聞く人がいる。

どちらも間違っていません。
このねじれこそが、今のAI導入の本質です。

実際、企業のAI利用はかなり広がっています。McKinseyの2025年調査では、回答企業の71％が少なくとも1つの業務機能で生成AIを定常利用していると答えました。その一方で、企業全体のEBITに目に見える効果が出ていると答えた企業は少数で、80％超は全社利益への明確な影響をまだ確認できていません。MIT NANDAの2025年レポートでも、数百万ドル規模の価値を生んでいる統合済みAIパイロットは5％にとどまり、BCGも1,250社調査で「価値をスケールで実現している企業は5％」と報告しています。

このブログで掴みたいのは三つです。
なぜ現場では「便利になった」が起きているのに、決算では「利益が増えた」が出にくいのか。
なぜAI予算を積んでも、会社ごとにリターンの差が大きいのか。
そして、何を見れば「AIを使っている会社」と「AIで強くなる会社」を見分けられるのか。

AIの議論は技術の話に見えて、実は経営と会計の話です。
費用は先に出る。
効果はあとから出る。
しかも最初は、P/Lにきれいには載ってくれない。

ここを外すと、AIの評価はだいたい雑になります。
今日はそのズレを、投資と会計の目線で深掘りします。

なぜ“便利”が“利益”に変わらないのか

AI導入の議論でいちばん起きやすい誤解は、
「作業時間が減った＝利益が増えた」と考えてしまうことです。

現場で起きる改善と、会社の数字に出る改善は、同じではない。
まずはここからです。

局所改善は起きている

先に言っておくと、AIの効果そのものを過小評価するのも違います。
タスク単位では、生成AIはすでにかなり効いています。

OECDが2025年に整理した実験研究では、顧客対応、ソフトウェア開発、コンサルティングなどで、生産性向上は平均5％から25％超の幅で確認されています。Brynjolfssonらの研究でも、生成AI支援ツールは顧客対応職の生産性を平均14〜15％押し上げ、特に経験の浅い人ほど改善幅が大きいと示されました。

議事録作成、要約、提案書のたたき台、FAQ対応、コード補完。
こうした仕事では、「前より速い」は本当に起きています。

ただし、それだけでは利益は増えません。

時短は、そのままでは利益にならない

たとえば、ある部署で1人あたり1日30分浮いたとします。
現場の体感としては大きい。でも会計は冷静です。

人件費が固定費のままなら、その30分は自動では利益に変わりません。
浮いた時間で売上を増やしたのか。
残業を減らしたのか。
外注費を削ったのか。
採用を抑えられたのか。
それとも、ただ忙しさの“クッション”として消えたのか。

McKinseyの2025年調査が面白いのは、業務部門レベルでは売上増やコスト減を報告する会社が増えているのに、全社EBITへの明確な効果はまだ限定的だと示している点です。局所では効いている。でも、会社全体の利益に変換されるところまでつながっていない。これが今のリアルです。

先に出るのは費用、あとから出るのが価値

さらにややこしいのは、AI導入では費用が先に見えやすいことです。
ライセンス、PoC、外部ベンダー、データ整備、セキュリティ対応、教育、プロセス再設計。かなりの部分が先にP/Lへ出ます。

一方で、価値は遅れて出る。
しかも無形のかたちで出ることが多い。

Brynjolfssonらの「Productivity J-Curve」は、新しい汎用技術では、組織変更や学習、業務再設計のような無形投資が先に積み上がるため、初期は生産性が見えにくく、その後に効いてくると説明しました。BISの2026年論文でも、AI導入の生産性効果は平均4％確認される一方、ソフトウェア、データ、研修などの補完投資を伴う企業ほど効果が大きいと示されています。

会計っぽく言えば、AIは「買った瞬間に儲かる機械」ではない。
教育と設計変更を必要とする無形資産の束です。

要するに、
「現場の便利」と「会社の利益」のあいだには谷がある。

AIが効かないのではない。
効き方が、まだ決算に届いていない。
まずはここを見誤らないことです。

成果が出る会社は、どこを変えているのか

では、AIで本当に差がつく会社は何が違うのか。

答えは、モデルの性能だけではありません。
もっと地味で、もっとしんどい場所です。
業務の流れを壊し、組み替え、管理の仕方まで変えているかどうか。ここで決まります。

勝負は“ツール導入”ではなく“ワークフロー再設計”

多くの会社は、AIを既存業務の上に乗せます。
今ある仕事を少し速くする。最初はそれでいい。

でも、それだけだと伸びが止まる。

McKinseyは、生成AIのEBITインパクトを最も左右する要素として、25項目の中で「ワークフローの再設計」を最上位に挙げています。業務フローを根本から組み替えたと答えたのは、生成AI利用企業でも21％でした。まだ多くは“付け足し”の段階です。

本当に強い会社は、
「議事録が速くなった」で終わらない。
営業から契約まで、問い合わせから商品改善まで、流れそのものをつなぎ直す。
この“つなぎ直し”が利益を生みます。

真ん中の管理職が、いちばん重要になる

AIの議論では、CEOやCTOばかり目立ちます。
でも実際に詰まるのは、その下です。

Gallupの2025年・2026年の調査では、AI活用の広がりを左右する要因として、マネージャーの支援と、AIを既存ワークフローにどうはめるかの設計が大きいと示されています。AI導入を始めた企業でも、「上司がAI活用を積極的に支援している」と強く答えた従業員は28％にとどまりました。支援を実感している従業員は、AIを頻繁に使う割合が2倍超に上がります。

価値が落ちるのは管理職そのものではなく、
指示を流すだけの管理です。

逆に価値が上がるのは、
何をAIに渡し、何を人が握るかを決める人。
現場の抵抗感を言語化し、小さく試せる形にする人。
数字の責任を持ちながら、学習の余白も守る人です。

勝ち筋は“本業のど真ん中”にある

AI施策が空回りしやすい会社には共通点があります。
案件数が多い。PoCが散らばる。
でも、どれも本業のコア収益に刺さっていない。

BCGの2025年調査では、AIの潜在価値の70％は、営業・マーケティング、製造、サプライチェーン、価格設定などのコア業務に集中するとされています。出遅れ企業では、重要機能を端から端まで作り替えるのではなく、自動化を点でばらまき、結果として“つながらない施策”が増えると指摘しています。

これは会計で言えば、販管費の節約に夢中で、売上総利益率を決める本丸を触っていない状態に近い。
AIを語る会社には、「どの収益ドライバーを書き換えているのか」を聞くべきです。

AIで成果を出す会社は、派手な会社ではありません。
業務フロー、管理職、データ、評価指標。
会社の“配線”そのものをいじっている。
だから強いんです。

投資家と働く人は、AIの何を見ればいいのか

AIの話が増えるほど、見るべきものは逆に絞られます。
大事なのは、「AIを使っているか」ではなく、
AIで何が変わり、その変化が数字にどう接続するかです。

投資家は“AI発言量”ではなく“利益への導線”を見る

決算説明資料で「AI」という単語が増えても、それだけでは何も分かりません。
見るべきは、利益への導線です。

売上単価が上がるのか。
成約率が上がるのか。
解約率が下がるのか。
サポート1件あたりコストが下がるのか。
採用や外注の増加を抑えられるのか。

McKinseyは、生成AIの全社利益インパクトを高める要因として、明確なKPI管理とロードマップ整備を挙げています。BCGも、トップマネジメントが価値目標を定義せず、進捗管理も曖昧な企業では、施策が分散し、協調した価値創出につながりにくいと指摘しています。

怖いのは、夢を買うことではありません。
夢と導線を混同することです。

会計の読み方を少し変えると、景色が変わる

AI時代の決算を見るとき、短期の費用増を「失敗」と即断しないこと。
ただし、何でも許すわけでもない。

見るポイントは三つです。

• AI関連費用が、単発の実験費で終わっていないか
• データ整備や教育など、再現性のある基盤投資になっているか
• その投資が、将来の粗利率改善や販管費効率化にどう効くか説明されているか

BISの2026年論文は、AIの生産性効果が補完投資のある企業で強いことを示しました。BrynjolfssonらのJカーブの議論も、初期には無形投資が先に積み上がるため、見かけの利益が遅れて立ち上がると説明します。

AI費用は「今期の重荷」であると同時に、「来期以降のレバレッジ」でもありうる。
ここを見抜くには、P/Lだけでなく、その裏の設計思想まで読む必要があります。

働く側の勝ち筋は、AIに勝つことではない

働く人の目線でも、見方はかなり変わります。
AIが広がると、自分の仕事がなくなるのかが気になる。そこは自然な反応です。

ただ、今出ている研究をそのまま読むと、短期ではもう少し違う景色です。
BISの分析では、AI導入は労働生産性を押し上げても、短期では雇用を減らしたという証拠は強くありません。Brynjolfssonらの研究でも、生成AIは経験の浅い人を底上げする色が強い。

勝ち筋は「AIに勝つ」ではなく、AIを前提に仕事を再設計できる人になることです。
自分の仕事を工程に分け、どこをAIに任せ、どこを自分が握るか決める。
そして出てきた答えを検証し、相手の文脈に合わせて仕上げる。
この力は、かなり強い。

投資家にも、会社員にも、AIを見る目が問われています。
どの業務が変わったのか。
その変化は誰の時間を浮かせ、どの数字を動かし、何年で回収されるのか。
ここまで見にいく癖が、これから効いてきます。

結論

AI導入の現在地を雑にまとめると、
「まだ儲かっていない会社が多い」で終わってしまいます。

でも、それでは浅い。

本当に起きているのは、もっと人間くさい話です。
現場では助かっている。
けれど会社全体では、まだ利益に変わりきっていない。
経営陣は焦る。
管理職は詰まる。
現場は便利さと不安を同時に抱える。

この途中に、私たちはいます。

だから今は、幻滅する局面ではありません。
見極める局面です。

AIは魔法の杖ではない。
会社の配線を組み替える技術です。
そして配線を組み替える仕事は、地味で、面倒で、時間がかかる。

でも、だからこそ価値になる。

誰でも触れる技術なのに、
誰でも利益に変えられるわけではない。
この差が、これから企業価値の差になる。
働く人の差にもなる。

派手なAIの時代に、最後にものを言うのは、
地味な再設計をやり切る力です。

そこにお金が残る。
そこに競争優位が残る。
そこに、人の仕事も残っていく。

AIの本当の勝負は、導入の数ではありません。
“便利”を“利益”に変える執念の差です。

参考になる書籍5選

『生成AI「戦力化」の教科書』 松本勇気
「便利そう」で終わらせず、書類業務の効率化、ナレッジベース構築、ワークフロー設計、エージェント化までを一段ずつ考えたい人に刺さる一冊です。AI導入が社内で止まりやすいのは、ツールの性能より“仕事の教え方”が曖昧だから。この本は、そのつまずきを越えて、生成AIを本当に戦力に変える感覚を掴ませてくれます。ブログ本文で触れた「局所改善を全社成果へつなぐ」という論点とも相性がいいです。

生成AI「戦力化」の教科書 [ 松本 勇気 ] 価格：2,640円（税込、送料無料) (2026/4/15時点) 楽天で購入

『AIエージェント時代のDX ビジネスオーケストレーションの衝撃』 安部慶喜・柳剛洋・金弘潤一郎
AIを単なる時短ツールで終わらせず、業務とシステムのつながりそのものを組み替える発想を持ちたいなら、この本はかなり効きます。ポイントは「人が頑張って回す会社」から、「AIが業務を進め、人は価値創造に集中する会社」へどう移るか。AI導入で成果が出る企業と出ない企業の差が、ツールではなく“配線の引き直し”にあることが、腹落ちしやすいはずです。

AIエージェント時代のDX ビジネスオーケストレーションの衝撃 [ 安部 慶喜 ] 価格：2,200円（税込、送料無料) (2026/4/15時点) 楽天で購入

『AI活用のためのデータマネジメント超入門』 永田ゆかり
AIの話は派手ですが、実際に成否を分けるのは地味なデータ整備です。ここを飛ばすと、PoCは動いても本番で止まる。そんな現実にちゃんと向き合いたい人向けの一冊です。AIが成果を出せない理由を「モデルの限界」ではなく、「土台の弱さ」として見られるようになるので、AIのROIを考える視点が一段深くなります。華やかな本ではない。でも、こういう本を読んだ人のほうが最後に強いです。

AI活用のためのデータマネジメント超入門 [ 永田 ゆかり ] 価格：2,860円（税込、送料無料) (2026/4/15時点) 楽天で購入

『経営者のための生成AI組織的活用の教科書』 小山昇
AI活用を個人の器用さで終わらせず、組織の仕組みに変えたい人に向いた本です。属人化の解消、時間短縮、意思決定の精度とスピード、定着率の改善まで、生成AIを“現場で回る仕組み”として使う発想が入っています。AIは導入より定着のほうが難しい。ここで止まる会社が多いからこそ、組織的活用に踏み込んだ本は価値があります。ブログの読後に「じゃあ自社ではどう広げるのか」と考えたくなった読者に、自然につながる一冊です。

経営者のための生成AI組織的活用の教科書 [ 小山 昇 ] 価格：2,420円（税込、送料無料) (2026/4/15時点) 楽天で購入

『経理AIエージェント 「デジタル労働力」で仕事が回る』 黒崎賢一
管理部門までAIが入ったとき、何が変わるのか。そこに興味があるなら、この本はかなり面白いです。業務を細かく分解し、AIに任せる作業と人が握る意思決定を切り分ける発想が中心なので、単なる“自動化礼賛”に終わっていません。経理や管理会計に近い仕事をしている読者ほど、「AIの導入効果はこうやって利益に変わるのか」と具体像を持ちやすいはずです。数字をつくる側の人ほど、読んでおくと景色が変わります。

経理AIエージェント　「デジタル労働力」で仕事が回る [ 黒崎　賢一 ] 価格：2,200円（税込、送料無料) (2026/4/15時点) 楽天で購入

それでは、またっ！！

引用論文・資料

1. MIT NANDA, “The GenAI Divide: State of AI in Business 2025” (2025)
2. BCG, “The Widening AI Value Gap” (2025)
3. McKinsey, “The state of AI: How organizations are rewiring to capture value” (2025)
4. Gallup, “Manager Support Drives Employee AI Adoption” (2025)
5. Gallup, “AI in the Workplace: What Separates Adopters and Holdouts” (2026)
6. OECD, “Unlocking productivity with generative AI: Evidence from experimental studies” (2025)
7. BIS Working Papers No.1325, “AI adoption, productivity and employment: evidence from European firms” (2026)
8. Brynjolfsson, Li, Raymond, “Generative AI at Work” (NBER Working Paper 31161, 2023)
9. Brynjolfsson, Rock, Syverson, “The Productivity J-Curve” (NBER Working Paper 25148, 2018)