自社のAIは進んでいる方なのか、それとも出遅れているのか——この問いに即答できる経営者は多くありません。そして現在地が分からなければ、次の一手も決められません。地図を持たずに行軍する部隊が目的地に着かないのと同じです。前回の記事では「なぜ約9割が成果に至らないのか」という構造を見ました。今回はその続きとして、自社の現在地を測る物差しを手に取ります。
最初に、この記事でも「調査が示す事実」と「それをどう読むかという解釈」を分けて書く方針を踏襲します。数字は出典と時点を添え、定義の違うものを横並びにしません。
調査が示す事実——「9割が使い、到達は一桁%」
まず世界の分布を、調査・年・定義をセットで押さえます。ここを混ぜると数字は途端にミスリードになるので、出所の違う数字を一枚に並べ、何をどの母数で測ったのかを明示して整理します。
| 調査（発行元・年） | 何を測ったか（定義） | 母数 | 数値 |
|---|---|---|---|
| McKinsey「The State of AI in 2025」（2025年11月） | 1つ以上の業務でAIを日常的に使用 | 105カ国・約2,000名 | 88%（前年78%） |
| 同上 | 拡張のための実践の多くを実施＝スケーリング着手 | 同上 | 約3分の1未満 |
| 同上 | 高パフォーマー＝AI起因でEBITに5%以上の影響かつ有意な価値 | 同上 | 約6% |
| McKinsey「Superagency in the workplace」（2025年1月） | 自社のAI展開が「成熟」＝業務に完全統合され実質的成果 | 経営層（C-suite） | 約1% |
| BCG「The Widening AI Value Gap」（2025年9月） | 実質的な価値を創出できている企業 | 1,250社超 | 約5% |
| MIT NANDA「The GenAI Divide」（2025年7月） | 測定可能な損益（P&L）効果に到達 | 企業のAI施策 | 到達約5%（95%が未到達） |
この表は縦に読みます。「使っている」は88%。ところが本格展開に着手したのは3分の1未満、そして価値・成熟・効果といった“到達”の指標になると、定義も母数も違うのに揃って一桁%（おおむね1〜6%）に落ちます。 独立した複数の調査が、別々のものさしで同じ崖を描いている——この一致こそ、単一の調査より強く「死の谷」を裏づけます。
ただし、これらの一桁%は同じものを測った数字ではありません。McKinseyの「成熟1%」は経営層の自己評価（別レポート『Superagency』由来）、同社の「高パフォーマー6%」はEBIT影響で線を引いた値、BCGの「5%」は全企業に占める価値創出企業、NANDAの「95%未到達」はP&L効果の有無——母数も定義も別物です。だから「1%が正しく6%は誤り」ではなく、どの定義で測っても到達層はごく薄いという方向の一致に意味があります。実際、前回見た「成果に至らない約9割」は、この到達層の薄さを裏側から述べた姿でした。
そして「使う88%」と「到達一桁%」の間に広がる分厚い中間層——配布は済んだが統合は始まっていない——こそ、多くの会社が現に立っている場所です。次に見る成熟度5段階は、その中間層を切り分けるための物差しです。
組織の成熟度5段階——どこに「谷」があるか
組織の成熟度モデルは複数の機関が出していますが、共通して使われるのが 「認識・実験・統合・最適化・変革」という5つの段階の見方です。
- 1. 認識：重要性は分かっているが組織的な取り組みは未着手。動くのは感度の高い個人だけ。
- 2. 実験：推進体制ができ、PoC・パイロットを実施中。ただし業務フローは変わっていない。
- 3. 統合：ある基幹業務にAIが実際に組み込まれ、効果が数字で見えている。
- 4. 最適化：複数業務で標準化され、再利用できる共通基盤がある。
- 5. 変革：AIを前提に業務・事業そのものが再設計されている。
注意すべきは、段階は全社で一様ではないことです。設計部門は段階3なのに管理部門は段階1、という凸凹はむしろ普通です。だから現在地は全社平均ではなく、部門（業務領域）ごとに打つのが正確です。
そして最大の断絶は 「2（実験）と3（統合）の間」 にあります。前回見た「成果に至らない約9割」が滞留しているのは、まさにこの境目——いわゆる死の谷です。
ここで一つ、書籍の一節を引きます。
実験は予算があれば誰でもできる。統合は、組織が変わらなければできない。 『生成AIの内製化』第2章
「死の谷」の正体は技術ではない——調査の診断と本記事の読み
なぜ多くの組織が2→3の谷を越えられないのか。ここは事実と解釈を分けます。
【調査が示す事実】 谷の要因について、複数の調査はおおむね一致した診断を下しています。第一にデータ基盤の成熟度——クリーンでアクセス可能なデータ基盤を持つ企業は拡張に進めるが、遅れた組織はパイロットから抜け出せない（BCG）。第二に経営層——スケーリングを阻む最大の障壁は、準備不足の従業員ではなく、統合の舵取りが遅いリーダーの側にある（McKinsey）。第三に、これは生成AI以前から繰り返し言われてきたことですが、変革の成否を分けるのは技術の選定ではなく、業務の組み替え・人の育成・経営が関与し続けることという組織側の要因だ、という知見です。
【本記事の解釈】 これらを束ねると、谷の正体は技術ではなく「データと組織」だと整理できます。そしてこれは、前回提示した見立て——AIが組織の文脈に統合されない（＝参照すべき意味の層がない）——を、成熟度モデルの断面から見たものにほかなりません。この「束ね方」や「死の谷」という呼び方自体は本記事側の整理であって、各調査がその言葉で語っているわけではない、という線は引いておきます。
裏返せば、谷を渡った組織には共通の足取りがあります。狭い業務を選び、外部の知見で型を作り、測りながら渡る。広く浅い橋では渡れません。狭くて頑丈な一本橋を先に架け、それを複線化していくのです。
自社の現在地を10問で打つ
現在地は、難しい診断ツールがなくても、おおまかに打てます。たとえば組織側の5問——(1) AI推進の専任者（兼務でも明示）はいるか、(2) 直近、AIを使う前提で書き換えた業務手順書が1つでもあるか、(3) 効果が感想でなく「測定」として存在するか、(4) 模範解答つきの評価セットを持つ業務があるか、(5) 役員会の議題が「導入の是非」でなく「どの業務から」になっているか。「はい」がほとんど無ければ段階1、2つ前後なら段階2、4つ以上あれば段階3に手がかかっている、という目安です。
ここでひと工夫。同じ問いを推進部門と現場の両方に答えてもらい、答えの差を見てください。推進側が「はい」・現場が「いいえ」と分かれた項目こそ、定着していない仕組みの正確な在りかです。
「6ヶ月で何ができるか」を逆算する
現在地が分かれば、投資から到達点を逆算できます。ここは断定を避け、本記事（書籍）の推定として示します。月額100万円規模×3ヶ月の外部伴走＋その後の自走という標準的な進め方なら、現実的な6ヶ月後の到達点は「2〜3個の特化AIが実務で動き、対象業務で検索にかかる時間の短縮を数字で示せ、データ整備のやり方と評価用の問題集が自社に残っている」あたり——段階2の出口から段階3の入り口です。逆に、全社の基幹業務でAIが価値を出す状態（段階3の完成〜4）は、この規模では届きません。先行する大手でも年単位を要しています。
大事なのは、最初に撤退条件を含む分岐を決めておくことです。6ヶ月時点の測定で水準を超えれば横展開へ、届かないが原因が分かるなら土台の強化に投資を寄せ、根拠なき誤答が頻発するなら作り直す。撤退条件のない計画は、失敗すら測れない計画です。
まとめ——事実・解釈・使い方
- 【事実】 世界では約9割が使い始めた（88%・McKinsey 2025）が、“到達”を示す指標は定義が違っても揃って一桁%——成熟1%（McKinsey『Superagency』2025）／価値創出5%（BCG 2025）／高パフォーマー6%（McKinsey 2025）。価値はコア業務に集中する（BCG）。
- 【本記事の解釈】 約9割が止まる「2→3の死の谷」の正体は技術でなくデータと組織であり、これは「意味の層の不在」の成熟度断面だと読む（呼び方は本記事側の整理）。
- 【使い方】 現在地は部門単位で打ち、投資から到達段階を逆算する。成熟度モデルの価値は、自社を褒めることでも嘆くことでもなく、いま着手すべき工程を教えてくれることにある。
物差しは、他人と比べる道具としてより、自分の進み具合を確かめる目盛りとして使うときに役立ちます。比べる相手は同業他社ではなく、昨年の自社です。