生成AIは売上を伸ばせるか｜コスト削減以外の使いどころと投資配分
監修：小柴鷹介
この記事でわかること
- 総務省 令和7年版情報通信白書の国際比較では、日本が「業務効率化や人員不足の解消」を、米国・ドイツ・中国が事業拡大や顧客獲得を多く挙げています
- 攻めに回せる業務は、顧客接点の量・試行回数による品質向上・仮説数のボトルネックという3条件で仕分けられます
- 攻めと守りは、効果の現れ方・時間軸・測りやすさ・必要体制・外れたときの損失の5点で性質が異なります
- 投資配分に唯一の正解比率はなく、既存導入の定着度・粗利構造・人員の逼迫度・顧客接点の多寡で傾きが決まります
- 最初の攻め用途は1つに絞り、着手前に「効かなかった」と判定する指標と期限を決めておきます
目次
結論
生成AIは、条件を満たす業務であれば売上・顧客獲得の側にも効きます。条件は3つです。顧客との接点が数多く発生すること、試行回数を重ねると出力の品質が上がること、案や仮説の数が成果のボトルネックになっていること。この3つが揃わない業務に攻めの期待をかけると、出力の量だけが増え、収益側の数字は動かないまま終わります。
日本企業の用途が効率化に偏っているのは、生成AIが効率化にしか使えないからではありません。総務省の令和7年版情報通信白書は、日本企業が生成AI活用に期待する効果として「業務効率化や人員不足の解消」を最も多く挙げる一方、米国・ドイツ・中国ではビジネスの拡大や新たな顧客獲得を挙げる傾向にあることを示しています。白書が記録しているのは技術の差ではなく、同じ技術に置いた目的の差です。次期の配分をどう決めるかは、自社がこれまでどちらに目的を置いてきたかの確認から始まります。
日本企業の生成AI活用が効率化に偏る理由
使っているかどうかと、何のために使うかを分けて読む
白書の数字は2種類に分かれます。業務で使っているかどうかを尋ねた結果と、何を期待して使っているかを尋ねた結果です。この2つを混ぜて読むと、利用率の低さがそのまま「日本では効果が出ない」という話にすり替わります。
生成AIの活用が想定される業務に関して活用状況を尋ねたところ、何らかの業務で生成AIを利用していると回答した割合は、日本で55.2％（「業務で使用中」と回答した割合）であった。
出典：総務省「令和7年版 情報通信白書」企業におけるAI利用の現状（https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html 、2026年7月27日確認）
この55.2%は、生成AIの活用が想定される業務を挙げて活用状況を尋ね、いずれかの業務で「業務で使用中」と回答した企業の割合です。同じ調査で、中国は95.8%、米国は90.6%、ドイツは90.3%と、いずれも9割を超えました。
用途の内訳を見ると、「メールや議事録、資料作成等の補助」に生成AIを使用していると回答した割合は日本で47.3%でした。何らかの業務で使っている企業が55.2%ですから、この1業務だけでその大半に届きます。日本の業務利用が補助的な文書作成に寄っている様子がうかがえます。
技術の限界なのか、目的の置き方なのか
利用率だけを取り出せば「日本は使えていない」という話になります。ただし白書は、同じ調査の中で企業が何を期待しているかも尋ねています。
生成AIの活用推進による自社への影響に対する考え方について、日本では「業務効率化や人員不足の解消につながる」が最も多く挙げられている。他の3か国においてはビジネスの拡大や新たな顧客獲得、新たなイノベーションを多く挙げる傾向にある。
出典：総務省「令和7年版 情報通信白書」企業におけるAI利用の現状（https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html 、2026年7月27日確認）
同じ生成AIについて尋ねた設問で、日本は費用側の改善を、他の3か国は収益側の拡大を多く挙げました。
ここから読み取れるのは、利用の広がり方と期待する効果の中身が国ごとに異なるという対応関係までです。目的設定を収益側へ変えれば売上が伸びる、という因果まで白書が示しているわけではありません。日本企業が遅れているという評価も、この数字からは導けません。
それでも、投資判断の材料にはなります。同じ技術に対して費用側を期待する国と収益側を期待する国が並んでいる以上、自社の用途が効率化へ寄っている理由を技術の制約だけに帰することはできないからです。用途を点検するときは、生成AIにできることの限界と、これまで投資に置いてきた目的とを、分けて確かめる必要があります。
「経費削減止まり」は選択の結果として起きている
効率化から入ったこと自体は、合理的な選択でした。工数という測りやすい指標があり、対象業務は部門内で完結し、うまくいかなくても損失はツール費と教育工数に収まります。稟議も通ります。
ただし、同じ基準で次の投資先を選ぶ限り、行き先はまた効率化になります。攻めの用途は効果が測りにくく、部門をまたぎ、判定にも時間がかかるため、説明のしやすさで比べると不利になるからです。攻めへ配分を寄せるなら、比較の基準そのものを組み替えることになります。
攻めに回せる業務の判別条件
以下の3条件は、公的統計や研究が定めた基準ではなく、洗い出した業務を攻めと守りに仕分けるために本稿で整理した判断軸です。候補業務を1つずつ当てはめ、いくつ満たすかを数えて使います。
条件1｜顧客との接点が数多く発生するか
当てはまるのは、次のような業務です。
- 問い合わせ・見積依頼への一次回答
- 既存顧客へのフォロー連絡や、提案タイミングの検知
- 店舗・ECでの商品説明文やおすすめ文面の作成
- 商談記録から次のアクションを起こす営業活動
一方、次の業務は外れます。
- 年に数回の大型入札対応（接点はあるが回数が少ない）
- 社内会議の議事録作成（接点が社内で完結する）
- 月次決算の締め作業
件数が効くのは、生成AIの出力に人の確認が要るためです。1件ごとの確認コストは避けられません。だからこそ件数が多いほど、確認の手間を差し引いても残る増分（応答の速さ、対応できる件数、提案の網羅性）が積み上がります。件数が少ない業務では、確認と調整の手間が増分を上回りやすくなります。
条件2｜試行回数を重ねると品質が上がる業務か
当てはまるのは、案を多く出すほど良い案に当たる業務です。
- 広告の訴求文やクリエイティブ案（案を多く出し、反応で選ぶ）
- ランディングページや商品説明の見出し・構成案
- 提案書の切り口やストーリーの候補出し
- 商品名・パッケージ表現の候補出し
外れるのは、正解が1つに決まる業務です。
- 請求書の金額転記（正解が1つで、試行しても品質は上がらない）
- 契約書の条項チェック（正しいか誤りかで、案の多さが価値にならない）
- 法定帳票の作成
見分け方は、そのアウトプットに「もっと良い案」が存在するかどうかです。正解が決まっている業務では、試行を増やしても品質は上がりません。その場合は効率化（守り）の対象として扱います。
条件3｜案や仮説の数がボトルネックになっているか
自社が次の状態にあるなら該当します。
- 施策のアイデアが枯れていて、毎月同じ打ち手を繰り返している
- 分析したい切り口はあるが手が回らず、月に1本しか検証できていない
- 商品企画の候補が少なく、比較検討の形になっていない
次の状態は、似て見えても該当しません。
- 案は十分にあるが、実行する人手・予算・在庫がない
- 決裁が滞り、承認済みの施策すら着手できていない
- 案は出るが、検証できる顧客や市場が確保できていない
3条件のうち、自社の状況を見誤りやすいのが条件3です。ボトルネックが案の数ではなく実行力にある場合、生成AIで案を増やしても、着手されない企画が積み上がるだけになります。ここを確かめないまま攻めへ投資すると、生成量は増えても事業の数字は動きません。
3条件を判定にどう使うか
| 満たす条件の数 | その業務の位置づけ | 次にとる行動 |
|---|---|---|
| 3つとも満たす | 攻めの第一候補 | 最初の1業務として検証対象に置く |
| 2つ満たす | 条件次第で攻めに回せる | 欠けている条件を設計で補えるか検討する |
| 1つ以下 | 攻めには向かない | 効率化（守り）の対象として扱う |
2つ満たす場合の扱いは、欠けている条件によって変わります。条件1を欠くだけなら、件数は少なくとも1件あたりの金額が大きい業務として成立し得ます。逆に条件3を欠く場合は、案を増やしても実行へ移りません。他の2条件を満たしていても後回しにする判断が妥当なことが多くなります。
この仕分けは、候補となる業務の一覧が手元にあることを前提にしています。棚卸しそのものの進め方は別記事にまとめました。
攻めと守りで成果はどう違うか
攻めと守りは、効果の出方から外れたときの損失まで性質が違います。同じ稟議の様式に並べると、この違いが見えないまま守りが選ばれます。
| 比較軸 | 守り（効率化・コスト削減） | 攻め（売上・顧客獲得・商品開発） |
|---|---|---|
| 効果の現れ方 | 工数・処理時間の減少として費用側に出る | 受注件数・単価・継続率など収益側に出るが、他要因と混ざる |
| 成果が出るまでの時間 | 数週間〜数か月。使い始めた業務から順に出る | 数か月〜期をまたぐ。顧客の反応と商談サイクルに依存する |
| 測りやすさ | 導入前後の作業時間比較で説明できる | 市況・人員・季節などAI以外の要因を切り分ける設計が要る |
| 必要な体制・部門横断の負荷 | 担当部門内で完結しやすい | 営業・マーケティング・商品・情報システムなど横断の合意が要る |
| 外れたときの損失 | ツール費と教育工数にほぼ限定される | 上記に加え、投じた人員の機会損失と施策1本分の期間 |
守りが選ばれやすいのは、右側の効果が小さいからではありません。左側が説明しやすいからです。攻めの弱点も効果の有無ではなく、効果を示すまでにかかる時間と、他要因を切り分ける設計の手間にあります。
見落とされやすいのは最下段です。外れたときの損失に含まれる人員の機会損失は、金額だけを並べた稟議から抜け落ちます。攻めの規模は、投じる金額よりも「誰の時間をどれだけ拘束するか」で測るほうが実態に合います。
そのため攻めの投資は、期待効果の大きさで承認可否を決めるのではなく、判定にかかる時間と外れたときの損失を先に確定させてから決めます。効果の大きさ自体をどう見積もるかは、生成AIで生産性は上がるのか｜調査データで見る効果の実態と期待値の較正で調査データをもとに整理しています。
守りと攻めの投資配分の決め方
すべての企業に当てはまる比率はありません。配分は、次の4種類の状況要因によってどちらかへ傾きます。
| 自社の状況 | 配分が寄る方向 | そう判断する理由 |
|---|---|---|
| 既存の効率化投資がまだ現場で使われていない | 守り | 攻めは既存の定着を土台にするため、土台がないと両方が中途半端になる |
| 効率化が定着し、次の削減余地が薄くなっている | 攻め | 同じ投資額で得られる削減が逓減し、収益側の余地の方が大きくなる |
| 粗利率が低く、費用の1円が損益を左右する | 守り | 削減額がそのまま利益に残るため、確実性の高い側が有利になる |
| 粗利率が高く、1件の受注が利益に直結する | 攻め | 増分1件あたりの利益が大きく、外れた分を回収しやすい |
| 人員が逼迫し、通常業務が回りきっていない | 守り | 攻めの検証に割く人がおらず、着手しても放置される |
| 顧客接点の件数が多い | 攻め | 判別条件1を満たす業務が社内に多く、候補を選びやすい |
| 顧客接点が少数・大口に偏る | 守り寄り（条件2を満たせば例外） | 件数は稼げないが、提案の質が受注を決めるなら攻めが成立する |
複数の要因が別方向を指すことは珍しくありません。順序をつけるなら、定着度と人員の逼迫度を先に見ます。この2つは実行できるかどうかの制約で、満たさないまま比率を議論しても計画倒れになるためです。粗利構造と顧客接点は、実行できる前提が整ったうえで、どちらへ寄せると利益に効くかを決める材料になります。
この4点に1つでも「いいえ」がある状態で攻めへ大きく振ると、比率を決めても実行段階で止まります。逆に4点が揃っているなら、守りに全額を積み続ける理由は薄くなります。比率そのものを決めかねるときは、外れても事業計画に影響しない金額と人員を攻めの上限に置いてください。着手の判断がつけやすくなります。
攻めが空振りする条件
着手前に確認しておく前提は4つあります。
- 出力を評価する基準が社内にあるか。良い提案文と悪い提案文を判定できる人がいなければ、案が増えても選べません。
- 増えた案を実行に移す経路があるか。承認・制作・配信までの導線が詰まっていると、生成量だけが増えます。
- 顧客の反応を観測できるか。反応が取れない業務では、効いたかどうかを判定できません。
- 判定の期限と指標を決めているか。いつまでに何を見て打ち切るかが未定のまま始めた投資は、止め時を失います。
前提のどれかが崩れると、着手後に次のような兆候が出ます。
- 案の量は増えましたが、実行に移った施策の本数は着手前と変わっていません
- 出力の良し悪しを議論する会議が増え、意思決定に以前より時間がかかっています
- 効果の報告が生成物の件数にとどまり、顧客側の反応が一度も出てきません
- 推進が特定の1人に依存し、その人が抜けると止まる状態です
- 当初の判定期限を過ぎても「もう少し様子を見る」が繰り返されています
最初の攻め用途の選び方と配分の見直し
攻めに回すと決めたら、候補は1つに絞ります。同時に複数を走らせると、どれも判定に必要な試行回数に届かないまま期末を迎えるためです。選ぶ基準は次の順で当てます。
- 判別3条件を3つとも満たすこと
- 顧客の反応が1四半期以内に観測できること
- 既存の業務フローを止めずに並走できること
- 失敗しても取引や信用に傷がつかないこと（顧客へ出す前に人の確認を挟めること）
- 担当部門が自部門の課題として認識していること
複数の候補が残った場合は、2番目の「観測までの速さ」を優先します。攻めの弱点は判定に時間がかかることです。早く白黒がつく用途を先に置くほど、次の配分見直しがそれだけ早く回ります。
効いたかどうかは、3点で判断します。事前に決めた反応指標が期限内に動いたか。動いた場合、人員増や季節変動、価格変更など他の要因で説明がついてしまわないか。手直しの量が回を追って減っているか。最後の1つが満たされないなら、その業務は条件2を満たしていなかったという見立てになります。
見直しの方向も先に決めておきます。効いた場合は、同じ判別条件を満たす隣接業務へ配分を1段階寄せます。効かなかった場合に切り分けるのは、原因が用途選定にあるのか実行体制にあるのかです。実行体制側なら攻めの比率は据え置いて体制を直し、用途選定側なら配分を守りへ戻します。
反応指標をどう設計し、どの手順で測るかは、投資の方向が決まった後の工程です。
法人AI研修で攻めの用途設計をどこまで支援できるか
当社の法人AI研修は、AIリテラシー研修・生成AI基礎研修・生成AI業務プロセス適用研修・社内ハッカソン研修という4レベルの体系です。守りと攻めは、この体系の中で扱う段が分かれます。
- 守り側にあたるのが生成AI業務プロセス適用研修です。自部門の実業務を棚卸しし、生成AIを組み込んだワークフローを設計して、研修内で動く成果物まで作ります。
- 攻め側にあたるのが社内ハッカソン研修です。効率化の先にある新しい売上機会、顧客体験、企画テーマをチームで形にし、発表と横展開まで行います。
攻めの題材は部門をまたぐため、選定の段階で関係部門の合意が要ります。パーソナライズ研修では、現状課題・部門・業務フローをヒアリングしたうえで、実務テーマと成果物まで合わせて設計します。受講前に現在地を確認し、自社に合う段から始められるようにしています。
研修内で作る成果物には、顧客接点や仮説の数に関わるものも含まれます。競合広告の訴求分析、架電データから接続しやすい時間帯を分析する仕組み、POSデータからの顧客セグメント分析、アンケート自由記述のポジネガ分類・要約などです。
成果の見方も、研修直後の満足度ではなく活用定着率に置いています。研修後アンケートでは、80%以上の受講者が業務でAIを活用しているという結果が出ています。
効率化への投資はやめて、攻めに全部振り替えるべきですか？
そうとは限りません。既存の効率化がまだ現場で使われていない段階で攻めへ全額を振ると、土台と新規の両方が中途半端になります。効率化が定着し、次の削減余地が薄くなってきたという条件が先にあって初めて、攻めの比率を上げる判断が成り立ちます。
顧客接点が少ない受注生産型の会社では、攻めは成立しませんか？
判別条件1を満たさなくても、条件2が強く効く場合は成立します。1件あたりの金額が大きく、提案の切り口やストーリーの質で受注が決まる業務がこれにあたります。ただし件数が少ない分、効いたかどうかの判定には時間がかかります。判定期限を長めに置き、その間の人員拘束を織り込んでおいてください。
攻めの活用は大企業でないと難しいのでしょうか？
規模より、3条件を満たす業務が社内にあるかと、検証に人と時間を割けるかで決まります。小規模なほど部門横断の合意を取りやすく、最初の1用途を早く回せる場合もあります。一方で、通常業務が逼迫していて検証に人を出せない状態なら、規模にかかわらず守りを先に固める判断になります。
役員会では、攻めの投資をどう説明すればよいですか？
期待効果の大きさではなく、判定の設計で説明します。どの業務を選んだか（3条件のどれを満たすか）、いつまでに何の指標を見るか、動かなかった場合にどの金額と期間で止めるか。この3点が揃っていれば、成果が不確実でも承認の可否を判断できます。
攻めと守りは同時に進めてもよいですか？
進められますが、担当を分けることが条件です。同じ人が効率化の定着と新規用途の検証を兼ねると、締切のある効率化側が優先され、攻めの検証が後回しになって止まります。
次期投資の方向をどう決めるか
次の配分を決めるのは、他社が何をやっているかではありません。自社の業務が3条件をいくつ満たすか、そして既存の効率化がどこまで定着しているかです。攻めに回すと決めたなら、用途は1つに絞り、判定の指標と期限、止めるときの条件を確定させてから着手してください。止める条件さえ置いておけば、外れたときの損失は投じた金額と1施策分の期間に収まります。
攻めの用途は複数部門にまたがる業務設計になるため、どの題材を選ぶかの段階から関係部門の合意が要ります。どの業務を攻めの候補に置くか、どの段の研修から始めるかを整理したい場合は、初回のヒアリングで現状の課題と対象部門を確認するところから進められます。
この記事の監修者
主任講師 / AI活用コンサルタント
小柴 鷹介
業務で動くところまで、一緒に考える講師です。
京都大学大学院修了後、株式会社リクルートに入社。国内最大級の不動産プラットフォーム「SUUMO」のプロダクトマネージャーとして、データ分析・AI活用を取り入れたプロダクト改善を主導。その後、複数のAI・SaaSプロダクトの企画・開発をゼロから立ち上げ、「AIを業務で本当に使える形にする」ことを一貫して追求。現在は法人向けにAI活用戦略の立案から研修設計・実施まで手掛け、非エンジニアでも現場でAIを活用し始められる実践型プログラムを提供している。