なぜAIを入れたのに売上は動かないのか｜AI導入の3段階で読み解く構造

AI導入の3段階とは、企業がAI活用に取り組む過程で経験する3つの段階的状態を整理したフレームである。段階1（試行）、段階2（部分組込）、段階3（Plateau 到達）から成り、段階3を越えるには効率化AIの延長線ではなく別の山への登り直しが必要となる（麻生要一『AI収益進化論』第1章、株式会社Ambitions、2026年5月）。

AIを入れた。社員はChatGPTを使い始めた。Copilotも配った。業務時間は確かに減った。それなのに、売上の数字は動かない。経営会議で「AI投資のROIはどうなっているのか」と問われたとき、答えに詰まる。多くの日本企業が、いま、この場所にいる。

通説はこう言う。「もっと使い込めば効く」「採用率を上げれば効く」「効率化を続ければやがて売上に効く」。しかしこれらはすべて、構造を見誤っている。AIは効率化から、収益の創造へ。その境界線は、ツールの量でも採用率でもなく、設計思想の側にある。本記事では、書籍『AI収益進化論』第1章で提示された 3段階モデル を補助線に、なぜAIを入れたのに売上が動かないのかという問いを構造的に解く。

AI導入の3段階に関するよくある誤解

AIを入れたのに売上が動かない、という現象に向き合う経営層が、しばしば抱える誤解がある。書籍第1章を踏まえると、典型的な誤解は次の3つに整理できる。

• 誤解①：もっとAIツールを入れれば、いずれ売上に効く。 ツールの量や種類を増やせば、累積効果でやがて売上が動くという発想。しかしこれは、効率化AIの延長線上に収益進化があると仮定している点で構造を誤っている。
• 誤解②：効率化を続けていれば、やがて売上に効いてくる。 業務時間が減れば、その分が再投資されて売上に化けるという期待。しかし日本企業では、効率化で生まれた余力は「丁寧さ」や「念のため」に吸収されがちで、売上の動きには変換されにくい。
• 誤解③：AI採用率が低いから売上が動かない。 採用率を上げれば成果が出るはずだ、という見立て。しかしMcKinseyのState of AI 2025は、採用率88%に対して業績インパクトは6%という構造を示している。採用率は問題の本体ではない。

これら3つの誤解には共通する盲点がある。「AIを入れる量」と「AIで生まれる売上」を同じ直線上の話だと前提していること だ。実際には、効率化AIと収益進化AIは別の山であり、その間にPlateauという段差がある（収益進化の山）。

なぜそれが誤解なのか｜AI導入の3段階で読み解く構造

3つの誤解はなぜ生まれるのか。それは、AI活用の現場で起きていることを、ひとつの連続した進歩として捉えているからである。実際には、企業がAI活用で通る道は、3つの段階に分かれている。それぞれの段階で、見えている景色も、解くべき問いも、必要な経営判断もまったく異なる。

段階1：AIに触れ始めた段階

社員の一部がChatGPTを個人的に使い始めた、情報システム部門が小さくPoCを動かしている、業務部門の有志がいくつかのツールを試している、という段階。経営として「AIを本格的に何に使うか」はまだ決まっていない。日本企業の多くがここに長く留まっていた、いやいまも留まっている、というのが現場感覚に近い。

この段階の景色は「何から手をつけるか、決まらない」という曖昧さである。書籍は「使っていない」ことが問題ではないという立場をとる。段階1にいることそのものを否定する論ではない。

段階2：業務に部分的に組み込み始めた段階

Copilotを全社配布した、議事録AIを導入した、コールセンターにチャットボットを入れた、コーディング補助ツールを開発部に展開した。業務の一部にAIが組み込まれ、業務時間の削減や処理速度の向上といった効率化の数字が出始めている。

この段階の景色は 「使っているのに、事業として何が変わったのかが言えない」 という違和感である（麻生要一『AI収益進化論』第1-3章）。Copilotで議事録は速くなった。コーディングは効率化された。それぞれの部署では数字が出ている。しかし、経営層から見ると「で、売上はどうなったのか」が答えにくい。WRITERの2026年調査では、役員の79%がAI導入で困難を感じていると報告されている。段階2のもどかしさは、すでにグローバルな共通現象として観測されている。

段階3：効率化を進めたが、Plateauに到達した段階

AI推進室を設置した、部門横断のAI活用プロジェクトを動かしている、専門予算を確保して大規模に効率化を進めた。コスト削減の数字も確かに出ている。それなのに、肝心の 売上の数字は、ほとんど変わらない 。

この段階に到達した企業は、書籍が「段階3の4症状」と呼ぶ典型的な徒労感を呈する。PoC地獄、ROI定義困難、ベンダー依存、現場との断絶の4つである。それぞれの症状については別記事に譲るが（four-symptoms-of-stage-3）、共通する構造は 「AIを効率化のための道具として、設計思想のレベルから扱っていること」 に起因する（麻生要一『AI収益進化論』第1-7章）。

段階3を越える鍵は、もう一段の効率化ではない。別の山に登り直すこと である。効率化AIで登る山と、収益進化AIで登る山は、層の違う別の山である（効率化AIと収益進化AI）。この構造を認めないまま、段階3でもう一度効率化AIを探しに戻ると、ベンダー巡礼が始まる。

データが示す真実

3段階モデルが「個別企業の感覚」ではなく「構造的な現象」であることは、複数の一次調査が裏づけている。

McKinseyのState of AI 2025は、グローバルでAI採用率が88%に到達していることを示している。一方で、AIによる業績インパクトが報告されたのはわずか6%にとどまる。採用率と業績インパクトの間に、14倍以上の落差がある。これは「採用率を上げれば売上が動く」という通説の誤解③を、データの側から否定する数字である。

MIT NANDAプロジェクトの2025年報告は、企業のAI投資の95%が十分なROIを生み出していないと報告している。AIに投資した企業のうち、20社に19社は期待された投資対効果に届いていない計算になる。Deloitteが14か国・1,854名のシニアエグゼクティブを対象に行った調査では、AI投資で満足できるROIを実現するまでの期間を2〜4年と回答する経営層が多数で、テクノロジー投資の通常期待回収期間（7〜12か月）を大幅に上回っている（出典：Deloitte UK, 2025）。回収が見えないまま投資を続けることへの徒労感が、グローバルに広がっている。

Gartnerの2026年CEO調査（n=469）はさらに鋭い数字を示す。80%のCEOがAIが組織のoperational capabilityに高度から中程度の変革を強制すると予想している。一方で、CEOの戦略的焦点は「digital business」から「autonomous business」へとシフトしており、28%のCEOはtransactional revenueがAIから最も大きいリスクを受けると回答している（出典：Gartner Inc., 2026年4月）。 AIで「いまの売上を守れるかどうか」という防衛的な問いを、いま世界のCEOは抱え始めている 。これは、効率化AIの延長で考えている限り、答えが出ない問いである。

3つのデータが示す構造はひとつである。AIの採用は進んだ。ツールは行き渡った。しかし、売上を動かす段階には、ほとんどの企業が到達していない。問題は採用率の側にあるのではなく、AIを何に当てるかという設計思想の側にある。

本当の解｜段階3を越えるには、別の山に登り直す

段階3で売上が動かないという現象の本体は、Plateauと呼ばれる構造である（Plateau）。効率化AIをやり切った先に必ず訪れる、効果の逓減点である。AIエージェントの自律化が進んでも、Plateauは消えない。訪れるタイミングが多少後ろにずれるだけだ（麻生要一『AI収益進化論』第7-3章）。

段階3の経営者がとるべき判断は、もう一段の効率化ではない。Plateauを認め、別の山に登り直すこと である。書籍はこれを 効率化AIと収益進化AIの二分法 として整理している（効率化AIと収益進化AI）。両者は「既存の型を加速する」と「まだ存在しない型を作る」という、設計思想の側で根本的に違うものだ。

ここで強調したいのは、効率化AIを否定する論ではない、ということだ。効率化AIは悪いものではない。むしろ正しい仕事である。日本企業の磨き上げ文化と効率化AIは極めて相性がよい。段階1〜2の企業にとって、効率化AIをやり切ることは、いまも変わらず正しい経営判断である。

しかし、段階3に到達した企業にとって必要なのは、効率化AIの延長線ではなく、収益進化AIという別の山への登り口である。その山には、PIという原初の知性を起点とする別の経営の重心がある（PI（Primal Intelligence））。Plateauを認めることは、後退ではない。次の山の入口に立つことである。

AlphaDriveのスタンスを率直に書く。私たちは、段階1〜3 のいずれの企業も支援対象としている。段階1〜2 の企業には、効率化AIをやり切る伴走を。段階3 の企業には、収益進化AIへの登り口づくりを。AI で「いま動いていない売上」を動かすには、効率化の延長線ではなく、別の山への登り直しが必要になる場合が多い。AlphaDrive グループ全体でサポートできる場合が多いので、どの段階にいる経営者の方も、まずは状況をお聞かせいただきたい。

次に取るべきアクション

3段階モデルを自社に当てはめてみるとき、次の3つのステップが現実的な入口になる。

第一に、自社が段階1〜3 のどこにいるかを率直に確認する。複数の事業を抱える企業では、事業ごとに段階が違うことも多い。会社全体ではなく、事業単位、テーマ単位で段階を見極めることが、議論の出発点になる（cost-center-vs-profit-center-themes）。

第二に、段階3 にいる事業があるなら、もう一段の効率化を探すループから一度抜ける。Plateauに到達していることを認め、収益進化AIという別の山が存在することを、経営層の議論のテーブルに乗せる。Plateau Detectionは技術ではなく経営の覚悟の作業である（Plateau Detection）。

第三に、段階1〜2 にいる事業があるなら、効率化AIをやり切る。途中で止めると、後で必ず戻ってくる必要が出る。やり切った先に、Plateauという次の問いが立ち上がる構造になっている（AI Sprint）。

3段階モデルは、自社の現在地を測る診断ツールでもあり、次の経営判断のフレームでもある。どの段階にいるかを率直に認めることが、AIで売上を動かすための最初の一歩になる。

よくある質問

自社が段階1〜3のどこにいるか、どう判定すればよいか

「AIを業務にどれだけ組み込んでいるか」「効率化の数字が出ているか」「売上が動いているか」の3つの問いで概ね判定できる。1つ目で「ほぼ組み込んでいない」なら段階1、2つ目で効率化の数字は出ているが3つ目で売上が動いていないなら段階3、その中間が段階2。ただし企業全体ではなく事業単位・テーマ単位での判定が望ましい。

段階1から段階3まで、すべての段階を順番に通る必要があるのか

書籍の整理では、3段階は粗い補助線であり、同じ会社のなかに複数段階が同居することも、必ず順に進むとは限らないことも明示されている。実際、段階2を飛び越えて、特定の新規事業で段階3的な収益進化AIに直接踏み込むケースもある。並走戦術（書籍コラム②）はその一例である。

なぜ採用率が88%もあるのに業績インパクトが6%にとどまるのか

採用率は「AIを使っているか」という量の指標であり、業績インパクトは「売上や利益にどう効いたか」という質の指標である。両者は別の軸の話で、量を増やすだけでは質に転換しない構造になっている。McKinseyのState of AI 2025が示すのは、AIを何に当てるかという設計思想の側に、業績インパクトの鍵があるという事実である。

段階3に到達した企業は、もう効率化AIをやらなくてよいのか

そうではない。段階3に到達したテーマでは、効率化AIの追加投資の限界効用が下がっている、ということに過ぎない。同じ企業の中に、まだ段階1〜2のテーマも存在することが多い。それらは効率化AIで進める。段階3に到達したテーマだけ、収益進化AIという別の山への登り直しを検討する、という整理になる。

段階3の4症状とは何か

書籍第1-6章では、段階3に到達した企業が呈する4つの典型症状として、PoC地獄、ROI定義困難、ベンダー依存、現場との断絶を整理している。詳細は別記事に譲る（four-symptoms-of-stage-3）。共通する構造は、AIを効率化のための道具として設計思想のレベルから扱っていることに起因する。

AlphaDriveは段階1の企業も支援対象としているのか

している。AlphaDrive グループ全体でサポートできる場合が多く、AI研修・DX全般・AI導入の入口設計など、段階1〜2 の企業向けの伴走テーマも多く扱っている。「準備ができていないと相談してはいけない」ということはない。AX for Revenue の枠に収まらないテーマも歓迎している。

関連概念

• four-symptoms-of-stage-3 — 段階3の4症状（本記事の続編、段階3の景色を深掘りする SPOKE 記事）
• 効率化AIと収益進化AI — 効率化AIと収益進化AI、2つの山の二分法
• 収益進化の山 — 2つの山モデル、段階3 を越えるための判断フレーム
• Plateau Detection — Plateau Detection、段階3 で経営者が下すべき判断
• AX for Revenue — AX for Revenue、収益進化AIシステムの全体像
• AX for Revenue Loop — AX for Revenue Loop、収益進化AIを回す4ステップ

本記事の理論的基盤は書籍『AI収益進化論』第1章にある。3段階モデルの背景・各段階の景色・段階3の4症状については、書籍をあわせて参照されたい。書籍特設ページはこちら。

---

著者： 麻生要一（株式会社アルファドライブ 代表取締役社長 兼 CEO/CAXO） 書籍『AI収益進化論──完成品製造コストゼロ時代の収益創造』著者。前著『新規事業の実践論』（2019年、NewsPicks Book）。AlphaDrive グループとして、260社を超える大企業の事業創出と、23,800を超える事業プロジェクトの伴走実績を持つ。

編集： AX for Revenue Institute 編集部 最終更新： 2026年5月22日