AI導入

AI導入で成果を出す組織と出せない組織の分岐点を考える

公開: 2026年3月29日更新: 2026年3月29日

こんな方におすすめ

AIツールを導入して、現場では使われ始めたけど、次に何をすべきかが見えない
「ボトムアップで広げるべきか、トップダウンで進めるべきか」で迷っている

この記事を読むと

Before：AI導入の方針が曖昧で、現場任せ or トップダウンの二択で迷っている

After：足し算型と逆算型の違いが分かり、自社が今どの段階にいるかが見える

まず、経営層がAIを触り倒すところから始まる

当社Kumono社では、スタートアップや成長企業に対して、事業開発の伴走支援とAI活用の実装支援を行うなかでAI導入で事業成果を出す、という観点で常日頃実感していることがあります。

AI導入で最初に必要なのは経営者自身がAIを触り倒すことが不可欠だということです。AIツール選定でも、組織論でも導入戦略でもありません。

これは精神論ではなくて、構造的な理由があります。

前回の記事で書いた通り、AIを入れても組織が速くならない・事業成果に結びつかないのは「ボトルネックじゃない場所にAIを入れているから」です。そもそもの話、何がボトルネックなのかは、AIを実際に使って初めて見えてきます。

例えば、自分でデータ分析をAIにやらせてみて、「あれ、分析は一瞬で終わったのに、レビューに1週間かかるぞ」と気づく。資料作成をAIに任せてみて、「できたけど、これを通す承認フローの方が長いぞ」と気づく。この気づきがないと、ボトルネックの議論自体が始まりません。

AIを触ったことがない経営者が「AI導入の方針を決めたい」と言っても、地図を見たことがない人がルートを引こうとしているようなもので、まずは自分の手元で使ってみて、「速くなるところ」と「速くならないところ」の差を体感する。そこから初めて、組織全体をどうするかの議論が具体的になります。

ボトルネックの見つけ方や、そこへの対処の5ステップについては前回の記事で詳しく書いたので、そちらを参照してください。

今回の記事では、その先の話をします。ボトルネックの存在に気づいた上で、組織としてどういうアプローチを取るか。ここで各社の方針が分かれます。

パターンA ボトムアップで広げる

最もよくあるアプローチです。経営層がAIの価値を実感した後、「これ、みんなにも使ってもらおう」と全社展開する。

Claude Teamプランを導入する。GWSで利用できるGeminiの利用を推進する。社内勉強会を開く。AI活用コンテストをやる。利用率をKPIにする。

現場からは好意的な反応が返ってきます。「便利です」「1時間でできた」「モック作ってみました！」などと続々週報に声が集まります。

ただここでDeNAの南場智子さんの話が示唆的です。

作業が楽になった分、空いた時間にさらに仕事を詰め込んでしまうのです。（中略）新規事業への人材シフトが想定していたほどには進んでいないのが現状です。 ——type.jp インタビュー

DeNAクラスの優秀な人材ですら、AIで楽になった時間は「やりたかったけどできなかったこと」に吸い込まれていきます。組織として新しい方向に動くのではなく、個人が手元の仕事を充実させる力学が働いてしまう。

あくまで一般論としてAIを導入した会社の話をしますが、これはもちろん社員が怠慢なのではありません。構造的に動く理由が乏しいのです。評価は「今日の業務を正確にこなすこと」で決まる。業務を自動化しても給与は上がらない。むしろ自分の仕事がなくなるかもしれないという不安すらある。

一方で、好奇心旺盛で自律的で優秀な社員ほどAIにハマって、自分の能力を拡張できる道具として活用の幅や深さをどんどん広げていくというポジティブなケースもあります。ただ、そのエネルギーも多くの場合は「個人の成長・個人単位のアウトプットの最大化」に向かうのであって、「組織の変革」には向かわせることは難しいです。仮にサボっていたとしても、AI活用をボトムアップでゴリゴリ頑張っていたとしても、組織全体の構造が変わらないという結論は同じです。

自分のクライアント先でも、同じことが起きています。AIツール導入後にメンバーにヒアリングすると「便利になりました」とは言うけれど、「じゃあ空いた時間で何をしますか」と聞くと答えが返ってこない。「自動化の提案をすると拒否反応が出るタイプが多い」という声も聞きます。暇になることへの漠然とした不安があるのだと思います。

パターンAの本質は、今の組織にAIを「足す」ということです。組織構造も評価制度も業務フローも変えずに、ツールだけを足す。便利にはなるけれど、前回の記事で書いた通り、ボトルネックが別の場所にある限り、全体のスループットは変わりません。

パターンB：トップダウンで仕組みを作る

パターンAの限界に気づいた経営者が次に考えるのが、トップダウンでの仕組み構築です。

Xでもこんなポストが話題になっていました。

このポストの論旨は「AIは社長と役員だけが使え。仕組みを作って社員を乗せろ。社員はウェットな営業に全振りさせるのが良いのでは」というものでした。

「Claude Codeを社員に配れば組織が変わる」と考えている経営者は、残念ながら現実を見誤っています。ボトムアップでのAI普及が機能しない理由は、シンプルに一つです。社員には、業務を壊すインセンティブがそもそも存在しないからです。… https://t.co/mOyhiEBq54
— すがさわ（25歳） (@sawa20200424) March 25, 2026

一見過激に見えますが　パターンAの「ボトムアップではインセンティブが働かない」という問題に対する、一つの合理的な回答ではあります。

多くの中小企業において、本当のボトルネックは現場の作業速度ではなく、経営者の意思決定と仕組み設計です。「何をやるか」「どう回すか」を決める部分が詰まっている。そこにAIを当てろという方向性自体は、前回の記事で書いたザ・ゴールの「ボトルネックにリソースを集中させろ」と整合しています。

ただし、パターンBには先がありません。

ザ・ゴールの5ステップは、ボトルネックを1つ解消したら次のボトルネックが別の場所に現れて、またステップ1に戻る、という繰り返しです。経営者の意思決定をAIで高速化できたとして、次に詰まるのは社員側の工程（レビュー、実行、顧客対応）に移動する可能性が高い。でもパターンBは「社員には使わせるな」と言っているから、移動した先のボトルネックに対処する手段を最初から捨ててしまうことになるのではないでしょうか。

最初の1つ目のボトルネックには対処できる。でも、継続的改善のサイクルが回らない。ザ・ゴールで言えば、ステップ5（最初に戻る）ができない設計になっている。

パターンBもまた、今の組織にAIを「足す」発想です。パターンAとの違いは「誰が使うかを限定した」だけであって、組織そのものを変えようとはしていません。

パターンAとBに共通する壁

「じゃあどうするの？？」という話に入っていきます。ここで少し引いて見てみたいと思います。

パターンA（ボトムアップ）もパターンB（トップダウン）も、今の組織を前提にして、AIをどう載せるかを考えている点では同じです。今の組織構造、今の評価制度、今の業務フロー、今のチーム構成。これらを維持したまま、AIという道具を足す。

これを本記事では「足し算型」と呼びます。

足し算型の枠の中で改善を重ねていくと、前回の記事で書いたボトルネック移動の3パターン（意思決定がボトルネックになる、レビューがボトルネックになる、何をやるかの定義がボトルネックになる）が構造的に発生します。1つ解消してもまた次が出てくる。しかもAI以前のルールや承認フローが惰性で残り続けるから、改善の効果がルールに打ち消されます。

では、この壁の向こう側に何があるのでしょうか？

パターンC：前提を書き換える

ここでいう「前提を書き換える」とは、誰が何を担うか、どこを人がやるか、どこをAIに任せるか、何をKPIとして追うかを組み替えていこうというスタンスです。

今の組織にAIを足すのではなく、「この事業でボトルネックに人を集中させ、非ボトルネック工程をAIに任せたら、組織はどういう形になるか」から組み替えて、業務・組織・KPIを再設計する。

前回の記事で書いたザ・ゴールの5ステップは「ボトルネックを見つけて、そこに集中する」という内容でした。パターンCは、その5ステップを1回まわすのではなく、5ステップを回した先の理想形から組み替えして、今の組織を再設計するという発想です。

となると当然見るべき指標も変わります。「AI利用率」や「工数削減XX時間」ではなく、

ボトルネック工程の待ち時間が減ったか
人がやるべき工程に人が集中できているか
AI導入後にボトルネックが移動した先まで、改善サイクルが回せているか
顧客に届くまでのリードタイムが縮んだか

これらは全部、前回記事のザ・ゴールのフレームから自然に導ける指標です。

ちなみにLayerX社は、自社の羅針盤でこの考え方をさらに徹底しています。

資料によると「今の組織にAIをAdd onする（足し算型）」ことと「人とAIの共創の理想から逆算して再構築する（AI-Native）」ことを明確に分けて、KGIを「業務の自律化率」と「1人あたりの売上生産性」に置いています。自社の全事業でこれを貫いている点で、かなり参考になる事例です。

Cは前提を変えるから、足し算型で起きる摩擦がそもそも生まれる場所が違います。組織設計とAI活用を同時に動かすので、「自動化したら仕事がなくなる」という恐怖も「AIを入れたけど承認フローが変わらない」というボトルネックも後から対症療法で対処するより、手前で軽減することが可能です。

ただし、現実の組織では、最初から全面的に前提を書き換えられることは多くありません。既存の事業が回っている以上、いきなり全部を白紙から設計し直すわけにはいかない。実際にはAやBの打ち手を取りながら、どこまでCの発想で再設計できるかが分岐点になります。大事なのは「Cが正解」ということではなく、Cの視点を持っているかどうかが重要だと考えます。

パターンCの実例①

パターンCは一部の会社にしかできない話でしょうか。そんなことはありません。

私が支援しているあるスタートアップでは、経営陣と以下の意図のもと、組織の前提書き換えを一緒に進めました。

「社員をそんなに増やしていくつもりはない。可能な限りAIエージェントで代替していく。ただ、クライアントとの関係構築を担う人間は増やす。対人のところはどうしても人でやらないといけないから。」

これは一見すると、パターンBの「社員は泥臭い営業に全振り」と似て見えるかもしれません。でも本質が全然違います。

パターンBは、今の組織を前提にして「AIを使う人を限定する」という話です。この会社では最初から「人×AIの理想の組織」を逆算して設計しています。

この事業のボトルネックは、信頼関係に基づくクライアントコミュニケーションです。ここは人でしか対応できない。だからここに人的リソースを集中させる。一方、バックオフィスや分析、オペレーションの仕組み化といった非ボトルネック工程は、AIエージェントに回す。

ザ・ゴールの言葉で言えば、「ボトルネックに人的リソースを集中させ、非ボトルネック工程はボトルネックのペースに従属させる」をそのまま実践しています。

ポイントは、「AIで人を減らす」のが目的ではないということです。ボトルネック（＝信頼関係が求められる対人コミュニケーション）に人を集中させるために、それ以外をAIに任せる。順番が逆なのです。

パターンCの仮想事例②

もう1つ、分かりやすい例を考えてみましょう。

個人の会計事務所を想像してみてください。税理士1人に事務スタッフが数名、顧問先が100社ほど、捌ける量の天井スレスレで忙しくされています。

この事務所にAIを入れたらどうなるでしょうか？。

仕訳の自動化。帳簿のチェック。確定申告書類の下書き。確かに楽にはなりますよね。でも、この事務所のボトルネックは仕訳作業ではありません。税理士の方が終われる仕事は、顧問先の社長からのイレギュラー対応です。「この取引、大丈夫？」「決算をどう着地させる？」「銀行にどう見せる？」といった、判断が求められる相談対応です。ここの処理能力が変わらない限り、仕訳をいくら自動化しても100社というキャパの天井は変わりません。

足し算型の発想で考えると、「今の業務にAIを足して、事務員の工数を減らす」で止まってしまいます。

これを逆算の発想で考えてみましょう。

まず顧問先の経営データを常時モニタリングして、異変があればアラートが自動で飛ぶ仕組みをAIを用いて作ります。次に社長が相談してくる前に「ここはちょっとおかしくないですか？」と先に気づける。そうすると、トラブル対応という事後の相談（＝ボトルネック）自体が減る。ボトルネックが消えるから、キャパの天井が変わる。

さらには月次の着地見込みを自動で出して、融資や決算対策のタイミングを先回りして提案できるようにする。「何かあった時に出てくる税理士」から「社長より先に気づいてくれる税理士」と付加価値を別角度から載せることができるようになるかもしれません。

これは「AI化して楽になった」という話ではありません。AIがある前提で「税理士事務所はどうあるべきか」を逆算で再設計した結果、そもそものビジネスモデルと提供価値が変わる可能性を秘めているのでは？という話になります。

前者（足し算型）の税理士は、稼働のキャパが天井となる可能性があります。後者（逆算）の税理士は、同じ人数でより多くの顧問先に、より高い価値を提供できるポテンシャルがあるともいえます。