「AIネイティブ企業はまだ存在しない」という見出しは、世界中の会社を一社ずつ調べた結果ではありません。ここでいうAIネイティブの基準を、かなり高く置いています。生成AI機能を販売したり、全社員にCopilotを配ったりしただけでは届きません。AIが組織の意思決定権、予算、業務記録、統制、責任の置き方まで理解し、その中で仕事を完了できる状態を指します。

この線を引かないと、同じ利用率が会議室ごとに違う意味を持ちます。製品部門は機能の利用増を成功と見ます。財務は人件費も利益率も変わっていないと言います。セキュリティは未管理のデータを心配し、現場は会社のツールより個人アカウントの方が今日すぐ使えると答えます。サービス企画の現場では、同じ資料が経営会議では評価され、運用会議では冷めた反応を受けることが珍しくありません。モデルの評価ではなく、会社を測る物差しが違うからです。

McKinseyの2025年グローバル調査では、回答者の88%が少なくとも一つの業務機能でAIを日常的に使っていました。ところが、全社規模の展開を始めた企業は約3分の1です。どの個別部門を見ても、エージェントを展開中と答えた割合は10%以下でした。AI利用は広がりましたが、会社の動き方を変えるところまでは進んでいません。

AIを使う会社と、AIで動く会社は別です

この見出しには明確な反証があります。INSEADとHarvard Business Schoolの研究者は2026年6月、「AI-Native Firms」というワーキングペーパーを公表しました。2020～2024年に初回資金調達をした米国のベンチャー企業とY Combinator企業を分類した結果、AIネイティブ企業は同じ業界・設立時期の非AI企業より25%小さく、エンジニア比率は13%高く、若手社員と管理職の比率はそれぞれ約15%低いと報告しています。

AI-Native Firmsという題名とAIネイティブ企業の人員構成を説明するINSEAD公式研究ページ

出典: INSEAD, AI-Native Firms、2026-08-18確認。2026年のワーキングペーパーで、製品説明、求人情報、人員データからスタートアップを分類しています。

AIを製品に深く組み込んだ企業は、すでに存在します。組織が小さく、階層も少なくなる可能性を示した点も重要です。ただし、この分類はERPの予算承認、顧客情報へのアクセス、法務審査、支払例外、事故責任まで一つの統制下で運用できるかを監査したものではありません。論文も、AIを販売物に組み込む製品チャネルと、社内の働き方を変えるプロセスチャネルを分けています。

Microsoftは2025 Work Trend Indexで、オンデマンドの知能と人・エージェント混成チームを前提にした組織をFrontier Firmと呼びました。固定的な組織図より、成果に合わせて人とエージェントを組み替える「Work Chart」を重視する考え方です。一方、Microsoft自身が「新しく現れつつある企業」と表現しています。調査と製品利用データを組み合わせた市場像であり、すべての運営統制を作り直した会社の監査済み名簿ではありません。

整理すると、AI in the businessは製品や回答、サービスを良くするためにAIを使う状態です。AI on the businessは、会社が権限、情報、予算、責任を配る方法そのものを変えます。前者はすでに一般的です。難しいのは後者です。

エージェントはマニュアルにない運用ルールで止まります

組織図を見れば報告先は分かります。しかし、仕事が本当に終わる道筋は載っていません。取引先への支払いは、システム上では財務承認一つで済むように見えます。実際には契約の種類によって法務に先に相談し、一定額を超えると部長のチャット承認を取り、月末だけ別の表を使う場合があります。三つの例外を知る担当者が休めば、業務が止まります。

公式組織図と、例外・承認・迂回・手戻りを通る実際の業務地図を比較した図

人なら担当者に一度聞けば済みます。エージェントは依頼者が変わり、異動が起き、深夜に例外が発生しても同じ基準で動かなければなりません。そのためにはデータの出所、承認条件、停止条件、エスカレーション先を読める形にする必要があります。暗黙の決まりを文書に移した瞬間、「なぜこの人だけが承認するのか」「なぜこの部門だけ別ルートなのか」「なぜ同じ契約を二度入力するのか」が見えてきます。

AI導入が組織の権限問題に変わるのはこの時です。迂回手順の多くは、古いシステムの穴を埋め、締切を守り、事故を避けるために生まれました。悪意があるわけではありません。ただ、長く続くうちに特定の人の裁量や部門の境界を守る仕組みにもなります。AIが読める形に直す作業は、現在の均衡を動かします。

既存組織から切り離した「AIネイティブ子会社」も同じ壁に当たりがちです。新チームは速く動けても、顧客データ、ERP、購買権限、売上責任、業務責任者には触れられません。デモと取締役会向け資料は完成しても、本番の業務は変わらないままです。

最初に必要なのは、社内で実権を持つ小さなチームです。予算とエンジニアリング力を持ち、一つの業務を最初から最後まで責任者と一緒に変えられることが条件です。委員会は助言できますが、運用チームは経路を変え、その結果を引き受けます。

Shadow AIは規則違反であり、公式環境の遅さを示す信号です

会社のAI導入に3カ月かかるのに、今週中に顧客文書80件を分類しなければならないとします。現場は戦略の完成を待ちません。個人のChatGPTやClaudeにファイルを入れるか、自分のPCでエージェントを動かします。会社の管理画面には何も出ません。実際の仕事だけが公式システムの外で終わります。これがShadow AIです。

遅い公式ツールが個人AIとデータの死角につながる経路と、承認済み環境・ID・記録・インシデント対応を結ぶ公式ルート

Microsoft Securityは、未承認・未保護のAIアプリ利用をShadow AIとし、機密情報の漏えいリスクを指摘しています。アクセス制御やブラウザDLPは必要です。ただし、禁止リストを増やしても締切と作業量は残ります。利用者がもっと見えにくい道を探すだけでは問題は解けません。

公式ルートは、安全性だけでなく使いやすさでも勝つ必要があります。承認済みのAI環境で仕事に合うモデルを選べて、社内システムとの接続方法が分かり、権限申請が数日で終わる状態です。すべてを一つのモデルに統一する必要はありません。データ区分、外部送信、本人承認、サポート責任を共通化する方が実務的です。

エージェントには人のアカウントを貸さず、専用IDと最小権限を割り当てます。依頼者、参照した情報、判断結果、実行内容、変更対象を追える記録も必要です。外部送信、支払い、削除、権限変更は人の承認前に止めます。事故が起きたら、停止、復旧、通知、再発防止を誰が担当するかを先に決めておきます。

NISTの生成AIプロファイルも、組織内の生成AIシステム台帳、人による監督の役割、記録保存、インシデント対応、事後検証を推奨しています。外部AIサービスについては責任者を決め、対応手順を訓練し、代替手段を用意するよう求めています。エージェントを組織の一員として動かすなら、人とソフトウェアに使ってきたID・権限・記録・事故対応をエージェント向けに作り直さなければなりません。

従来の単位ではエージェントの価値を測れません

運用環境ができても、会計と評価の問題が残ります。企業は人数、投入時間、席数、成果物数で予算を組んできました。コンサルティングや法務は時間を請求し、ソフトウェアは利用者単位で価格を付け、事業計画はFTEで人員を数えます。80時間かかった分析をエージェントが40分で終えたとき、価値は生まれていますが、従来の帳簿には適切な欄がありません。

時間・席数・FTE・成果物数から、完了した仕事・処理時間・人の確認時間・リスク調整価値へ移る評価指標

時間単価を守ると40分で終えた側が損をします。以前と同じ80時間を請求すれば、顧客は価格を信じません。デザインでも、人とエージェントが多数の案を作ると「成果物一つ」では価値が分かりません。一つのエージェントが複数業務を24時間動くなら、席数課金も実態から離れます。

Microsoftが提案した人とエージェントの比率は、考えるきっかけにはなります。ただし成果指標ではありません。10体のエージェントが作った草案を一人が全部書き直すなら、デジタル労働力は増えても業務は改善していません。依頼が本当に完了するまでの総時間、人の修正時間、手戻り、未承認操作、引き継ぎ失敗、復旧費用まで追う必要があります。

最初の運用表には四つあれば十分です。人が定めた完了条件を満たした業務完了率、依頼から実際の終了までの処理時間、人が読み直して直した確認時間、データ・権限・障害コストを差し引くリスク調整価値です。会社ごとに計算式は変わります。問うべきことは変わりません。AIの利用量ではなく、顧客の課題を終える総時間と手間が減ったかどうかです。

最初の90日は一つの業務を端から端まで変えます

初日にAIネイティブ企業を名乗る必要はありません。90日で確認したいのは、一つの部門横断業務を安全に完了できるかです。返金、取引先登録、営業提案の承認など、開始と終了がはっきりし、複数部門にまたがる業務を選びます。単純なFAQは成功しやすい反面、運営モデルの試験としては浅すぎます。

観察、可視化、統制下の実行、測定と拡大へ進む90日間の運営モデル試験

1～2週目は手順書より実際の画面と会話を見ます。個人の表、チャット承認、二重入力、一人だけが覚えている例外を記録します。3～4週目に、判断者、データの出所、例外、人の承認、停止条件を図にします。関係者が合意できなければ、エージェントは接続しません。自動化の失敗ではなく、業務の所有者が決まっていない状態だからです。

5～8週目は承認済み環境と読み取り専用データから始めます。分類や草案は任せても、外部送信、支払い、削除、権限変更は人が承認します。依頼、入力、判断、実行を記録します。9～12週目に完了率、処理時間、確認時間、例外、事故を比べます。改善が確認でき、復旧も試せた段階だけ書き込み権限を広げます。

中止条件も先に決めます。修正時間が減らない、同じ例外が繰り返す、最終責任者を答えられない、記録から元に戻せない。このどれかがあれば拡大しません。一つの業務を安全に終えられれば、次に使えるデータ契約、権限モデル、エスカレーション、評価基準が残ります。

社内AIチームに必要なのは立派な名前ではなく権限です。予算を使い、ツール基準を決め、業務責任者とプロセスを変えられるエンジニアリング・運用チームにします。担当役員一人や諮問委員会だけでは実行できません。会社の外へ切り離すと、データと意思決定から再び遠ざかります。

AI in the businessは比較的取り組みやすい半分です。AI on the businessでは、実際の仕事の流れを明らかにし、公式AIをShadow AIより速くし、エージェントのIDと責任を運営に組み込み、古い価値指標を変えます。足りないのは、次の高性能モデルではありません。人を前提に何十年も最適化してきた会社のルールを書き直す覚悟です。

参考にした資料

報道内容、公式文書、政策背景、製品情報、変わる可能性のある主張を確認するために参照した公開情報です。