「AIエージェント元年」のリアル──言葉が先に走り、現場が追いかける大企業のいま
会議資料に「AIエージェント」の文字が躍り、経営層は「うちもエージェントで業務を自動化できないのか」と問う。だが隣の席では、生成AIをまだ一度も仕事で使ったことのない同僚が黙って議事録を取っている——。いま多くの大企業で、こんな温度差が生まれているのではないか。
データインサイトは、従業員1,000名以上の大企業に勤める計860人（本体調査460人・追加調査400人）に、生成AI・AIエージェントの利用実態を聞いた。見えてきたのは、「言葉」が先に走り、「実践」が追いかけるという、ブーム期特有の構図だ（2026年6月実施・データインサイト調べ）。
この記事のポイント
- 大企業で仕事に生成AIを使う人は 65.7%——「使う」はもう当たり前
- ただし利用は上位職に偏る：管理職 80% に対し一般社員 51%【図1】
- ツールはChatGPTが首位（70.9%）。Claudeの業務利用は9.3% と、主要4ツール（ChatGPT・Copilot・Gemini・Claude）で唯一の1割未満【図3】
- 「AIエージェント」認知 82.5% に対し、説明できるレベルの理解は 19.5%。「ループエンジニアリング」等の周辺手法では 1割未満【図4】
- 全7手法で 会社導入が個人の実践を上回る——「導入したのに使われない」の入口に【図5】
■ 1. 「使う」は当たり前になった。ただし、使っているのは"上"の人
仕事で生成AIを使う人は65.7%。プライベートを含めれば78.3%が何らかの形でAIに触れている。もはや「AIを使うかどうか」は論点ではない。
注目すべきは"誰が"使っているかだ。役職別に見ると、部門長・マネージャー80%、リーダー・主任71%に対し、一般社員は51%、契約・派遣は36%。経営層・事業部長クラスは9割超（少数サンプルのため傾向値）で、役職と利用率がきれいに連動する【図1】。
なぜ上位職ほど使うのか。背景としては、資料作成・情報収集・意思決定の下準備といった「AIが効きやすい業務」がマネジメント層に集中していること、そして新ツールに触れる裁量や情報が役職に紐づいていることが考えられる（役職別の業務内容は本調査の対象外であり、あくまで仮説である）。いずれにせよ、AIの恩恵が現場の実務層まで届いていないことは、数字がはっきり示している。企業規模でも同じ勾配があり、5,000名以上（70.0%）が1,000〜4,999名（60.8%）を約9ポイント上回った【図2】。
■ 2. ツール勢力図──ChatGPT首位と、「基盤統合」の論理
仕事で生成AIを使う302人が挙げたツールは、ChatGPT 70.9%、Microsoft Copilot 51.3%、Gemini 49.3%。この3つが主軸だ【図3】。
興味深いのはその構造だ。CopilotとGeminiの伸びは、Microsoft 365（M365）やGoogle Workspaceという「会社の業務基盤」に乗って入ってくる。つまり大企業のツール選定は、個人の好みや性能評価ではなく、「もともと入っている基盤に何が統合されているか」で決まりつつあるように見える。Claudeが9.3%にとどまるのも、この「基盤の壁」を示す一例といえるだろう。単体性能の勝負ではなく、調達・セキュリティ・統合の勝負——それが大企業市場のルールになりつつある。
◆30秒でわかる、調査に登場する7つの用語
- ・AIエージェント：指示を待つチャットと違い、目標を与えると自律的にタスクを分解・実行するAI
- マルチエージェント：複数のAIエージェントが役割分担して協働する仕組み
- MCP：AIと外部ツール・データをつなぐ共通規格。エージェントの「手足」を増やす配線にあたる
- コンテキストエンジニアリング：AIに渡す情報・文脈を設計し、出力の質を高める技術
- ハーネスエンジニアリング：AIが安全・確実に動くための実行環境や制御の仕組みづくり
- ループエンジニアリング：AIの実行→検証→改善のサイクルを設計し、任せられる範囲を広げる技術
- AIオーケストレーション：複数のAI・ツール・業務フローを指揮者のように束ねて動かすこと
■ 3. 言葉が先に走る──認知82.5%、説明できるのは19.5%
「AIエージェント」という言葉は、大企業の82.5%に届いた（追加調査n=400）。だが、人に説明できるレベルで理解している人は19.5%まで絞られる。一方で個人として実践している人は34.5%と、説明できる人（19.5%）より使っている人（34.5%）の方が多い——理解が追いつかないまま、利用だけが先に広がっている様子がうかがえる【図4】。
周辺手法になると差はさらに開く。MCP、AIオーケストレーション、ループエンジニアリング——エージェントを実務で機能させるためのこれらの手法は、説明できるレベルの理解が1割未満（7.8〜9.0%）にとどまり、半数前後は言葉自体を聞いたことがない。
これは新しい現象ではない。「DX」も「ビッグデータ」も、言葉が現場の理解より先に経営アジェンダに載り、その差分を埋めた企業が成果を手にしてきた——今回の結果は、その光景の繰り返しにも見える。生成AIはツールの入手だけなら過去のブームより格段に簡単な分、「言葉と実践の差」こそが企業間の本当の差になりやすい。
■ 4. 会社は入れた。人が追いついていない
7手法すべてで「会社としての導入率」が「個人としての利用率」を上回った（AIエージェント：会社44.2%・個人34.5%)【図5】。セキュリティやガバナンスを重視する大企業では、トップダウンで環境が先に整うのは自然な流れだ。だがそれは同時に、「導入済みなのに使われないツール」が生まれる入口でもある。
では人はどこで学んでいるのか。情報源の最多は「社内の勉強会・研修」（46.8%）。ニュースサイト（31.2%）を15ポイント以上引き離しており、大企業の学びは会社が用意する場に大きく依存する構造がうかがえる。一方で26.0%は「特に情報収集をしていない」。社内の学習設計から漏れた人は、そのまま取り残されかねない構造だ。外部支援を「検討したい」層が49.5%と半数に迫るのは、この構造への危機感の表れだろう。
■ 5. データが示唆する、次の一手
調査結果を踏まえると、大企業がいま打つべき手は3つに整理できる。
- 現在地を測る——役職・部署別の利用率を自社でも取ってみる。全社平均は実態を隠す。本調査のように層別で見て初めて「届いていない場所」が分かる
- 学習を設計する——最大の情報源は社内勉強会。つまり学習機会の設計が浸透率を左右する。「ツールを配って終わり」から「使い方を業務に翻訳する場」へ
- 実践の場を小さく作る——認知と実践の差を埋めるのは、多くの場合、研修より実務での成功体験だ。時間のかかる定型業務から、エージェントに任せる領域を小さく切り出す
■ まとめ：ブームの言葉に、実践で追いつく
生成AIを「使う」時代は終わり、「使いこなす」競争が始まった。言葉はすでに組織の隅々まで届いている。届いていないのは理解と実践であり、それを埋める仕組み——学習の設計と、任せる業務の設計——を持つ企業から、次の差がつく。
あなたの会社の「言葉と実践のギャップ」は、いまどれくらい開いているだろうか。
■ 調査概要
データインサイト自社調査。対象＝従業員1,000名以上の企業・団体に勤める社会人。①本体調査 n=460 ②追加調査 n=400（いずれも2026年6月に別配信で実施）。インターネット調査・自然回収（割付なし）。①②は別サンプルで個人単位の接続はなし。回答数30未満の集計セルは傾向値として表記。引用時は「データインサイト調べ」と明記ください。詳細な集計は調査記事（記事A・記事F）参照。
データインサイトでは、AI活用の現在地診断から、学習設計・エージェント導入の伴走まで、大企業のAI Transformationを支援しています。ご相談は、データインサイトのお問い合わせページ（https://datainsight.jp/contact）からお気軽にお寄せください。
