📌 この記事の要約

• 日本のAI利用経験率は58.8％へ急伸 前年の26.7％から2倍を超えましたが、日常的な利用では米国、ドイツ、中国との差が残っています。

• 企業利用は広がっても用途は時短中心 何らかの業務で生成AIを使う日本企業は86.4％に達した一方、期待する効果は業務効率化に偏っています。

• 日本の勝機は小型モデルとフィジカルAI 巨大な汎用モデルだけを追うのではなく、製造、医療、物流、防災などの現場で確実に働くAIが有望です。

• 次に測るべきはAIの利用回数ではなく仕事の変化 AIを前提に業務フロー、データ、人の確認地点、責任の所在を組み直すことが求められています。

2026年7月24日、総務省が「令和8年版情報通信白書」を公表しました。今年の白書は、AIが人々の生活や企業活動をどう変え始めたのかを正面から取り上げています。個人と企業の利用実態を日米独中で比較するだけでなく、国内企業の活用事例、小規模言語モデル、フィジカルAI、仕事や思考への影響、ガバナンスまで踏み込んでいます。

数字を追うと、日本でもAIは一気に普及しました。ただし、使う人が増えたことと、企業の競争力が高まったことは同じではありません。白書から見えてくるのは、AI導入の勝負が「使わせる段階」から、業務の進め方やデータの扱い、責任の所在を組み直す段階へ移ったという現実です。

今回は、「令和8年版情報通信白書」からAIに関する最新状況を解説します。

令和8年版情報通信白書は、冒頭からAIを取り上げ、社会や経済への影響を中心テーマに据えています。

急増した日本の利用者と埋まらない日常利用の差

日本で生成AIを使った経験がある人は58.8％でした。前年の26.7％から2倍を超え、4か国の中で伸び幅は最大です。今回から15～19歳が調査対象に加わったため単純比較には注意が要りますが、20歳以上に限っても52.2％です。テキスト生成AIの利用経験率だけを見ても、24.0％から55.0％へ増えています。もはや一部の新技術好きだけの道具ではありません。

それでも米国とドイツは75.6％、中国は93.6％で、日本との差は残っています。利用経験者に占める「ほぼ毎日」使う人の割合も、日本は約3割にとどまり、他の3か国はいずれも4割を超えています。触ったことはあるが、仕事や生活の習慣にはまだ入り切っていないというところが日本の現在地のようです。

年代別では、15～19歳の利用経験率は91.7％、20～29歳は78.2％。若い層では、情報の理解や翻訳、学習に加え、日常の判断や、心身の悩み、生活、将来についての相談にもAIが使われ始めています。海外では、AIを「友人」や「カウンセラー」と見る回答も目立ちます。AIは検索窓の代わりにとどまらず、話し相手にもなりつつあるのです。

一方、使わない理由は「生活や業務に必要ない」が42.4％、「使い方がわからない」が38.8％でした。後者は4か国で日本が最も高い結果です。社内研修で機能を一通り説明するだけでは、この壁は越えにくいでしょう。営業なら商談準備、総務なら規程検索、管理職なら会議前の論点整理というように、自分の仕事で得をする場面を体験させる必要があります。

日本の利用経験率は1年間で大きく伸びましたが、米国、ドイツ、中国との差はなお残っています。

利用率86.4％でも個人作業の効率化から抜け出せない企業

企業の数字も急伸しました。生成AIを積極的に使う、または領域を限定して使う方針の日本企業は68.9％で、前年の49.7％から上昇しています。活用方針について「わからない」と答えた回答者を除いて集計すると、何らかの業務で生成AIを使っている企業は86.4％でした。前年の55.2％から大幅に増え、米国90.9％、ドイツ91.6％との差も小さくなりました。

ただし、用途を見ると議事録やメール作成の補助が中心です。日本企業が期待する効果も「作業時間の短縮などによる業務効率化」が61.6％で突出し、製品やサービスの質の向上は32.2％でした。米国、ドイツ、中国では後者が最上位です。日本企業はAIを「今の仕事を速くする道具」と捉える一方、海外企業は「製品や顧客体験を変える道具」として使う傾向が強くなっています。この差はモデル性能によるものというより、AIを何に使うかという経営判断の差と見るべきでしょう。

白書で紹介されている先進企業は、業務効率化の先へ進んでいます。伊藤忠テクノソリューションズが提供する『Acsim』は、システム開発の要件定義で使う試作品の作成期間を、1カ月以上から1時間に短縮しました。中外製薬では、約7800人の社員向けに内製した生成AIアプリを約5400人が利用し、個人の時短にとどまらず、業務プロセス全体の再設計を進めています。中小企業のアイニコグループも、10事業部から21人を集めて1年間取り組み、年間2247時間の削減を報告しました。

ここで効いているのは、派手なモデル選びではありません。経営層が狙う領域を決め、現場が業務課題を持ち込み、推進部門や専門家が伴走する。社内データをAIが読める状態に整え、人間が確認する地点と責任者を決める。白書は、AIをコストではなく、社内の知識やノウハウを蓄える資産として見る考え方も紹介しています。

日本では、組織的な取り組みを行っていない企業が27.0％と、他国より多い結果でした。全社ガイドラインを整えた企業は41.1％ですが、海外では導入前の専門審査や導入後の定期評価まで進んでいます。禁止事項を示すだけのガバナンスから、企画、導入、運用、見直しのサイクルを回す仕組みへ変えなければ、顧客向けサービスや自律性の高いAIエージェントの活用には踏み込めません。

日本企業は業務効率化への期待が突出し、海外では製品やサービスの質の向上が重視されています。

小型モデルとフィジカルAIで競争軸をずらす

AI市場は急速に拡大しています。世界のAI市場は2025年の2442億ドルから2031年に1兆54億ドルへ、生成AI市場は669億ドルから4421億ドルへ拡大する予測です。日本のAIプラットフォーム市場も2025年の3083億円から2030年に2兆3851億円へ伸びると見込まれています。その一方、AI研究の国別順位で日本は近年10～12位にとどまり、2025年に新たな資金調達を受けたAI企業の数も56社で、国別では10位でした。巨大な汎用モデルを正面から追うだけでは分が悪い構図です。

白書が日本の有望分野の一つとして挙げるのが、小規模言語モデル（SLM）です。計算量と消費電力を抑え、端末や工場内で動かせるため、通信できない場所でも使え、機密データを外に出さずに済みます。知識の幅や汎用的な推論力では大規模モデルに及ばないため、RAGで社内情報を参照させたり、用途に応じて大規模モデルと使い分けたりする設計が現実的です。製薬向けの『JPharmatron-7B』や、製造設備などを想定したPreferred Networksの『PLaMo Lite』は、その方向を示します。

もう一つが、ロボットなど現実世界で動くフィジカルAIです。日本には産業用ロボットの制御、現場への組み込み、安全性や品質を守る作業設計の蓄積があります。東京大学は476個のセンサーを載せたシートと190個の触覚センサーを持つ5本指ハンドを開発し、ファナックは生成AIがPythonの命令を作り、ロボットを動かす事例を公開しています。ダイキン工業の熟練工AIエージェントも、現場映像から点検や修理の抜け漏れを確認します。

弱点はソフトウェアと学習データです。1社で抱え込まず、機器メーカー、現場企業、AI企業がデータと知見を持ち寄る仕組みが要ります。AI-RANのように基地局を低遅延の推論拠点として使う技術や、クラウドとエッジを使い分ける設計も広がります。日本の勝負どころは、何でも答えるAIより、製造、医療、物流、防災といった現場で確実に働くAIでしょう。

小型モデルを現場の近くで動かせば、通信量、消費電力、コストを抑えながら素早く判断できます。

便利な回答が人の思考と情報環境を変える

AIは人の能力を上げるのか、弱らせるのか。白書は、結論を一方に寄せず、両方の研究を取り上げています。ドイツの大学研究チームの実験では、AIを使った参加者が短時間で質の高いアイデアを出し、発想の多様性や満足度も高まりました。

一方、MIT Media Labなどの研究では、最初から大規模言語モデルを使って小論文を書いたグループは、自力で書いたグループよりも脳活動の結びつきが弱く、自分が書いた文章を正確に思い出す力が低く、成果物を自分のものだと感じる度合いも低い結果となりました。

後者は限定された条件で行われたプレプリント段階の研究であり、AIを使うと脳が衰えると断定できるものではありません。それでも実務には使える教訓があります。最初の論点整理までAIに渡すのではなく、まず自分で仮説を持ち、その後にAIで抜けや反論を探し、最後は自分の言葉で説明するのです。使う順序によって、AIは思考を代行する道具にも、思考を広げる道具にもなります。

情報環境への影響も見逃せません。日本の回答者が最も警戒したのは、精巧な偽映像や偽音声を本物だと思い込むリスクでした。しかも若年層では、情報収集や相談でAIを主な手段にする人が増えています。生成コストの低下によって大量に作られる偽情報は、注目を集めるほど収益につながる情報環境の中で広く流通します。人間の目だけで見破るのが難しくなるなら、検知技術を検索、SNS、社内ツールの普段の画面へ組み込む必要があります。

守る対象も増えました。AIを使って攻撃を検知するだけでなく、AIから不正な出力を引き出す攻撃や、AIを組み込んだシステムを停止させる攻撃にも備える必要があります。

総務省は2026年3月にAIのセキュリティ対策ガイドラインを公表しました。政府も、高度なAIによる脆弱性発見能力の向上を受け、『Project YATA-Shield』を打ち出しています。企業もAIサービスを一般的なクラウドサービスと同じ感覚で契約せず、入力情報、参照データ、外部システムの操作、権限、監視方法、停止手順まで点検する必要があります。

AIガバナンスは利用を止める規則ではなく、リスクに応じて開発から運用まで見直し続ける仕組みです。

AIを使った回数ではなく仕事の変化を測る

白書では、AIの利用を広げるだけでなく、安全性や透明性を確保しながら社会に定着させることを重視しています。2025年に施行されたAI法や各種ガイドラインでも、人間中心、安全性、公平性、透明性、説明責任、セキュリティ、プライバシーといった原則が掲げられています。政府では約18万人の職員を対象に生成AI環境『源内』の大規模実証を進め、自治体でも文書作成、議事録要約、住民案内、観光提案などへ用途が広がっています。公共部門でも、生成AIは試験的に使う段階から、日常業務に組み込む段階へ進みつつあります。

企業が次に問うべきなのは、社員の利用率や生成回数ではありません。顧客にどんな価値を生むのか、どのデータを使うのか、AIにどこまで任せるのか、AIが誤った出力や判断をしたときに、誰が止め、誰が責任を負うのか。その答えを業務フローに落とし込み、品質、売上、顧客満足、知識の共有まで含めて効果を測る必要があります。

メールを数分早く書けるだけでも助かります。ただ、それだけなら他社もすぐ追いつきます。現場の知識をデータとして残し、AIを組み込んで仕事の流れを変える。その一方で、人は問いを立て、AIの出力を判断し、その結果を引き受けます。令和8年版情報通信白書が突きつけているのは、AIを導入するかどうかではなく、AIがいることを前提に、仕事や組織をどう作り直すかという宿題です。

AI利用経験率の急伸、企業活用の現在地、日本の有望分野、ガバナンスの要点をまとめています。