日本の中小企業AI活用の現在地と国際格差

エグゼクティブサマリ

本レポートは、日本の中小企業のAI業務活用に関して、複数の公的統計・国際機関レポート・民間調査機関データを再構成した独自分析である。中心となる発見は次のとおりである。

国内の中小企業約336万社のうち、AI業務活用の経済的恩恵を得られていない事業者数は、定義の幅を含めて推計220万〜280万社にのぼる。日本の中小企業のAI業務活用率は国際基準（G7基準）で16%にとどまり、生成AIの活用方針策定率は34%である。同指標における米国・中国・ドイツの水準は約90%であり、日本との差はおおむね3倍に開いている。

この格差は単一の要因によるものではなく、経営者の高齢化（社長平均年齢60.7歳）、不確実性回避を重んじる組織文化（ホフステード指数92、世界最高水準）、IT人材の構造的不足（2030年に約79万人不足見込み）、日本語大規模言語モデルの実装遅れの四層が同時に作用した結果として理解する必要がある。

打ち手としてのキーワードは「ツール」ではなく「伴走」である。シンガポールが政策支援によって中小企業AI利用率を1年間で4.2%から14.5%へ3倍以上に拡大できた背景には、ベンダー中立の伴走型コーチング体制と最大50%のコスト補助の組み合わせがある。米国も2026年に下院通過した『AI for Main Street Act』で、中小企業庁の既存ネットワークを活用した教育・伴走インフラの整備に踏み込んだ。日本に欠けているのは補助金ではなく、ツール選定の前段にある経営判断と業務設計のレベルで継続的に並走する中立的な伴走者である。

問題意識
日本の中小企業AI活用の現在地
国際比較
FULLFACT試算 ── 取り残し企業数の算出
米国SMBの教訓 ── 導入率76%／定着率14%の落差
構造的要因の四層
含意 ── 伴走インフラの不在を埋める
本分析の背景にあるFULLFACTの立場

付録A 出典・参考文献付録B 算出ロジックの数式と前提付録C 主要用語の定義

1. 問題意識

日本の中小企業におけるAI活用について、国内外で発表されている調査結果には大きな数値のばらつきがある。ある調査では「日本企業の生成AI利用率は前年比3倍に伸びた」と報じられ、別の調査では「日本の従業員でAIを業務利用しているのはわずか8.4%」と報じられる。同じ国の同じ時期を扱った数字でありながら、定義の違いが結論を左右している。

本レポートが立てる問題は二つある。ひとつは、定義の異なる数字を並列で読みほどき、政策議論や経営判断の前提となる「実態の輪郭」を描き出すこと。もうひとつは、輪郭を踏まえた上で、日本の中小企業が抱える構造的な遅れの正体を、単一の要因に還元せずに分解することである。

調査の数字には少なくとも三つの層がある。第一に、個人としてChatGPT等の生成AIサービスに触れたことのある層。これは試用層であり、業務活用率とは別である。第二に、組織として生成AIの活用方針を策定済みの層。これは経営判断の有無を測る指標で、業務利用そのものではない。第三に、業務プロセスにAIを組み込んで定常運用している層。経済的恩恵を実際に享受しているのはこの層に限られる。日本の中小企業をこの三層で見たとき、それぞれ26.7%（個人試用）、34%（経営方針）、16%（業務利用）であり、層を下るにつれて急速に細る。

国際比較で重要なのは、米国・中国・ドイツの方針策定率が約90%である点である。経営判断のレベルでこれだけの差がついている以上、業務利用の差が今後も縮まる方向に動く根拠は乏しい。むしろ、AI活用の経済価値が顕在化するほど、方針を持つ層と持たない層の利益差は拡大する可能性が高い。

出典：総務省『令和7年版情報通信白書』、G7 / Mila『SME AI Adoption Blueprint』2025年12月、OECD AI Policy Observatory。

2. 日本の中小企業AI活用の現在地

2.1 三層構造で読む活用率

日本の中小企業のAI活用実態を立体的に把握するには、活用率を単一の数字で扱わず、三つの層に分解する必要がある。

第一層は、個人レベルの生成AI利用率である。総務省『令和7年版情報通信白書』によれば、日本における個人の生成AI利用率は26.7%である。前年度の調査からおよそ3倍に拡大しており、ChatGPTを中心としたサービスへの個人レベルの接触は加速している。ただしこの数字は、業務利用とは関係なく、私的な試用や個人タスクでの利用を含む。

第二層は、組織としての生成AI活用方針策定率である。同白書によれば、日本企業全体での策定率は約49.7%、大企業では56%、中小企業では34%である。方針策定とは、生成AIの利用ガイドライン整備、業務領域の特定、責任部門の明確化といった経営判断レベルの取り組みを意味する。経営判断としてAIに向き合った企業の割合は、中小企業で3社に1社にとどまる。

第三層は、業務利用率である。OECDの調査によれば、日本の従業員のうち職場でAIを業務利用しているのはわずか8.4%、生成AIに限ると6.4%である。これは個人試用率（26.7%）の3分の1未満であり、「個人としては触れたが、職場の業務に組み込めていない」という典型的な未統合パターンを示している。中小企業に限った業務活用率は、G7 SME AI Adoption Blueprintの整理で16%である。

三層を並べると、日本の中小企業のAI活用は「個人試用は伸びているが、組織判断と業務統合が追いついていない」構造であることがわかる。経済的恩恵の源泉は第三層であり、ここの薄さが日本の労働生産性の停滞と直結する。

出典：総務省『令和7年版情報通信白書』2024年7月、OECD『AI in the Workplace』、G7『SME AI Adoption Blueprint』2025年12月。

2.2 規模間格差 ── 大企業56% vs 中小企業34%

国内で大企業と中小企業を比較すると、生成AI活用方針策定率は56%と34%である。22ポイントの差は、経営資源（資金・人材・情報）の格差をそのまま反映している。大企業はリスク管理部門が独立し、AI導入時のセキュリティ評価や法務対応を内製できる。中小企業は経営者本人がそれらを兼務するため、AI導入の意思決定そのものに到達するまでの時間が圧倒的に長い。

ただし、規模間格差は固定的なものではない。シンガポールが政策支援によって中小企業の利用率を1年間で3倍以上に拡大できたように、適切な伴走インフラがあれば中小企業の数字は短期間で大きく動く。日本においても、補助金の存在自体は問題ではなく、申請の煩雑さ、ツール選定段階のリテラシー壁、導入後の運用支援の欠如が、利用率を抑制している。

2.3 個人利用は急増、しかし国際比較では依然3倍未満

日本の個人生成AI利用率は前年比3倍の26.7%に達した。これは数字としては大きな伸びだが、米国の68.8%、中国の81.2%と比較すれば、依然として2.5倍から3倍の差がある。Mediumに掲載されたあるテック・アナリストの記事によれば、2025年に日本の生成AIツールへのトラフィック成長率は世界一の214%を記録した。一方で、これは政府主導のトップダウンによる強引な近代化の側面があり、深刻なIT人材不足（2030年に約79万人不足見込み）の裏返しでもあると指摘されている。伸び率の高さは追いつきの速さを意味するが、絶対水準で先行国に並ぶには時間がかかる。

出典：総務省『令和7年版情報通信白書』、Medium / Tech Analyst (2026年4月4日)、経済産業省 IT人材需給ギャップ推計。

3. 国際比較

3.1 G7基準の中小企業AI業務活用率

G7とカナダ国立AI研究所Milaが2025年12月に発表した『SME AI Adoption Blueprint』は、加盟国の中小企業AI業務活用率を共通の枠組みで整理した最初の体系的レポートである。同レポートによれば、日本の中小企業AI業務活用率は約16%、ドイツは小規模（10〜49人）で16.9%、中規模（50〜249人）で28.2%、フランスは小規模10%未満、中規模14〜15%、カナダ12.5%、英国は調査手法により8〜10%もしくは23〜26%と幅がある。

米国は同レポートの公的統計部分（米国国勢調査局BTOSベース）では、従業員10〜19人で3.4%、100〜249人で4.8%という低い値が示されている。これは「業務システムに本格的にAIを組み込んで定常運用している」厳密な定義での数字であり、民間調査の20〜40%（試用を含む）とは比較できない。Brookings研究所の2026年2月の分析では、米国企業の17.5%が過去2週間に少なくとも1つの業務でAIを利用したとされており、この数字が現時点で最も実態に近いと考えられる。

日本の16%は、米国の17.5%（業務利用）に近い値だが、活用方針策定率では34%対約90%と大差がついている。これは、「現在の業務利用は同水準だが、経営判断のレベルで日本は3倍遅れている」という構図を示しており、将来的な格差拡大の予告として読むべきである。

出典：G7 / Mila『SME AI Adoption Blueprint』2025年12月、Brookings Institution 2026年2月分析、米国国勢調査局 BTOS。

3.2 シンガポール ── 1年で利用率を3倍にした政策設計

国際比較で最も注目すべきはシンガポールである。シンガポール情報通信メディア開発庁（IMDA）が2025年10月に公表した『Singapore Digital Economy Report 2025』によれば、同国の中小企業AI利用率は2023年の4.2%から2024年には14.5%へと、わずか1年で3倍以上に急増した。

この急成長を支えたのは、IMDA主導の『SMEs Go Digital』プログラムである。同プログラムは、AI対応ソリューション導入時に最大50%のコスト補助を提供するProductivity Solutions Grant（PSG）と、ベンダー中立の伴走型コーチング体制を組み合わせている。重要なのは、補助金単体ではなく、補助金と伴走を一体で設計したことである。さらに2026年からは『SME AI Impact Awards』を新設し、AI導入で成果を上げた企業をロールモデルとして表彰・推奨するスキームを立ち上げている。

シンガポールの事例は、適切な政策設計があれば中小企業のAI利用率は短期間で大幅に動かせることを実証している。日本の中小企業AI活用率（16%）がシンガポールの14.5%とほぼ同水準であるにもかかわらず、伸び率に大きな差がある背景には、伴走インフラの有無がある。

出典：IMDA『Singapore Digital Economy Report 2025』2025年10月、IMDA SMEs Go Digital プログラム公式資料。

3.3 米国 ── AI for Main Street Act の意味

米国は2026年1月、下院で『AI for Main Street Act（メインストリートのためのAI法）』を通過させた。同法は、米国中小企業庁（SBA）の既存ネットワーク、特にSmall Business Development Centers（SBDCs）を活用し、中小企業に対してAIに関するガイダンス、トレーニング、教育リソースを直接提供することを義務付けるものである。

注目すべきは、これが一時的な補助金ではなく、教育・伴走の常設インフラを国家レベルで整備する立法である点である。同法はGoogleが支援する『AI U』などの学習プラットフォームを連邦政府レベルで統合し、家族経営の零細企業でもフォーチュン500企業と同等のAI活用に到達できることを目標としている。1対1のコーチング、ハンズオン研修、業種別の事例提供といった草の根の技術指導が制度の中心である。

米国は民間調査での導入率が高く出る一方、公的統計（Census BTOS）での厳密な業務利用率が10%台にとどまっている。導入と定着の落差を埋めるための国家インフラ整備、というのが同法の問題意識である。

出典：FedScoop 2026年1月報道、Nextgov / FCW、米国小企業庁（SBA）公式資料。

3.4 主要国の中小企業AI支援政策マトリクス

主要国の中小企業AI支援政策を、補助金型・伴走型・教育型の三軸で整理すると、シンガポールと米国はいずれも伴走型・教育型に重心がある。日本の『IT導入補助金』『ものづくり補助金』のAI枠は、補助金型に偏っており、伴走と教育のインフラが薄い。EUは『Digital Europe Programme』内でAI支援を行っているが、中小企業特化の伴走インフラとしてはシンガポールIMDAほど洗練されていない。

国	補助金型支援	伴走型コーチング	教育インフラ	特徴
シンガポール	PSGで最大50%補助	IMDA直営でベンダー中立	SMEs Go Digital継続研修	政策3点セット
米国	SBA各種ローン	SBDCsネットワーク	AI for Main Street Act	立法レベルで常設化
ドイツ	go-digital等の補助	デジタルハブ各州	Bitkomと連携	製造業に厚い
英国	Help to Grow: Digital	デジタルメンター制度	AI Skills for Business	スキル中心
日本	IT導入補助金AI枠	限定的	限定的	補助金単独型

出典：各国公式政策資料、IMDA、米SBA、独BMWi、英DSIT、経済産業省。

4. FULLFACT試算 ── 取り残し企業数の算出

4.1 母集団の確定

『AIに取り残されている中小企業数』を推計するための母集団は、中小企業庁が『令和3年（2021年）経済センサス活動調査』を基に再編加工した集計値（2023年12月公表）に従い、約336万社とする。日本の全企業に占める中小企業の割合は99.7%、雇用面では従業員全体の約70%を担っており、日本経済全体の労働生産性を左右する母集団である。

業種別構成では、建設業、製造業、サービス業の割合が高く、地方経済の主要担い手となっている。地方の中小企業におけるAI未活用は、日本全体の生産性停滞と直結する構造を持つ。

出典：中小企業庁『令和3年経済センサス活動調査再編加工』2023年12月公表、経済産業省。

4.2 シナリオA ── 国際基準での本格業務利用

第一のシナリオでは、G7 SME AI Adoption Blueprintにおける日本の中小企業AI業務活用率16%を採用する。これは「業務利用と国際的に認定される水準」であり、ChatGPTを試したことがある層を含まない厳しい定義である。

計算式は次のとおりである。

取り残し企業数（シナリオA） = 3,360,000 × (1 - 0.16) = 2,822,400 社

業務利用に至っていない中小企業は約282万社にのぼる。国際比較で本格的にAIの経済価値を享受している層の外側に、282万社が存在することになる。

4.3 シナリオB ── 経営判断としての方針策定

第二のシナリオでは、総務省『令和7年版情報通信白書』における中小企業の生成AI活用方針策定率34%を採用する。これは、業務利用以前の「経営判断としての方向付けの有無」を測る指標であり、最も緩い定義での未活用率を導く。

取り残し企業数（シナリオB） = 3,360,000 × (1 - 0.34) = 2,217,600 社

経営判断としての方針策定に至っていない中小企業は約221万社である。

4.4 推計の含意

両シナリオは異なる定義で算出されているが、結論として「定義の幅を含めて約220万〜280万社の中小企業がAI活用の経済的恩恵を享受できていない可能性がある」と要約できる。この幅は、定義の不確実性を逆手に取って広く取ったものではなく、「経営判断としてすら方針を持っていない層」と「業務に組み込めていない層」という、対応すべき課題の質の異なる二つの集団を意味している。

前者（221万社）に必要なのは、経営者個人のリテラシー支援と意思決定のための情報提供である。後者（282万社）に必要なのは、方針はあるが実装できていない領域に対する具体的な業務設計支援と伴走である。打ち手の内容は、層によって異なる。

4.5 推計の透明性 ── 検算可能性

本推計は、公開された一次データの単純乗算によって算出されており、第三者による検算が可能である。算出式、母集団、参照率、出典のすべては付録Bに開示する。学術的・統計的な厳密性を最重視する場合、定義差・調査手法差を踏まえた信頼区間を加味すべきだが、本レポートの目的は政策議論と経営判断の前提となる輪郭を提示することにあり、その目的に対して本推計の精度は十分である。

出典：中小企業庁、総務省『令和7年版情報通信白書』、G7『SME AI Adoption Blueprint』2025年12月、付録B参照。

5. 米国SMBの教訓 ── 導入率76%／定着率14%の落差

5.1 民間調査が示す高い導入率

米国の中小企業AI活用率を民間調査で見ると、見かけ上は極めて高い数字が並ぶ。Salesforceの『Small & Medium Business Trends Report』（2024年12月、26カ国3,350名）では75%のSMBがAIを実験中もしくは実装中と回答している。Goldman Sachsの『10,000 Small Businesses Voices』（2026年3月、米国1,256名）では76%が現在AIを使用していると回答した。U.S. Chamber of Commerceの『Small Business Index』（2025年Q3）では生成AI利用率が58%に達している。

これらの数字は、米国SMBがAI先進国であることを示すものとして報じられることが多い。

出典：Salesforce『Small & Medium Business Trends Report』2024年12月、Goldman Sachs『10,000 Small Businesses Voices』2026年3月、U.S. Chamber of Commerce『Small Business Index』2025年Q3。

5.2 公的統計が示す厳密な業務利用率

しかし、米国国勢調査局（Census Bureau）の公的統計を見ると様相が大きく変わる。同局のBusiness Trends and Outlook Survey（BTOS）における従業員加重平均の業務利用率は32%、企業数加重では18%である。AIを利用している企業のうち、3つ以下の業務機能でしか利用していない企業が57%を占めており、「業務全体に統合している」企業は限定的である。

Goldman Sachsの調査では、AIを使用していると答えた76%のうち、コア業務に「完全に統合（fully embedded）されている」と回答した企業はわずか14%にとどまった。SBA（米国中小企業庁）の2025年9月レポートでは、従業員250人未満の小規模企業の厳密な業務利用率は2025年8月時点で8.8%である。

民間調査の「75%導入」と、公的統計の「8.8〜18%の本格利用」の間に存在する落差こそが、米国SMBのAI活用の実態である。

出典：米国国勢調査局 BTOS（2026年版AIサプリメント）、米国中小企業庁（SBA）2025年9月レポート、Goldman Sachs（同上）。

5.3 42%という挫折率

導入と定着の落差を最も鮮明に示すのが、McKinsey『The State of AI 2025』（2025年11月、世界1,500〜2,000名規模）が報告した挫折率である。同調査によれば、2025年において42%の組織が自社のAIイニシアチブの大部分を「放棄（abandoned）」した。前年の17%から2倍以上に悪化している。PoC（概念実証）の段階で70〜85%のAIプロジェクトが失敗に終わっており、本番環境に到達し持続的な価値を創出できているプロジェクトはわずか5%である。

挫折の主要因は技術的な限界ではない。レガシーシステムとの統合困難（60%）、データ品質の欠如、そしてチェンジマネジメント（組織変革）の不在の三つが、挫折を生み出している。ツールを導入しただけで業務プロセスそのものを再設計しなかった企業は、軒並み失敗している。

成功している『ハイパフォーマー』（全体の約6%）は、AI予算の70%をテクノロジーではなく人材教育とプロセス変革に投資しているという。MITの調査（NANDA study）では、AIパイロットを導入したものの測定可能なROIがゼロだった企業の割合が95%にのぼるという推計も出されている。

出典：McKinsey『The State of AI 2025』2025年11月、MIT NANDA study、Salesforce『データ整備と成長企業の関係』分析。

5.4 日本にとっての予告編

米国の経験から日本が読むべき教訓は明確である。日本の中小企業のAI活用は、現時点では「導入そのものの遅れ」が問題として大きいが、導入が加速した段階で、米国SMBが直面している『導入と定着の落差』が日本にも同じように生じる可能性が高い。

シンガポールが1年で利用率を3倍に拡大したような急成長期に入った場合、ツール導入のスピードに対して、業務統合とチェンジマネジメントが追いつかない事業者が大量発生する。日本の中小企業にとって、米国の42%挫折率は将来形ではなく、3年後の予告編として読むべきである。

伴走インフラの整備、データ基盤の事前整備、業務プロセスの再設計、組織への定着まで含めた一体的な支援が、急成長フェーズ前に整っているかどうかが、日本のAI活用の質を分ける。

6. 構造的要因の四層

日本の中小企業AI活用の遅れは、単一の要因に還元できない。少なくとも四つの層が同時に作用している。

6.1 第一層 ── 経営者の高齢化

帝国データバンクの『全国「社長年齢」分析調査（2024年）』によれば、社長の平均年齢は60.7歳、34年連続で過去最高を更新している。東京商工リサーチの『2024年「全国社長の年齢」調査』では平均63.59歳。年代別では「50歳以上」が81.7%、「70代以上」が19.4%（東京商工リサーチでは34.4%）を占めている。

意思決定層の大部分がデジタルネイティブではない世代であることは、AIのような新技術導入の判断速度に直接影響する。技術的な理解の難易度というよりも、意思決定のループの長さ、外部情報源の偏り、リスク認識の保守性が複合的に作用する。

US Chamber of Commerceの調査で示された経営者世代別のAI投資意欲格差（ミレニアル・Gen Z経営者69%対ベビーブーマー経営者38%）は、日本でも同様の構造が存在することを示唆している。事業承継のタイミングで若い経営者がAIを一気に導入し、旧来型の同業他社を市場から押し出す『ゲームチェンジ』は、すでに一部業種で起きている。

出典：帝国データバンク『全国「社長年齢」分析調査』2024年版、東京商工リサーチ『2024年「全国社長の年齢」調査』、U.S. Chamber of Commerce『Small Business Index』2025年Q3。

6.2 第二層 ── 不確実性回避を重んじる組織文化

異文化マネジメント研究のホフステード・モデルにおいて、日本の『不確実性回避（Uncertainty Avoidance）』スコアは92と世界最高水準にある。米国の46と比較すると2倍であり、未知のものや曖昧さに対する許容度が大きく異なる。

このスコアは、組織がルールや構造を重んじ、合議形成と前例主義を優先する文化的傾向を測る。100%の精度が保証されないAI技術（ハルシネーション、セキュリティリスクを内包する技術）に対し、日本の組織は過剰なまでに導入をためらう傾向がある。

World Economic Forumが2024年12月に公開した分析記事は、日本のAI導入慎重さを「失敗やリスクを嫌う」広範な文化的規範に起因させている。同記事は、日本の研究開発費が世界3位であるにもかかわらず起業家精神では世界47位にとどまるというデータを引き合いに、アジリティよりも合意形成を優先する企業文化がDXの遅れを招いていると指摘している。

経営判断としてAI活用方針を策定済みの大企業56%・中小企業34%という数字は、文化的要因が経営の意思決定速度に直接効いていることを示している。

出典：Hofstede Insights『Country Comparison Tool』、World Economic Forum 2024年12月分析、総務省『令和7年版情報通信白書』。

6.3 第三層 ── IT人材の構造的不足

OECDのエコノミストは、日本について「AIの導入によって労働力不足を解消できる可能性があるにもかかわらず、AIを導入・運用できる人材がいないためにAIが導入されないというCatch-22（逃れられないジレンマ）に陥っている」と指摘している。

経済産業省の推計では、2030年までに国内IT人材は約45万人から最大79万人不足する見込みである。日本企業の60%以上がAI関連人材の不足を導入の障壁として挙げている。中小企業に至っては、社内に専任IT人材を抱える事業者がごく少数であり、AI導入チームの組成は構造的に困難である。

この構造は、伴走型の外部支援が果たしうる役割を浮き彫りにする。中小企業がAI人材を内製化することは現実的に困難である以上、外部の伴走者がデータ整備・業務設計・運用支援を継続的に担う体制が、社内人材代替として機能する必要がある。シンガポールIMDAや米国SBDCsの伴走インフラは、この社内人材不足を国家レベルで補完する仕組みである。

出典：OECD、The Japan Times 2026年3月2日報道引用、経済産業省 IT人材需給推計。

6.4 第四層 ── 日本語LLMの実装遅れ

ChatGPT等の初期の大規模言語モデルは、英語の学習データが圧倒的多数を占めていたため、日本語での出力精度や文化的文脈の理解に課題があった。2024〜2025年にかけて、OpenAIのGPT-4o／GPT-5、AnthropicのClaude 3.5／4、GoogleのGemini 1.5／2.0が日本語性能を大幅に改善し、また国産LLM（NEC cotomi、富士通Takane、サイバーエージェントCALM3、PFN PLaMo等）の実装も進んだ。

ただし、過去2〜3年間の歴史的経緯において、英語圏である米国・英国に比べて『すぐに使えるレベル』に到達するまでのタイムラグが存在したことは事実である。中小企業が独力で評価・選定するには情報量が多すぎ、リテラシーの壁が高い。

技術側のキャッチアップは完了しつつあるが、業務適合の判断とプロンプト設計のノウハウは依然として外部支援を要する。日本語LLM対応の遅れは『過去の障壁』だが、その間に蓄積された経営者の躊躇心は『現在の障壁』として残存している。

出典：各LLMベンダー公式資料、国産LLM評価レポート、業界アナリストによる日本語性能比較。

6.5 四層の同時作用

四つの層は独立に存在するのではなく、同時に作用している。経営者が高齢で（第一層）、組織文化が不確実性を嫌い（第二層）、社内にAI人材がおらず（第三層）、過去には日本語LLMの精度も不十分だった（第四層）という条件が重なれば、AI活用の意思決定そのものが先送りされ続ける。

打ち手は四層それぞれに対応する必要がある。経営者世代の意思決定支援、組織文化に適合した段階的導入設計、社内人材不足を埋める外部伴走、技術選定の最新動向の情報提供。これらを個別の補助金や個別のツール導入で解こうとしても、構造として解けない。

7. 含意 ── 伴走インフラの不在を埋める

7.1 補助金単独型では構造を変えられない

日本のAI政策の中心は、IT導入補助金、ものづくり補助金、事業再構築補助金といった補助金制度である。これらは資金的な障壁を下げるための制度として一定の役割を果たしてきたが、本レポートで整理してきた四層の構造的要因に対しては、補助金単独では効果が限定的である。

経営者の意思決定支援は補助金では代替できない。組織文化の変化は資金投下では起きない。社内IT人材不足は補助金で人を育てるには時間がかかりすぎる。技術選定の判断は補助金支給時には既に必要とされている。

シンガポールIMDAが補助金（PSG）を伴走（SMEs Go Digital）と教育（継続研修）の三点セットで運用しているのは、補助金単独では構造を動かせないことを政策設計の前提に置いているからである。米国『AI for Main Street Act』が立法レベルでSBDCsネットワークの活用を義務付けたのも、伴走の常設化を法律で担保するためである。

7.2 必要なのはツールではなく経営判断と業務設計の伴走

日本の中小企業のAI活用を進める要諦は、新しいツールを増やすことではない。データ整備、業務再設計、組織への定着までを一体で担う伴走者を、組織の外に置くことである。

伴走者の役割は三つに整理できる。第一に、経営判断としてのAI活用方針の策定支援。これは、業務領域の優先順位付け、投資配分、責任体制の明確化であり、経営者本人との対話なしには成立しない。第二に、業務領域別の具体的な設計支援。第一層で経営者の高齢化を補い、第三層でIT人材不足を補う役割である。第三に、運用フェーズの継続支援。導入後の定着までを伴走する役割であり、米国SMBが直面している『導入と定着の落差』を未然に埋める機能である。

これら三つの役割は、ツールベンダーやSIerが構造的に担いにくい。ツール販売のインセンティブがある主体は、自社ツールの導入を最適解として提示しがちであり、中立的な業務設計の判断が困難である。伴走インフラとして必要なのは、ツールベンダーから独立した中立的な存在である。

7.3 急成長フェーズ前の準備

シンガポールが1年で利用率を3倍にしたような急成長フェーズが日本にも訪れた場合、ツール導入のスピードに対して業務統合と組織変革が追いつかない事業者が大量発生することは、米国SMBの経験が示している。日本の中小企業にとって、急成長フェーズに入る前に伴走インフラが整備されているかどうかが、AI活用の質を分ける。

この準備は、政策レベル（国・自治体）と民間レベル（コンサルティング・士業・地域金融）の両輪で進める必要がある。政策が伴走インフラを国家レベルで整備する一方、民間の伴走者がきめ細かい個社対応を担う構造である。

8. 本分析の背景にあるFULLFACTの立場

株式会社FULLFACTは、AIを軸に企業の業務オペレーション全体を再設計するコンサルティングを提供している。ツール導入の伴走ではなく、データ基盤の整備、業務プロセスの再設計、組織への定着までを一体で担う、実装に踏み込む形態を取る。

本レポートで示した推計（220〜280万社が機会を逸している）は、裏返せば、日本の中堅・成長企業のAI活用には、ツール選定の前段にある経営判断と業務設計のレベルでの支援需要が大きく存在することを意味している。FULLFACTは、この伴走機能を、中立的かつ実装に踏み込むコンサルティングとして提供している。

本レポートはマーケティング資料ではなく、政策議論と経営判断の前提となる輪郭を提示することを目的としている。出典・算出ロジックのすべてを開示し、第三者による検算可能性を担保している。記載内容のうち、推計値および含意の解釈はFULLFACTの分析責任において行われたものである。

付録A 出典・参考文献

公的統計

中小企業庁『令和3年（2021年）経済センサス活動調査再編加工』2023年12月公表
総務省『令和7年（2024年）版情報通信白書』2024年7月公表
経済産業省『DXレポート 2.2』、IT人材需給ギャップ推計
OECD『AI in the Workplace』および AI Policy Observatory 国別レポート
米国国勢調査局（Census Bureau）Annual Business Survey（ABS）AIモジュール、Business Trends and Outlook Survey（BTOS）2026年版AIサプリメント
米国中小企業庁（SBA）Office of Advocacy『Research Spotlight: AI in Business』2025年9月

国際機関レポート

G7 / Mila Quebec Institute『SME AI Adoption Blueprint』2025年12月（カナダG7発表）
IMDA『Singapore Digital Economy Report 2025』2025年10月
World Bank『Digital Economy Report』
Eurostat『ICT usage in enterprises survey 2024』

民間調査機関レポート

McKinsey & Company『The State of AI 2025』2025年11月
Stanford HAI『AI Index Report 2024 / 2025』
Goldman Sachs『10,000 Small Businesses Voices』2026年3月
Salesforce『Small & Medium Business Trends Report』6th Edition、2024年12月
U.S. Chamber of Commerce『Small Business Index』2024 Q2 / 2025 Q3
Constant Contact『Small Business Now Report』2025年9月 / 2026年Q1
Slack『Workforce Index』2024年秋 / 2025年春
IDC『SMB AI spending forecast』2024 / 2025
Microsoft『The Business Opportunity of AI』IDC共同
GoDaddy『Venture Forward Small Business AI Survey』2025
Bank of America『Small Business Owner Survey』2023
Brookings Institution『AI growth acceleration versus distributional fairness』2026年2月
MIT NANDA study（AI ROI推計）

国内民間調査

帝国データバンク『全国「社長年齢」分析調査』2024年版
東京商工リサーチ『2024年「全国社長の年齢」調査』

文化・社会的次元

Hofstede Insights『Country Comparison Tool』（Uncertainty Avoidance Index）
World Economic Forum『How Japan's culture impacts its AI leadership』2024年12月

メディア報道

The Japan Times『As Japan embraces AI, a lack of awareness and talent stalls implementation』2026年3月2日
FedScoop / Nextgov / FCW『AI for Main Street Act』2026年1月報道

法令・政策資料

米国『AI for Main Street Act』下院通過版テキスト 2026年1月
経済産業省『IT導入補助金』『ものづくり補助金』AI枠制度資料
シンガポール『SMEs Go Digital』プログラム公式資料

各データの参照URLは、本レポートのオンライン版にて順次明記する。

付録B 算出ロジックの数式と前提

B.1 母集団

日本の中小企業数 N = 3,360,000 社（中小企業庁『令和3年経済センサス活動調査』再編加工値、2023年12月公表）

中小企業の定義は中小企業基本法に従う。業種別に資本金もしくは従業員数で定義され、製造業・建設業・運輸業等は資本金3億円以下または従業員300人以下、卸売業は資本金1億円以下または従業員100人以下、小売業は資本金5,000万円以下または従業員50人以下、サービス業は資本金5,000万円以下または従業員100人以下である。

B.2 シナリオA（国際基準・本格業務利用）

参照率 a = 16%（G7 / Mila『SME AI Adoption Blueprint』2025年12月、日本の中小企業AI業務活用率）

取り残し企業数（シナリオA）
= N × (1 - a)
= 3,360,000 × (1 - 0.16)
= 3,360,000 × 0.84
= 2,822,400 社

B.3 シナリオB（広義・活用方針未策定）

参照率 b = 34%（総務省『令和7年版情報通信白書』、中小企業の生成AI活用方針策定率）

取り残し企業数（シナリオB）
= N × (1 - b)
= 3,360,000 × (1 - 0.34)
= 3,360,000 × 0.66
= 2,217,600 社

B.4 推計の前提と限界

本推計は、以下の前提に立つ。

第一に、中小企業数336万社は経済センサス活動調査ベースの公的統計値であり、最新値である。第二に、参照率（aおよびb）は各調査主体が公表した中小企業セグメントの数値である。第三に、定義の異なる二つの率を併用することで、対応すべき課題層の質的差異を可視化する。

限界としては、参照率の定義差を踏まえた信頼区間の付与はしていない。また、業種別・規模別の活用率分布を反映していない。学術的厳密性を最重視する用途には、信頼区間の付与および業種別分解を別途行うことが望ましい。

B.5 第三者検算手順

本推計の検算は、付録Aに記載した二つの一次データ（中小企業庁公表値、G7 Blueprint、総務省白書）を参照し、本付録の数式に当てはめれば可能である。算出主体（FULLFACT）に対する追加情報の照会なしに、独立に検算が可能な水準で開示している。

付録C 主要用語の定義

中小企業

日本の中小企業基本法に定める中小企業者を指す。業種別の資本金・従業員数による定義（付録B参照）。本レポートでは中小企業庁の集計値約336万社を母集団とする。EU（Eurostat）の定義は小規模10〜49人・中規模50〜249人、米国SBAの定義は業種別に異なるが一般に従業員500人以下である。国際比較時には定義差に留意する。

AI業務活用

業務プロセスにAIを組み込んで定常運用している状態を指す。個人としての試用、組織として方針を策定したのみの段階は含まない。本レポートではG7 SME AI Adoption Blueprintの定義に従う。

生成AI活用方針策定

組織として生成AIの利用ガイドライン整備、業務領域の特定、責任部門の明確化等の経営判断レベルの取り組みを行った状態を指す。総務省『情報通信白書』の調査定義に従う。

伴走型支援

ツール選定の前段にある経営判断、業務領域の優先順位付け、業務プロセスの再設計、組織への定着支援までを継続的に担う第三者の役割を指す。本レポートでは、ベンダー中立であることを伴走の必要条件とする。シンガポールIMDAのSMEs Go Digital、米国SBDCsネットワークが代表例である。

Catch-22

OECDが日本のAI導入状況を指す際に用いた表現で、「AIの導入によって労働力不足を解消できる可能性があるにもかかわらず、AIを導入・運用できる人材がいないためにAIが導入されない」というジレンマを指す。

不確実性回避（Uncertainty Avoidance）

ホフステードの異文化マネジメント・モデルにおける文化的次元のひとつで、未知のものや曖昧さに対する社会の許容度を測る指標。日本のスコアは92で世界最高水準、米国は46。

本レポートに関するお問い合わせ：info@fullfact.net