令和8年版 情報通信白書が示した生成AI活用の壁──利用86.4%でも「組織的取組なし」27%、人事が設計すべきリスキリング
最終更新日：2026.08.03
総務省が2026年7月24日に公表した「令和8年版 情報通信白書」は、日本の生成AI活用について、これまでとは質の違う課題を突きつけました。個人の生成AI利用経験率は58.8%と前年度の26.7%から倍増し、企業も86.4%が何らかの業務で生成AIを使っています。「使う人がいない」という段階は、すでに終わったのです。
それでも日本企業の27.0%が、生成AIによる業務変革について「組織的な取組はない」と答えました。米国の1.4%、ドイツの4.9%、中国の2.6%と比べると、この数字の異常さがわかります。ツールは入った。使う人も増えた。けれど、仕事のかたちは変わっていない――。本記事では、令和8年版情報通信白書が示したこの「活用の壁」を読み解き、経営者・人事が今すぐ設計すべきリスキリングの打ち手を整理します。
令和8年版 情報通信白書が示した「生成AI活用の壁」
令和8年版情報通信白書は通算54回目の発行で、特集テーマは「AIの進展がもたらす多面的影響～人間とAIが健全に協働するデジタル社会の実現に向けて～」。日本・米国・ドイツ・中国の4か国で2026年1〜2月に実施した調査をもとに、日本のAI活用の現在地を国際比較で描き出しています。
普及率は急伸した――生成AI利用は58.8%、企業は86.4%
まず明るい数字から。個人の生成AI利用経験率は58.8%で、前年度調査の26.7%から一気に倍増しました。年代別に見ると15〜19歳が91.7%と突出する一方、30代は56.3%。学校教育と個人の関心が普及を牽引した構図が見えます。
企業側も同様です。何らかの業務で生成AIを利用している企業は86.4%（前年度55.2%）。活用方針を定めた企業も68.9%（同49.7%）まで伸び、大企業では74.0%に達しました。導入というハードルそのものは、大きく下がったと言っていいでしょう。
それでも27.0%が「組織的な取組はない」
問題はここからです。生成AIを起点にした業務変革について「組織的な取組はない」と回答した日本企業は27.0%。米国は1.4%、ドイツは4.9%、中国は2.6%ですから、日本だけが桁違いに高い。しかも中小企業に限ると45.6%と、ほぼ半数が組織として動いていません。
活用方針の策定率でも差は明確です。日本の68.9%に対し、米国90.9%、ドイツ91.6%、中国98.1%。つまり日本企業は「個人が使い始めた」段階までは他国に追いついたのに、「会社としてどう使うかを決め、業務そのものを組み替える」段階で足踏みしているのです。生成AIの導入率と、生成AIによる成果は、まったく別の指標だということが数字で裏づけられました。
壁の正体は「使い方がわからない」
白書は障壁の中身にも触れています。生成AIを利用しない理由として日本で最も多かったのは「使い方がわからない」で38.8%。他国の2倍以上という数字です。企業側の懸念も「効果的な活用方法がわからない」が筆頭で、次いで社内情報漏えいなどのセキュリティリスク、ランニングコストが続きます。
注目したいのは、これが技術の問題ではなく設計の問題だという点です。ツールは同じものが世界中で手に入ります。差がついているのは、「自社のどの業務を、どう組み替えるか」を決める力――つまり人と組織の側なのです。
なぜ日本は「使えるのに変わらない」のか
目的が「効率化」で止まっている
白書の国際比較で見えてくるのは、生成AIに何を期待しているかの違いです。日本企業が重視するのは業務効率化や人手不足の解消。一方、欧米・中国ではビジネス拡大、新規顧客の獲得、イノベーション創出が優先されています。
効率化を目的にすると、生成AIは「今の仕事を少し速くする道具」に収まります。既存の業務プロセスは温存されたまま、各人が自分の作業を少し楽にして終わる。これでは組織的な変革が起きないのも当然です。実際、日本企業で最も整備が進んでいるのは「スキルやノウハウを学ぶ環境がある」という項目で、学びの機会そのものは提供されている。学んだ先に業務を組み替える出口がないことが、成果につながらない最大の理由です。
「個人の学び」と「組織の変革」が分断されている
研修は人事、業務プロセスは各部門、システムは情報システム部門――この縦割りのまま生成AIを導入すると、学んだ社員が現場に戻ったとき、変えられる範囲が自分の作業だけに限定されます。白書が指摘する「組織的な取組がない27.0%」の実態は、多くの場合「取り組む人がいない」のではなく「取り組む権限と場が設計されていない」ということです。
白書が紹介する先進企業の共通パターンは、現場ニーズを起点にしつつ、DX部門が伴走支援するかたち。ダイキン工業のように2年間の長期育成カリキュラムを展開する例もあります。単発の研修ではなく、学びと業務設計を同じ線上に置いた仕組みが機能しているのです。
経営者・人事が設計すべきリスキリング――「知る・使う・任せる」で組織を動かす
RESKILLING.comでは、AI時代のリスキリングを「知る→使う→任せる」の3段階でとらえています。令和8年版情報通信白書のデータは、日本企業の多くが「知る」を終え「使う」の入口にいる一方、そこから先へ進む設計が欠けていることを示しています。段階ごとに、人事・経営が打つべき手を整理します。
①「知る」――リテラシーは全社の共通言語にする
利用しない理由の1位が「使い方がわからない」である以上、入口の底上げは依然として必要です。ただし、全社員に同じ講座を一律配信して終わりにしないこと。管理職には「AIに任せられる業務を見極める判断軸」を、現場には「自分の担当業務での具体的な使いどころ」を、それぞれの立場に翻訳して届けます。
スキルの言語化には、経済産業省・IPAの「デジタルスキル標準（DSS）」など公的な枠組みを土台にすると社内合意が取りやすくなります。何が「できている」状態かを定義しないまま研修だけを増やしても、白書が示す27.0%の側から抜け出せません。
②「使う」――業務プロセスの棚卸しとセットで進める
ここが日本企業の分岐点です。研修と同時に、部署ごとに業務の棚卸しを行い、「生成AIに置き換える業務」「人が残す業務」「そもそもやめる業務」を仕分けます。この仕分けを現場が自分で決められるようにすることが、組織的取組の実体になります。
あわせて、セキュリティ懸念に応える環境整備も欠かせません。利用ガイドラインと、社内データを安全に扱える環境の両方がそろって、はじめて社員は業務データを持ち込んで試せるようになります。「使ってはいけない情報」ばかりが増えると、活用は個人の下書き作成にとどまります。
③「任せる」――成果につなげる仕組みまで設計する
AIエージェントが業務を実行する段階に入ると、人の役割は「作業する人」から「任せ方を設計し、結果に責任を持つ人」へ移ります。ここで必要になるのは、成果を測る指標と、成果を出した人が報われる評価・処遇の設計です。
具体的には、削減できた工数や新たに生まれた提案件数を部門KPIに組み込む、AI活用による業務再設計を管理職の評価項目に入れる、といった打ち手が有効です。学ぶ環境だけが整っている状態から一歩進め、「学びが業務を変え、業務の変化が評価される」ループを回すこと。それが白書の突きつけた課題への回答になります。
中小企業こそ、今が分岐点
白書のデータで最も重い数字は、中小企業の45.6%が「組織的な取組はない」と答えた点でしょう。活用方針を定めた中小企業は58.1%にとどまり、大企業の74.0%と差が開いています。人手が限られる組織ほど生成AIの恩恵は大きいはずなのに、着手の余力がないという逆転が起きています。
ここで活用したいのが公的支援です。厚生労働省の人材開発支援助成金には、新規事業展開などに伴う訓練を支援する「事業展開等リスキリング支援コース」があり、中小企業では経費助成率が高く設定され、訓練期間中の賃金助成も受けられます。生成AI研修も対象になり得ますが、この枠組みは期間を区切った制度であり、要件や助成率は年度ごとに改正されます。活用を検討する場合は、必ず厚生労働省の最新の公表資料と労働局で現時点の要件・期限を確認してください。
加えて、政府は2026年、AI・半導体などの「戦略17分野」を掲げた「リスキリング・人材確保推進会議」を立ち上げ、省庁横断で人材確保策を進めています。国の支援が厚みを増している今は、自社の人材戦略を組み直す好機でもあります。
まとめ――問われているのは「導入率」ではなく「変革度」
令和8年版情報通信白書が描いたのは、生成AIを使う人は増えたのに、仕事のかたちが変わっていない日本の姿でした。利用経験率58.8%、企業の業務利用86.4%という数字の裏側で、27.0%が組織として何も動いていない。この乖離こそが、これからの競争力の差になります。
経営者・人事が向き合うべき問いは、「何人が生成AIを使えるようになったか」ではありません。「学んだ人が、どの業務を、どう変えられたか」です。リスキリングを研修の話から業務設計の話へ引き上げること。それが、白書の27.0%から抜け出す唯一の道筋です。
