生成AI研修なしが半数Deloitte調査が示す導入後の盲点

要約
Deloitteの英国調査では生成AI利用率が63%に達する一方、研修不足と未承認利用が明らかになりました。日本企業が利用台帳、データ分類、業務別ルール、実践型研修を結び、シャドーAIと期待外れのROIを防ぐ進め方を解説します。
海外では、生成AIの利用拡大と職場の準備不足が同時に議論されています。Deloitteの英国調査は、使う人が増えても研修と利用管理が追いつかない状況を示しました。
BinxAIが日本企業の現場で見てきた範囲では、導入後に問われるのはツールを配ったかではありません。安全に使える業務と、成果を測れる運用が決まっているかです。
生成AIの導入効果は、利用許可の有無より業務へ接続する設計で変わります。
この記事の対象読者
- 社員のAI利用状況を把握できていない企業
- シャドーAIによる情報漏えいを懸念する企業
- 生成AI研修を実施しても業務が変わらない企業
- AI利用ルールを禁止中心から見直したい企業
- 現場のAI利用と経営管理をつなげたい企業
研修不足が招くシャドーAI

Deloitteは、英国の労働者2万5000人を対象に生成AIの利用実態を調査しました。調査では、職場で生成AIを使う人の割合が63%に達した一方、約半数が職場で研修を受けていないと報告されています。
| 調査で示された項目 | 数値 | 企業が確認する論点 |
|---|---|---|
| 調査対象の英国労働者 | 2万5000人 | 利用実態を個人の申告だけに頼らない |
| 生成AIの利用率 | 63% | どの業務で使われているかを分けて見る |
| 職場で研修を受けていない人 | 約半数 | 機能説明だけでなく判断基準を教える |
| 雇用主に知らせず利用する人 | 約3人に1人 | 未承認ツールと入力データを確認する |
約3人に1人が雇用主に知らせず生成AIを使っていた点は、シャドーAIの存在を示す材料です。利用を禁止しても、業務上の必要性が残れば個人アカウントや未承認ツールへ流れる可能性があります。
研修不足は情報管理だけの問題ではありません。出力の検証や業務への組み込み方が分からなければ、生成AIは文章の下書きにとどまり、業務変革やROIにつながりにくくなります。

研修を業務へ組み込む領域

研修の内容は、利用するツールの操作説明だけでは足りません。業務で扱うデータ、確認する人、成果を測る指標まで、利用場面ごとに決めます。
- 入力データの判断、個人情報、機密情報、公開情報を分類し、入力可否を業務単位で示します。
- 出力内容の検証、事実確認、根拠の確認、最終承認を誰が行うかを決めます。
- 業務プロセスへの組み込み、下書き、要約、分類など、既存のどの工程に置くかを定義します。
- 成果指標の設定、作業時間、レビュー工数、手戻りなど、導入前後で比べる項目を決めます。
- 利用記録の管理、ツール、利用者、業務、扱ったデータ区分を利用台帳に残します。
例えば議事録作成なら、音声データを入力してよい条件、要約を確認する担当、修正時間を記録する方法を一つの業務ルールにします。これなら研修内容と運用記録が分離しません。
研修を受けたかではなく、許可されたデータを使い、確認を経て、業務成果に結びついたかを見ます。
利用台帳からROIを測る手順

全社一律の導入から始めると、利用者数は増えても成果の所在がぼやけます。最初に業務を選び、利用管理と研修を同じ設計表に置く進め方が扱いやすいでしょう。
- 1. 利用実態を棚卸しする、申請済みのツールだけでなく、部署、用途、個人アカウントの利用も確認します。
- 2. データ分類を決める、入力可、条件付きで可、入力不可の3区分など、社員が判断できる粒度にします。
- 3. 業務単位でルール化する、利用者、入力データ、出力確認者、保存場所を一枚にまとめます。
- 4. 実務演習を行う、実際の文書や問い合わせを使い、入力前の判断と出力後の確認を練習します。
- 5. 成果を定点観測する、利用回数ではなく、時間、レビュー、手戻り、定着した工程を追います。
利用台帳には、ツール名だけでなく業務名を記録します。同じツールでも、公開情報の要約と契約書の確認では、入力条件と承認手順が異なるためです。
ROIを算出するときは、導入前の作業時間やレビュー工数を先に記録します。導入後に測定項目を変えると、生成AIによる改善と繁忙期などの影響を分けにくくなります。
事例から見る導入後の盲点

Deloitteの調査が示すのは、生成AIが普及しても、利用者が補助的な使い方から高度な業務変革へ移れるとは限らない点です。研修を実施しても、業務側の責任者や確認工程が決まらなければ、使い方は個人任せになります。
- 研修では安全な入力例を扱ったが、実際の業務データの分類が決まっていない
- ツールの利用申請はあるが、個人アカウントや未承認サービスを確認していない
- 利用回数は報告しているが、作業時間や手戻りの変化を記録していない
- 出力の確認者が不明で、生成AIの回答をそのまま業務へ渡している
これらは、研修、ルール、利用管理を別々に導入したときに起きやすい分断です。業務ごとに一つの設計へまとめると、現場の利用と経営側の確認項目がつながります。
日本企業がDeloitteの調査結果を自社へ当てはめるとき、英国の数値をそのまま国内の実態と見なしてはいけません。自社の利用台帳とヒアリングで、未承認利用と研修不足の位置を確かめます。

自社で詰まる箇所と外部支援の境界
自社だけで進める場合、最初に詰まりやすいのは、未承認利用をどう確認するかです。次に来るのが、部門ごとに異なるデータ分類を共通ルールへ落とす作業でしょう。
- 利用者への確認が監視と受け取られ、実態を聞き出しにくい
- 業務ごとの入力データと出力確認者を決める人がいない
- 研修後の作業時間や手戻りを測る担当と記録方法がない
外部の支援を使う場合は、ツール選定だけでなく、現場の業務とデータの流れを先に整理できるかを見るとよいでしょう。要件を一式で固定するより、決めた範囲の中で優先順位を動かせるかも確認ポイントです。
BinxAI株式会社 | みっちゃくん
BinxAI株式会社のみっちゃくんは、提案の前に現場へ入り、課題の整理と現状の診断を済ませてから要件を固めます。一式の見積ではなく、要件を整理したうえで詳細な見積を示す進め方でしょう。契約後に要件が動いた場合も、決めた範囲の中で優先順位を入れ替えて対応します。
企画、課題整理、要件整理から開発までを同じ担当が受け持ち、内製化と社内定着まで支援します。
- 課題の整理と現状の診断
- 要件定義と設計
- 開発と本番環境への展開
- 運用の引き継ぎと内製化の支援
- 担当者向けの研修

よくある質問
生成AIの利用を禁止すればシャドーAIは防げますか?
禁止だけでは防ぎきれない可能性があります。業務上の必要性が残ると、企業が把握しないツールや個人アカウントへ利用が移ることがあるためです。許可する業務、入力できるデータ、確認方法を明示しておくことが現実的な対策でしょう。
生成AI研修では何を扱えばよいですか?
操作方法に加えて、入力データの分類、出力の検証、業務への組み込み方を扱います。実際の業務文書を使い、入力前の判断と出力後の確認を練習すると、ルールが行動に移りやすくなります。操作説明だけで終わらないことが、定着を左右するポイントです。
AI利用の成果は何で測ればよいですか?
利用者数だけで判断しません。対象業務の作業時間、レビュー工数、品質上の手戻り、定着した工程を導入前後で記録しましょう。利用回数は補助的な指標として扱うと、業務成果と混同しにくくなります。
利用台帳には何を記録しますか?
ツール名だけでなく、利用者、業務名、入力データの区分、出力確認者、保存場所が記録の基本です。個人アカウントの利用を把握する項目も設け、申請済みの利用との差分を確認します。
英国のDeloitte調査を日本企業にも適用できますか?
調査の数値を日本企業の実態として直接使うことはできません。研修不足や未承認利用が起きる論点を参考にし、自社の利用台帳、ヒアリング、業務記録で実態を確かめます。
生成AIの導入後に確認するのは、配布したツールの数ではありません。誰がどの業務で何を入力し、どの確認を経て、どんな成果につながったかです。
Deloitteの英国調査を手がかりに、自社の利用台帳、データ分類、業務別ルール、実践型研修を一つの業務設計へまとめてください。そこから、シャドーAIの把握とROIの測定を始められます。
本記事の調査内容は2026年10月6日時点で確認した情報です。他社の調査結果やサービス内容は更新される可能性があるため、契約や導入の前に各社へ確認してください。記事内の取り組みは成果を保証するものではありません。
この記事の分類
同じ分類の記事をまとめて読めます。
次に読む記事

フィジカルAIも8割へDeloitte調査で考える次の導入条件
Deloitteの2026年調査を手がかりに、AI実験を本番業務へ移す条件を整理します。エージェントAIの統制、フィジカルAIの安全設計、業務変革とROIを測る経営指標まで、導入後に確認すべき実務を解説します。

Fortune 500の8割超がAIエージェントを本番利用 それでも29%がシャドーAI
Microsoftの分析でFortune 500企業のAIエージェント本番利用とシャドーAIが同時に明らかになりました。日本企業が利用状況を可視化し、権限、ログ、停止条件を整えて安全に全社展開する手順を解説します。

日本企業でAI活用が進まない理由 経営者が向き合うべき導入リスク
日本企業でAI活用が進まない理由を、ツール選びではなく意思決定、データ設計、現場の試行環境、AIガバナンスの問題から整理します。経営者が導入と見送りのリスクを比べ、ROIを確認しながら安全に実装する進め方を紹介します。















