2026.11.10

「AIはいらない」と言われる理由｜使い方・不信・負担を解く定着設計

社内に生成AIを導入し、ライセンスも配ったのに、現場からは「うちの仕事にAIはいらない」という声が返ってくる——。これを意欲だけの問題と捉えると、定着に必要な課題を見落としかねません。「いらない」は拒絶とは限らず、使い方や出力の確認、増えた作業といった課題を示すこともあれば、情報管理や業務との適合から「使わない」ほうが妥当な場合もあります。本記事では、調査結果と現場で起こり得る課題を手がかりに、「いらない」の背景を「使い方」「信頼性」「業務負荷」の3つの観点から整理します。そのうえで、最初に試す業務の選び方、用途別の確認ルール、効果の測り方を示します。なお、以下の調査は「いらない」の理由を直接調べたものではなく、背景を把握する参考です。

「いらない」という声の理由は一つではない

まず導入の実態を示すデータから確認します。

活用は進む一方、「期待を大きく上回る」効果は9%

PwCの2026年春の6カ国調査（売上高500億円以上で生成AI導入に関与する課長職以上が対象）では、日本企業の生成AI活用・推進度は87%に達しました。活用・推進中の企業のうち効果が「期待通り」以上だったのは64%ですが、「期待を大きく上回る」は9%にとどまり、6カ国中最も低い結果でした[1]。調査は利用意欲を直接測ったものではありませんが、効果を実感できない状態が続けば意欲の低下につながる可能性があります。参考として、北米・欧州企業の別の調査では、生成AIに限らないAI施策の大半を本番導入前に断念した企業の割合が、2024年の17%から2025年に42%へ上昇したと報告されています[2]。

「いらない」の背景を3つの観点で整理する

必ずしもAIが不要という話ではありません。EYの2025年調査では、職場でAIを利用する従業員が88%に達する一方、AIを活用して、仕事の進め方そのものを変革している従業員は5%でした（生成AIに限った数値ではありません）[3]。原因は設計不足だけではありません。国内の調査では活用企業の86.7%が業務効果（自己申告による「大いに」「やや」効果ありの合計）を実感していますが[4]、この数字だけで効果の大きさや因果は判断できません。

情報漏えいの懸念や既存の仕組みで足りるなど、3つの観点に収まらない理由もあります。

理由①「使い方が分からない」をほどく

背景には、用途の提示や学習機会の不足があります。

用途が見えないと「必要ない」に変わる

総務省の『令和8年版情報通信白書』の個人調査では、生成AIを使ったことがない人にテキスト生成AIを利用しない理由を尋ね、「自分の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（職場の従業員だけを対象にした数字ではありません）。一方、企業を対象とした令和7年版調査では、生成AI導入時の懸念として「効果的な活用方法がわからない」が最多でした[5]。自分の業務での使いどころが見えないことが、「必要ない」と感じる一因になっている可能性があります。意欲だけの問題とせず、用途の提示や学習機会が足りているかを確認します。

用途テンプレと学習機会で解く

起点は、業務ごとの使いどころを示すことです。議事録の要約や問い合わせ回答の下書きなど、担当業務に紐づいた用途テンプレートを用意します。テンプレートに入力情報・出力形式・確認箇所・入力禁止情報まで書き込むと、迷わず使えます。EYの調査では、AIの生産性効果を引き出すのに十分な研修を受けている従業員は12%にとどまります[3]。Slackの2024年秋の調査でも、AIの学習時間が5時間に満たない人が約6割、3割は研修も自己学習も全くしていませんでした（EY・Slackの数値はいずれも生成AIに限定した調査ではありません）[6]。社内ルールに沿って、個人情報や機密情報を除去・マスキングした業務文書を使う演習、良い出力と誤った出力を見比べる練習など、業務に直結した短い学びが「分からない」を減らします。

理由②「精度が信用できない」をほどく

次は、AIが返す内容の正確性への不信です。

「正確性への懸念」は企業が挙げる課題のトップ

帝国データバンクの企業調査（2026年）では、回答企業が挙げた課題のうち「情報の正確性への懸念」が50.4%で最多でした[4]。確認の手間が読めないと、「導入してもリスクが増えるだけ」と受け止められます。

検証プロセスと用途限定で信頼を積む

精度を主張しても不信は消えないため、確かめられる仕組みで減らします。出力の根拠や参照元を示すと確認しやすくなりますが、その表示は手がかりであって保証ではなく、要約の誤りや読み違いも起こり得ます。そこで確認の基準を用途別に決めます。たとえば顧客への送信前は事実・金額・固有名詞を必ず照合し、社内のアイデア出しでは全面確認までは求めません。どの業務を任せ人が確認するかは、定型性・属人性・リスクでAI活用業務を選ぶ観点が参考になります。誤っても影響の小さい業務から適用範囲を広げれば、現場は結果を検証しながら使えます。

理由③「むしろ忙しくなった」をほどく

3つ目は、導入後にかえって負担が増えたという実感です。

速くなっても確認と手戻りで負担は残る

確認・修正・判断が増えれば、体感の忙しさは増します。生成時間だけを見ると、増えた確認や手戻りを見落とします。EYの29カ国調査では、従業員の64%が、成果を上げるプレッシャーによって過去1年間に業務量が増えたと感じています[3]。ただし、これは業務量の増加が生成AIによって生じたと示すものではありません。作業が速くなっても業務全体の軽減につながるとは限らず、「忙しくなった」は仕事の進め方が見直されていないサインとも考えられます。

分担設計と過剰適用の回避で負担を抑える

対処は、AIを足すより人とAIの役割を引き直すことです。業務をタスクに分解し、AIに任せる部分と人が判断・確認する部分を分けます。例外が起きたときの対応責任者を決め、確認や調整にかかる負荷も見える化します。すべてを生成AIで処理しようとせず、定型処理は従来の自動化で足りることも多く、適さない業務に当てはめれば確認の手間が増えます。反対意見は、退ける対象ではなく、どの業務にどこまで任せるか——場合によっては任せないか——を決める要件として設計に取り込みます。職場の心理的な抵抗や評価への不安については、社内AI定着に向けた評価の見直しも参考になります。

使う・条件付き・使わないを小さく試して決める

一つの業務で試して判断する手順にします。

最初の一業務を選び、役割と確認基準を決める

まず現場に「いらないと思う理由」と困っている業務を聞きます。次に、入力できる情報や社内ルールを確認し、情報管理の条件を満たす業務に絞ります。。次に利用頻度・作業時間・誤りの影響・確認の手間で評価し、頻度や作業時間が大きく、誤りの影響と確認の手間が小さい業務を優先して一つ選びます。選んだ業務で、AIが担う作業、人が確認する箇所、誤りが出たときの対応者を決めます。業務との適合や情報管理から「使わない」「条件付きで使う」と判断することも正当な結論です。

確認込みの総作業時間で効果を測り、続けるか決める

二週間程度を目安に、業務量や繁忙期に応じて調整するか、判断に必要な処理件数を決めて実施します。試行前に同じ業務の処理時間と品質を記録しておき、試行後と比較します。評価の指標は生成の速さではなく、入力準備・生成・確認や修正・手戻り対応を合わせた一件あたりの総作業時間です。確認時間は担当者だけでなくレビュー担当者の分も含めます。利用コストは別に記録し、時間短縮と費用の両面から評価します。業務量や案件の難易度など比較条件が大きく変わらないようにします。あわせて、修正件数や重大な誤りの有無など品質・安全の面も確認します。時間が短縮しても、品質や情報管理の基準を満たさなければ適用範囲は広げません。改善しなければ手順や対象業務を見直し、それでも効果がなければ使用をやめます。

さいごに

現場の「AIはいらない」は、無視すべき声でも一律に導入をやめる理由でもなく、継続・見直し・見送りを判断する材料です。一つの業務で「いらない理由」を書き出し、使い方・信頼性・業務負荷に加えて情報管理・業務との不適合にも分け、対応するものと制限・見送るものを区別します。総作業時間を導入前後で比べ、負担が下がらなければ適用を広げず、業務に合わなければ使わない判断も尊重する——この見極めが定着設計です。