AIDD
AI活用の現在地
AIの活用は、個人と組織でここまでちがう
生成AIの活用は個人レベルで広がる一方、組織の業務プロセスへの組み込みは進んでいません。AI活用は「個人の効率化」にとどまっているのが現状です。
出典：独立行政法人情報処理推進機構（IPA）「DX動向2026」図表3-6・図表3-9/2025年度調査
個人のAI活用
個人で業務利用している63.3%
- 文章作成 82.5%
- 情報・調査 80.5%
- 企画・発想 77.0%
- アイデア出し、壁打ち 73.0%
組織のAI活用
組み込まれている11.9%2024年度13.1%
→ 2025年度11.9%（微減）
- 全社サービスへの展開 18.6%
- 業務プロセスの自動化 21.2%
- 経営・事業計画・意思決定支援 17.0%
- 製品・サービスの高度化 10.9%
AI活用の現在地
AIの活用は、個人と組織でここまでちがう
生成AIの活用は個人レベルで広がる一方、組織の業務プロセスへの組み込みは進んでいません。AI活用は「個人の効率化」にとどまっているのが現状です。
個人のAI活用
63.3%
個人での業務利用
- 文章作成82.5%
- 情報・調査80.5%
- 企画・発想77.0%
- アイデア出し、壁打ち73.0%
約5倍の差
組織のAI活用
11.9%
2024年度13.1% → 2025年度11.9%（微減）
業務プロセスに組み込まれている
- 全社サービスへの展開18.6%
- 業務プロセスの自動化21.2%
- 経営・事業の意思決定支援17.0%
- 製品・サービスの高度化10.9%
出典：独立行政法人情報処理推進機構（IPA）「DX動向2026」図表3-6・図表3-9/2025年度調査
AI活用の期待と現実のギャップ
AIの個人利用と組織活用では、求められる要件が異なります。AIを正式な業務プロセスに組み込むには、組織として継続運用できる仕組みが必要です。その基盤が不足すると、次のような課題が生じます。
企業が期待していたAI活用
AIの組織運用による業務変革
- 業務プロセスの変革
（DX・AXの推進） - AI Codingによる生産性向上・コスト削減
- コード生成から、設計・上流工程の判断支援へ重心移動
実際に起きていること
AIは個人向け補助ツールにとどまる
- 個人レベルの効率化にとどまる
- 使える人と使えない人の格差が広がる
- PoCは盛んでも、本番適用は限定的
AI活用は「個人の効率化」で
止まっている
AI活用の期待と現実のギャップ
AIの個人利用と組織活用では、求められる要件が異なります。AIを正式な業務プロセスに組み込むには、組織として継続運用できる仕組みが必要です。その基盤が不足すると、次のような課題が生じます。
業務プロセスの変革（DX・AXの推進）
AI Codingによる生産性向上・コスト削減
コード生成から、設計・上流工程の判断支援へ重心移動
個人レベルの効率化にとどまる
使える人と使えない人の格差が広がる
PoCは盛んでも、本番適用は限定的
AI活用は「個人の効率化」で止まっている
AIの組織運用の課題
AIの組織運用で直面する6つの課題
個人でAI活用の成果が出ても、そのまま組織の業務プロセスに組み込めるわけではありません。組織活用には、共通の業務知識と運用・ガバナンスの仕組みが必要です。これらが不足すると、次のような課題が生じます。
AIの組織運用で直面する6つの課題
01属人化
02ブラックボックス化
03組織知の欠落
04責任境界の曖昧さ
05監査・証跡への不適合
06経済性の不透明さ
AIの組織運用の課題
AIの組織運用で直面する6つの課題
個人でAI活用の成果が出ても、そのまま組織の業務プロセスに組み込めるわけではありません。組織活用には、共通の業務知識と運用・ガバナンスの仕組みが必要です。これらが不足すると、次のような課題が生じます。
AI活用の品質と成果が担当者個人に依存する。
AIの判断過程が外部から追跡できない。
学習が個別タスクで完結し、組織資産として蓄積されない。
エージェント判断と人間判断の境界が明示されない。
ログ・承認・変更履歴が統合管理されない。
コストと投資対効果が可視化されず、経営判断に耐えない。
これら6つの課題は、
2つの根本課題に集約される
AI が正しく判断するために必要な背景・設計意図・業務知識・ルール・システム間の関係性が、組織共通の知識として整備されていない。
＋
AIを組織共通のルールで実行し、レビュー・承認・監査・改善するための仕組みが整備されていない。
2つの根本課題により、
AIを組織の正式な業務プロセスに
組み込むことができない
これら6つの課題は、2つの根本課題に集約される
AIが正しく判断するために必要な背景・設計意図・業務知識・ルール・システム間の関係性が、組織共通の知識として整備されていない。
- 01属人化
- 02ブラックボックス化
- 03組織知の欠落
・背景が伝わらない
・設計意図が伝わらない
・関係性がわからない
・判断根拠が残らない
AIは誤った前提で成果物を生成する
品質や信頼性に問題が生じ、業務に活用できない。
AIを組織共通のルールで実行し、レビュー・承認・監査・改善するための仕組みが整備されていない。
- 04責任境界の曖昧さ
- 05監査・証跡への不適合
- 06経済性の不透明さ
・AIによって使い方が違う
・レビューが属人化する
・承認・監査ができない
・ノウハウが蓄積されない
AIが組織の能力として定着しない
再現性・継続性が担保できず、成果が一時的に終わる。
2つの根本課題により、AIを組織の正式な業務プロセスに組み込むことができない
課題を解決するために
2つの根本課題を解決するために必要なのは、「知識」と「運用」の基盤
AIを正式な業務プロセスへ組み込むには、AIの判断能力と実行統制の両方を支える基盤が必要です。しかし、多くの組織ではこれらの基盤が十分に整備されておらず、AIを業務に組み込む上での障壁となっています。特に、以下の2つの基盤をどのように整備するかが課題です。
知識基盤
AIが正しく判断できる状態をつくる
企業に蓄積された文書・設計情報・業務知識・ルール・関係性を、AIが参照・理解できる形で整備します。
＋
協働・実行基盤
AIを組織として統制・運用する能力
AIの実行、レビュー、承認、監査、改善を標準化し、人とAIが同じ業務プロセスの中で協働できる環境を整えます。
AIを正式な業務へ
AIを正式な業務プロセスへ組み込むには、
『AIの判断能力』と『AIの実行統制』の基盤が必要
課題を解決するために
2つの根本課題を解決するために必要なのは、「知識」と「運用」の基盤
AIを正式な業務プロセスへ組み込むには、AIの判断能力と実行統制の両方を支える基盤が必要です。しかし、多くの組織ではこれらの基盤が十分に整備されておらず、AIを業務に組み込む上での障壁となっています。特に、以下の2つの基盤をどのように整備するかが課題です。
AIが正しく判断できる状態をつくる
企業に蓄積された文書・設計情報・業務知識・ルール・関係性を、AIが参照・理解できる形で整備します。
- ✓背景を理解する（業務の目的・背景・文脈を理解）
- ✓業務ルールを理解する（組織ルールに沿って判断）
- ✓関係性を理解する（情報の関連性を踏まえて判断）
- ✓判断根拠を説明できる（判断理由を追跡・説明）
AIを組織として統制・運用する能力
AIの実行、レビュー、承認、監査、改善を標準化し、人とAIが同じ業務プロセスの中で協働できる環境を整えます。
- ✓共通ルールで運用する（組織標準のルールで実行）
- ✓品質を統制する（レビュー・承認を標準化）
- ✓証跡を管理する（ログ・監査情報を一元管理）
- ✓継続的に改善する（運用結果を次の改善へ反映）
AIを正式な業務プロセスへ組み込むには、
『AIの判断能力』と『AIの実行統制』の基盤が必要
Service
サービス
「AIDD開発支援」と「内製化推進支援」で貴社のシステムを事業の力に変える
これまでの開発の進め方を、“AIを前提とした形”へと変えていきます。
そのための基盤づくりから、AIを使いこなす人と組織の育成、内製化までを伴走し、品質を上げながらコストを下げます。
AIDD（AI駆動）開発支援
従来の発注スタイルのまま、AIDDによって、
品質を保ちながらコストと工期を削減
- AIエージェントの並列実行で、工期を短縮
- AIが理解できる形の知識基盤の活用で、手戻りを削減
- 標準化Skillの適用で、品質を安定化
- レガシー刷新・モダナイゼーションに対応
- パッケージ導入・新規アジャイル開発にも対応
- 変化する業務ニーズにも、すばやく形にして応える
- 従来と同じ検収基準で納品。貴社側の運用変更は不要
内製化推進支援
当社のFDEが貴社チームに入り、
判断も開発も組織の力に変える
- 既存システム・業務仕様を構造化し、知識基盤を構築
- 判断支援エージェントの初期設定と、実業務に沿った研修
- FDEの伴走で暗黙知を発掘し、知識基盤へ還元
- 人とエージェントの協働を前提に、業務プロセスを再設計
- 担当者が替わっても、判断の品質を再現できる状態に
- 四半期ごとの目標策定と進捗管理でPDCAを定着
- 伴走終了後も自走できる、AI-Ready組織へ
AIと人の力で、システムを
“コスト”から、“未来を生み出す力”へ
AIを前提とした企業へ―3つの到達点―
AI時代の資産基盤が
形成された状態
既存システムと知見が構造化され、
使うほど価値が増す資産に
知識と能力が
組織に根づいた状態
AI人材を育成し、
ベンダーに依存しない組織へ
コストが下がり、
事業競争力が高まった状態
開発・判断のコストを継続的に削減し、変化に素早く対応できる
当社の強み
製品・人材・経験資産の3つが揃っているから、AI駆動開発を実案件で機能させられます。
eBase×Light Forge2つの基盤で、エンタープライズAI駆動開発を支えます。詳細はこちら
業務ドメインエキスパートAI活用の成果を、最大限に引き出します。
- 700名パートナー含む 稼働エンジニア
- 90%エンジニア比率
- 12年業界平均 経験年数
- 30名AI CoE体制
- 180名AIによる開発経験者
ノウハウゼロから試行錯誤せず、実証済みの進め方から始められます。
取引業種別構成（2026年3月期）
合計100%。産業＝製造・物流・通信など、その他＝会計・人事・固定資産など。
当社の強み
製品・人材・経験資産の3つが揃っているから、AI駆動開発を実案件で機能させられます。
PM/SE/FDEの3専門役割と
業務ドメインエキスパート
AI活用の成果を、
最大限に引き出します。
過去案件から蓄積された
ノウハウ
ゼロから試行錯誤せず、
実証済みの進め方から
始められます。
Use Case
事例
