【mckinsey.com】AIを入れただけでは儲からない？「個人は80％効率化、会社の利益は37％」の衝撃

AIを使う人は増え、仕事も速くなった。それでも会社の利益にはなかなかつながらない―。McKinsey最新調査が示したのは、AI時代の勝負が「使えるか」から「仕事そのものを作り直せるか」へ移ったという現実です。20〜30代のキャリアにも直結する2026年のAI最前線を読み解きます。

https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

Owner： mckinsey.com
タイトル： The state of AI in 2026: On the road to ROI
日時： 2026/08/25
URL： The state of AI in 2026: On the road to ROI

※2026年8月26日現在は2026年版が表示されています。

🧩 英語要約

McKinsey’s 2026 State of AI survey shows that artificial intelligence has moved well beyond experimentation, yet the financial return at the enterprise level remains surprisingly limited. Nearly nine in ten respondents say their organizations regularly use AI in at least one business function, and 44 percent report that AI is now being scaled across the enterprise, up from 38 percent the previous year. Large companies are moving particularly fast: 40 percent of respondents from organizations with more than $1 billion in annual revenue say they are scaling AI agents.

Employees are already experiencing substantial benefits. Eighty percent say AI has improved their individual productivity, while around half say it helps them make better decisions and develop new skills. However, only 37 percent say AI has made a positive contribution to enterprise EBIT, virtually unchanged from the previous year. This gap between individual productivity and organizational financial impact is one of the report’s most important findings.

Agentic coding is also changing technology strategy. Thirty-two percent of respondents say their organizations have avoided purchasing at least one software product or feature because AI coding agents enabled them to build it internally. Meanwhile, AI costs are becoming a new management issue: one in five respondents says operating expenses, including token costs, have constrained AI use.

The strongest performers do more than introduce AI tools. They redesign workflows, pursue growth and innovation in addition to efficiency, secure senior-leadership commitment, measure results carefully, and manage risks. McKinsey’s central message is therefore clear: AI adoption alone does not produce transformation. Companies must redesign how work is performed if they want productivity gains to become sustainable financial value.

🧩 日本語解説

McKinseyの「The state of AI in 2026」が示している最大のポイントは、AIの普及スピードと企業利益への貢献スピードが大きくずれていることです。調査では、回答者の約9割が所属組織で少なくとも1つの業務領域にAIを定常利用していると回答しました。また、AIを企業規模でスケールさせている企業も前年の38％から44％へ増加しています。特に年商10億ドル超の大企業ではAIエージェントの本格展開が速く、40％が少なくとも一部の機能でエージェントをスケールしていると回答しています。

一方、働く個人にとっての効果はすでにかなり大きく、80％がAIによって自分の生産性が向上したと答えています。約半数は、意思決定の改善や新しいスキルの獲得にも役立ったと回答しました。しかし、企業全体でAIがEBIT（利払い・税引き前利益）にプラスの影響を与えたと答えた割合は**37％**にとどまり、前年からほぼ変化していません。つまり、「社員一人ひとりは仕事が速くなったのに、会社全体ではそれほど儲かっていない」というギャップが生じています。

注目すべきもう一つの変化がAIコーディングエージェントです。回答者の32％は、AIで社内開発できるようになったため、少なくとも1つのソフトウェア製品や機能を購入しなかったと回答しています。これは企業の「SaaSを買う」という常識そのものを変える可能性があります。外部サービスを契約するのではなく、AIと少人数の開発者が自社専用ツールを作る選択肢が急速に現実的になっているからです。

ただしAIは無料の魔法ではありません。約20％の回答者は、トークン費用などのAI運用コストが利用拡大の制約になっていると回答しています。それでも60％は今後1年間でAI投資を増やすと予想しており、企業は「AIを導入するか」ではなく、「どこにいくら使えば利益になるか」を考える段階へ移っています。

成功企業の違いも明確です。McKinseyが「AI high performers」と呼ぶ企業は全回答者の約6％にすぎませんが、単純な効率化だけでなく成長やイノベーションを目的にAIを利用し、既存業務にAIを足すだけではなく、AIを前提として業務フローそのものを作り直している傾向があります。高業績企業の約4分の3がワークフローを根本的に再設計しているのに対し、その他の企業では約4分の1です。

雇用についても興味深い結果があります。前年は32％がAIによる人員減少を予想していましたが、実際に過去1年間でAIが企業全体の人員減につながったと回答したのは14％でした。一方、今年は39％が今後1年間の人員減少を予想しています。つまり「AIで大量失業」という予想は少なくとも現時点では実態より大きかったものの、企業の警戒感はむしろ強まっています。

20〜30代にとって重要なのは、「AIを使える人になる」だけでは十分ではないということです。これから価値が高まるのは、AIに何を任せ、人間が何を判断し、業務全体をどう再設計すれば成果につながるかを考えられる人でしょう。プロンプトを書くスキルから、AIエージェントを組み込みながら仕事そのものを設計するスキルへ。2026年のAI競争は、ツール競争から組織・仕事設計の競争に変わり始めています。

🧩 CEFR B1以上の重要語彙 12語

🧩 01｜productivity

日本語訳：生産性
Example: AI tools can significantly improve employee productivity.

🧩 02｜enterprise

日本語訳：企業、企業全体
Example: The company plans to deploy AI across the entire enterprise.

🧩 03｜scale

日本語訳：規模を拡大する、本格展開する
Example: Many companies struggle to scale successful AI projects.

🧩 04｜constrain

日本語訳：制約する、制限する
Example: High operating costs may constrain the use of AI.

🧩 05｜deploy

日本語訳：導入する、展開する
Example: The bank deployed AI agents in its customer-service department.

🧩 06｜workflow

日本語訳：業務の流れ、ワークフロー
Example: Companies need to redesign their workflows around AI.

🧩 07｜investment

日本語訳：投資
Example: Most executives expect AI investment to increase next year.

🧩 08｜impact

日本語訳：影響、効果
Example: Managers must measure the financial impact of AI projects.

🧩 09｜transform

日本語訳：変革する
Example: AI could transform the way companies develop software.

🧩 10｜autonomous

日本語訳：自律的な
Example: Autonomous AI agents can complete several steps without human instructions.

🧩 11｜mitigate

日本語訳：軽減する、緩和する
Example: Organizations need clear rules to mitigate AI-related risks.

🧩 12｜outperform

日本語訳：上回る、より高い成果を出す
Example: Companies that redesign their workflows may outperform competitors.

🧩 外部参照情報

🧩 01｜YouTube関連動画

2026年版そのものの公式解説動画は検索で明確に確認できませんでしたが、McKinseyのAIエージェント活用を扱った関連動画があります。

AIエージェントによって知識労働やコンサルティングの仕事がどう変わるかを論じており、今回の記事の「AIエージェント」「仕事の再設計」というテーマと関連します。

🧩 02｜Reddit（USA）関連トピック

McKinsey on 2025 state of AI — Reddit

2025年版を題材に、AIエージェントが人間を補完するのか、それとも仕事を代替するのかについて議論されています。2026年版でも雇用への影響は引き続き大きな論点です。

🧩 地名・人名・キーワード調査

🧩 記事内の地名

97 nations / 97カ国

今回の調査は特定の一国を対象にしたものではなく、世界97カ国の1,719人から回答を集めたグローバル調査です。国ごとの回答数の違いを調整するため、各国の世界GDPへの寄与を基準にデータを重み付けしています。

New Jersey / ニュージャージー

共同執筆者Dan TinkoffのMcKinsey拠点。米国北東部に位置し、ニューヨーク都市圏と密接な経済関係を持つ州です。TinkoffはQuantumBlackのグローバルおよび北米リーダーを務めています。

🧩 記事に登場する人物名

Dan Tinkoff

McKinseyのシニアパートナーで、QuantumBlack, AI by McKinseyのグローバルおよび北米リーダー。AI、データ、ライフサイエンス領域を中心に企業変革を支援しています。Harvard Universityでbiomedical engineeringを学びました。

Lieven Van der Veken

McKinseyシニアパートナーでQuantumBlackのグローバルおよび欧州リーダー。医師資格を持ち、神経科学も学んだ経歴を持つ人物で、AI・データを利用したライフサイエンス企業の変革を専門としています。

Michael Chui

QuantumBlackのSenior Fellow。AI、ロボティクス、自動化、未来の仕事、データ分析など、テクノロジーが企業・経済・社会へ及ぼす影響を長年研究しています。

Tara Balakrishnan

今回の2026年版調査の共同執筆・リサーチに参加したMcKinseyのメンバーとして掲載されています。

🧩 その他の主要キーワード

Agentic AI

人間から一つずつ指示されなくても、目的を理解し、計画を立て、複数ステップを実行できるAIシステム。2026年版では特にソフトウェア開発やIT、ナレッジ管理で利用拡大が目立ちます。

EBIT

Earnings Before Interest and Taxes（利払い・税引き前利益）。AIが「便利だった」だけでなく、本当に企業利益へ貢献したかを測る重要な指標です。本調査ではAIによるプラスのEBIT影響を報告した回答者は37％でした。

🧩 日本・米国の比較情報

🧩 01｜Japan / 日本

English:

Japan is rapidly expanding its use of generative AI, but the country still faces a gap between adoption and transformation. PwC Japan's 2026 six-country survey reports that 87 percent of surveyed Japanese organizations were promoting or using generative AI, an increase of 11 percentage points from the previous survey. However, Japan had the lowest share among the six countries of companies reporting results that greatly exceeded expectations. Separate Japanese business surveys also show that adoption varies greatly depending on company size and how “use” is defined.

日本語：

日本でも生成AI導入は急速に進んでいます。PwC Japanの2026年春調査では、対象となった日本企業の生成AI活用・推進度は87％まで上昇しました。しかし「期待を大きく上回る成果」を出している企業の割合は6カ国中最低であり、McKinseyのグローバル調査と同じく「導入しただけでは成果にならない」という問題が見えます。なお、帝国データバンクのより広範な企業調査では業務で生成AIを活用する企業は34.5％で、調査対象や定義によって数字には大きな差があります。

🧩 02｜United States / 米国

English:

Generative AI use at work is already widespread in the United States. A multinational worker survey published in 2026 found that 43 percent of US workers surveyed were using generative AI for work, up from 39.4 percent in 2025 and higher than the other European countries included in that comparison. The central challenge in the United States is increasingly not initial access to AI but converting individual usage into measurable organizational performance.

日本語：

米国では個人レベルの仕事への生成AI利用がかなり進んでいます。2026年公表の国際調査では、米国の回答者の43％が仕事で生成AIを利用しており、2025年の39.4％から増加しました。現在の課題は「使う人を増やす」だけではなく、その生産性向上を企業全体の利益や競争力につなげることです。これは今回のMcKinsey調査が示す問題とほぼ一致しています。

🧩 応用・ディスカッション展開

🧩 01｜Theme 1: Why does higher AI productivity not automatically produce higher profits?

AI can make individual employees much more productive without automatically increasing a company's profits. The reason is that productivity at the task level and productivity at the organizational level are different things.

Imagine that an employee used to spend three hours preparing a report and can now finish it in one hour with AI. This is clearly a productivity improvement. However, if the company does not change what the employee does with the remaining two hours, the financial benefit may be very small. The organization might simply produce more reports rather than create more valuable products or serve more customers.

Another problem is workflow design. Many companies add AI to processes that were originally designed for humans. In this situation, AI may make individual steps faster while leaving unnecessary approvals, meetings, databases, and organizational boundaries unchanged.

Companies therefore need to rethink the whole process. They should ask which tasks can be automated, which decisions require humans, what information AI needs, and how success should be measured.

Leadership is also important. If executives treat AI as another software purchase, employees may experiment with many tools without creating a coherent business transformation.

For this reason, the most successful companies will probably be those that connect AI adoption with strategy, workflow redesign, measurement, and organizational change. Productivity is only the beginning. The real objective is converting faster work into better products, lower costs, stronger customer relationships, or new revenue.

🧩 02｜Theme 2: Will AI agents replace workers or change their roles?

AI agents will probably replace some tasks, but the effect on entire jobs is much more complicated. A job is usually a collection of many different activities. Some are repetitive and predictable, while others require judgment, communication, creativity, responsibility, or trust.

AI agents are particularly powerful because they can do more than generate text. They can plan actions, use software tools, analyze information, write code, and complete multiple steps in a workflow. As these systems become more reliable, companies may need fewer people for certain routine activities.

However, McKinsey's survey also provides an important warning about dramatic predictions. In the previous year's survey, many respondents expected significant workforce reductions, but the actual reductions reported one year later were much smaller than expected. This suggests that technological capability does not immediately translate into job elimination.

Organizations need time to redesign processes, integrate systems, establish governance, train workers, and solve technical problems. New responsibilities may also appear. Employees may need to supervise agents, verify their outputs, design workflows, communicate with customers, or make decisions when AI systems are uncertain.

For younger workers, the safest strategy may therefore be neither ignoring AI nor assuming that every career will disappear. Instead, people should learn how to collaborate with AI systems while strengthening skills that remain difficult to automate: domain knowledge, critical thinking, communication, leadership, accountability, and the ability to define valuable problems.

The future worker may increasingly become an orchestrator of both humans and machines.

🧩 03｜Theme 3: Should companies build software with AI or continue buying SaaS?

The rise of AI coding agents creates an interesting strategic question for companies: should they continue purchasing commercial software or build more applications internally?

Traditionally, developing software required large engineering teams, significant budgets, and long development periods. Buying a SaaS product was therefore often cheaper and safer. AI coding agents are beginning to change this calculation. McKinsey's survey found that nearly one-third of respondents said their organizations had avoided buying at least one software product or feature because they could build the functionality internally with agentic coding tools.

Building software internally has several advantages. Companies can customize applications around their own workflows, integrate proprietary data, avoid unnecessary features, and potentially reduce subscription costs. AI may also allow smaller engineering teams to develop tools that previously required many more developers.

However, there are important disadvantages. Creating software is only the beginning. Companies must maintain it, secure it, update it, monitor AI-generated code, provide user support, and comply with regulations. Commercial vendors often provide these services as part of the subscription.

Therefore, the future is unlikely to be simply “build everything.” Instead, organizations will probably make more sophisticated build-versus-buy decisions.

Commodity functions such as email or payroll may remain better suited to established vendors. By contrast, systems connected to a company's unique competitive advantage may increasingly be created internally with AI assistance.

AI coding agents therefore may not eliminate SaaS. They may force software vendors to prove that their products deliver more value than companies can increasingly create for themselves.

🧩 記事の背景

🧩 01｜English Background

AI adoption is entering a new phase: companies increasingly use agents and coding tools, but many still struggle to convert employee productivity into measurable enterprise profit. The competitive focus is shifting from adoption to ROI, workflow redesign, cost management, and organizational transformation.

🧩 02｜日本語背景

生成AIは「まず試す」段階から、AIエージェントを企業全体へ組み込み、実際の利益を生み出す段階へ移っています。2026年の焦点は導入率ではなく、ROI、運用コスト、業務再設計、人材変革へと変化しています。

🧩 ハッシュタグ

#生成AI #AI #人工知能 #AIエージェント #エージェントAI #仕事術 #働き方 #キャリア #転職 #未来の仕事 #DX #企業変革 #生産性 #業務効率化 #イノベーション #プログラミング #ソフトウェア開発 #経営戦略 #英語学習 #ビジネス英語

#ArtificialIntelligence #GenerativeAI #AgenticAI #AIAgents #FutureOfWork #Productivity #DigitalTransformation #BusinessStrategy #Innovation #Technology #AITransformation #SoftwareEngineering #Leadership #CareerDevelopment #Workflow #AIAdoption

#教育 #英会話 #習い事

#2026 /08/25 #2026 #2026 /08

🧩↓👍イイネを押してもらえると嬉しいです

🧩 語彙ダジャレ記憶

🧩01｜productivity

読み：プロダクティビティ
意味：生産性
ダジャレ：「プロだ！アクティブ！」に働くと生産性＝productivity が上がる。

🧩02｜enterprise

読み：エンタープライズ
意味：企業
ダジャレ：「Enter（入る）＋Prize（賞）」――賞を狙って入る大企業＝enterprise。

🧩03｜scale

読み：スケイル
意味：規模を拡大する
ダジャレ：会社の規模を測る**scale（スケール）**をどんどん大きくする。

🧩04｜constrain

読み：コンストレイン
意味：制約する
ダジャレ：「混んでるtrain（電車）」では動きが制約される＝constrain。

🧩05｜deploy

読み：ディプロイ
意味：配置する、展開する
ダジャレ：「AIを現場で使うで！プロい！」＝deploy。

🧩06｜workflow

読み：ワークフロー
意味：業務の流れ
ダジャレ：workがflowする＝仕事が流れる、それがworkflow。

🧩07｜investment

読み：インベストメント
意味：投資
ダジャレ：「お金をin（中へ）vest（着せる）」イメージで未来へ投資。

🧩08｜impact

読み：インパクト
意味：影響
ダジャレ：「インパクト！」は日本語でも強い衝撃・影響。

🧩09｜transform

読み：トランスフォーム
意味：変革する
ダジャレ：ロボットが**トランスフォーム！**して姿を変える＝transform。

🧩10｜autonomous

読み：オートノマス
意味：自律的な
ダジャレ：「オート（auto）で飲まず？」人に言われなくても自分で動く＝autonomous。

🧩11｜mitigate

読み：ミティゲイト
意味：軽減する
ダジャレ：「痛みを見て（miti）軽減！」＝mitigate。

🧩12｜outperform

読み：アウトパフォーム
意味：上回る
ダジャレ：「相手よりOUTに飛ぶperformance」で成績を上回る＝outperform。