技術トレンド

AIの普及で利益が上がる業界とは。条件から逆算して考える

AIを導入すれば利益が上がる、という説明は雑すぎます。実際には、条件を満たした業界だけが恩恵を受けます。この記事では、どのような条件が揃うと利益が増えるのかを整理し、そこから該当する領域を考えます。

利益が上がる3つの条件

AIで利益が増えるかどうかは、業界名では決まりません。次の3つが揃うかどうかです。

• ①人件費の比率が高い／コストの多くが人の時間である事業ほど、削減の効果が大きい
• ②定型的な作業が多い／判断より処理が中心の業務は、置き換えが進みやすい
• ③価格を下げなくてよい／効率化した分を値下げに回さずに済む構造かどうか

見落とされやすいのが③です。①と②を満たしても、競合が同時に効率化して価格競争になれば、削減分は顧客に流れます。利益として残るのは、価格決定力がある場合だけです。

この観点で見ると、同じ業界でも会社によって結果が分かれます。

条件が揃いやすい領域

3条件に照らすと、次のような領域が該当しやすくなります。

専門サービス（法務・会計・コンサルティング）。人件費比率が高く、調査や資料作成に定型作業が多い。かつ、専門性による価格決定力があります。

ソフトウェア開発。コード生成や設計補助の効果が大きい領域です。ただし受託開発では、効率化分の値引きを求められやすい構造があります。

コンテンツ・広告制作。制作コストが下がる一方、供給が増えて単価が下がる圧力も同時に働きます。①②は満たすが③が崩れやすい典型です。

保険・金融の事務領域。大量の定型処理があり、規制対応で人手をかけてきた領域です。ただし規制上、人の確認を外せない工程が残ります。

人手不足が効く領域

もうひとつ、別の筋道で利益が上がる領域があります。人が採れないために機会を逃していた事業です。

この場合、AIは人件費を減らすのではなく、これまで受けられなかった仕事を受けられるようにします。売上を増やす方向の効果です。

医療・介護の事務、物流の配車計画、建設の図面確認、地方の専門職サービス。いずれも需要はあるのに人が足りず、規模を広げられなかった領域です。

コスト削減より、こちらのほうが利益への効き方は大きい場合があります。削減には下限がありますが、売上には上限がないためです。

恩恵を受けにくい領域

逆に、条件が揃いにくい領域もあります。

設備が主なコストの事業。製造、電力、通信のインフラ部分。人件費比率が低ければ、削減の余地も小さくなります。

対面が価値そのものの事業。飲食、理美容、対人サービス。効率化できる領域が限られます。

すでに徹底的に効率化された事業。大手小売やEコマースの物流など、長年最適化を重ねてきた領域では、伸びしろが小さくなっています。

これらが衰退するという意味ではありません。AIによる利益改善が起点にはなりにくい、というだけです。

日本の現状から見た機会

総務省の令和7年版情報通信白書によれば、日本企業で何らかの業務に生成AIを利用しているのは55.2％、活用方針を定めている企業は49.7％とされます。他国と比べれば低い水準です。

中小企業では「方針を明確に定めていない」が約半数を占めるとされます。

この遅れは、同時に機会でもあります。競合が使っていない段階で使いこなせれば、効率化の分をそのまま利益にできます。全員が使うようになれば、それは前提になり、価格に反映されていきます。

つまり、先に導入した企業だけが超過利益を得られる期間が、いまの日本にはまだ残っています。

自社が該当するかを測る

抽象論では判断できないので、数字で確認する方法を示します。

• 売上に占める人件費の比率／高いほど効果が大きい。40％を超えるなら検討の価値が高い
• 定型業務の時間割合／主要な職種の1週間の時間を、判断・作成・確認・調整に分類する
• 価格の決まり方／相見積もりが常態なら、効率化分は顧客に流れやすい
• 受注を断った件数／人手不足で断った案件があるなら、売上増の余地がある

4つ目を記録している企業は少ないですが、最も直接的な指標です。断った案件の金額を合計すると、投資判断の材料になります。

注意すべきこと

最後に、期待と現実のずれについて書いておきます。

導入すれば自動的に利益が出るわけではありません。AI導入が本番運用に至らない事例は多く、原因は技術ではなく業務設計とデータの整備、責任の所在にあるとされます。

また、作業時間が短縮されても、意思決定の速度が変わらなければ全体の成果は変わりません。承認に2週間かかる組織では、作業が10分の1になっても納期は縮みません。

利益として現れるのは、業務そのものを組み替えた企業だけです。既存の手順にAIを足すだけでは、コストが増えて終わることもあります。

投資のタイミング

同じ領域でも、いつ投資するかで結果が変わります。

早すぎる場合。技術が安定しておらず、作ったものが陳腐化します。API仕様の変更やモデルの提供終了で、作り直しになる例があります。

遅すぎる場合。競合が先に効率化し、価格競争に巻き込まれます。このとき、追随しても利益は残りません。

適切なのは、技術が安定し、かつ業界内での普及が半分に満たない時期です。総務省の調査で企業の生成AI利用が55.2％、方針策定が49.7％という数字は、日本がまだこの時期にあることを示しています。

ただし領域による差が大きいため、自社の業界での普及状況を個別に確認する必要があります。

利益にならない導入

投資したのに利益が出ない典型を挙げます。

• 既存の手順に足すだけ／作業が増え、確認工程も増える。コストだけが上がる
• 削減した時間を測っていない／効果が分からないため、次の投資判断ができない
• 浮いた時間を回収していない／効率化しても、人員も稼働も変えなければ費用は減らない
• ツールを増やしすぎる／管理と教育の負担が、削減効果を上回る

3つ目が最も多く見られます。1人あたり月10時間削減できても、その時間で何をするかを決めていなければ、財務上の効果はゼロです。削減した時間を、売上を生む活動に振り向ける設計まで含めて初めて、利益になります。