「AIを持つ企業」と「持たざる企業」── 地銀でさえ動き始めた今、経営者が問い直すべきこと

2026年2月、パランティア・テクノロジーズのCEOアレックス・カープはQ4決算説明会で、世界経済が「AI haves（持てる者）」と「AI have-nots（持たざる者）」に分断されつつあると語りました。同社の米国事業の売上は前年比93%増と急伸する一方、欧州・カナダでは伸びが鈍い。この地域差がそのままAI採用格差の現れだという主張です。

この分断は国だけでなく企業レベルでも起きています。同社の顧客の中でも、AIを本格導入した企業とパイロット段階にとどまる企業の差は急速に開いており、後者は「生き残りをかけて戦っている」とカープは言い切りました。

カープの論理には自社に都合のよい解釈も含まれており、Fortuneの記事自体も欧州・カナダの慎重な姿勢には規制やプライバシー上の正当な理由があると指摘しています。それを差し引いても、彼の発言が示している方向性は無視できません。AIを本気で組織に組み込んだ企業と、その他の企業との差は、前者の改善と成長が繰り返されることで一方的に開いていきます。これが「修復不可能な格差」の実体です。

地銀でさえ動き始めた

「これは米国の大企業の話だ」と思われるなら、足元を見てください。

日本経済新聞は2026年3月12日、千葉銀行が2028年度までに2,000人分の業務をAIが担う体制を整えると報じました。約4,000人の行員は削減せず、AIを「同僚」として位置づけ、事務・営業・人材育成など多領域で人を補佐させる計画です。年間400万時間分の業務をAIが担う体制を目指すといいます。

千葉銀行は既にAIシステム企業エッジテクノロジーを完全子会社化（2024年TOB、約90億円）し、AIネイティブな企業グループへの転換を中期経営計画の中核に据えています。「One to Oneマーケティング」の実現に向け、AIが次の提案を示唆する仕組みを本格稼働させつつあります。

重要なのは、千葉銀行の取り組みが「便利なツールの導入」ではないという点です。AIを組織に「採用」し、業務の意思決定プロセスそのものを変える方向に踏み込んでいます。地方銀行という、日本の中でも保守的とされる業界でこれが起きています。

生成AI導入が従来のIT投資と何が違うのか

多くの経営者は生成AIを「新しいシステムの導入」として捉えています。具体的にどう業務を改善したいかもないまま「既存システムに生成AIを組み込め」とIT部門に丸投げし、「なんちゃってAI」システム開発を始めてしまうケースがほとんどです。あるいは「わが社はIT部門も弱いからまずChatGPTを導入しよう」と、OA機器やMicrosoft Officeの導入と同じノリで汎用LLMを全社ライセンス契約する。それで「AI活用を推進」と悦にいる愚かな経営者も多く見受けられます。

これが根本的にズレている理由を3つ挙げます。

主体が変わる。 従来のIT導入はIT部門が主体でした。システムを作る・保守するのがIT部門の仕事で、業務部門はユーザーとして要件を出す側でした。生成AIは違います。業務の文脈・判断基準・暗黙知をAIへ渡せる形に整備するのは、IT部門にはできません。業務を知っている人間しかできない作業です。千葉銀行が「AIの成果はデータの質で決まるため、業務を熟知した行員がデータを扱うことが重要だと気づいた」と語っているのはこの本質を突いています。

成果物がシステムではない。 従来のIT投資の成果物は「システム」でした。予算を使い、システムができあがれば完了します。生成AIの導入における成果物は組織の意思決定プロセスの変容です。これは一度作って終わりではなく、使いながら継続的に改善されていきます。完成の概念が違います。

競争優位の源泉が変わる。 汎用LLMをそのまま使う限り、競合も同じツールを使えます。自社の業務データ・顧客データ・判断基準がAIと結合されてはじめて、競合が真似できない資産になります。この結合が進めば進むほど、AIはより精度高く動き、より多くのデータが蓄積し、さらに改善していきます。これが「AIデータフライホイール」と呼ばれる自己強化ループで、パランティアが言う「修復不可能な格差」の実体はここにあります。

「AIを持つ」とはどういう状態か

では「AIを持つ企業」とはどういう状態を指すのでしょうか。

一言で言えば、AIが組織の判断の中枢に組み込まれ、自社固有の文脈で動いている状態です。

具体的には次の三条件が揃っていることを指します。まず、自社の業務文脈・ルール・データにAIがアクセスできること。次に、特定タスクの実行だけでなく、次に何をすべきかをAIが判断できること。そして、使うほどデータを蓄積して判断の精度を上げる自己強化ループが回っていること。

現代のエージェント型AIの文脈で言えば、エージェントが「社内のどこに何があるか」「どのルールに従うべきか」を理解した上で自律的に動ける状態、と言い換えることもできます。

逆に言えば、「汎用LLMを全社導入」はこの条件を1つも満たしていません。「業務システムに組み込む」という発想は従来型IT投資の焼き直しで、主体がIT部門のままですし、自己強化ループも生まれません。

何から始めるか

この記事は「ではどのシステムを選ぶか」という話には進みません。選定以前に問うべきことがあるからです。

まず、自社のどの判断プロセスをAIに委ねるかを経営レベルで議論することです。これはIT部門への指示ではなく、経営判断です。

次に、その判断に必要なデータが今どこにあり、どういう形で存在しているかを棚卸しすることです。多くの場合、AIより手前の問題（データが散在している、構造化されていない、誰もナレッジを文書化していない）が先に出てきます。それ自体が発見です。

ツールの選定は、この2つの後の話です。組織としてAIを受け入れる土壌づくりについては、以前の記事「エージェント型AI組織導入の7つの前提条件 — ツールの前に土壌を整えよ」で詳しく整理しています。

なお、供給側であるコンサルティング会社・SIerの変化については、以前の記事「AIエージェントが"同僚"になる時代 ── AWS ProServe変革と日本のSIerへの示唆」で論じています。発注企業側と供給企業側、両方が同時に変わろうとしています。

千葉銀行がやろうとしていることの意味を、もう一度考えてみてください。地方銀行が2,000人分の業務をAIに委ねると決めました。これはコスト削減の話ではなく、組織の知性の再設計です。これが実現すれば、競合地銀との差は「システムの差」ではなく「組織そのものの差」となります。その差が「修復不可能」となる前に動けるかどうか。それが今、経営者に問われていることです。

References