2027年エンタープライズAI予測

2026年時点で、日本企業のAI導入という論点はほぼ決着しています。総務省『令和8年版 情報通信白書』第Ⅰ部第2章第1節（2025年度企業向け調査、図表Ⅰ-2-1-6）によれば、自社の何らかの業務で生成AIを利用している日本企業は86.4%で、2024年度企業向け調査の55.2%から大幅に上昇し、比較対象3カ国（米国・ドイツ・中国）との差も縮まりました。

導入が終わった市場では、議論の対象が変わります。以下は2027年に向けて何が転換するかについてのGensparkの見解です。予測そのものは外部の予測データに基づくものではありません。前提として引用する数値には出典を明記しています。

01転換1：モデル選定は前提条件になる

来年の予算会議で、まだ「どのモデルを選ぶか」を議題に載せるでしょうか。

地図の描き替えを思い浮かべてください。道が付け替わった土地では、古い地図をどれだけ丁寧に読んでも目的地に着きません。必要なのは、どの道を選ぶかの判断ではなく、地図そのものを引き直すことです。導入率が86.4%に達した市場で起きているのは、これと同じことだと私は見ています。

予測：2027年、モデルの選定はAI投資の意思決定の中心議題から外れ、業務ごとに適したモデルを使い分けられることが構成の前提条件になる。

根拠は2つあります。第一に、モデルの世代交代が投資判断の周期より速いこと。特定モデルを前提に構築した構成は、次の世代が出た時点で選定の妥当性を失います。第二に、業務によって求められる品質と応答速度、コスト水準が異なるため、単一の選択が全業務で最適になる状況が想定しにくいこと。

意思決定の焦点は、どのモデルを選ぶかから、モデルを差し替えられる構成になっているかへ移ります。問われるのはモデル選定の妥当性ではなく、差し替え時に業務側の変更が発生しない設計かどうかです。

問われること：モデル差し替え時に業務側の変更工数がどれだけ発生するか。

02転換2：エージェントの論点が精度から権限設計に移る

予測：2027年、エージェント導入の主要な検討事項はモデルの精度ではなく、実行できる操作の範囲と、誤りの検知・巻き戻しの設計になる。

根拠は、リスクの所在が変わり、その対策が国内では手つかずで残っていることです。総務省『令和8年版 情報通信白書』（第Ⅰ部第2章第1節、図表Ⅰ-2-1-9）では、日本企業のAIリスク対策の最多回答が「全社的な指針やガイドライン整備」41.1%で、企画導入段階の専門審査体制と導入後の定期評価は比較対象3カ国よりも整備が進んでいません。JIPDEC『企業IT利活用動向調査2026』集計結果分析レポート（2026年1月実施、調査協力：株式会社アイ・ティ・アール、AI関連設問はAIを活用している企業を対象としたN=399）図19「AI活用を進める上での課題：AIの導入前と導入後の課題」では、「AIの推進・運用体制や責任分担の不明確さ」が導入前27.1%に対し導入後21.1%と、下がり幅の小さい項目になっています。指針は整備が進む一方、権限と責任分担は導入後も未確定のまま残っています。

精度が上がっても、権限が過大で巻き戻しができなければ導入判断は下りません。逆に権限が適切に絞られ、誤りが検知・復旧可能であれば、精度が十分でない段階でも部分的な委任が成立します。判断の主軸が精度から設計に移るのは、この非対称性によります。

問われること：権限台帳が業務単位で存在するか、巻き戻し手順が検証されているか。

03転換3：AI人材の要件が「作れる人」から「任せ方を設計できる人」へ移る

予測：2027年、AI人材の要件定義において、モデルやアプリケーションを構築できることより、業務のどこまでをAIに任せられるかを設計・検証できることが上位に置かれる。

根拠は、人材課題の中身と、その解消の仕方です。JIPDEC『企業IT利活用動向調査2026』集計結果分析レポート（2026年1月実施、調査協力：株式会社アイ・ティ・アール、AI関連設問はAIを活用している企業を対象としたN=399）図19「AI活用を進める上での課題：AIの導入前と導入後の課題」によれば、AI導入前の課題として最も多いのは「AIの開発や運用ができる人材やスキルの不足」（47.6%）で、次いで「従業員のAIに関する教育やリテラシーの不足」（44.6%）、「活用目的や効果指標の不明確さ」（43.1%）が続きます。

注目すべきは導入後の変化です。同図表では、人材・スキル不足は導入後31.1%へ、活用目的・効果指標の不明確さは20.1%へと大きく下がる一方、教育・リテラシー不足は32.8%にとどまり、下がり幅が小さくなっています。JIPDECのレポートも、人材不足等は導入後に解消される一方、セキュリティ対策や未データ化情報への対応などは導入後も課題として残ると指摘しています。

つまり、開発・運用人材の不足は導入を進めれば相当程度解消されます。残るのは、組織の側がAIを扱えるかという能力です。2027年の人材要件が「作れる人」から「任せ方を設計できる人」へ移るのは、この差の帰結です。

同調査で、ガバナンス体制の強化が必要な項目の首位は「人間による最終判断の確保、AI出力の根拠や判断過程を説明できる体制」で35.3%でした。この体制を作るのは開発スキルではなく、業務の判定基準を明文化し、検証を設計し、記録の要件を決める能力です。

人材要件の観点で見ると、日本企業に不足しているのは、この審査と検証を担う職種そのものです。総務省『令和8年版 情報通信白書』は、日本のリスク対策が指針・ガイドラインの整備に寄っており、企画・導入段階の審査や導入後の評価・検証は他の3カ国より進んでいないと指摘しています。文書を作る人材はいて、審査し検証する人材がいない、という構図です。この職種が2027年の要件定義の中心に来ます。

問われること：AI関連の職務記述書に、業務設計と検証設計の項目が入っているか。教育・リテラシーの施策が採用計画と同じ重みで予算化されているか。

04転換4：社内AI利用が内部監査の対象になる

予測：2027年、社内のAI利用が内部監査の定常的な監査項目に組み込まれ、AI推進部門の自己点検から独立した検証に移る。

根拠は3つあります。第一に、記録の要件が明確になってきたこと。参照した情報源、出力、実行した操作を紐づけて残す設計が実装され始めれば、監査可能な状態になります。第二に、AI法（令和7年法律第53号）が2025年6月4日に公布・同年9月1日に全面施行され、総務省・経済産業省がAI事業者ガイドライン（第1.2版）を2026年3月31日に公表したことで、外部基準に照らした説明が求められる局面が増えること。第三に、転換3で見たとおり、日本企業では文書の整備が先行し、審査と検証が遅れていること。この非対称は、推進部門による自己点検の限界として表面化します。

内部監査の対象になると、実務上の変化が2つ起きます。権限反映の検証が「実施した」ではなく「記録が残っている」ことを要求されるようになること。そして、AI利用の記録の保存期間と参照権限が、推進部門ではなく監査部門の要件で決まるようになることです。

問われること：AI利用の記録が、推進部門以外の第三者が検証できる形で残っているか。

05転換5：AI予算が部門予算から共通基盤予算へ移る

予測：2027年、AI関連費用のうち接続基盤・権限連携・監査ログ・情報整備にかかる部分が部門予算から切り離され、共通基盤の予算として扱われる。

根拠は費用構造です。AIのコストは、モデル利用料のような部門ごとの変動費と、接続基盤やガバナンス運営のような全社共通の固定費に分かれます。後者を部門予算で持つと、部門ごとに重複した投資が発生し、同じ統制水準を得るための費用が高くなります。JIPDECの前掲調査では、全社レベルの組織的なガバナンス体制を整えている企業が約7割に達する一方、「部門ごとにガイドラインはあるが統一されたポリシーはない」「各部門任せで全社的な統制はない」の合計が2割を超えています。重複が残っている領域です。

もう一つの駆動要因は、成果の帰属です。共通基盤への投資は、単独の部門の成果として説明しにくい性質を持ちます。部門予算で分散して持つかぎり、接続基盤や情報整備への投資は「どの部門の成果か」を示せず、承認が通りにくいままです。共通基盤として切り出すことは、この帰属問題を回避する手段でもあります。

問われること：接続基盤と情報整備の費用が、どの予算単位で管理されているか。

図11：2027年エンタープライズAI、日本市場の5つの転換（Gensparkによる予測）。導入（利用率86.4%）は決着し、2027年の論点は測定・設計・統制へ移る。予測そのものは外部の予測データに基づくものではない。

065つの転換と確認すべき指標

なお、成果指標の定義と財務還元、およびコスト内訳の分解については、本シリーズの「成果問題」と「TCO」の回で扱っています。2027年の予算編成では、それらの測定結果が上記5つの転換の前提になります。

冒頭の問いに戻ります。予算会議の議題から「どのモデルを選ぶか」を降ろせるかどうかが、2027年の分かれ目です。地図を読み直すのではなく、引き直すということです。上の5つの指標のうち、いま自社で答えが出るものはいくつあるでしょうか。答えが出ない指標には、測る担当を決めてください。私は、この担当が決まっているかどうかが、2027年に転換へ乗れる会社と、2026年の議題を繰り返す会社を分けると考えています。

07FAQ