AI人材を借りるだけでは知識は残らない——中小企業11.1％が示す能力移管の設計

生成AIを導入したのに、社内では質問への回答や文章の下書きにしか使われない。業務システムへつなぎ、例外を扱い、効果を測りながら改善するところまで進めたいものの、それを主導する人がいません。日本の中小企業で、この詰まりが数字として見えてきました。

クラウドワークスが2026年9月に公表した調査では、AI推進者を十分に確保できていると答えた中小企業は11.1％でした。AIを利用する企業は59.6％でしたが、そのうち80.9％はチャット利用の段階にとどまりました。一方、業務自動化まで進んだ企業では、業務ごとに外部のAI人材を使う割合が、チャット中心の企業の3.7倍だったと説明されています。

同じ週には、必要な時だけ専門家へ相談する支援、AI人材が現場へ入る常駐支援、AIと人が例外処理まで引き受けるBPO、企業固有のナレッジをAIが読める形へ整えるサービスが相次いで紹介されました。共通するのは、AIツールを一つ追加する話ではなく、実装する人、判断する人、知識を残す場所を補う動きです。

ただし、外部へ頼めば自動的に社内能力が育つわけではありません。成果物だけを受け取る契約では、支援終了と同時に改善も止まります。逆に、すべてを最初から内製しようとすると、人材不足によって試行そのものが始まりません。必要なのは、外部の専門性を借りながら、判断基準、例外、変更履歴、運用権限を社内へ移す「能力移管」の設計です。

結論——買うのはAI作業ではなく、次回を自社で直せる状態です

AI人材不足に対する選択肢は、採用か外注かの二択ではありません。短い診断、期間限定の伴走、現場常駐、業務単位のBPO、ナレッジ基盤の整備を、仕事の成熟度に応じて組み合わせられます。

大切なのは、契約の終了条件を「システムが動いた日」にしないことです。次の変更を社内担当者が説明し、軽微な修正を行い、重大な例外を適切な相手へ上げ、外部支援が止まっても業務を続けられる日を終了条件にします。

そのために、外部支援の成果を次の五つへ分けます。

移管するもの	最低限残す内容	社内で答えられるようにする問い
目的	対象業務、完了条件、対象外	なぜこの仕事をAI化するのですか
判断	通常、例外、禁止、承認条件	どの条件で人へ戻しますか
知識	根拠文書、版、更新責任者	どの資料を正として使いますか
運用	監視、費用、障害、変更履歴	誰がいつ設定を直せますか
継続	代替手順、引き継ぎ、再委託条件	支援停止後も期限内に終えられますか

五つがそろっていれば、外部の人材は社内人材の代用品ではなく、学習速度を上げる一時的な足場になります。成果物だけが残り、判断と運用が外部に閉じたままなら、月額費用を払い続けることが業務継続の条件になります。

中小企業576社の調査が示した「人がいない」の内訳

クラウドワークスが公表した中小企業のAI活用レベル調査は、従業員5〜299人の企業を対象としています。スクリーニング調査は経営者、役員、部長級4172人、本調査は576人で、2026年9月2日から8日に実施されました。

公表資料では、AI利用企業は59.6％でした。その利用企業の80.9％は、個人利用または全社導入後のチャット利用にとどまり、業務システムと連携した自動化へ進んだ企業は19.1％でした。AI推進者が十分にいる企業は全体で11.1％、業務自動化済みの企業でも26.1％でした。

この数字は、日本の全中小企業の構成をそのまま推計するための値ではありません。本調査はAI活用レベル別におおむね同数を集めた均等割付で、Lv.5だけ76人だったと注記されています。また、調査主体はAI人材のマッチングサービスを提供する企業です。数値は母集団の比率と販促上の利害を切り分けて読む必要があります。

それでも、工程別の差は実務を考える材料になります。自社人員だけで対応できる割合は、業務の見極めや手順の標準化、ツール選定といった準備工程では四割前後でした。一方、ツール同士の連携設定は21.7％、不具合の原因調査と修復は17.7％まで下がりました。連携工程を難しいとした企業では、時間を確保できないが45.5％、知識や技能のある人がいないが41.7％、判断や確認をできる人がいないが24.4％でした。

つまり「AI人材がいない」は、一人の万能専門家が欠けているという意味ではありません。仕事を選ぶ人、手順を言語化する人、接続を実装する人、結果を判断する人、故障を直す人が、工程ごとに足りていない状態です。一つの採用票へ全部を盛り込めば候補者が見つからず、一つの研修で全部を教えようとすれば現場へ定着しません。

AIによる工数削減後の時間配分を扱った記事では、削減時間から導入、確認、再作業の負担を引いて考えました。今回の人材設計でも同じです。外部支援の料金だけでなく、社内担当者が説明、確認、学習へ使う時間を最初から予算に入れなければ、能力移管は起こりません。

四つの支援モデルは、任せる範囲が違います

9月20日のキーマンズネットには、中小企業のAI導入を支援する複数の新サービスが並びました。記事はいずれも提供企業の説明を中心に構成されているため、実績値や効果は各社の公表範囲として読む必要があります。その上で比較すると、同じ「伴走支援」でも任せる範囲が大きく異なります。

必要な時だけ専門家を呼ぶモデル

Stella HoldingsのAI Boostを紹介した記事では、専門家による課題整理、ツール選定、導入、定着支援と、業界や職種に合わせた研修を組み合わせています。専門人材を正社員として常時抱えず、課題が発生した時に知見を取り入れる考え方です。

この方式は、対象業務がまだ決まっていない企業や、経営、業務、制度の論点を短期間で整理したい企業に向きます。ただし、面談と提案だけで終われば、次回も同じ診断から始まります。支援中に社内担当者が業務地図を共同で作り、選ばなかった案と理由も残すことが重要です。

外部人材が現場へ入るモデル

ExKeyの常駐支援を紹介した記事では、対象業務の診断からAIエージェントの実装、定着、月次改善までを扱います。中小企業白書を基に、AI未活用企業では「使う業務を想像できない」が63.4％、「推進人材が不足」が40.0％だったと記事は紹介しています。

常駐型の利点は、実際の画面、帳票、例外、担当者間の受け渡しを見ながら設計できることです。仕様書へ書かれていない仕事を拾いやすくなります。一方で、常駐者だけが設定変更と障害対応を理解すると、新しい属人化を外部に作ります。毎月の報告は削減時間だけでなく、社内担当者が自力で修正できる範囲、未移管の権限、未文書化の例外を含めるべきです。

AIと人で業務を丸ごと受けるBPOモデル

Generative PartnersのAX BPOを紹介した記事では、請求書入力、入金消し込み、経費確認、受発注登録などを工程へ分け、AIエージェント、OCR、RPA、iPaaS、スクリプト、人の判断を組み合わせます。APIを持たない独自システムや紙、FAXも対象にし、例外処理、目視確認、運用監視まで受託すると説明しています。

BPOは、処理を止められず、社内に実装者もいない企業にとって現実的です。成果物を受け取れるため、内製準備を待たずに開始できます。しかし、業務を見せるだけで導入できる手軽さと、業務を説明できなくなる危険は表裏一体です。

契約では、通常件数だけでなく、例外の種類、差戻し率、再作業、判断待ち時間、元システムへの登録失敗、担当交代時の復旧時間を受け取ります。個人情報や取引情報を誰が見られるか、再委託先はどこか、AIサービスへ送る範囲は何かも分けます。業務を委託しても、目的、法的責任、取引先への説明まで委託できるわけではありません。

企業ナレッジを基盤にするモデル

アビームコンサルティングとNotionの取り組みを紹介した記事は、企業固有の文脈をAIが使えるようにすることへ焦点を当てています。手順、判断基準、過去の経緯、担当者の経験が複数の文書やシステムへ分散したままでは、汎用モデルが高性能でも仕事を任せにくいという問題です。

同記事では、Notionを情報共有ツールだけでなく、AIエージェントが業務文脈を参照する「Agent OS」と位置付け、基幹システムや業務サービスとの連携も想定しています。ここで注意したいのは、知識を一か所へ集めれば正しくなるわけではないことです。古い規程、少数の担当者の慣行、承認されていない近道まで整然と並べると、AIは誤った手順を速く再利用します。

ナレッジには、作成者、承認者、対象業務、発効日、失効日、例外、見直し期限を付けます。会議の発言と正式手順を分け、検索できることと実行してよいことを分けます。外部支援者が書いた文書も、社内の責任者が承認するまでは参考資料として扱います。

「借りる・任せる・残す」を同じ契約に入れます

四つのモデルは競合するだけではありません。一つの企業でも、段階ごとに使い分けられます。最初の二週間は専門家と対象業務を選び、次の一〜三カ月は常駐支援で小さく実装し、定型処理はBPOへ出し、判断と変更履歴は自社のナレッジ基盤へ戻す構成です。

問題は、各段階の受け渡しが契約へ書かれていないことです。診断会社は提案書を納め、開発会社はAIエージェントを納め、BPO会社は成果物を返し、研修会社は受講完了を報告します。個別には完了していても、社内担当者が次の変更を説明できなければ、企業としては未完了です。

そこで、発注書や作業計画に三種類の納品物を入れます。

1. 実務の納品物として、処理済みデータ、文書、連携機能を受け取ります。
2. 運用の納品物として、判断表、例外一覧、設定差分、監視項目、復旧手順を受け取ります。
3. 学習の納品物として、社内担当者による再実行、修正、説明の記録を受け取ります。

三番目が重要です。研修動画を見た回数ではなく、社内担当者が実際の変更を一件完了できたかを測ります。例えば取引先が帳票の列を一つ変えたとき、誰が影響範囲を確認し、試験し、承認し、本番へ反映し、失敗時に戻せるかを試します。

AIエージェントを「完了一件」で測る記事では、受付から承認、実行、記録まで閉じた仕事を測定単位にしました。外部人材の評価も、助言時間や生成物の数ではなく、対象業務が完了し、次回変更を自社で扱えるところまで含めます。

社内に一人だけ置くなら「万能AI人材」ではなく境界責任者です

人員が限られる中小企業で、データ、開発、法務、業務改善、教育の専門家をすべて雇うのは現実的ではありません。それでも、外部へ渡せない役割があります。どの仕事を変えるかを決め、利用者や取引先への責任を持ち、例外時に止める社内の境界責任者です。

境界責任者がAIモデルを構築できる必要はありません。必要なのは、次の問いを社内の言葉で答えられることです。

• この業務は誰のために、何を完了すれば終わりますか。
• AI、人、外部スタッフは、どの情報を読めますか。
• 通常処理と例外処理の境目はどこですか。
• 顧客、従業員、取引先へ説明が必要な変更は何ですか。
• 外部支援が一週間止まったら、何を優先して続けますか。
• 支援会社を替えるとき、どの記録と権限を移せますか。

技術的な選択は外部専門家へ相談できます。実装も委託できます。しかし、目的と許容範囲を外部企業だけに決めてもらうと、発注側は結果を評価できません。境界責任者は答えを一人で作るのではなく、経理、営業、情報システム、現場、経営者から必要な判断を集め、更新責任を明確にします。

この役割は専任でなくても始められます。ただし、通常業務へ上乗せして無償の調整仕事にすると続きません。週に何時間使うのか、どの判断を任せるのか、人事評価で何を成果とするのかを決めます。AI推進を善意の詳しい人へ押し付けないことも、人材不足対策の一部です。

30日で一つの業務へ能力移管を組み込みます

いきなり全社AI戦略を作る必要はありません。件数が多く、例外が見え、失敗しても取り消せる一つの業務を選びます。問い合わせ回答の下書き、公開情報の週次整理、請求書の形式確認などが候補です。

最初の10日——仕事と外部支援の境界を描きます

開始条件、入力、通常処理、例外、承認、完成物、保存、削除を書きます。現在の担当者が画面共有で作業を見せるだけで終えず、「なぜそこで止めるのか」「何を根拠に選ぶのか」を言葉にします。

次に、外部へ求める役割を分けます。課題診断、実装、運用代行、教育、ナレッジ整備を一つの「AI支援」へまとめません。誰がどの期間に何を担い、何を社内へ返すかを決めます。

次の10日——外部支援者と社内担当者が同じ変更を行います

外部支援者が一件目を実施し、社内担当者が観察します。二件目は共同で行い、三件目は社内担当者が実施して外部支援者が確認します。説明、共同作業、逆向きの実演という順番です。

この期間に、成功例だけでなく、入力不足、矛盾する規程、連携失敗、判断者不在を入れます。AIが処理できなかった時の手作業、連絡先、期限を確かめます。例外を隠して成功率を高く見せず、例外の分類が増えたことを学習成果として扱います。

最後の10日——支援を一時停止して仕事を続けます

外部支援者の管理画面や個人アカウントへ依存していないかを確かめます。資格情報、コード、設定、契約、ナレッジ、監視通知が会社の管理下にあるかを確認します。その上で、模擬的に外部支援を止め、社内担当者が軽微な変更と一件の例外処理を完了します。

完了できなかった場合は、担当者の能力だけを責めません。手順がない、権限がない、判断者が決まっていない、試験環境がない、ベンダー固有機能から出せないといった構造を直します。支援を止める試験は、外部企業を排除するためではなく、良い関係を長く続けるための境界確認です。

毎月見る七つの指標

能力移管を、受講者数や会議回数だけで評価しません。仕事と継続性を同時に見ます。

• 完了一件当たり総費用：外部料金、AI利用料、社内確認、再作業、障害対応を含めます。
• 社内変更完了率：軽微な設定変更を社内担当者が期限内に完了した割合です。
• 例外説明率：失敗や差戻しを、原因、判断、次の対応まで説明できた割合です。
• ナレッジ鮮度：根拠文書のうち、責任者と見直し期限が有効な割合です。
• 外部依存時間：支援停止から代替手順で業務を再開するまでの時間です。
• 権限回収率：担当交代や契約終了時に、外部アカウントと資格情報を期限内に無効化できた割合です。
• 能力移管の再現率：別の社内担当者が同じ手順で変更と復旧を再現できた割合です。

七つを一つの点数へまとめる必要はありません。費用が下がっても例外説明率が落ちたなら、将来の障害対応を先送りしています。社内変更率が高くても、担当者一人に集中していれば新しい属人化です。数字の間にある緊張を残し、対象業務の重要度に応じて判断します。

参考にした主な情報

• クラウドワークス「中小企業のAI活用レベル調査」——時事ドットコム掲載の企業発表（2026年9月16日。調査対象、標本設計、11.1％、59.6％、80.9％、工程別の回答を確認）
• AI人材を採用できない中小企業、専門家を「必要な時だけ」活用する支援サービス——キーマンズネット（2026年9月20日。専門家伴走、実務研修、制度支援の範囲を確認）
• AI導入でつまずく中小企業、「何を・誰が・どう変えるか」を丸ごと支援——キーマンズネット（2026年9月20日。業務選定、常駐実装、月次改善の考え方を確認）
• AIを入れても「最後は人頼み」——キーマンズネット（2026年9月20日。AI、RPA、人力を組み合わせたBPOの対象工程を確認）
• アビームとNotionが「企業ナレッジ」に注目する理由——キーマンズネット（2026年9月20日。企業固有の文脈、ナレッジ基盤、業務再設計の範囲を確認）

最後に——外の知恵を、会社が選び直せる力へ変えます

AI推進者が足りている中小企業が11.1％という数字を見て、全社に一人の万能人材を急いで採用する必要はありません。仕事を選ぶ、実装する、例外を判断する、知識を更新する、障害から戻すという役割を分ければ、必要な部分だけ外部の専門性を借りられます。

ただし、外部人材の利用率が高いことと、企業の能力が高いことは同じではありません。支援を受けるたびに対象業務の地図が精密になり、判断表が更新され、社内担当者が次の変更を一つ多く完了できることが重要です。借りた知識が会社の記録と練習へ変わって初めて、外注は依存ではなく能力の拡張になります。

次にAI支援を比較するとき、月額、モデル名、導入日だけでなく、「三カ月後、私たちは何を自分で説明し、直し、止め、別の会社へ引き継げるようになりますか」と尋ねられるでしょうか。その答えを契約と30日の実演へ落とせる企業ほど、人材不足を理由に立ち止まらず、外の専門性を自社の選び直す力へ変えていけます。