中小企業のAI・DX導入｜成否を分けるポイントと、8人の町工場がそれを手放せなくなった理由とは日本30%・米独80%のKPI設定率ギャップから読み解く、目的を一文で書くための5項目チェックリスト

2-1. データが示す「目的設定の有無」と「成果」の関係

独立行政法人情報処理推進機構（IPA）が2025年6月に公表した「DX動向2025」（日本1,535社、米国509社、ドイツ537社）では、KPI設定率は日本30%以下、米独80%以上。同じ調査で、DXの「成果が出ている」企業の割合も日本60%弱、米独80%超と、両者は同じ方向にずれています（あくまで相関であって、因果は複合的に絡み合っている点には留意が必要です）。

もうひとつ、米国RAND Corporationが2024年に発表した調査では、業界のAI実務者50名と学術研究者15名、計65名への対話型インタビュー（決まった質問項目を軸に深掘りする形式）からAI失敗の根本原因を分析しています。

最も印象的な結果は、業界インタビュー対象者50名のうち84%が、「リーダーシップに起因する失敗パターン」をAIプロジェクト失敗の最大の原因として挙げたこと（報告書5ページ）。データの質でもエンジニアのスキル不足でもなく、「何を解決する施策なのか」が不明確なまま技術チームに丸投げされることが最大の失敗要因だと、現場は感じています。

2-2. ただし、目的設定は「必要条件」であって「十分条件」ではありません

「目的さえ決まれば成功する」という単純な話ではありません。AI施策の成否には、データ整備・人材・経営トップのコミット・運用設計など、複数の要素が絡みます。目的設定はその土台にある必要条件で、土台がないと失敗しますが、土台だけで成功するわけでもない。

それでも目的設定から始めるべきなのは、残りの要素すべての判断基準になるからです。「どのデータが必要か」「誰をアサインすべきか」「どの運用を優先するか」——目的が一文で書けていると、これらの問いに答えられます。

3-1. 導入前の「生々しい」現場

工場が1階、事務所が2階。建物の構造上、事務所から現場が全く見えません。顧客から「あの部品、どこまで進んでる？」と電話が入ると、押谷代表夫妻は現場まで走り、「タレパン（ターレットパンチプレス）の右側にあるから穴開けは終わってるな」と目視で推測する。日常茶飯事だったと言います。

生産計画がままならず、厳しい納期の仕事を請けすぎて現場が過負荷になり、品質に影響が出る——経営者として避けたい事態が、構造的に起きていました。

3-2. 「月に6,000枚の紙をなくす」という1つの目的

導入時、押谷代表とTranzac社の鈴木社長が決めた目標はシンプルでした。「月に6,000枚発生している紙をなくし、見える化する」。それだけ。

押谷代表は当初、別の不安を抱えていました。「現場、特に年配の方に嫌がられないか」。ところが、導入後の60代の職人にタブレットの感想を聞くと、こう返ってきたそうです。

「全然難しくないよ、むしろ簡単」

3-3. 成果は「生産計画の質」に現れた

押谷代表自身の言葉をそのまま引きます。

「一番大きかったのは、私が生産計画を適切に立てられるようになって、結果として現場の負荷を減らすことができたことです。お客様から引合いがあった時点で、先の生産計画と負荷状況を一覧できるようになったので、お客様と納期交渉ができるようになりました。無理な納期の仕事を受けなくなったので、現場に無理をお願いすることが減りました」

導入後の現場は自発的に動き出しました。「予定よりも早く上がります」と報告が現場から上がるようになり、納期遅れも解消。押谷代表は取材の最後にこう語っています。

「自社の成長に合わせて一緒に成長してくれるシステム、身の丈に合ったシステムをパートナーにして、これからもがんばっていきたい」

8名の町工場が「紙をなくす」という一文を目的に据えた。それだけの話が、生産計画、現場の負荷、顧客との交渉、職人の自発性まで変えていきました。

4-1. 山形県米沢市の建設会社、後藤組

後藤組は、2019年頃から「全員DX」という取り組みを始めた建設会社です。経営層がトップダウンで進めるのではなく、現場社員自身がノーコードツール（プログラミングなしで画面操作だけで業務アプリを作れる仕組み）で業務アプリを自作する形を作りました。年に一度社内大会を開き、全社員が自作のアプリを発表する場も設けています。

公式サイトによれば、現場書類は約60%削減、一人あたり残業時間は20%以上削減。経済産業省「DXセレクション2025」（2025年3月24日発表）でも中堅・中小企業のモデルケースとして取り上げられています。掲げた目的は「書類を減らし、現場の働きやすさを上げる」——「DXを推進する」ではありません。

4-2. 三重県伊勢市の老舗食堂、ゑびや大食堂

伊勢神宮の門前に、創業100年超のゑびや大食堂があります。日経クロステック2019年5月23日記事によると、来客予測AIを導入し、天気・曜日・気温・降水確率・自社サイトへのアクセス数・近隣宿泊施設の宿泊者数など、約400項目の影響因子をデータとして扱っています。

経営企画室の堀口千春氏は同記事でこう話しています。

「廃棄ロスを大幅に削減できた」
「様々なデータの中でも天気は来客数に大きく影響する要因だ」

具体的には、米の廃棄量が1日あたり6〜7升から2升ほどに約70%減。来客予測の精度は90%超。目的は一文で書けます——「来客数を予測して、廃棄を減らす」。

4-3. 共通する「一文化」の構造

3社を並べると、構造が見えてきます。

規模も業種も地域も違う。けれど共通点は明快です。「AIを導入する」「DXを推進する」が目的ではなく、「何を解決するか」が一文で書けている。RAND Corporation 2024年の報告書も、成功する組織の原則の1つに「技術ではなく、解くべき問題に焦点を当てる」を挙げています。

4-4. 「目的の一文」は、効率化に限らない

ここまでの3社はいずれも「コスト削減・廃棄削減」という効率化系の目的でしたが、「目的の一文」は売上を伸ばす方向にも、同じ構造で書けます。「リピート率を5%上げる」「新規問い合わせ数を月20件にする」など、効率化の一文と並べて違和感のない目標です。どちらの方向で書くかは業種・業態の事情で変わるため、迷う場合は個別にご相談いただく方が早いかもしれません。

チェック1: 解くべき業務課題を、一文で書けますか

「推進する」「活用する」は手段が目的化している兆候。主語と目的語を具体に。

チェック2: その課題が解決した「成功の状態」を、数値で言えますか

ビフォーとアフターが同じ単位で比較できる数値が必要です。

チェック3: 現在の数値（ベースライン＝今の状態の数値）を、把握していますか

今の数値がないと、成果は測れません。最初の1週間は測るだけに使っても構いません。

チェック4: 誰が、どの頻度でチェックするか、決まっていますか

「みんな」は責任の所在が曖昧になる典型例です。

チェック5: 経営トップが、最低1年この取り組みに関与する覚悟がありますか

RAND Corporation 2024年報告書も、成功原則の1つに「継続すべき問題を選ぶ」を挙げています。3か月でトップの関心が別の話題に移ると、現場は動きを止めます。

6-1. マーケ担当の方へ

6-2. 経営層の方へ

「うちの課題は◯◯です」を、従業員の方に話してみてください。返ってくる反応から、組織内に目的が共有されているかどうかが見えます。そのずれを埋めるだけで、AI施策を走らせる前の段階で、組織が少し整います。

Q1. 中小企業でもAI・DX施策は成功しますか

はい、成功している事例が国内に多数あります。本記事で紹介したオシタニプレス工業所（従業員8名）、後藤組（山形の建設業）、ゑびや大食堂（三重の老舗食堂）はいずれも中小規模の企業です。共通点は、「解決したい課題」が一文で書けていたこと。規模より、目的の具体性が成否を分けています。

Q2. AI導入に失敗する最大の理由は何ですか

米国のRAND Corporationが2024年に発表した調査では、業界のAI実務者50名のうち84%が「リーダーシップ起因の失敗パターン」をAIプロジェクト失敗の最大の原因として挙げています。具体的には「解くべき課題が不明確」「技術チームへの丸投げ」「AIへの過剰な期待」「必要な時間の過小評価」などが主な失敗パターンです。

Q3. KPIを設定しないと、何が起きますか

IPAが2025年6月に公表した「DX動向2025」によると、KPIを設定している日本企業は30%以下で、米独の80%以上に比べて低い水準。同調査では、成果を出している企業の割合も日本は60%弱、米独は80%超と、KPI設定率の差と連動する傾向が見られます。KPIがないと、成果が出ているのか、次に何を直すべきかの判断ができません。

Q4. まずExcelで管理するだけでも良いですか

はい、むしろそちらをお勧めします。RAND報告書は「単純な問題に最新技術を当てる」ことを失敗パターンの1つとして指摘しています。Excelやスプレッドシートで十分な業務に、無理にAIを導入する必要はありません。AIが必要になるのは、データ量や分析の複雑さが手作業の限界を超えたときです。検討前に「もっと簡単な手段で済まないか」を一度自問する価値があります。

Q5. 紙の記録しかない、データらしいデータがない状態でもAI導入はできますか

AIはデータに基づく仕組みなので、データがゼロの状態ではスタートできません。ただし「データがない＝AI導入は無理」ではなく、「最初の数か月でデータを集める仕組みを作る」のがスタート地点になります。本記事のオシタニプレス工業所も、紙書類の集計から始めて、徐々にタブレット入力データを蓄積していきました。「いきなりAI」ではなく、「データを集める仕組み→そのデータを使ってAI」の順番が現実的です。

Q6. 経営トップが乗り気でない場合、どうすれば良いですか

「トップが乗り気でない」のは、しばしばトップが悪いのではなく、提案する側が目的を一文で語れていないサインです。本記事のチェックリストを使って「解きたい課題」と「成功の数値」を言語化してから持ち込むと、議論の質が変わります。Marumakeでは、この言語化の部分を伴走する相談をお受けしています。