McKinsey「State of AI 2026」レポートはいつ発表されましたか？

2026年8月25日に発表されました。調査期間は2026年5月4日〜6月8日で、97カ国1,719名の企業幹部・意思決定者を対象にしています。

なぜAIで生産性が向上しているのにEBITへの貢献が少ないのですか？

McKinseyのハイパフォーマー分析によれば、成果を出している6%の企業は「ワークフローの根本再設計」を行っています。残り94%はAIをツールとして追加導入するだけで、業務プロセス自体は変えていません。浮いた時間が別のSlackや会議に消えるだけでは、財務数字には表れません。

ハイパフォーマー企業と普通の企業の違いは何ですか？

主な違いは3点です。①ワークフローの根本再設計（ハイパフォーマーの74%が実施、他社は25%）。②ICT予算の15%以上をAIに投下。③AIの成果を測定する明確なプロセスと経営層のコミットメントがある。ツール導入だけでなく、組織全体の仕事の仕方を変えているのが決定的な差です。

32%の企業がSaaS購入をキャンセルしたとはどういうことですか？

McKinseyの調査で、3社に1社がAIエージェントによる内製化を理由に、少なくとも1つのSaaS製品の購入をやめたと回答しました。エージェント型AIで機能を自社開発できるようになり、既製品を買う必要がなくなってきている現象です。

AI News 2026年9月4日 16分で読める

生産性80%向上でもEBIT貢献37%止まり｜McKinsey「AI現状2026」が示す企業の罠

#McKinsey #AI ROI #生産性パラドックス #エンタープライズAI #AIエージェント #State of AI #企業AI戦略

「AIツールを導入して3ヶ月。確かにコードを書く速度は上がった。でも、CFOに聞かれたら答えられない。それで売上が上がったのか、コストが下がったのか」。

2026年8月末、Hacker Newsのスレッドにこう投稿したエンジニアのコメントには多くのUpvoteが集まった。続くコメントに「浮いた時間がSlackと余計な会議に消えているだけ」「測定する方法がそもそもない」という声が連なった。

この体感を1,719社の調査データで裏付けたのが、McKinseyが2026年8月25日に発表した「The State of AI: On the Road to ROI」だ（McKinsey & Company, 2026年8月25日）。個人の生産性向上は8割の企業で確認された。しかし財務成果（EBIT）への貢献を報告できた企業は37%に留まった。この43ポイントの「生産性パラドックス」こそが、2026年時点でのAI導入の現実だ。

この記事はこんな人におすすめ

社内AIツール導入を推進しているエンジニアリングマネージャーやCTO
AI投資のROIをCFO・経営層に説明しなければならない立場にいる方
自社のAI活用が「生産性は上がっているはずなのに結果が出ない」と感じている方

McKinsey 2026年調査が示す生産性パラドックスの実態

レポートの副題は「On the Road to ROI（ROIへの道）」だ。The Registerのフォーラムではこの表現に対して「“Road to”は”まだ着いていない”と言ってるのと同じだ」という辛辣なコメントが目立った。

McKinseyが2026年5月〜6月に実施した調査では、AIで個人生産性が向上したと回答した企業が80%に達した。意思決定の質が上がったと感じる企業も50%を超える。これだけ見れば「AI投資は正解」という結論になる。

しかし問いが変わると答えも変わる。「AIはあなたの会社のEBITに貢献しているか」という問いに対して「yes」と答えたのは37%だった。しかも、この数字は2025年調査から横ばいだ。AI活用は急速に広がっているのに、財務貢献の割合は増えていない。

さらに踏み込んで、「AIのおかげでEBITが5%以上改善した」という意味での「ハイパフォーマー」企業は全体のわずか6%（前年から変化なし）。94%の企業は記録的なAI支出にもかかわらず、収益の針を動かせていない（TechTimes, 2026年8月26日）。

ハイパフォーマー6%と残り94%の決定的な差

6%の高成果企業と残り94%の間には、単なる技術的な違いではなく、組織の哲学的な違いがある。

McKinseyが示した差異の中で最も顕著なのは「ワークフローの根本再設計」の有無だ。ハイパフォーマーの74%がAIを契機に業務プロセスを根本から見直したと回答している。一方、その他の企業でこれを実施しているのは25%に過ぎない。

日本のエンジニアコミュニティからも同様の声が上がる。開発速度が2倍になっても、会社が同じ量の仕事しか要求しなければ浮いた時間は空白になるだけで、AIは業務の空気まで変えてはくれない、という指摘だ。

その他の差異をMcKinseyは以下のように示している。

投資規模: ハイパフォーマーはICT予算の15%以上をAIに投下する割合が、他社の2倍以上
変革意志: 3年以内にAIで事業を根本的に変革する意図を持つ割合が、他社の3.3倍
測定体制: AI施策の成果を測定する明確なプロセスと経営層のコミットメントを持つ割合が、他社の2倍

McKinseyのレポートはこの構造を明示している。ワークフロー再設計と成果帰属の会計モデルがなければ、個人生産性を組織の財務成果へと変換する経路が生まれないという趣旨だ（McKinsey & Company, 2026年8月25日）。

METR研究チームが2025年7月に発表した調査も同様の構造を示していた。熟練した開発者がAIツールを使ったとき、実際の生産性は平均19%低下した。しかし当の開発者たちは「20%速くなった」と自己申告していた（METR研究チーム, 2025年7月10日）。体感と実績は一致しない。AIが「作業を速くした感覚」を与えているだけで、組織として正しい仕事量をこなせているかは別問題だ。

「2段速レース」大企業と中小企業の格差

調査が浮き彫りにしたもう一つの現実は、組織規模による二極化だ。McKinseyはこれを「Two-Speed Race（2段速レース）」と呼んでいる。

年収10億ドル超の大企業では、AIエージェントを複数の業務機能でスケールしている割合が40%に達した（前年27%から大幅増）。中小企業では同じ数字が22%で、前年から増加していない。

コーディングエージェントに絞っても同様の傾向がある。大企業の31%がコーディングエージェントを本格展開しているのに対し、全体平均は約20%に留まる（BigDATAwire, 2026年8月26日）。

Sequoia Capitalが2026年に示した分析でも同様の構図が確認されている。AIから大きな価値を得ているのは企業全体の約5%で、残り95%はP&Lに接続できていないとされる（Sequoia Capital Inference, 2026年）。

日本の状況も例外ではない。Fortune×Deloitteによるグローバル調査では、「生産性向上を実現した」と回答した企業は66%に達する一方、「収益成長につながった」のはわずか20%と報告されている（Fortune×Deloitte調査解説, Uravation, 2026年）。McKinseyの調査結果と同様に、生産性と財務成果の46ポイント差は、日本企業にも等しく突きつけられた問いだ。

32%がSaaSを買わなくなった構造変化

McKinseyレポートで見落とされがちだが重要な数字がある。調査対象の32%が「AIエージェントで内製できるため、少なくとも1つのソフトウェア製品の購入を見送った」と回答した点だ（Yahoo Finance, 2026年）。

3社に1社がSaaS購入をキャンセルしているという事実は、ソフトウェア市場の構造変化を示唆する。しかも「高パフォーマー」企業では、この傾向がさらに顕著だ。EBIT 5%以上をAIに帰属できる企業群では、ほぼ半数がSaaS購入をキャンセルしていた。

この傾向はAnthropicのDario Amodeiが「SaaSは破綻する」と警告した際の分析と一致する。「SaaSは破綻する」とAmodeiが警告した記事はこちらでも解説している通り、AIエージェントがSaaS市場を内側から置き換えていく構造は、2026年にデータで裏付けられた形となった。

ただし注意が必要だ。SaaSを内製化する「構築コスト」は消えていない。アジェンティックAIのトークン課金は想定外に高くなりやすく、UberのClaude Code予算崩壊事例のように、運用コストが想定を超えるケースが続いている。調査では5社に1社（20%）がAI運用コストを理由にAI利用を制限していると回答した。

「Pilot Purgatory」パイロットから脱出できない企業群

「Pilot Purgatory（パイロットの煉獄）」という概念がある。GenAIのパイロットプロジェクトの多くが全社展開に至らず、財務インパクトをほぼ生まずに終了する現象を指す。企業研究者や経営コンサルタントの間で広く共有されている観察だ。

JPモルガンはLLMスイートで大規模な時間節約を実現したと複数の報道で言及されている。ゴールドマン・サックスもエンジニア生産性の向上を報告している（Financial Times報道, 2026年）。これらは印象的な取り組みだが、いずれもEBIT帰属の公式な財務開示は限定的だ。時間節約が即座に収益増や費用削減につながらないのは、「浮いた時間をどこに再投資するか」を設計していないからだ。

製造業や医療分野でも同様の構図が繰り返される。品質検査や事務処理でAIを導入し業務効率が上がっても、浮いた人員や工数の再配置設計がなければ、全社EBITへの接続は生まれない。AIが解決した問題の「後」をどう設計するか。これが2026年のAI導入の核心的な問いだ。

光と影：AIが財務成果に直結するケース

もちろん、全企業がパラドックスに陥っているわけではない。McKinseyのハイパフォーマー分析から見えてくる「直結するケース」の共通点は3つだ。

1. アウトカム定義から逆算する

コード生成速度の向上ではなく、「機能リリースサイクルが何日短縮されれば顧客獲得コストがいくら下がるか」という形で目標を定義している企業が成果を出している。生産性向上は目的ではなく手段だ。

2. 浮いた時間の再投資先を先に決める

AIで週5時間浮いたとき、その5時間を何に使うかを先に設計している。空白にすれば再び別の非生産的業務で埋まる。

3. 測定の回路を作る

「AI導入前後でこの指標がどう変わったか」を追跡できる測定体制を持つ。これがないと、ハイパフォーマーになれないことをMcKinseyデータは示している。

一方で、2026年時点での課題も残る。AIの運用コストが予算を圧迫する問題（5社に1社が経験）、エージェント導入の大企業・中小企業格差、さらにはコーディングエージェントの普及に伴うエントリーレベル人材の採用縮小という若者雇用への波及効果も、2026年の重要な副作用だ。

McKinsey「State of AI 2026」主要データ

調査規模: 1,719名、97カ国（2026年5月4日〜6月8日）
80%: AIで個人生産性が向上したと回答した企業
37%: EBITへのAI貢献を報告した企業（前年比横ばい）
6%: ハイパフォーマー（EBIT 5%以上の改善）—前年から変化なし
94%: 記録的AI支出にもかかわらず収益の針を動かせない企業
40%: 大企業でAIエージェントをスケール中（前年27%）
22%: 中小企業で同上（前年と変化なし）
32%: SaaS購入を内製化理由でキャンセルした企業
20%: AI運用コストを理由にAI利用を制限した企業

企業のAI投資ROI問題は、JetBrains 1.5万人調査のようにツール普及データからも読み解ける。コーディングエージェントを「使っている企業」と「成果に変えた企業」の差が広がる中、自社の立ち位置を確認してほしい。

詳しく見る

本記事はMcKinsey & Company「The State of AI: Global Survey 2026」（2026年8月25日発表）および各社公開情報を基に作成しています。数値・事実関係に誤りがあった場合はお知らせください。本記事の内容は情報提供を目的としており、投資・経営判断の根拠とすることは推奨しません。なお、当ブログは掲載情報の正確性・完全性を保証するものではなく、記事公開後に状況が変化している場合があります。