＜IT企業側からは見えづらい「ユーザ企業が生成AIに抱く課題/ニーズ」を知っておくべき＞
■生成AIサービス活用における重要課題はハルシネーションやプロンプト作成だけではない
■「複雑なPDF文書の活用が難しい」という課題は年商規模が大きくなるにつれて顕著になる
■AIエージェントでは「入力指示の難易度」と「サービス価格」を低減/抑制できる施策も大切
■「業務ツール連携でのSI支援が必要なくなる」といった過剰な期待を未然に防ぐことも重要
PRESS RELEASE（報道関係者各位） 2025年6月2日
2025年 生成AIサービスが解決すべき課題と重要度の高いニーズ傾向
調査設計/分析/執筆： 岩上由高
ノークリサーチ（本社〒160-0022東京都新宿区新宿2-13-10武蔵野ビル5階23号室 代表：伊嶋謙ニ TEL：03-5361-7880URL：http//www.norkresearch.co.jp）はIT企業がユーザ企業に対して生成AIサービス導入を訴求する際に解決すべき課題および重要度の高いニーズに関する調査を実施し、その結果を発表した。本リリースは「2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート」のサンプル/ダイジェストである。
＜IT企業側からは見えづらい「ユーザ企業が生成AIに抱く課題/ニーズ」を知っておくべき＞
■生成AIサービス活用における重要課題はハルシネーションやプロンプト作成だけではない
■「複雑なPDF文書の活用が難しい」という課題は年商規模が大きくなるにつれて顕著になる
■AIエージェントでは「入力指示の難易度」と「サービス価格」を低減/抑制できる施策も大切
■「業務ツール連携でのSI支援が必要なくなる」といった過剰な期待を未然に防ぐことも重要
※グラフは右記URLにてご参照ください (リンク »)
■生成AIサービス活用における重要課題はハルシネーションやプロンプト作成だけではない
ユーザ企業が生成AIサービスを活用する際には「誤情報や架空の結果が出力される（ハルシネーション）」や「適切な入力指示（プロンプト）を与えることが難しい」といった課題が注目されやすい。だが、実際は他にも重要な課題があることに留意する必要がある。本リリースの元となる調査レポート 「2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート」では5カテゴリ/計18項目の選択肢を列挙して、生成AIサービス活用でユーザ企業が直面する課題を集計/分析している。（課題項目の一覧は次頁を参照）
以下のグラフはその中から全年商帯/全業種に渡る全体集計の上位5項目の課題をプロットした結果である。（調査レポートでは小規模企業、中小企業、中堅企業、大企業といった年商別や組立製造業、加工製造業、建設業、卸売業、小売業、運輸業、IT関連サービス業、一般サービス業といった業種別など様々な企業属性別の課題傾向なども集計/分析している）
上位5項目の課題はいずれも2割前後で互いに僅差となっており、ハルシネーション（※5）やプロンプト作成（※2）だけでなく、「PDF文書や構造化されたデータの活用」（※1や※4）および「サービスの利用価格が高すぎる」（※3）といった課題も上位に位置していることが確認できる。PDF文書や構造化されたデータ（表計算データなど）の処理は個人レベルの試用では予見が容易ではないため、企業としての業務利用の段階で顕在化しやすい課題と言える。また、サービスの利用価格も特定部門内での試験導入から全社展開へと進む際の障壁となりやすい。このようにIT企業がユーザ企業に対して生成AIサービス活用を訴求する際には生成AI自体の技術的な課題だけでなく、企業としての導入に際して顕在化する課題にも留意することが重要となってくる。次頁では年商別や適用場面別に見た課題傾向などを調査レポートから抜粋して紹介している。
■「複雑なPDF文書の活用が難しい」という課題は年商規模が大きくなるにつれて顕著になる
本リリースの元となる調査レポートでは、以下の項目を列挙して有効回答件数800社のユーザ企業に対して「生成AIサービスを活用する際の課題」を尋ねている。（「生成AI」の定義などは右記を参照 (リンク ») ）
＜＜生成AIサービスが出力する結果に関する課題＞＞
・誤情報や架空の結果が出力される 例） 実際に存在しない企業名などが出力される（ハルシネーション）
・構造化されたデータは活用が難しい 例） 表計算データの列項目表記などをAIモデルが考慮してくれない
・複雑なPDF文書は活用が難しい 例） PDFに含まれるグラフや図版などをAIモデルが考慮してくれない
・入力が同じでも出力が変わる 例） FAQで同じ質問を繰り返すと、回答内容が毎回異なってしまう
・著作権を侵害する恐れがある 例） 生成された画像が他社の著作権を侵害している可能性がある
・結果の精度が期待よりも低い 例） ナレッジベースで期待される回答の精度が期待を下回っている
・日本語への対応が不十分 例） 入力における日本語の理解や出力における日本語の品質が低い
＜＜生成AIサービスへの入力指示に関する課題＞＞
・適切な入力指示を与えることが難しい 例） 期待した結果を得るための入力指示の作法を覚えるのが大変
・自社データを学習に利用される 例） 入力指示に含めた自社の情報が学習され、他社に閲覧される
＜＜他システムとの連携に関する課題＞＞
・Web検索による出力補完が難しい 例） Web検索を併用して出力を補完する仕組みの構築が難しい
・社内データによる出力補完が難しい 例） 社内データを併用して出力を補完する仕組みの構築が難しい
・既存の業務ツールと連携できない 例） 生成AIで翻訳した文章をメール文面に貼り付けるのが面倒
＜＜生成AIサービスの導入/運用に関する課題＞＞
・自社に適したAIモデルを選べない 例） 生成AIサービスが基盤とするAIモデルが固定されていて選べない
・投資対効果を示すことが難しい 例） 利用費用を踏まえた場合の導入効果を数値で示すことが難しい
・従業員が積極的に利用しない 例） 最初は関心を集めたが、その後ほとんど使われなくなってしまう
・AIモデルの変更/刷新の影響 例） 生成AIサービスの基盤となるAIモデルが変わると、出力も変わる
＜＜生成AIサービスの価格に関する課題＞＞
・サービスの利用価格が高すぎる 例） 一人当たり月額数千円かかるので、全従業員への展開が難しい
・従量課金では費用算出が難しい 例） 入力された文字/単語の数で課金されるので、コスト試算が困難
＜＜その他＞＞
・その他の課題 ：
・ 現時点では判断できない
上記のうち、全体集計における上位5項目をプロットしたものが前頁のグラフである。さらに、以下のグラフは「誤情報や架空の結果が出力される」（※1）ならびに「複雑なPDF文書は活用が難しい」（※2）といった課題の回答割合を年商規模別に集計したものだ。いずれの課題項目も年商規模が大きくなるにつれて回答割合も高くなり、小規模企業では1割強、中小企業では2割弱、中堅企業では2割強、大企業では4割弱と年商規模による差異も大きい。生成AIサービスでは多種多様なデータを処理することによる経験値が品質にも大きく影響する。データ量の多い大企業での導入から得たノウハウを広い裾野に展開できる体制作りも重要となってくる。ここでは一部の課題のみを抜粋したが、他にも「自社データを学習に利用される」や「サービスの利用価格が高すぎる」といったユーザ企業の課題意識が年商や業種によってどのように変わってくるか？といった点も把握しておく必要がある。
本リリースとなる調査レポートではそうした様々な課題項目の傾向を集計/分析し、IT企業側が留意すべき事柄を分析/提言している。
次頁では適用場面別に見た課題傾向について述べている。
■AIエージェントでは「入力指示の難易度」と「サービス価格」を低減/抑制できる施策も大切
本リリースの元となる調査レポートでは、以下の項目を列挙して有効回答件数800社のユーザ企業に対して「生成AIサービスを適用する業務場面はどれか？」も尋ねている。（「生成AI」の定義などは右記を参照 (リンク ») ）
＜＜文書の作成/編集＞＞
・ メールなどの非定型文面の自動作成 例） 顧客のクレーム内容を踏まえて最適な返答文の下書きを自動作成する
・ 定型書類（届け出など）の自動作成 例） スマホに記録した計測データを元に現場作業の報告書を自動作成する
・ 文章/図版の混在資料の自動作成 例） 文章で与えた論旨と図版概要を反映したプレゼン資料を自動作成する
・ 文書内容の要約や複数文書の統合 例） 複数の従業員が出した日報を統合/要約して課の日報を自動作成する
・ 文書内容のチェックや校正 例） 契約書を自動でチェックし、自社に不利な条件がないかなどを確認する
・ 音声からの文字起こし 例） 会議の音声データを元に議事録のテキストを自動生成する
・ 文書内容の翻訳 例） 文書をある言語から他の言語に翻訳する
＜＜従業員の業務や学習の支援＞＞
・ 履歴データに基づく対応の判断 例） 過去の取引履歴を元に、個々の事案での値引き可否を自動で助言する
・ 問い合わせに対する自動応答 例） FAQページやヘルプデスクにおいて従業員や顧客への回答を自動化する
・ 従業員のセルフラーニング支援 例） 生成AIサービス利用を通じて従業員のスキル向上を図る（外国語学習など）
・ 熟練者が持つスキルの継承 例） 熟練者の作業手順をAIが学習することで暗黙知も含めた技能継承ができる
・ アイデアの創出や練り込み 例） 企画のアイデアについて生成AIサービスと対話することで更なる改善を図る
・ 自然言語による情報検索 例） 「引っ越し」などの平易な言葉で転居届などの社内申請文書を見つけられる
＜＜顧客に提示する画像や音声＞＞
・ 販促などに用いる文言の自動作成 例） 販促資料に掲載するキャッチコピーを生成AIサービスと対話しながら作成する
・ 資料などに含める画像の自動作成 例） 生成AIサービスに文章で概略を伝えて、カタログ内の画像を自動作成する
・ 広告などに用いる動画の自動作成 例） 生成AIサービスに文章で概略を伝えて、販促サイトの動画を自動作成する
・ 顧客対応などでの音声の自動作成 例） FAQやヘルプデスクの返答内容を元に、応答時の音声を自動作成する
＜＜AIエージェント＞＞
・ 事前に定義された複数場面の連動 例） 複数の業務を連動させた手順を事前に与えて、生成AIサービスに実行させる
・ AIが自ら判断する複数場面の連動 例） 生成AIサービスが複数の業務を連動させた手順を自ら定義して自動実行する
・ 自然言語による業務フロー定義 例） 業務手順を文章で伝えて、それを実行するワークフロー定義を自動生成する
上記に列挙した生成AIサービスの適用場面別に見た時に課題傾向がどう異なるか？も把握しておくべき重要なポイントとなる。
以下のグラフは前頁に列挙した課題項目の中から、「複雑なPDF文書は活用が難しい」（※1）、「適切な入力指示を与えることが難しい」（※2）、「サービスの利用価格が高すぎる」（※3）の3つについて、＜＜文書の作成/編集＞＞と＜＜AIエージェント＞＞の用途の違いによる傾向差を示した結果だ。（生成AIの適用場面については右記のリリースも参照 (リンク ») ）
AIエージェントは文書の作成/編集といった単体処理よりも複雑であるため、当然ながら※1～※3のいずれの課題項目の割合も高くなりやすい。特に入力指示の難易度（※2）とサービス価格（※3）は高くなりやすいため、これらをいかに低減/抑制できるか？が生成AIサービスを提供する側の差別化ポイントとなってくる。次頁以降ではユーザ企業側のニーズについて触れていく。
■「業務ツール連携でのSI支援が必要なくなる」といった過剰な期待を未然に防ぐことも重要
さらに本リリースの元となる調査レポートでは、以下のように「生成AIサービスを活用する際に必須と考える事柄（ニーズ項目）」は何か？についても様々な観点から集計/分析している。ここではそのうちの1つの分析例をサンプルとして紹介していく。
＜＜個別のシステムインテグレーション（SI）の支援＞＞
・既存の業務ツールと連携するSI支援 例） 既存のメールシステムと連携し、ボタン1つで文面を要約可能にする
・社内データで出力を補完するSI支援 例） 入力指示内に業界用語があったら、社内データの説明文を追加する
・Web検索で出力を補完するSI支援 例） 出力結果に社名があったら、実在する企業かをWeb検索で確認する
・自社専用AIモデル構築のSI支援 例） オープンソースなどを活用して自社独自のAIモデルを構築する
・RPAと併用/連携するSI支援 例） 全てを生成AIに頼らず、RPAによる自動化処理も組み合わせる
＜＜新たなAIモデルの提供＞＞
・日本語処理に優れたAIモデルの提供 例） ELYZA「ELYZA LLM for JP」、オルツ「LHTM-OPT」
・日本のIT企業によるAIモデルの提供 例） NTT「tsuzumi」、NEC「cotomi」、富士通「Fugaku-LLM」
・業種特化型AIモデル構築の提供 例） 業種固有の知見を学習したAIモデルを搭載した生成AIサービス
・社内運用可能なAIモデルの提供 例） データ入出力を全てユーザ企業の社内（オンプレミス）で完結させる
・エッジ環境向けAIモデルの提供 例） クラウドを介さず、業務現場の端末内やセンサ内で出力処理を行う
＜＜生成AIを上手く活用するための支援＞＞
・様々な生成AIサービスを比較した資料 例） 複数の生成AIサービスの内容や価格を一覧した資料を提示する
・生成AIを適用する場面を指南する支援 例） どの業務に生成AIを適用するのが最適かをコンサルティングする
・費用対効果をシミュレーションする支援 例） 利用人数（=費用）と削減可能な業務時間を元に効果を算出する
・生成AIを用いたシステム内製の支援 例） 生成AIでプログラムを生成することによるシステム内製を支援する
・最適な入力指示作成の習得支援 例） 入力指示（プロンプト）を上手く作成するためのノウハウを指南する
・入力指示の豊富なサンプル提供 例） 用途別に整理された様々な入力指示（プロンプト）のテンプレート
＜＜その他＞＞
・その他の必須と考える事柄： ・現時点では判断できない
以下の左側のグラフは上記の中から、「既存の業務ツールと連携するSI支援」（※1）と「社内データで出力を補完するSI支援」（※2）のニーズ項目の回答割合を前頁で触れた＜＜文書の作成/編集＞＞と＜＜AIエージェント＞＞の用途別に集計した結果だ。
※1と※2のいずれのニーズ項目もAIエージェントの方が高くなっていることが確認できる。そこで、＜＜AIエージェント＞＞のカテゴリに含まれる以下の2つの用途別にさらに詳細な集計を行った結果が以下の右側のグラフである。
・事前に定義された複数場面の連動 ※3
・AIが自ら判断する複数場面の連動 ※4
※3は「広義のAIエージェント」、※4は「狭義のAIエージェント」を指す。（両者の違いは以下を参照 (リンク ») )
右記のグラフを見ると、AIが自ら判断して動作する狭義のAIエージェントでは既存業務ツールとの連携を担うSI支援のニーズが低い。これはユーザ企業が「狭義のAIエージェントであれば、既存の業務ツールとの連携に必要なSI支援も不要になる」といった過剰な期待を抱いている可能性を示唆している。IT企業側としては過剰な期待による幻滅を防止するため、AIエージェントで実現可能な範囲をユーザ企業に適切に伝えることも重要だ。
（次頁では本リリースの元となる調査レポートの案内を掲載している）
本リリースの元となる調査レポート
『2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート』
DXソリューションを技術視点（9分野、計48項目）および業務視点（8分野、計38項目）に基づく、5つの導入パターン類型に整理し、個別分析サービス（オプション）による個々のユーザ企業に向けたDX提案の施策/提言までカバーした次世代型の調査レポート。
昨今注目を集める生成AIについても、サービスシェア、適用する業務場面、ユーザ企業の課題/ニーズといった最新動向を網羅。
【対象企業属性】（有効回答件数：800社、調査実施期間：2025年5月）
年商： 5億円未満（241社） / 5億円以上～50億円未満（222社） / 50億円以上～100億円未満（127社） /100億円以上～300億円未満（85社） / 300億円以上～500億円未満（65社） / 500億円以上（60社）
業種： 組立製造業（114社） / 加工製造業（106社） / 建設業（101社） / 卸売業（101社） / 小売業（74社） /運輸業（76社） / IT関連サービス業（103社） / 一般サービス業（125社）
従業員数： 20人未満 / 20人以上～50人未満 / 50人以上～100人未満 / 100人以上～300人未満 /300人以上～500人未満/ 500人以上～1,000人未満 / 1,000人以上～3,000人未満 /3,000人以上～5,000人未満 / 5,000人以上
地域： 北海道地方 / 東北地方 / 関東地方 / 北陸地方 / 中部地方 / 近畿地方 / 中国地方 /四国地方 / 九州・沖縄地方
IT管理/運用の人員規模（12区分）： IT管理/運用を担う人材は専任/兼任のいずれか？人数は1名/2～5名/6～9名/10名以上のどれに当てはまるか？
ビジネス拠点の状況（5区分）： オフィス、営業所、工場などの数は1ヶ所/2～5ヶ所/6ヶ所以上のいずれか？ITインフラ管理は個別/統一管理のどちらか？
職責（4区分）： 経営層またはIT活用の導入/選定/運用に関わる職責
【分析サマリ（調査結果の重要ポイントを述べたPDFドキュメント）の章構成】
第1章： DXの取り組み概況
企業全体としてのDX実施段階およびDX分野別（技術視点9分野/業務視点8分野）の取り組み状況を集計/分析
第2章： 実施済み/実施予定のDXソリューション
技術視点48項目、業務視点38項目のDXソリューションの実施状況（実施済み/実施予定）を集計/分析
第3章： DXの課題とIT企業に求める支援策
DXに取り組む際の課題（計23項目）およびIT企業に必ず実施して欲しいと考えるDX支援策（21項目）を集計/分析
第4章： DX導入パターン類型と追加個別分析サービス（オプション）
企業属性、DXの全体状況、DX分野別の取り組み状況に基づく5つのDX導入パターン類型について詳述し、さらにオプションとして利用可能な追加個別分析サービス（個々のユーザ企業の属性やDX活用状況を元にDX導入パターン類型を特定し、実現したいDX提案のために何をすべきかを分析/提言）の実施内容を解説
第5章： 生成AIの活用概況とサービスシェア
生成AIの活用状況（実業務に適用 or 試験利用など）および8カテゴリ、37項目に渡る生成AIサービスの利用中および利用予定の社数シェアを集計/分析
第6章： 生成AIサービスを適用する業務場面
4カテゴリ/20項目に渡る業務場面を提示し、生成AIサービスの適応有無を集計/分析
第7章： 生成AIサービスの課題とニーズ
生成AIサービスを活用する際の課題（計18項目）および活用する際に必須と考える事柄（ニーズ）（16項目）を集計/分析
第8章： 生成AIサービスに拠出する費用
生成AIサービスの利用に際して年間で拠出する合計費用（万円）を集計/分析
【発刊日】 2025年6月16日 【価格】 225,000円(税別)
本データの無断引用・転載を禁じます。引用・転載をご希望の場合は下記をご参照の上、担当窓口にお問い合わせください。 引用・転載のポリシー： (リンク »)
当調査データに関するお問い合わせ
株式会社 ノークリサーチ 担当：岩上 由高
〒160-0022 東京都新宿区新宿2-13-10 武蔵野ビル5階23号室
TEL 03-5361-7880 FAX 03-5361-7881
Mail: inform@norkresearch.co.jp
Web: www.norkresearch.co.jp
2025年 生成AIサービスが解決すべき課題と重要度の高いニーズ傾向
調査設計/分析/執筆： 岩上由高
ノークリサーチ（本社〒160-0022東京都新宿区新宿2-13-10武蔵野ビル5階23号室 代表：伊嶋謙ニ TEL：03-5361-7880URL：http//www.norkresearch.co.jp）はIT企業がユーザ企業に対して生成AIサービス導入を訴求する際に解決すべき課題および重要度の高いニーズに関する調査を実施し、その結果を発表した。本リリースは「2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート」のサンプル/ダイジェストである。
＜IT企業側からは見えづらい「ユーザ企業が生成AIに抱く課題/ニーズ」を知っておくべき＞
■生成AIサービス活用における重要課題はハルシネーションやプロンプト作成だけではない
■「複雑なPDF文書の活用が難しい」という課題は年商規模が大きくなるにつれて顕著になる
■AIエージェントでは「入力指示の難易度」と「サービス価格」を低減/抑制できる施策も大切
■「業務ツール連携でのSI支援が必要なくなる」といった過剰な期待を未然に防ぐことも重要
※グラフは右記URLにてご参照ください (リンク »)
■生成AIサービス活用における重要課題はハルシネーションやプロンプト作成だけではない
ユーザ企業が生成AIサービスを活用する際には「誤情報や架空の結果が出力される（ハルシネーション）」や「適切な入力指示（プロンプト）を与えることが難しい」といった課題が注目されやすい。だが、実際は他にも重要な課題があることに留意する必要がある。本リリースの元となる調査レポート 「2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート」では5カテゴリ/計18項目の選択肢を列挙して、生成AIサービス活用でユーザ企業が直面する課題を集計/分析している。（課題項目の一覧は次頁を参照）
以下のグラフはその中から全年商帯/全業種に渡る全体集計の上位5項目の課題をプロットした結果である。（調査レポートでは小規模企業、中小企業、中堅企業、大企業といった年商別や組立製造業、加工製造業、建設業、卸売業、小売業、運輸業、IT関連サービス業、一般サービス業といった業種別など様々な企業属性別の課題傾向なども集計/分析している）
上位5項目の課題はいずれも2割前後で互いに僅差となっており、ハルシネーション（※5）やプロンプト作成（※2）だけでなく、「PDF文書や構造化されたデータの活用」（※1や※4）および「サービスの利用価格が高すぎる」（※3）といった課題も上位に位置していることが確認できる。PDF文書や構造化されたデータ（表計算データなど）の処理は個人レベルの試用では予見が容易ではないため、企業としての業務利用の段階で顕在化しやすい課題と言える。また、サービスの利用価格も特定部門内での試験導入から全社展開へと進む際の障壁となりやすい。このようにIT企業がユーザ企業に対して生成AIサービス活用を訴求する際には生成AI自体の技術的な課題だけでなく、企業としての導入に際して顕在化する課題にも留意することが重要となってくる。次頁では年商別や適用場面別に見た課題傾向などを調査レポートから抜粋して紹介している。
■「複雑なPDF文書の活用が難しい」という課題は年商規模が大きくなるにつれて顕著になる
本リリースの元となる調査レポートでは、以下の項目を列挙して有効回答件数800社のユーザ企業に対して「生成AIサービスを活用する際の課題」を尋ねている。（「生成AI」の定義などは右記を参照 (リンク ») ）
＜＜生成AIサービスが出力する結果に関する課題＞＞
・誤情報や架空の結果が出力される 例） 実際に存在しない企業名などが出力される（ハルシネーション）
・構造化されたデータは活用が難しい 例） 表計算データの列項目表記などをAIモデルが考慮してくれない
・複雑なPDF文書は活用が難しい 例） PDFに含まれるグラフや図版などをAIモデルが考慮してくれない
・入力が同じでも出力が変わる 例） FAQで同じ質問を繰り返すと、回答内容が毎回異なってしまう
・著作権を侵害する恐れがある 例） 生成された画像が他社の著作権を侵害している可能性がある
・結果の精度が期待よりも低い 例） ナレッジベースで期待される回答の精度が期待を下回っている
・日本語への対応が不十分 例） 入力における日本語の理解や出力における日本語の品質が低い
＜＜生成AIサービスへの入力指示に関する課題＞＞
・適切な入力指示を与えることが難しい 例） 期待した結果を得るための入力指示の作法を覚えるのが大変
・自社データを学習に利用される 例） 入力指示に含めた自社の情報が学習され、他社に閲覧される
＜＜他システムとの連携に関する課題＞＞
・Web検索による出力補完が難しい 例） Web検索を併用して出力を補完する仕組みの構築が難しい
・社内データによる出力補完が難しい 例） 社内データを併用して出力を補完する仕組みの構築が難しい
・既存の業務ツールと連携できない 例） 生成AIで翻訳した文章をメール文面に貼り付けるのが面倒
＜＜生成AIサービスの導入/運用に関する課題＞＞
・自社に適したAIモデルを選べない 例） 生成AIサービスが基盤とするAIモデルが固定されていて選べない
・投資対効果を示すことが難しい 例） 利用費用を踏まえた場合の導入効果を数値で示すことが難しい
・従業員が積極的に利用しない 例） 最初は関心を集めたが、その後ほとんど使われなくなってしまう
・AIモデルの変更/刷新の影響 例） 生成AIサービスの基盤となるAIモデルが変わると、出力も変わる
＜＜生成AIサービスの価格に関する課題＞＞
・サービスの利用価格が高すぎる 例） 一人当たり月額数千円かかるので、全従業員への展開が難しい
・従量課金では費用算出が難しい 例） 入力された文字/単語の数で課金されるので、コスト試算が困難
＜＜その他＞＞
・その他の課題 ：
・ 現時点では判断できない
上記のうち、全体集計における上位5項目をプロットしたものが前頁のグラフである。さらに、以下のグラフは「誤情報や架空の結果が出力される」（※1）ならびに「複雑なPDF文書は活用が難しい」（※2）といった課題の回答割合を年商規模別に集計したものだ。いずれの課題項目も年商規模が大きくなるにつれて回答割合も高くなり、小規模企業では1割強、中小企業では2割弱、中堅企業では2割強、大企業では4割弱と年商規模による差異も大きい。生成AIサービスでは多種多様なデータを処理することによる経験値が品質にも大きく影響する。データ量の多い大企業での導入から得たノウハウを広い裾野に展開できる体制作りも重要となってくる。ここでは一部の課題のみを抜粋したが、他にも「自社データを学習に利用される」や「サービスの利用価格が高すぎる」といったユーザ企業の課題意識が年商や業種によってどのように変わってくるか？といった点も把握しておく必要がある。
本リリースとなる調査レポートではそうした様々な課題項目の傾向を集計/分析し、IT企業側が留意すべき事柄を分析/提言している。
次頁では適用場面別に見た課題傾向について述べている。
■AIエージェントでは「入力指示の難易度」と「サービス価格」を低減/抑制できる施策も大切
本リリースの元となる調査レポートでは、以下の項目を列挙して有効回答件数800社のユーザ企業に対して「生成AIサービスを適用する業務場面はどれか？」も尋ねている。（「生成AI」の定義などは右記を参照 (リンク ») ）
＜＜文書の作成/編集＞＞
・ メールなどの非定型文面の自動作成 例） 顧客のクレーム内容を踏まえて最適な返答文の下書きを自動作成する
・ 定型書類（届け出など）の自動作成 例） スマホに記録した計測データを元に現場作業の報告書を自動作成する
・ 文章/図版の混在資料の自動作成 例） 文章で与えた論旨と図版概要を反映したプレゼン資料を自動作成する
・ 文書内容の要約や複数文書の統合 例） 複数の従業員が出した日報を統合/要約して課の日報を自動作成する
・ 文書内容のチェックや校正 例） 契約書を自動でチェックし、自社に不利な条件がないかなどを確認する
・ 音声からの文字起こし 例） 会議の音声データを元に議事録のテキストを自動生成する
・ 文書内容の翻訳 例） 文書をある言語から他の言語に翻訳する
＜＜従業員の業務や学習の支援＞＞
・ 履歴データに基づく対応の判断 例） 過去の取引履歴を元に、個々の事案での値引き可否を自動で助言する
・ 問い合わせに対する自動応答 例） FAQページやヘルプデスクにおいて従業員や顧客への回答を自動化する
・ 従業員のセルフラーニング支援 例） 生成AIサービス利用を通じて従業員のスキル向上を図る（外国語学習など）
・ 熟練者が持つスキルの継承 例） 熟練者の作業手順をAIが学習することで暗黙知も含めた技能継承ができる
・ アイデアの創出や練り込み 例） 企画のアイデアについて生成AIサービスと対話することで更なる改善を図る
・ 自然言語による情報検索 例） 「引っ越し」などの平易な言葉で転居届などの社内申請文書を見つけられる
＜＜顧客に提示する画像や音声＞＞
・ 販促などに用いる文言の自動作成 例） 販促資料に掲載するキャッチコピーを生成AIサービスと対話しながら作成する
・ 資料などに含める画像の自動作成 例） 生成AIサービスに文章で概略を伝えて、カタログ内の画像を自動作成する
・ 広告などに用いる動画の自動作成 例） 生成AIサービスに文章で概略を伝えて、販促サイトの動画を自動作成する
・ 顧客対応などでの音声の自動作成 例） FAQやヘルプデスクの返答内容を元に、応答時の音声を自動作成する
＜＜AIエージェント＞＞
・ 事前に定義された複数場面の連動 例） 複数の業務を連動させた手順を事前に与えて、生成AIサービスに実行させる
・ AIが自ら判断する複数場面の連動 例） 生成AIサービスが複数の業務を連動させた手順を自ら定義して自動実行する
・ 自然言語による業務フロー定義 例） 業務手順を文章で伝えて、それを実行するワークフロー定義を自動生成する
上記に列挙した生成AIサービスの適用場面別に見た時に課題傾向がどう異なるか？も把握しておくべき重要なポイントとなる。
以下のグラフは前頁に列挙した課題項目の中から、「複雑なPDF文書は活用が難しい」（※1）、「適切な入力指示を与えることが難しい」（※2）、「サービスの利用価格が高すぎる」（※3）の3つについて、＜＜文書の作成/編集＞＞と＜＜AIエージェント＞＞の用途の違いによる傾向差を示した結果だ。（生成AIの適用場面については右記のリリースも参照 (リンク ») ）
AIエージェントは文書の作成/編集といった単体処理よりも複雑であるため、当然ながら※1～※3のいずれの課題項目の割合も高くなりやすい。特に入力指示の難易度（※2）とサービス価格（※3）は高くなりやすいため、これらをいかに低減/抑制できるか？が生成AIサービスを提供する側の差別化ポイントとなってくる。次頁以降ではユーザ企業側のニーズについて触れていく。
■「業務ツール連携でのSI支援が必要なくなる」といった過剰な期待を未然に防ぐことも重要
さらに本リリースの元となる調査レポートでは、以下のように「生成AIサービスを活用する際に必須と考える事柄（ニーズ項目）」は何か？についても様々な観点から集計/分析している。ここではそのうちの1つの分析例をサンプルとして紹介していく。
＜＜個別のシステムインテグレーション（SI）の支援＞＞
・既存の業務ツールと連携するSI支援 例） 既存のメールシステムと連携し、ボタン1つで文面を要約可能にする
・社内データで出力を補完するSI支援 例） 入力指示内に業界用語があったら、社内データの説明文を追加する
・Web検索で出力を補完するSI支援 例） 出力結果に社名があったら、実在する企業かをWeb検索で確認する
・自社専用AIモデル構築のSI支援 例） オープンソースなどを活用して自社独自のAIモデルを構築する
・RPAと併用/連携するSI支援 例） 全てを生成AIに頼らず、RPAによる自動化処理も組み合わせる
＜＜新たなAIモデルの提供＞＞
・日本語処理に優れたAIモデルの提供 例） ELYZA「ELYZA LLM for JP」、オルツ「LHTM-OPT」
・日本のIT企業によるAIモデルの提供 例） NTT「tsuzumi」、NEC「cotomi」、富士通「Fugaku-LLM」
・業種特化型AIモデル構築の提供 例） 業種固有の知見を学習したAIモデルを搭載した生成AIサービス
・社内運用可能なAIモデルの提供 例） データ入出力を全てユーザ企業の社内（オンプレミス）で完結させる
・エッジ環境向けAIモデルの提供 例） クラウドを介さず、業務現場の端末内やセンサ内で出力処理を行う
＜＜生成AIを上手く活用するための支援＞＞
・様々な生成AIサービスを比較した資料 例） 複数の生成AIサービスの内容や価格を一覧した資料を提示する
・生成AIを適用する場面を指南する支援 例） どの業務に生成AIを適用するのが最適かをコンサルティングする
・費用対効果をシミュレーションする支援 例） 利用人数（=費用）と削減可能な業務時間を元に効果を算出する
・生成AIを用いたシステム内製の支援 例） 生成AIでプログラムを生成することによるシステム内製を支援する
・最適な入力指示作成の習得支援 例） 入力指示（プロンプト）を上手く作成するためのノウハウを指南する
・入力指示の豊富なサンプル提供 例） 用途別に整理された様々な入力指示（プロンプト）のテンプレート
＜＜その他＞＞
・その他の必須と考える事柄： ・現時点では判断できない
以下の左側のグラフは上記の中から、「既存の業務ツールと連携するSI支援」（※1）と「社内データで出力を補完するSI支援」（※2）のニーズ項目の回答割合を前頁で触れた＜＜文書の作成/編集＞＞と＜＜AIエージェント＞＞の用途別に集計した結果だ。
※1と※2のいずれのニーズ項目もAIエージェントの方が高くなっていることが確認できる。そこで、＜＜AIエージェント＞＞のカテゴリに含まれる以下の2つの用途別にさらに詳細な集計を行った結果が以下の右側のグラフである。
・事前に定義された複数場面の連動 ※3
・AIが自ら判断する複数場面の連動 ※4
※3は「広義のAIエージェント」、※4は「狭義のAIエージェント」を指す。（両者の違いは以下を参照 (リンク ») )
右記のグラフを見ると、AIが自ら判断して動作する狭義のAIエージェントでは既存業務ツールとの連携を担うSI支援のニーズが低い。これはユーザ企業が「狭義のAIエージェントであれば、既存の業務ツールとの連携に必要なSI支援も不要になる」といった過剰な期待を抱いている可能性を示唆している。IT企業側としては過剰な期待による幻滅を防止するため、AIエージェントで実現可能な範囲をユーザ企業に適切に伝えることも重要だ。
（次頁では本リリースの元となる調査レポートの案内を掲載している）
本リリースの元となる調査レポート
『2025年版 DX＆AIソリューションの導入パターン類型化と訴求策の提言レポート』
DXソリューションを技術視点（9分野、計48項目）および業務視点（8分野、計38項目）に基づく、5つの導入パターン類型に整理し、個別分析サービス（オプション）による個々のユーザ企業に向けたDX提案の施策/提言までカバーした次世代型の調査レポート。
昨今注目を集める生成AIについても、サービスシェア、適用する業務場面、ユーザ企業の課題/ニーズといった最新動向を網羅。
【対象企業属性】（有効回答件数：800社、調査実施期間：2025年5月）
年商： 5億円未満（241社） / 5億円以上～50億円未満（222社） / 50億円以上～100億円未満（127社） /100億円以上～300億円未満（85社） / 300億円以上～500億円未満（65社） / 500億円以上（60社）
業種： 組立製造業（114社） / 加工製造業（106社） / 建設業（101社） / 卸売業（101社） / 小売業（74社） /運輸業（76社） / IT関連サービス業（103社） / 一般サービス業（125社）
従業員数： 20人未満 / 20人以上～50人未満 / 50人以上～100人未満 / 100人以上～300人未満 /300人以上～500人未満/ 500人以上～1,000人未満 / 1,000人以上～3,000人未満 /3,000人以上～5,000人未満 / 5,000人以上
地域： 北海道地方 / 東北地方 / 関東地方 / 北陸地方 / 中部地方 / 近畿地方 / 中国地方 /四国地方 / 九州・沖縄地方
IT管理/運用の人員規模（12区分）： IT管理/運用を担う人材は専任/兼任のいずれか？人数は1名/2～5名/6～9名/10名以上のどれに当てはまるか？
ビジネス拠点の状況（5区分）： オフィス、営業所、工場などの数は1ヶ所/2～5ヶ所/6ヶ所以上のいずれか？ITインフラ管理は個別/統一管理のどちらか？
職責（4区分）： 経営層またはIT活用の導入/選定/運用に関わる職責
【分析サマリ（調査結果の重要ポイントを述べたPDFドキュメント）の章構成】
第1章： DXの取り組み概況
企業全体としてのDX実施段階およびDX分野別（技術視点9分野/業務視点8分野）の取り組み状況を集計/分析
第2章： 実施済み/実施予定のDXソリューション
技術視点48項目、業務視点38項目のDXソリューションの実施状況（実施済み/実施予定）を集計/分析
第3章： DXの課題とIT企業に求める支援策
DXに取り組む際の課題（計23項目）およびIT企業に必ず実施して欲しいと考えるDX支援策（21項目）を集計/分析
第4章： DX導入パターン類型と追加個別分析サービス（オプション）
企業属性、DXの全体状況、DX分野別の取り組み状況に基づく5つのDX導入パターン類型について詳述し、さらにオプションとして利用可能な追加個別分析サービス（個々のユーザ企業の属性やDX活用状況を元にDX導入パターン類型を特定し、実現したいDX提案のために何をすべきかを分析/提言）の実施内容を解説
第5章： 生成AIの活用概況とサービスシェア
生成AIの活用状況（実業務に適用 or 試験利用など）および8カテゴリ、37項目に渡る生成AIサービスの利用中および利用予定の社数シェアを集計/分析
第6章： 生成AIサービスを適用する業務場面
4カテゴリ/20項目に渡る業務場面を提示し、生成AIサービスの適応有無を集計/分析
第7章： 生成AIサービスの課題とニーズ
生成AIサービスを活用する際の課題（計18項目）および活用する際に必須と考える事柄（ニーズ）（16項目）を集計/分析
第8章： 生成AIサービスに拠出する費用
生成AIサービスの利用に際して年間で拠出する合計費用（万円）を集計/分析
【発刊日】 2025年6月16日 【価格】 225,000円(税別)
本データの無断引用・転載を禁じます。引用・転載をご希望の場合は下記をご参照の上、担当窓口にお問い合わせください。 引用・転載のポリシー： (リンク »)
当調査データに関するお問い合わせ
株式会社 ノークリサーチ 担当：岩上 由高
〒160-0022 東京都新宿区新宿2-13-10 武蔵野ビル5階23号室
TEL 03-5361-7880 FAX 03-5361-7881
Mail: inform@norkresearch.co.jp
Web: www.norkresearch.co.jp
本プレスリリースは発表元企業よりご投稿いただいた情報を掲載しております。
お問い合わせにつきましては発表元企業までお願いいたします。
お問い合わせにつきましては発表元企業までお願いいたします。
