生成AIによる労働時間への影響を、「国別」、「産業別」、「機能／職種別」、「職業別」に調査・分析しています。

AI配車プロジェクトと次世代物流への挑戦

AIが変えるインフラ保全、水力発電DXの進化

接客AI「JINS AI」で顧客の“分からない”を解決

生成AIの価値を最大化する企業アーキテクチャへの挑戦

全国56の空港に「JAL-AI」導入で、AIと共に新しい働き方に挑戦

• 0-1-1 本レポートの目的
• 0-1-2　本レポートの想定読者と情報ニーズ
• 0-1-3　本レポートの構成

• 1-1-1　AIの歴史を学び、未来に備える
• 1-1-2　ChatGPT登場までのAIの進化と「失敗」の要因
• 1-1-3　言語系AIの進化とユースケース
• 1-1-4　画像系AIの進化とユースケース
• 1-1-5　動画系AIの進化とユースケース
• 1-1-6　音声系AIの進化とユースケース
• 1-1-7　言語・画像・動画・音声系AIのユースケース一覧

• 1-2-1 8大潮流の相乗効果でAIの社会実装が加速
• 1-2-2 潮流1「AIモデルのマルチモーダル化」で応用範囲が拡大
• 1-2-3 潮流2「AIモデルの小型化」でエッジAIや特化型AIの開発が進む
• 1-2-4 潮流3「AIモデルの高速化」で対話AIや医療AIが進化
• 1-2-5 潮流4「AIモデルの低価格化」で事業モデルが激変
• 1-2-6 潮流5「AIモデルのオープンソース化」、導入への7ステップ
• 1-2-7 潮流6「AIモデルのAgent化」で人間の介入を最小化
• 1-2-8 潮流7「AIモデルの万能化」のリスクと対応
• 1-2-9 潮流8「責任あるAI」を実現するためのモデル強化
• 1-2-10 8大潮流の提供価値と2030年までの3フェーズ進化予測
• 1-2-11 8大潮流が企業戦略に与えるインパクトと日本企業にとっての“勝ち筋”

• 1-3-1 次世代AIのマイルストーン、AGI／ASIへの道筋
• 1-3-2 AGI／ASIとは何か
• 1-3-3 AGI／ASIの実現時期
• 1-3-4 AGI／ASIが社会とビジネスにもたらすもの
• 1-3-5 AGI到来で「責任あるAI」の重要性が向上、製造・食品・移動・医療の想定ケース
• 1-3-6 次世代AI登場に我々はどう備えるべきか

• 2-1-1 企業のAI導入へ、5つの重要な要素と4つの技術トレンドを知る

• 2-2-1 5つの要素の概要
• 2-2-2 要素1：AIの急速な進化へ備える
• 2-2-3 要素2：複数AIを組み合わせる
• 2-2-4 要素3：「責任あるAI」に備える
• 2-2-5 要素4：データを蓄積し、活用する
• 2-2-6 要素5：外部サービスを積極的に活用する／有用なAIサービス20選

• 2-3-1 自律型AIの台頭を踏まえた未来のトレンドを知る
• 2-3-2 トレンド1：バイナリー・ビッグバン―自律型AIが推し進める爆発的なデジタル化
• 2-3-3 トレンド2：未来の顔―AIが変える顧客と企業との関係性
• 2-3-4 トレンド3：LLMが身体を持つとき―知性を宿すロボット
• 2-3-5 トレンド4：新たな学習サイクル―生成AIが変革する未来の働き方

• 2-4-1 AIの潜在能力を引き出す5つの技術的提言
• 2-4-2 提言1：変化を乗りこなす俊敏な神経系として、プラグ＆プレイ型AIプラットフォームを構築せよ
• 2-4-3 提言2：AIの性能と信頼性を決定づける競争力の源泉として、データ・ライフサイクルとガバナンスを強化せよ
• 2-4-4 提言3：「作る」から「賢く使う」へ。外部AIサービスを積極活用し、イノベーションを加速させよ
• 2-4-5 提言4：信頼を競争優位性の核と捉え、「責任あるAI」を技術で実装するガバナンス基盤を構築せよ
• 2-4-6 提言5：AIを「育てる」仕組みとして、MLOps/LLMOpsを導入し、進化し続ける組織へと変革せよ

• 3-1-1 分析結果サマリー

• 3-2-1 生成AIによって影響を受けやすいタスクとは
• 3-2-2 生成AIによる労働時間への影響（国別）
• 3-2-3 生成AIによる労働時間への影響（産業別）
• 3-2-4 生成AIによる労働時間への影響（機能／職種別）
• 3-2-5 生成AIによる労働時間への影響（職業別）
• 3-2-6 生成AIが変化させるプロセス生産性とナレッジ生産性
• 3-2-7 「技術革新は雇用を奪うものである」という見方への反論

• 3-3-1　バブルチャートの見方
• 3-3-2　（1）金融サービス（証券・保険・銀行）
• 3-3-3　（2）ソフトウェア＆プラットフォーム
• 3-3-4　（3）通信・メディア
• 3-3-5　（4）公共サービス
• 3-3-6　（5）小売
• 3-3-7　（6）ハイテク産業
• 3-3-8　（7）旅行
• 3-3-9　（8）ライフサイエンス
• 3-3-10　（9）自動車
• 3-3-11　（10）産業機器
• 3-3-12　（11）ヘルスケア
• 3-3-13　（12）エネルギー・ユーティリティ
• 3-3-14　（13）天然資源・化学
• 3-3-15　（14）消費財

• 3-4-1 主要業界別のAI戦略的重点投資・上位5分野
• 3-4-2 生成AIの重点投資分野は「共通」から「業界固有」に移行

• 4-1-1　調査の目的
• 4-1-2　回答者の属性（業種・従業員規模・役職）

• 4-2-1　対話型AIサービスの利用状況：ChatGPTが市場を席巻
• 4-2-2　独自基盤モデル・APIの利用状況：オープンモデルは使われず
• 4-2-3　統合開発プラットフォームの利用状況：Microsoft Azure AIがリード
• 4-2-4　特定用途特化型ツールの利用状況：Microsoft Copilotが市場を支配
• 4-2-5　主要利用ツールに対する満足度評価：性能は高評価も、コストとサポートに課題
• 4-2-6　生成AIモデル／サービス／統合ツールに対する課題認識：「品質と信頼性」「セキュリティとガバナンス」「コストと費用対効果」

• 4-3-1 AIの主要活用領域：「バックオフィス」と「IT部門」に集中、大企業は「研究開発」「顧客接点」にも活用
• 4-3-2 AI導入の組織的成熟度：実践フェーズへ移行する過渡期、金融は3割が「全社で不可欠」
• 4-3-3 AI導入による成果の実態：「業務効率化」に集中し、「事業成長」への貢献は限定的
• 4-3-4 AI関連の投資実態と将来予測：現在の支出状況は二極化も、3年後の投資意欲は極めて旺盛

• 4-4-1 変革の必要性への認識：「危機感」と「行動」の間に横たわる深刻なギャップ
• 4-4-2 次世代AIに備えた「業務のTransformation」の実施率：ビジネスモデル再構築を目指す企業は少数派
• 4-4-3 次世代AIに備えた「技術のTransformation」実施率：レガシーシステム刷新やAI運用基盤導入に遅れ
• 4-4-4 「組織・人材のTransformation」実施率：「特に実施せず」が圧倒的多数
• 4-4-5 成長を阻む3つの壁：最大の障壁は「人材不足」「組織文化」「ROIの不透明さ」

• 4-5-1 変革インパクトへの期待：「ゲームチェンジャー」としての認識が市場のコンセンサス
• 4-5-2 AIに対するスタンス：「脅威」を上回る「圧倒的な機会」との認識
• 4-5-3 創出される事業機会：「生産性向上」から「事業成長」へのロードマップ
• 4-5-4 生成AIの具体的な脅威：「サイバー攻撃」と「スキル不足で生産性低下」が二大懸念
• 4-5-5 専門家の未来予測に対する市場の反応：「可能性は認識」するも「行動には至らない」様子見状態

• 4-6-1 AIプロジェクト成功の定義：「組織への定着」と「ROI」が絶対条件
• 4-6-2 企業が求めるAI事例：技術論より「業務改革」と「組織変革」への関心
• 4-6-3 次世代AI活用で重視する三要素：「データ連携」「進化への備え」「責任あるAI」

• 4-7-1 データ活用の二大障壁：「セキュリティ」と「品質」
• 4-7-2 外部サービス活用の二大障壁：「コスト」と「権利」
• 4-7-3 AI導入パートナーに対する3つの不信感：「ドメイン知識の欠如」「提案力不足」「成果への無責任」
• 4-7-4 AI導入支援パートナー企業への改善要望
• 4-7-5 技術進化への追随：「対策なし」が最多という深刻な実態、大企業も7割はR&D機能持たず
• 4-7-6 複数AI技術の連携・組み合わせ：「構想するに至らず」が大半
• 4-7-7 責任あるAIの実現：「具体的にまだ始めていない」が最多という深刻な実態

• 4-8-1 AI先進企業の定義
• 4-8-2 「責任あるAI」に対する取り組み、AI先進企業は後進企業の7倍が選択
• 4-8-3 次世代AIに備えた変革プログラム、AI先進企業の多くは既に開始している
• 4-8-4 業務のTransformation、AI先進企業の回答割合が高いのは「新プロダクト企画実証」と「ビジネス構築」
• 4-8-5 技術のTransformation、「社内R&D部門を強化」の割合はAI先進企業が3倍

• 4-9-1 衰退の道を選ぶか、変革の道を選ぶか

• 5-1-1 アクセンチュアが関わった5事例と、日経クロステック掲載の45事例
• 5-2　出光興産　AI配車プロジェクトと次世代物流への挑戦
• 5-2-1 概要・背景：なぜ今、AIによる配車改革が必要なのか
• 5-2-2 データ整備：熟練のノウハウをAIに、暗黙知を徹底して言語化・データ化
• 5-2-3 企画・開発：「需要予測」「計画立案」「配車最適化」三位一体モデル
• 5-2-4 導入・成果：業務負荷25％削減と安定供給─現場にもたらされた変化
• 5-2-5 人とAI ：人間とAIが共創する新たな働き方
• 5-2-6 展望：インフラDXの先駆けに

• 5-3-1 概要：ダム関連業務をAIで省力化・高度化
• 5-3-2 背景：インフラ産業に迫る構造変化、水力発電所の現状と課題
• 5-3-3 データ整備：教師データ設計、数年分の監視映像にラベル付け
• 5-3-4 企画・開発：漂流物自動検知システムの中核である画像解析AIに多様な工夫
• 5-3-5 組織： K4 DigitalとDshiftがグループのDXを推進
• 5-3-6 成果・展望：保全業務を転換、経営戦略とも連動

• 5-4-1 概要・背景：「JINS AI」でピッタリなメガネをスムーズに購入する体験を提供
• 5-4-2 企画：顧客がJINS AIを利用する一連の体験をデザイン
• 5-4-3 開発： Agentic Workflowの採用
• 5-4-4 人とAI ：エンドユーザー向け生成AIサービスならではの工夫ポイント
• 5-4-5 導入： 3ヶ月で店舗展開を開始
• 5-4-6 展望：導入店舗の拡大と国外店舗への展開

• 5-5-1 概要・背景：プロジェクトのデジタルツインと生成AIを連携
• 5-5-2 データ整備：中核事業のデジタルツイン化
• 5-5-3 企画・開発・導入：デジタルツイン×生成AIによるコンテキストエンジニアリング
• 5-5-4 組織：実験室から現場業務との融合へ
• 5-5-5 展望：経営デジタルツインへの進化

• 5-6-1 概要：危険物判定やアナウンス生成など3領域でAI活用
• 5-6-2 背景：安心・安全を守り続けるための挑戦―パンデミックが示した課題
• 5-6-3 企画：プロジェクト初期における業務調査 ―優先課題の特定と“協力体制”の形成―
• 5-6-4 開発・データ整備：「間違いは許されない」、徹底した精度向上
• 5-6-5 人とAI：現場参加型での改善サイクルと、AIとの協働の形の具体化
• 5-6-6 導入・成果：全国56空港への導入、始まる新しい働き方
• 5-6-6 展望：安心・安全な社会インフラを支える、空港現場の挑戦は続く

• 5-7-1　米アマゾン・ドット・コム
• 5-7-2　オタフクソース
• 5-7-3キリンホールディングス
• 5-7-4　コクヨ
• 5-7-5　サッポロホールディングス
• 5-7-6　セブン‐イレブン・ジャパン
• 5-7 -7　日清製粉ウェルナ
• 5-7-8　MonotaRO
• 5-7-9　森永乳業

• 5-8-1　ぐるなび
• 5-8-2　電通
• 5-8-3　ぴあ

• 5-9-1　SG ホールディングス
• 5-9-2　コスモスイニシア
• 5-9-3　JR 西日本
• 5-9-4　JR 東日本
• 5-9-5　商船三井
• 5-9-6　NOT A HOTEL
• 5-9-7　三井物産
• 5-9-8　リンクアンドモチベーション

• 5-10-1　JFE スチール
• 5-10-2　ダイハツ工業
• 5-10-3　米テスラ
• 5-10-4　日産自動車
• 5-10-5　日本精工
• 5-10-6　パナソニックホールディングス
• 5-10-7　日立製作所
• 5-10-8　独ボッシュ
• 5-10-9　ミスミグループ

• 5-11-1　旭化成
• 5-11-2　富士フイルムホールディングス

• 5-12-1　インフロニア・ホールディングス
• 5-12-2　長谷工コーポレーション

• 5-13-1　NTT 西日本
• 5-13-2　NTT 東日本

• 5-14-1　あいおいニッセイ同和損害保険
• 5-14-2　クレディセゾン
• 5-14-3　ソニー銀行
• 5-14-4　太陽生命保険
• 5-14-5　東京海上日動あんしん生命保険
• 5-14 -6　みずほ銀行

• 5-15-1　飯田市立病院
• 5-15-2　武田薬品工業

• 5-16-1　JERA

• 5-17-1　国土交通省
• 5-17 -2　静岡県

• 6-1-1　第6章の概要
• 6-1-2　6-1の概要
• 6-1-3　シナリオ1：AIと共存できる人間、淘汰される人間の二極化／AI時代に価値を生み出す人材像とは
• 6-1-4　シナリオ2：AIを使役する人間、使役される人間の二極化／「全従業員のAIマスター化」を目指せ
• 6-1-5　シナリオ3：AIと共進化する人間、しない人間の二極化／すべての従業員にAIと共進化できる環境を
• 6-1-6　AIの進化がもたらす未来の企業

• 6-2-1　6-2の概要
• 6-2-2　TER戦略：再創造企業としての産業・社会変革への挑戦
• 6-2-3　日本企業におけるTER戦略への取り組みと課題
• 6-2-4　生成AI時代における「再創造」の在り方

• 6-3-1　6-3の概要
• 6-3-2　経営者向けAIエージェント：瞬時の意思決定と戦略的洞察／「AI社長」実現へのロードマップ
• 6-3-3　社員向けAIエージェント：業務効率化と個の能力最大化／「AIバディ」実現へのロードマップ
• 6-3-4　ステークホルダー・エージェント：共感に基づく価値創造と社会貢献／都市デジタルツイン実現へのロードマップ
• 6-3-5　AIと共に進化する「生命体としての企業」へ

• 6-4-1　6-4の概要
• 6-4-2　ビジネスのトランスフォーメーション／BPRに代わるゼロベースのアプローチ
• 6-4-3　AI・データのトランスフォーメーション／「AIネイティブ企業」への変革
• 6-4-4　組織・人材のトランスフォーメーション／AGI・ASI時代の人事戦略
• 6-5　企業の明るい未来への提言
• 6-5-1 TER戦略を成功に導く3つの核心要素

• 図表1-1-2-1 AIの進化の歴史
• 図表1-1-3-1 ChatGPT登場後のAIの進化
• 図表1-1-7-1 言語・画像・動画・音声系AIの業種別ユースケース
• 図表1-2-2-1 マルチモーダル理解を評価するベンチマーク「MMMU」のスコア
• 図表1-2-6-1 オープンソースLLM導入の7ステップ
• 図表1-2-8-1 先端AIモデルが50％の信頼性で完了できるタスクの長さ（人間の専門家が要する時間で測定）は、過去6年間で約7カ月ごとに倍増している
• 図表1-2-9-1 LLM性能ベンチマーク「AIR-Bench」トップ10（2025年8月時点）
• 図表1-2-9-2 GPT-5ファミリーのハルシネーション率評価（LongFact, FActScore）
• 図表1-2-10-1 8大潮流がもたらす価値と進化の方向性
• 図表1-2-11-1 8大潮流のAI導入戦略／開発戦略へのインパクト
• 図表1-2-11-2 AIエージェント導入の3ステップ

• 図表2-2-2-1 2024年4月～ 2025年10月に発表された主要なAIモデル
• 図表2-2-2-2 主要なAIサービスプロバイダーにおけるAIモデルの寿命
• 図表2-2-3-1 AI技術の種類とそれぞれの特徴
• 図表2-3-2-1 生成AIの登場でプログラマーの雇用情勢が激変
• 図表2-3-2-2 AIエージェントは企業のDXを新たなステージに押し上げる
• 図表2-3-3-1 独自路線（クローズド）とコラボ路線（オープン）の両方を巧みに使い分ける「二刀流」の発想が求められる
• 図表2-3-4-1 ロボットの競争力の源泉はハードウェア、ソフトウェア、そしてAIへシフト
• 図表2-3-5-1 AIの不信感が駆動する負の学習ループ
• 図表2-3-5-2 AIに対する信頼が駆動する正の学習ループ

• 図表3-2-2-1 生成AIによる労働時間への影響（国別）
• 図表3-2-3-1 生成AIによる労働時間への影響（産業別）
• 図表3-2-4-1 生成AIによる国内労働時間への影響（機能別）
• 図表3-2-5-1 生成AIによる労働時間への影響（主要な機能職種）
• 図表3-2-7-1 生成AIによる国内労働力シェアへの影響（主要職業グループ）
• 図表3-3-2-1 生成AIによる労働時間への影響（％）：国内証券業界主要職
• 図表3-3-2-2 生成AIによる労働時間への影響（％）：国内保険業界主要職
• 図表3-3-2-3 生成AIによる労働時間への影響（％）：国内銀行業界主要職
• 図表3-3-3-1 生成AIによる労働時間への影響（％）：国内ソフトウェア＆プラットフォーム業界主要職
• 図表3-3-4-1 生成AIによる労働時間への影響（％）：国内通信・メディア業
• 図表3-3-4-2 生成AIによる労働時間への影響（％）：国内通信・メディア業界主要職
• 図表3-3-5-1 生成AIによる労働時間への影響（％）：国内公共サービス
• 図表3-3-5-2 生成AIによる労働時間への影響（％）：国内公共サービス主要職
• 図表3-3-6-1 生成AIによる労働時間への影響（％）：国内小売業界
• 図表3-3-6-2 生成AIによる労働時間への影響（％）：国内小売業界主要職
• 図表3-3-7-1 生成AIによる労働時間への影響（％）：国内ハイテク業界主要職
• 図表3-3-8-1 生成AIによる労働時間への影響（％）：国内旅行業界
• 図表3-3-8-2 生成AIによる労働時間への影響（％）：旅行業界主要職
• 図表3-3-9-1 生成AIによる労働時間への影響（％）：国内ライフサイエンス業界主要職
• 図表3-3-10-1 生成AIによる労働時間への影響（％）：国内自動車業界
• 図表3-3-10-2 生成AIによる労働時間への影響（％）：国内自動車業界
• 図表3-3-11-1 生成AIによる労働時間への影響（％）：国内産業機器業界
• 図表3-3-11-2 生成AIによる労働時間への影響（％）：国内産業機器業界主要職
• 図表3-3-12-1 生成AIによる労働時間への影響（％）：国内ヘルスケア業界
• 図表3-3-12-2 生成AIによる労働時間への影響（％）：国内ヘルスケア業界主要職
• 図表3-3-13-1 生成AIによる労働時間への影響（％）：国内エネルギー業界主要職
• 図表3-3-13-2 生成AIによる労働時間への影響（％）：国内ユーティリティ業界
• 図表3-3-13-3 生成AIによる労働時間への影響（％）：国内ユーティリティ業界主要職
• 図表3-3-14-1 生成AIによる労働時間への影響（％）：国内自然資源業界
• 図表3-3-14-2 生成AIによる労働時間への影響（％）：国内自然資源業界主要職
• 図表3-3-14-3 生成AIによる労働時間への影響（％）：国内化学業界主要職
• 図表3-3-15-1 生成AIによる労働時間への影響（％）：国内消費財業界
• 図表3-3-15-2 生成AIによる労働時間への影響（％）：国内消費財業界主要職
• 図表3-4-1-1 主要業界別（生成）AIの戦略的重点投資分野（上位５位）
• 図表3-4-2-1 企業の生成AI投資分野（自社サーベイ回答、％）
• 図表3-4-2-2 企業の生成AI投資分野（経営幹部を対象としたサーベイ回答、％）

• 図表4-1-2-1 回答企業の業種
• 図表4-1-2-2 回答企業の従業員数
• 図表4-1-2-3 回答者の役職
• 図表4-2-1-1 対話型AIサービスの利用状況
• 図表4-2-2-1 独自基盤モデル・APIの利用状況
• 図表4-2-3-1 統合開発プラットフォームの利用状況
• 図表4-2-4-1 特定用途特化型ツールの利用状況
• 図表4-2-5-1 利用者の多いAIツールに対する満足度評価
• 図表4-2-6-1 生成AIモデル／サービス／統合ツールに対する困りごと・悩みごと、改善してほしい点（自由回答）
• 図表4-3-1-1 生成AIを主に導入・活用している機能・領域
• 図表4-3-1-2 生成AIを主に導入・活用している機能・領域（従業員数別）
• 図表4-3-2-1 「生成AIを含むAI導入について、どの程度の範囲で活用が進んでいますか」に対する回答結果
• 図表4-3-2-2 生成AIを主に導入・活用している機能・領域（複数選択可）に対する回答結果（AI導入レベル別）
• 図表4-3-3-1 AI導入による成果の実態
• 図表4-3-4-1 一般従業員1人当たりのAIサービスへの月額費用
• 図表4-3-4-2 3年後を見据えたAI投資額の増加見通し

• 図表4-4-1-1 次世代AIに対応するための「変革（Transformation）」の必要性への認識
• 図表4-4-1-2 次世代AIに対応するための「変革（Transformation）」の必要性への認識（従業員数別）
• 図表4-4-2-1 次世代AIを想定した「業務のTransformation」の実施状況
• 図表4-4-2-2 次世代AIを想定した「業務のTransformation」の実施状況（従業員数別）
• 図表4-4-3-1 次世代AIを想定した「技術のTransformation」の実施状況
• 図表4-4-3-2 次世代AIを想定した「技術のTransformation」の実施状況（従業員数別）
• 図表4-4-4-1 次世代AIを想定した「組織・人材のTransformation」の実施状況
• 図表4-4-4-2 次世代AIを想定した「組織・人材のTransformation」の実施状況（従業員数別）
• 図表4-4-5-1 AIで大きな成長を目指す上で、企業が最も大きいと感じる障壁
• 図表4-5-1-1 「生成AIが自社や業界にどの程度の変革をもたらすか」への回答
• 図表4-5-2-1 「生成AIを『脅威』と『機会』のどちらとして認識しているか」への回答
• 図表4-5-3-1 生成AIの進化によって創出される具体的な事業機会
• 図表4-5-3-2 生成AIの進化によって創出される具体的な事業機会（従業員数別）
• 図表4-5-4-1 生成AIの進化によって生じる具体的な脅威
• 図表4-5-5-1 孫正義氏が提示した「10年以内にAGIが到来し、社会を根本的に変える」という未来予測をどうみるか
• 図表4-5-5-2 ジェフリー・ヒントン氏が提唱する「AIが人類を支配する」という実存的脅威の可能性
• 図表4-6-1-1 AI導入プロジェクトの成否を判断する上で、企業が何を重視しているか
• 図表4-6-2-1 企業が生成AIの事例を参照する上で、どのような情報に関心が高いか
• 図表4-6-3-1 次世代AIを導入・活用する上で、企業がどの要素を特に重視しているか
• 図表4-7-1-1 社内情報（顧客データ、業務データなど）とAIを連携させる上での課題
• 図表4-7-2-1 外部の生成AIサービスを活用する上での障壁
• 図表4-7-3-1 AI導入を支援するパートナー企業を選定する際に、企業がパートナーに求めていること
• 図表4-7-4-1 AI導入を支援するパートナー企業に対する困りごと・悩みごと、改善してほしい点（自由回答）
• 図表4-7-5-1 急速に進化するAIの新技術やモデルを取り込むための取り組み
• 図表4-7-5-2 急速に進化するAIの新技術やモデルを取り込むための取り組み（従業員数別）
• 図表4-7-6-1 複数のAI技術を連携させるための取り組み
• 図表4-7-7-1 「責任あるAI」（倫理・バイアス・説明可能性など）に関する取り組み
• 図表4-7-7-2 「責任あるAI」（倫理・バイアス・説明可能性など）に関する取り組み（従業員数別）
• 図表4-8-2-1 「責任あるAI」（倫理・バイアス・説明可能性など）に関する取り組みとして「AI運用前の事前監査や、運用後のバイアス検知を導入している」を選んだ割合
• 図表4-8-3-1 次世代AIに対応するために「大きな変革（Transformation）」が必要と感じているか、という質問への回答割合
• 図表4-8-4-1 次世代AIを想定した「業務のTransformation」としてどのような施策を実施しているか、という質問への回答割合
• 図表4-8-4-2 生成AIを主に導入・活用している機能・領域として「顧客接点・カスタマーサービス」を選んだ割合
• 図表4-8-5-1 AIが急速に進化するなかで、新技術を取り入れるため「社内R&D部門を強化し、独自に最先端技術を追う」を選んだ割合
• 図表4-8-5-2 次世代AIを想定した「技術のTransformation」として「AIモデル運用基盤（MLOpsなど）の導入」を選んだ割合
• 図表4-8-5-3 複数のAI技術を連携させる取り組みとして「一部の業務で複数AIを連携」を選んだ割合
• 図表4-9-1-1 次世代AIに関して感じている課題や期待（自由回答）

• 図表5-1-1-1 日経クロステックから抜粋した45事例の概要
• 図表5-2-3-1 aIDEM（AI）の概観
• 図表5-2-3-2 AI導入による業務の変化点
• 図表5-2-4-1 AI適用による期待効果
• 図表5-3-1-1 漂流物自動検知システムのシステム構成
• 図表5-3-4-1 スノージャムの検知イメージ。青は流氷雪、ピンク色はダム取水口のスクリーン、緑の丸は照明の映り込みを指す
• 図表5-4-1-1 JINSにおけるAI活用方針と提供価値
• 図表5-4-2-1 検証から見えてきた成果
• 図表5-4-3-1 エージェンティックワークフロー設計
• 図表5-4-4-1 顧客向け生成AI開発におけるハードルと工夫
• 図表5-4-5-1 約3カ月でプロトタイプ開発、顧客検証を繰り返して機能拡張
• 図表5-4-6-1 JINS BRAINのサービスイメージ
• 図表5-5-1-1 プロジェクトのデジタルツインデータで生成AIの創出価値を最大化
• 図表5-5-4-1 現場の知見・経験が豊富なメンバーがDX推進組織に初期段階から参画
• 図表5-5-5-1 経営デジタルツイン化の概要
• 図表5-6-1-1 空港JAL-AI「イレギュラーアナウンス」の画面
• 図表5-6-1-2 空港JAL-AI「危険物判定」の画面
• 図表5-6-3-1 空港JAL-AI導入検討に際し、ヒアリングを通じて業務の課題を再整理

• 図表6-2-2-1 持続的に価値を生み出す企業（1）
• 図表6-2-2-2 持続的に価値を生み出す企業（2）
• 図表6-2-2-3 TER戦略を実現した企業の共通項
• 図表6-2-2-4 TERの要諦：CEOによる共感を生む野心的なビジョン
• 図表6-2-2-5 TERの要諦：組織・企業を超えた共創型の働き方
• 図表6-2-2-6 TERの要諦：業界・社会変革を駆動するデジタルコア
• 図表6-2-3-1 TERへの意識は日本は他国と大きな差異はない
• 図表6-2-3-2 国別のTERへの取り組みスタンス／取り組みに対するアンビション
• 図表6-2-3-3 企業戦略におけるReinventionの意味合いの違い
• 図表6-2-3-4 新興テクノロジー利活用に対する様子見・慎重姿勢
• 図表6-2-3-5 持続性のカギとなる「人材・文化」醸成への認識の低さ
• 図表6-2-3-6 アジリティを確保するエコシステムパートナー
• 図表6-2-3-7 AIを駆使した全社変革を4つの戦略的ステップで実現する
• 図表6-3-1-1 AIエージェントで実現するデジタルツイン・エンタープライズ
• 図表6-3-3-1 明治安田生命保険が導入した、顧客との過去のやり取りや関心事を要約して高度な提案を支援するAIアシスタント「デジタル秘書」の概要