GMOインターネットグループの生成 AI 全社活用｜四半期ごとの定点調査で AI エージェント業務活用率 71.4%、1 人あたり月約 53.9 時間の削減（同社調査）【AI活用事例】

要約

GMOインターネットグループは、グループ全体で生成 AI の活用を進め、その状況を四半期に一度の定点調査で測っています。2026 年 3 月に実施した調査（国内パートナー対象、有効回答 5,353 人）の結果を、2026 年 4 月 9 日に公表しました。

この事例から学べるのは、ある 1 つの AI ツールの使い方ではなく、全社での AI 活用を、制度・育成・定点観測で回す進め方と、その結果の数字をどう読むかです。公式発表から読み取れるポイントは次の 3 つです。

• 活用は「広さ」から「深さ」へ: 生成 AI 業務活用率は 97.8%。業務活用者のうち AI エージェントの業務活用率は 71.4%（前回調査 43%）
• 時間の削減を測り続けている: 1 人あたりの月間の業務削減・捻出時間は約 53.9 時間、グループ全体で月約 35.2 万時間と同社が発表
• 広げる仕組みがある: 有料 AI サービスの利用支援（GMO AI ブースト支援金）と、AI エージェントを実務で試す人材育成（一騎当千プロジェクト）

本記事は 公式発表資料（2026-04-09）を一次ソースに、事実の整理と Links-Create の分析・研修用の演習を分けて解説します。演習の例は研修用の提案であり、GMOインターネットグループが実施した事実ではありません。

何が発表されたか（公式情報ベース）

数字はすべて同社が実施したアンケート調査の結果であり、同社自身による発表値です。この点を前提に読んでください。

調査の概要

項目	内容
調査テーマ	「生成 AI 活用」実態調査（四半期に一度の定点調査）
調査期間	2026 年 3 月 9 日〜3 月 13 日
調査対象	GMOインターネットグループの国内パートナー（正社員、契約社員、アルバイト、派遣社員、業務委託）
回答者数	有効回答 5,353 人
公表日	2026 年 4 月 9 日

主な結果（公式発表の数値）

指標	結果	分母
生成 AI 業務活用率	97.8%（前回調査比 ＋1.6 ポイント）	シフト勤務を除く国内パートナー
「ほぼ毎日」活用	83.7%（同 ＋8.3pt）	生成 AI を業務活用しているパートナー
複数 AI サービス利用率	91.5%（同 ＋9.4 ポイント）	同上
有料サービス契約率	82.0%（同 ＋6.3pt）	同上
AI エージェントの業務活用率	71.4%（前回調査 43%）	同上
1 人あたりの月間の業務削減・捻出時間	約 53.9 時間（同 ＋約 7.0 時間）	—
グループ全体の月間の業務削減時間	約 35.2 万時間（同 ＋約 6.3 万時間）	—

AI エージェントについては、「活用イメージがあり、業務活用したい」を含めると 89.6% に及ぶとされています。また、約 35.2 万時間は「約 2,203 人分の労働力を AI 活用により得られている計算」と説明されています。

利用するサービスの変化

公式発表は、ChatGPT の利用が減少傾向にある一方、グループ全体で活用を推進している Claude の利用率が約 2 倍に上昇したとしています。その理由について、同社は Claude Code や Claude Cowork などのサービスが続々と登場したことで活用が伸びていると「考えられます」と述べており、調査で原因を確かめた結果ではありません。Gemini と Genspark の活用率も上昇し、利用用途によって使うサービスが異なるとされています。

活用を広げた仕組み（公式発表で挙げられているもの）

• GMO AI ブースト支援金: 2025 年 6 月に開始。この活用により、複数の AI サービスを使い分ける利用が浸透していると説明されている
• 一騎当千プロジェクト: ハイパーオートメーション化された企業グループを実現するための AI 人材を育成する取り組み。AI エージェントを実務で試す環境の整備を進め、活用率の急伸につながっていると説明されている
• 定点調査: 2023 年から続け、現在は四半期に一度実施。同じ調査を繰り返すことで、活用率や削減時間の推移を追っている

グループ内の AI 推進プロジェクト「AI しあおうぜ！」のリーダーは、公式発表内で次のように述べています。

「ハイパーオートメーションの実現には、「自動化を前提とした組織づくり」と AI と協働出来る「ニンゲン」の育成が不可欠です。」 — 出典: GMOインターネットグループ 公式発表資料（2026-04-09、グループ内 AI 推進プロジェクトリーダーのコメント）

人に残す仕事についての回答

同じ調査では、「AI を利用する中で、人間がやった方が良いと感じること」も尋ねています。公式発表によれば、ハルシネーション対策のため最後の確認は人間がすべきという回答（特に数値・日付・法律情報）と、対人業務は人間がすべきという回答が引き続き多く見られました。コーディングを AI に依頼する機会が増えるなか、「任せすぎ」による事故の実体験があることから、人間のレビューは必須という意見もあったとされています。

公式発表で開示されていない情報（推論で書かない）

• 53.9 時間・35.2 万時間の算定方法（回答者の申告か、業務記録からの集計か）と、品質・手戻りの扱い
• 約 2,203 人分の計算に使った 1 人あたりの月間労働時間
• 「AI エージェント」の定義と、どの業務・どの製品で使われたかの内訳
• Claude の利用率の元の値（「約 2 倍」の基準）
• 支援金の金額・対象・利用件数、一騎当千プロジェクトの参加人数
• 業務成果（売上・品質・顧客満足など）への影響

これらは公式情報がないため、本記事でも記載しません。

数字と進め方の読み解き（Links-Create による解説）

ここからは、公開情報から読み取れるポイントを Links-Create の視点で解説します。以下は独自分析であり、GMOインターネットグループの公式見解ではありません。

1. 分母が違う数字を、同じ物差しで読まない

公式発表の数字は、分母が 2 種類あります。

分母	該当する数字	読み方
シフト勤務を除く国内パートナー	生成 AI 業務活用率 97.8%	活用の「広さ」
生成 AI を業務活用しているパートナー	AI エージェント 71.4%、ほぼ毎日 83.7%、複数サービス 91.5%、有料契約 82.0%	活用している人の中での「深さ」

たとえば 71.4% は、「生成 AI を業務で使っている人のうち、AI エージェントも業務で使っている人の割合」です。「全社員の 7 割が AI エージェントを使っている」とは読めません（97.8% と掛け合わせた概算も、分母の対象範囲が完全には一致しないため本記事では行いません）。

2. 「削減・捻出時間」は、効果の上限に近い数字として扱う

53.9 時間は、生成 AI 活用全体による 1 人あたりの月間の削減・捻出時間です。算定方法が示されていないため、Links-Create は次の点に注意して読むことを勧めます。

• AI の出力を確認・修正する時間が差し引かれているかは分からない
• 「捻出」した時間が、どの業務に振り向けられたかは分からない
• AI エージェントや特定のサービスの効果を切り分けた数字ではない

社内で同じ指標を使う場合は、「削減時間」と並べて「確認・修正にかかった時間」も測ると、実態に近づきます。

3. 全社展開は「制度・育成・定点観測」の 3 点で回っている

公式発表で挙げられた仕組みを並べると、次の 3 点セットとして読めます（Links-Create の整理）。

役割	公式発表の取り組み	何を解決するか（解釈）
制度	GMO AI ブースト支援金	有料サービスの費用の壁を下げ、複数サービスを試せるようにする
育成	一騎当千プロジェクト	AI エージェントを実務で試す場と人を用意する
観測	四半期ごとの定点調査	同じ質問で推移を追い、次の手を決める材料にする

ツールを配るだけでは活用が広がらないことは、多くの企業で見られます。費用・場・測定の 3 つをそろえて回していることが、この事例の再現しやすい部分です。

4. 活用率が高くても「最後の確認は人」が共有されている

97.8% という高い活用率の組織でも、最後の確認は人間がすべきという回答が多く、AI に任せすぎて本番データが消えた経験もコメントとして紹介されています。活用を広げることと、人の確認を残すことは両立させるものだと読めます。全社展開の研修では、使い方と同じ比重で「AI に任せない部分」を扱う必要があります。

5. 既存の事例との違い

事例	焦点	本事例との違い
NRI の業界特化 LLM	金融業界向け LLM の開発と社内利用	モデル開発が中心。本事例は既存の AI サービスを全社に広げる運用
ネットワンシステムズの社内 AI エージェント	社内 AI エージェントを独自開発し、権限とコストを設計	1 つの社内ツールの設計。本事例は複数の外部サービスの使い分けと、活用状況の定点観測

自社に置き換える演習（Links-Create の研修用の提案）

以下の演習と表の例は、Links-Create が研修用に提案するものです。GMOインターネットグループが実施した手順や事実ではありません。 表の「例」は考え方を示す架空の例なので、自社に合わせて書き換えてください。

演習 1: 定点調査の質問と分母を決める

測りたいこと	質問の例（研修用の例）	分母
広さ	過去 1 か月に業務で生成 AI を使ったか	対象部署の全員
深さ	どの業務で、どのくらいの頻度で使ったか	使った人
効果	1 か月で何時間減ったか、確認・修正に何時間かかったか	使った人
不安・事故	AI に任せて困ったことはあったか	使った人

質問文と分母を固定し、四半期ごとに同じ形で聞くのがポイントです。質問を変えると推移が比べられなくなります。

演習 2: 「費用・場・測定」の 3 点を自社の規模で決める

項目	小さく始める例（研修用の例）
費用	有料サービスを 1 つ選び、試用期間の費用を会社で負担する
場	月に 1 回、AI で業務を変えた例を共有する時間をとる
測定	演習 1 の質問を、四半期ごとに同じ形で実施する

演習 3: 「AI に任せない部分」を一覧にする

調査結果にある「人間がやった方が良いこと」を手がかりに、自社の業務で人に残す部分を書き出します。

• 最後の確認: 数値・日付・法律情報など、誤りの影響が大きいもの
• 対人業務: クレーム対応、交渉、感情面のサポート
• 取り消せない操作: データの削除・移行、本番環境の変更

法人 AI 研修への示唆（Links-Create の視点）

1. 全社展開は「測り方」の設計から始める — 何を、誰を分母に、どの頻度で測るかを最初に決めておくと、施策の効果を後から説明できる
2. 数字は分母と定義を添えて共有する — 社内報告でも「誰の中の何%か」を必ず併記する習慣をつける
3. 使い方と同じ比重で「任せない部分」を教える — 高い活用率と、人の最終確認は両立させる

関連リソース

• 生成 AI（Claude Code）を実務で使う実装演習 — 生成 AI で何ができるかを体験する無料コース
• 生成 AI の社内導入の進め方 — ルール整備から効果測定までの 90 日ロードマップ
• AI で仕事はどう変わる？ — なくなる仕事・残る仕事と、今からできる備え
• AI エージェント入門ガイド — AI エージェントの仕組みと、チャットボットとの違い
• NRI の業界特化 LLM（AI活用事例） — 業界特化モデルを開発・活用する事例
• ネットワンシステムズの社内 AI エージェント（AI活用事例） — 社内 AI の権限とコストを設計する事例

出典・引用ポリシー

本記事の事実情報は、次の公式発表のみを一次ソースとしています。

• GMOインターネットグループ 公式発表資料『AI エージェント業務活用率が約 7 割に急伸、月間 35.2 万時間の業務削減を実現 ～Claude 利用率が 1 四半期で約 2 倍に～』（2026-04-09）

読み解き・演習・研修への示唆は Links-Create の独自分析・研修用の提案であり、GMOインターネットグループの公式見解ではなく、同社が実施した事実でもありません。

数値は公式発表の限定（同社の定点調査の結果・同社発表値・分母は数字ごとに異なる）を維持して記載しています。53.9 時間は生成 AI 活用全体の値として扱い、AI エージェント単独や Claude 単独の成果としては記述していません。AI エージェント活用率の前回比は資料内で記載が食い違うため、差分の値は採用していません。社内提案で引用する際は、前提条件を必ず併記してください。

公式情報の更新があれば、本記事も追従して更新します。