AI博覧会2026レポート：業務自動化・経営支援・人材育成の3潮流

出展を俯瞰すると、全体の空気はかなりはっきりしていた。 多かったのは「創造的AI」よりも、形式的な事務作業をAIエージェントで自動化し、業務の速度と再現性を上げるという方向性だ。提供形態はほぼSaaS（クラウド経由で提供する業務ソフト）で、現場の手間と管理職の不安の両方を狙っているように見えた。

出展内容は大きく3パターンに分類できる。

• (1) 業務効率化／自動化
• (2) 戦略支援（経営・意思決定の補助）
• (3) 社内AI人材育成（定着・運用の仕組み化）

(1) 業務効率化／自動化

具体例として目立ったのは、いわゆる「社内AIアシスタント」系だ。 ナレッジ共有、FAQ対応、議事録生成、社内ファイル検索などを入口にして、担当者がAIを壁打ち相手にし、意思決定を速める構図になっている。

もう一段進んだ提案もあった。過去の議事録や、社内の意思決定ログから、次の3つを学習させるというものだ。

• 組織の判断基準
• 部署ごとの前提
• 人物ごとの癖（合意形成の速度、懸念点の傾向）

狙いは、コミュニケーションの摩擦を減らし、会議の回数や手戻りを減らすことにある。提案の重心は、「情報検索の効率化」から「組織運用の最適化」へ移っていた。

最近は、音声とチャットを組み合わせ、対話で業務が進むマルチモーダルAIエージェント（複数形式の入出力を扱う代理人）型のSaaSも目立った。発注や稟議をAIで前に進める出展もあり、作業と手続きの範囲を削ろうとする印象が強い。

(2) 戦略支援（経営・意思決定の補助）

業務効率化ツールが社内に入ると、次に出てくる問いは「結局いくら得したの？」だ。 そのため、AIツールの利用状況を計測し、導入効果（費用対効果）を可視化する出展もあった。

さらに、経営者層を強く意識した出展として、

• 自社資料・社内データを根拠にした経営判断の促進
• コンサルの代替としてのシミュレーション、反証、論点整理
• 客観的推論を売りにした意思決定支援 といったアプリケーションが目立つ。ここは、経営者の関心を引く言葉で語られていた。

ただし、精度が最新のLLM（大規模言語モデル）を超える、といった主張は、評価条件が見えない限り宣伝文句になりやすい。

(3) 社内AI人材育成

AIが社内に入っても、結局それを使うのは人間だ。 そこで、AIを使いこなせる人材を育て、生産性を上げるサービスが第三の柱として出ていた。

形態は、次の2つだ。

• SaaS型：学びやすい教材・演習・テンプレ・社内ナレッジ化を提供し、主体的に学ばせる
• コンサル／研修型：ワークショップや社内セミナーで、均一なスキルを短期間で浸透させる

ここは「AI導入の最後の壁は運用である」という現場の現実が、そのまま商品化されている領域に見えた。

昨年末、Claude Code の skills（再現できる作業手順のテンプレ）が話題になった。 注目された理由は「属人化からの脱却」で、今回の出展の流れと同じだ。

ここで言う属人化（特定の業務が、特定の人にしか遂行できない状態）には、濃淡がある。 手順が人によって多少ブレる程度の弱い属人性もあれば、判断基準そのものが個人の経験に依存している強い属人性もある。

企業活動のほぼすべては「入力→出力」のプロセスだが、人間が担う以上、同じ入力でも出力は一致しない。 統計・ルール化・業務手順書などで差を小さくする努力は昔からあったが、結局のところ、成果の差（≒属人的な差分）は消えにくい。特にマネジメントや意思決定のような上流ほど、差は大きくなる。

属人化を解消しようとする試みは、昔からある。それでも、完全には達成されていない。 単純作業だけを標準化しても、最終的なボトルネックは判断、合意形成、意思決定に残る。競争環境では、そのボトルネックが人間側に残りうる。

とはいえ、現状のAIは、出力の正当性を保証できる範囲がまだ狭い。 正当性の保証には、評価可能なデータ、検証可能な基準、運用ログが必要になるが、その整備が追いついていない領域が多い。

だから今は、正当性を比較的担保しやすい部分からAIが入っている。形式的な業務、既知の社内情報の検索、定型判断の支援などがそれにあたる。 それでも、人間の使い方で成果差は出る。その差を縮めるために、次の2つが必要になる。

• skills のような、作業手順のテンプレ化
• AI人材育成の仕組み化

しかし、モデル性能が上がり、PDCAが高速化し、事例データ（運用ログ）が増えるほど、正当性を保証できる領域は拡大していく。 この傾向が続くなら、AIは単なる道具ではなく、産業プロセスや経営プロセスそのものに深く入り込む。

その先にある未来像として、「人が仕事をしない時代が来る」という予測は、一定の論理性がある。 少なくとも、形式的業務に人間を残す理由は急速に薄れる。

一方で、「AIが人間を支配する」という話は、別の問題だ。 合理性と効率をどこまでも追うなら、能力の低い存在を支配して使役すること自体が非効率になりうる。 人間がアリを社会運営の担い手にしないのと同じで、能力差が大きいほど使う意味は薄れる。

最後に、展示として特に面白かったのは、AI学習データの制作・提供を行う企業群だ。 ここまでの整理を前提にすると、データ制作は裏方ではない。 正当性を保証できる範囲は狭く、運用ログと事例データがそれを広げる条件だからだ。 「AIを現場に実装できるか」は、このデータ作りに左右される。

AI導入はモデル選定だけでは終わらない。 組織固有の判断を学習・評価できる形に整えるデータ作りができるかどうかで、現実の成果が決まる。 この領域が前に出てきたのは、AI活用が「PoCの面白さ」から「運用の勝負」に移った証拠だと感じた。

AIエージェントと外部サービスをつなぐ側の技術論点は、マイナンバーカードとAI連携におけるMCPの解説でも整理している。