［ビジネスマン向け］AIの利用実態を読み解く：3つの主要研究から見える利用パターン

2025-11-28

はじめに

　2025年、AIの利用実態を調べる3つの大規模研究が相次いで発表されました。OpenAIの使用レポート、Anthropicの経済指数、そしてリサーチャーMarc Zao-Sandersのソーシャルリスニング調査です。本稿では、これら3つの研究から浮かび上がるAI利用の現実と、ビジネスリーダーが意思決定する際に押さえるべきポイントについて解説します。

参考記事

メイン記事:

タイトル: Making Sense of Research on How People Use AI
著者: Marc Zao-Sanders
発行元: Harvard Business Review
発行日: 2025年11月18日
URL: https://hbr.org/2025/11/making-sense-of-research-on-how-people-use-ai

要点

AIの利用は急速に成長しており、ChatGPTは約800万の週間アクティブユーザーを達成している
AIの用途は「べき分布」に従う傾向があり、限定的なタスクに利用が集中している
ライティング、教育、オートメーションが主要なユースケースとして浮上している
各研究の方法論（テレメトリ、サーベイ、ソーシャルリスニング）はそれぞれ異なる視点を提供する
ビジネスリーダーは複数の研究を批判的に統合して判断することが重要である

詳細解説

AI研究の急速な多角化

　企業がAI導入に数十億ドルを投じている一方で、期待していたリターンが得られていないという報告が相次いでいます。OpenAI、Anthropic、そしてMarc Zao-Sandersのそれぞれが、AIの利用実態に関する調査結果を公開しました。これらの研究が重要な理由は、テクノロジー側の変化だけでなく、人間の行動側がどう変わっているのかを理解するためです。組織のAI導入は本質的に人間の行動変化に関わるものであり、従業員が実際にどのようにAIを使用しているのかを知ることが、導入成功の鍵となります。

研究方法の違いと活用の視点

　AIの利用実態を調べる方法は大きく3つに分類されます。

　テレメトリ（利用ログ分析）は、LLMプラットフォーム内でのみアクセス可能な膨大なデータを活用します。OpenAIの報告では「研究チームはユーザーメッセージの内容を一切見ない」という方針を厳守し、プライバシーを守りながら利用パターンを分析しています。この方法の強みは実際の行動をキャプチャできることですが、単一プラットフォームに限定され、文脈情報に乏しいという制限があります。

　サーベイ（調査）は、OpenAIとAnthropicが報告している従業員利用率（従業員の40%が業務でAIを使用）などのデータを集めます。設定が容易で詳細な情報を得られる一方、自己選択バイアスと実際の行動との乖離という課題があります。

　ソーシャルリスニングはMarc Zao-Sandersが採用する方法で、公開されたオンラインフォーラムやソーシャルメディアでのユーザー発言を分析します。この手法は、匿名性が高いため、セラピーやメンタルヘルス支援といった非公式な利用例も明らかにできる利点があります。同時に、データ量が限定的で情報源に偏りがある点が課題です。

　これら3つの方法を組み合わせることで、単一の研究では見落とすような、AIの多面的な利用実態が浮かび上がります。

3つの研究が示す一致点

　異なる方法論でありながら、複数の研究が同様の結論に達している点に注目すべきです。

　利用の急速な成長では、ChatGPTは約800万の週間アクティブユーザーを達成し、週当たり約20億のメッセージが送信されています。一方、Anthropicの調査では、従業員のAI利用率が2年前の20%から40%に倍増したと報告されています。

　タスク分布のべき分布化も共通の現象です。OpenAIによれば、全メッセージの78%が上位3つのカテゴリー（実用的ガイダンス、ライティング、情報検索）に集中しています。Anthropicでも87%の利用が、全タスクカテゴリーの20%に集中しており、これはビジネスリーダーが限定的なユースケースに投資を集中させるべきという示唆を与えています。

　ライティングの支配的な地位も明確です。OpenAIの調査では、ビジネス利用時のメッセージの約40%がライティング関連であり、Anthropicの2月報告でも技術ライティングとソフトウェア開発が主流でした。テキストが生成AIの主出力形式であることを考えると、組織のAI導入ROIを早期に実現するには、プレゼンテーション、報告書、社内コミュニケーションといった身近なライティング用途に特化することが効果的と考えられます。

　学習・教育の急速な拡大も注目点です。Anthropicの調査では、教育用途が9.3%から12.4%に増加し、OpenAIではチャットGPTメッセージの約10%が教育・家庭教師関連と報告されています。Marc Zao-Sandersの分析でも、100以上のユースケースの中で20%が学習・教育領域を占めており、この分野でのAI活用への人間的なニーズの高さが示唆されます。

　オートメーションへの移行も大きなトレンドです。Anthropicでは、指示的な会話（自動化目的）が8か月で27%から39%に急増し、エンタープライズAPI利用では77%がオートメーション主導型となっています。OpenAIでも、ビジネス利用時のタスクの56%以上が「実行（doing）」型であり、単なる情報検索や表現から、具体的な業務実行へとAI活用の中心が移行していることを示しています。

研究間の興味深い相違点

　研究間の不一致も、さらなる考察を促します。

　コーディング利用率に関しては、Anthropicが36%と報告している一方で、OpenAIは4.2%、Marc Zao-Sandersの分析は8%と大きな差があります。Anthropicが過去にコーディングアシスタント評価で知名度を得たことや、カテゴリー定義の差異がこの相違を部分的に説明できますが、各企業による検証が今後も必要な領域と言えるでしょう。

　もう一つの注目すべき相違は、セラピーやメンタルヘルス関連の利用率です。OpenAIは「人間関係と個人的反省」が1.9%と報告しているのに対し、Marc Zao-Sandersの分析では「セラピーと精神的な支援」がトップユースケースとされています。ただし、Zao-Sandersのデータセットでもこのカテゴリーは全体の約4%に過ぎず、複数ユースケースの中での相対的地位が異なるため、実質的には大きな矛盾ではないと考えられます。むしろ、ソーシャルリスニングという方法論がセラピー関連の利用を顕在化させるのに有効であること、そして利用者が感情的に投資する領域ほど公開フォーラムで議論される傾向が示唆されます。

ビジネスリーダーへの実践的示唆

　複数の研究を批判的に統合することで、いくつかの実践的な判断基準が浮かび上がります。

　利用が限定的なユースケースに集中するというべき分布の法則は、「すべての業務にAIを導入する」というアプローチが非効率であることを示唆しています。むしろ、ROIが高いと見込まれる少数のタスクにまず投資し、成功事例を拡大していく戦略が賢明と言えるでしょう。

　また、各研究が提供する視点の違いにも価値があります。OpenAIのテレメトリは大規模なトレンドを示し、Anthropicのサーベイは企業内での利用パターンを提示し、Marc Zao-Sandersのソーシャルリスニングは利用者が「最も重要と感じる」ユースケースを浮き彫りにします。組織特性に応じて、参考にすべき研究も変わる可能性があります。

　研究間の相違点、特にコーディング利用率の差異は、「まだ十分に調査されていない領域が存在する」可能性を示唆しており、これが逆に組織の競争優位性につながる可能性もあります。業界標準が明確になっていない今だからこそ、実験的なアプローチが有効と考えられるのです。

企業研究の解釈における注意点

　AI関連研究を読む際には、いくつかの留意事項があります。OpenAIやAnthropicが発表する研究は、プラットフォームの価値を実証し、採用を促進する動機付けを持つ可能性があります。これは研究の質を低下させるものではありませんが、読み手としては「この企業がなぜこの研究を発表したのか」という背景を常に念頭に置く必要があります。

　同様に、利用レポート全般は成長、勢い、ポジティブな成果を強調する傾向を持ちます。成功事例を前面に出す一方で、失敗や限界は相対的に過小評価される可能性があります。このような認識の上で、複数の研究の結果を三角測量的に検証することが重要です。