顧客がAIを使った働き方へ変わるのを支援する

著者: Brian Tr · 更新日: 2026年10月7日

AI製品が定着するのは、それを購入した人たちが働き方を変えたときだけです。契約を結ぶのは簡単な部分です。サポートチームが相変わらず従来のやり方でチケットに対応していたり、アナリストが「念のため」とレポートを手作業で作り直していたりすれば、製品は導入されていても使われていません。使われないソフトウェアは、更新時に解約されます。

本ページでは、この問題を、変革と導入に関する広く知られた5つのモデルで説明します。ProsciのADKAR、Kotterの8段階、Rogersのイノベーション普及理論、Davisの技術受容モデル、Mooreのキャズムです。どれもAIについて書かれたものではありません。ただし、人が新しい働き方に抵抗し、先延ばしにし、あるいは受け入れる理由を説明しており、それはまさにAIベンダーが直面していることです。導入が進んでいるかどうかを示す指標はAI製品の導入指標を、進んでいない場合に何が起きるかはAI製品が解約される理由をご覧ください。

本当のボトルネックが変革である理由

誰も見ていなかったタスクを自動化するソフトウェアは、めったにありません。ほとんどのAI製品は、人が責任を持ち、評価され、強い習慣を持っている仕事に関わります。ツールをオンにしても、習慣はオンになりません。

ギャップがモデルではなく組織にあることを示す証拠は、一貫しています。2025年のMIT NANDAレポート「The GenAI Divide」は、Fortuneが紹介しているとおり、エンタープライズAIが苦戦する主な理由はモデルの品質ではなく、不十分な統合と「学習のギャップ」であると結論づけました。Fortuneによると、この調査はリーダー150人へのインタビュー、従業員350人へのサーベイ、公開されたAI導入事例300件の分析に基づいており、外部から購入したツールの成功率は、社内開発の約2倍(およそ67%対33%)でした。パイロットの95%が測定可能な損益への影響をほとんど示さなかったという見出しは、広く引用されています。ただしサンプルは小さく、基準も厳しいため、正確な割合ではなく方向性として扱ってください。これらの知見は、レポート自体ではなく報道を通じて確認したものです。

従業員は、企業よりも速く導入を進めています。Microsoftの2024年Work Trend Indexは、2024年2月から3月に31市場のナレッジワーカー3万1,000人を調査し、75%がすでに職場で生成AIを使っていることを明らかにしました。そのユーザーのうち78%は、会社が提供するツールではなく、自分のAIツールを持ち込んでいました。個人の導入が組織の導入を先行しているのです。これは、企業に販売するベンダーが解決すべき問題とは別のものです。

これらを合わせると、同じことが分かります。人は自分でAIを試します。チームに、あなたの製品を中心に共有のプロセスを変えてもらうことは、別の、より難しい仕事です。

5つのモデルとベンダーへの5つの教訓

各モデルは、少しずつ異なる問いに答えます。合わせると、使えるチェックリストになります。

ADKAR: 一度に一人ずつ変える

ProsciのADKARモデルは、変革を定着させるために一人ひとりが到達すべき5つの成果を示します。Awareness(認知: 変革が必要な理由の理解)、Desire(意欲: 参加して支持する選択)、Knowledge(知識: どう変わるか、成功に何が必要かを知ること)、Ability(実行力: 新しいスキルと行動を実践すること)、Reinforcement(定着: 新しいやり方を持続させ、元に戻るのを防ぐこと)です。

ADKARの便利な点は、要素に順序があり、それぞれが単独で失敗しうることです。AIアシスタントの使い方は知っていても、使う理由が見えない(意欲が低い)ユーザーは、使いません。使いたいと思っていても、自分の実際のタスクにどう合うかを示されたことがない(知識や実行力が低い)ユーザーは、2回試してやめます。

ベンダーにとってADKARは、停滞したアカウントの診断ツールです。障壁がどこにあるかを問います。認知のギャップには明確なビジネスケースが必要で、それはAIのROIビジネスケースの作り方で扱う作業です。意欲のギャップは、ツールに仕事を奪われると恐れているか、手順が増えるだけだと感じているかのどちらかであることが多くあります。知識と実行力のギャップは、トレーニングと業務内でのガイダンスで埋めます。定着は、ほとんどのAI導入が静かに失敗する段階です。ローンチ後に誰も利用状況を確認せず、古い習慣が戻ってくるのです。

Kotter: ユーザーだけでなく組織を変える

ADKARは個人のレベルで機能します。Kotterの8段階は組織のレベルで機能します。危機意識を高める、推進チームを作る、戦略的なビジョンを描く、ボランティアの軍団を集める、障害を取り除いて行動を可能にする、短期的な成果を生み出す、勢いを維持する、変革を定着させる、という流れです。Kotterはこの順序を著書Leading Changeで示し、モデルはその後改訂されています。

このうち3つの段階は、ベンダーの行動にそのまま対応します。

推進連合。 購入した本人だけが推進するAI導入は脆弱です。連合とは、事業オーナー、ITまたはセキュリティの担当者、そして変わることになるチームの中で尊敬されているユーザーです。購入を承認した購買委員会が自然な出発点ですが、契約後に解散してしまうことがよくあります。もう一度招集してください。

短期的な成果。 AIの価値が損益に表れるまでには、数か月かかることもあります。それほど長く待つと、疑念を招きます。ベンダーは、顧客が1つのワークフロー、1つのチーム、数週間で示せる1つの測定可能な成果を選ぶのを支援し、それを社内に周知できます。

障害の除去。 障害は、たいてい実務的なものです。AIが必要とするデータを遮る権限設定、誰もスケジュールしていないコンプライアンスレビュー、今も従来のレポート形式を求める管理職などです。これらを顧客の問題として扱うベンダーは、利用が横ばいのままなのを眺めることになります。取り除く手助けをするベンダーは、導入が動くのを目にする傾向があります。

Rogers: 導入は告知ではなく人を通じて広がる

Everett RogersのDiffusion of Innovationsは1962年に初版が出版され、過去の数百の研究を統合しました。採用者をイノベーター、アーリーアダプター、アーリーマジョリティ、レイトマジョリティ、ラガードに分類し、イノベーションの広がる速さを左右する5つの属性を挙げています。相対的優位性、適合性、複雑性、試行可能性、観察可能性です。

AI製品のチェックリストとして読むと、これらの属性は実務的です。

• 相対的優位性: このタスクについて、現在のやり方より明らかに優れているか。
• 適合性: 既存のツール、価値観、習慣になじむか、それとも新しい働き方を要求するか。
• 複雑性: 理解して使うのがどれほど難しいか。
• 試行可能性: 約束なしに、実際の仕事で試せるか。
• 観察可能性: 同僚が、他の誰かが成果を出すのを見られるか。

ベンダーが活用しきれていないのが、観察可能性です。人は、うまくいっているのを見たものをまねします。削減した時間を示す共有ダッシュボード、良いプロンプトを投稿するチームチャンネル、1つのプロセスのビフォーアフターを見える形にすることは、もう1回のトレーニングウェビナーより効果があります。

Davis: 使いやすさより先に有用性

Fred Davisの技術受容モデルは、MIS Quarterlyの1989年の論文(第13巻第3号、319から340ページ)で提唱されました。人がテクノロジーを採用するかどうかは、2つの信念で決まるとしています。知覚された有用性、つまり仕事のパフォーマンスを高めると信じる度合いと、知覚された使いやすさ、つまり労力がかからないと信じる度合いです。(Davis, 1989)

AIでは2つの点が重要です。第一に、有用性は機能の一覧ではなく、本人の仕事についての信念です。評価されるタスクにそのツールがどう役立つのかが見えないユーザーは、インターフェースがどれほどすっきりしていても採用しません。第二に、AIは、元のモデルが中心に置いていない3つ目の懸念を持ち込みます。出力を信頼できるかどうかです。その後の研究はTAMをさまざまな方向に拡張しましたが、ベンダーにとっての要点は単純です。ユーザーが回答を信頼できなければ、すべてを確認する必要が生じるため、知覚された有用性は下がります。だから信頼と評価は、セキュリティだけの問題ではなく、導入の問題なのです。

Moore: 熱心な層と主流の間のキャズム

Geoffrey MooreのCrossing the Chasmは1991年に初版が出版され、アーリーアダプター(可能性に基づいて購入するビジョナリー)と、実用重視のアーリーマジョリティ(実証された成果と事例に基づいて購入する層)の間には溝があると論じました。この本は、1つのセグメントに集中し、その特有の課題に対する完全なソリューションを作り、そのセグメントを次の拠点として使うことを勧めています。

AIベンダーは、1社の顧客の中で、この溝の一種にぶつかります。熱心なメンバーのパイロットチームは、喜んで導入します。より広い部門は実用主義的で忙しく、自分たちのようなケースで機能するという証拠、保証してくれる同僚の名前、失敗したときのサポートを求めます。それぞれのチームを、小さなキャズムとして扱ってください。パイロットグループの熱意が広がると決めつけてはいけません。パイロットから契約への問題から得た教訓は、販売後にも当てはまります。

モデルを合わせて見えるもの: ベンダーのプレイブック

5つのモデルから重なる部分を抜き出すと、短い実践のリストが残ります。

1. チャンピオンを早期に見つけ、支援する。 Rogersのオピニオンリーダーと、Kotterの推進連合は、言葉が違うだけで同じ人たちです。チャンピオンには、資料、あなたのチームへのアクセス、同僚に見せられるものが必要です。
2. タスクだけでなく、ワークフローを再設計する。 変わらないプロセスにAIのステップを足すだけでは、作業が増えることがよくあります。どのステップがなくなり、どれが移り、新しい版を誰が所有するかを、顧客と合意してください。Rogersの適合性もDavisの使いやすさも、これに左右されます。
3. 業務の中でトレーニングする。 ADKARの知識と実行力は、スライドではなく、実際のタスクでの実践から生まれます。一般的な紹介ツアーより、役割ごとの短い事例のほうが有効です。一般的なSaaSの場合は、オンボーディングとTime to Valueをご覧ください。
4. 意識的に信頼を築く。 出力がどこから来たのか、どこで間違いやすいのか、人がどう修正できるのかを示してください。最初の誤答が出た後ではなく、その前に早く示します。
5. ログイン数ではなく、行動を測る。 定着とは、新しいやり方が実際のプロセスで本当に使われているかを確認することです。ログイン回数は弱い証拠です。対象ワークフローのうち、製品を通じて完了した割合のほうが優れた指標です。
6. ローンチ後も寄り添う。 定着は、最も飛ばされやすい段階です。能動的なチェックインは、ベンダーが更新の話し合いの前に、元に戻りつつある状況を見つける方法です。AI製品に特化した進め方は、AI製品のカスタマーサクセスをご覧ください。

重要なポイント

• ギャップの所在: 2025年のMIT NANDA調査は、Fortuneの報道によれば、エンタープライズAIの停滞を主に、モデルの品質ではなく、統合と学習のギャップのせいだとしています。広く引用される95%という数字は、150件のインタビュー、従業員350人のサーベイ、公開された導入事例300件に基づいているため、方向性を示すものとして扱ってください。
• 個人が先に動く: 2024年Work Trend Index(ナレッジワーカー3万1,000人、31市場)では、75%が職場で生成AIを使い、そのユーザーの78%が自分のツールを持ち込んでいました。
• ADKAR: Prosciの5つの要素は、Awareness、Desire、Knowledge、Ability、Reinforcementです。
• Kotter: 8つの段階は、危機意識の醸成から変革の定着までです。
• TAM: Davis(1989)は、知覚された有用性と知覚された使いやすさを、受容の2つの推進要因としています。
• 実践的なテスト: ユーザーがそのツールが自分の仕事に何をしてくれるのか説明できない、あるいは出力を信頼していないなら、インターフェースの品質にかかわらず、導入は停滞します。