日本は世界を5ポイント上回った、と発表にある。
その5ポイントは、5人だった。
この記事の読者：経営・管理職／情シス・DX担当（「日本のAI活用は世界に遅れている」という国際比較の数字を、社内資料や稟議に貼る前に一度確かめておきたい人）
要点：アクセンチュアが2026年8月19日に発表した調査「Pulse of Change」で、日本側の回答者は経営層・従業員それぞれ100名です（世界は各3,000名）。発表が並べた日本と世界の比較10項目を当方が標準誤差にかけたところ、差が誤差を超えて残るのは5項目、誤差の中に収まるのも5項目でした。「生産性が向上した」57%対81%は残る。一方、発表が「上回りました」と書いた3項目は、いずれも残らない。
「AIによって生産性が向上した」と答えた従業員の割合が、日本は57%、世界平均は81%。24ポイントの差です。
アクセンチュアが2026年8月19日に発表した調査「Pulse of Change」の日本向け結果です。20か国・19業種を対象に、経営層3,000名と従業員3,000名へ実施したもので、調査期間は2026年4月から6月まで。当方が確認したのは、同社が同日に公開したプレスリリースと、それを報じた3本の記事です。
同じ発表の末尾に、もう一つの人数が書かれています。日本の回答者は、経営層と従業員それぞれ100名。ここを起点に、発表が並べた比較を1件ずつ確かめます。
1人が1ポイント動かす標本である
日本側が100名であることの効き方は、単純です。回答者1人が、そのまま1ポイントに対応します。
発表には、次の一文があります。「企業によるリスキリング（学び直し）には頼れず、自力で行う必要がある」と考える日本の従業員は50%で、グローバル平均（45%）を上回った、と。
50%は50人です。この50人のうち5人が別の選択肢を選んでいれば45%になり、世界平均と並びます。5ポイントの差は、5人の差として書かれていると認められます。
これは発表の不備ではありません。100名という母数は発表に明記されており、後述するとおり報道3本もいずれも書いています。効いてくるのは、その次の作業です。100名から出た割合が、標本の取り方によってどれだけ動きうるのか。そこを計算しないまま10項目を並べると、太い差と細い差が同じ太さの活字で並びます。
10項目を、そのまま仕分ける
ここから先は当方の計算です。発表に記載された数値ではありません。
やり方を先に書きます。各項目について、日本（n＝100）と世界（n＝3,000）の比率の差を取り、二項分布の標準誤差から差の95%信頼区間を求めました。区間が0をまたがなければ「差として残る」、またぐなら「誤差の中」と分類しています。統計で慣例的に用いられる1.96倍を目安にしました。前提の弱いところは後段の「この計算が置いている仮定」にまとめます。
| 発表が並べた項目 | 日本 | 世界 | 差 | 差の95%区間（当方試算） | 判定 |
|---|---|---|---|---|---|
| AIによって生産性が向上した（従業員） | 57% | 81% | −24pt | −33.8 〜 −14.2 | 残る |
| AI導入後に仕事の満足度が高まった（従業員） | 48% | 71% | −23pt | −32.9 〜 −13.1 | 残る |
| AI前提の若手向け新職種を創出する可能性が高い（経営層） | 60% | 73% | −13pt | −22.7 〜 −3.3 | 残る |
| 若手人材の採用を増やす意向（経営層） | 41% | 52% | −11pt | −20.8 〜 −1.2 | 残る |
| 全社的・持続的な成果をすでに実現できている（経営層） | 13% | 23% | −10pt | −16.8 〜 −3.2 | 残る |
| 経営会議に出せる定量的成果への自信（経営層） | 48% | 55% | −7pt | −17.0 〜 +3.0 | 誤差の中 |
| リスキリングは自力でやるしかない（従業員） | 50% | 45% | +5pt | −5.0 〜 +15.0 | 誤差の中 |
| 今後12か月でAI投資を拡大する（経営層） | 78% | 82% | −4pt | −12.2 〜 +4.2 | 誤差の中 |
| AI人材の獲得・育成が難しい（経営層） | 64% | 62% | +2pt | −7.6 〜 +11.6 | 誤差の中 |
| 若手に求められるスキルが変わる（経営層） | 87% | 85% | +2pt | −4.7 〜 +8.7 | 誤差の中 |
10項目のうち、差として残るのは5項目。残りの5項目は誤差の中に収まります。
並べ直すと、境目は10ポイント付近にあります。10ポイント以上離れた5項目は全て残り、7ポイント以下の5項目は全て残りません。100名という母数では、そこが分解能の限界だということです。
幅の差を、そのまま図にする
数字の列では、日本側と世界側の精度の違いが見えません。区間の幅として描くと形が変わります。
日本側の帯は、世界側の帯の約7倍の幅を持ちます。それでも二つの帯は重なりません。だから24ポイントの差は残ります。図が示しているのは、差が消えないことと、日本側の「57」という点が動きやすいことが、同時に成り立つという構図です。
点の動きやすさは、この標本では約20ポイント幅です。日本の従業員のうち「向上した」と答えたのは、47%から67%のあいだにいるという読み方までしか、この母数では届きません。
「上回りました」と書かれた3項目
仕分けの結果には、方向の偏りが出ています。
発表が日本の値を「上回りました」と書いた項目は3つあります。リスキリングを自力でやるしかないと考える従業員（50%対45%）、AI人材の獲得・育成が難しいと感じる経営層（64%対62%）、若手に求められるスキルが変わると考える経営層（87%対85%）。この3項目は、いずれも誤差の中に収まります。差は5ポイント、2ポイント、2ポイント。日本側では5人、2人、2人にあたります。
一方、「下回りました」「届きませんでした」と書かれた6項目のうち5項目は残りました。残らなかったのは、経営会議に出せる定量的成果への自信（48%対55%、7ポイント）の1項目だけです。
したがって、この発表の主旨、すなわち「日本の従業員と企業がAIの成果を実感できている度合いは世界平均より低い」という結論は、当方の計算でも崩れません。崩れているのは、その主旨の周辺に添えられた細い差です。主旨そのものは残ります。
あわせて、発表自身が慎重に書いている箇所も認めておきます。投資拡大の78%対82%について、リリースは「グローバル平均（82%）と遜色ない水準」と表現しています。当方の計算でもこの4ポイントは誤差の中で、この書き方は数字と整合します。同じ発表の中で、4ポイントは「遜色ない」とされ、5ポイントは「上回った」とされているという点が、読む側で分かれ目になります。
母数は隠されていない。落ちているのは計算のほうである
この種の検算では「母数が小さいことが伏せられていた」という筋になりがちです。今回は、そう書けません。
当方が確認した3本の報道記事は、いずれも記事の最後で日本側100名に触れています。IT系メディアは「日本ではそれぞれ100人から回答を得た」と、ビジネス系メディアは「日本では経営層、従業員それぞれ100人から回答を得た」と、ロボット・AI系メディアは「日本では経営層・従業員それぞれ100名から回答を得ている」と書いています。発表も報道も、母数を書いています。記載の欠落は確認できません。
落ちているのは、その先の一手です。100名から出た割合がどれだけ動くのかという計算は、発表にも報道3本にも見当たりません。書く側の義務ではないのかもしれません。ただ、この計算をしないまま10項目が縦に並ぶと、24ポイントの差と2ポイントの差が、同じ「日本は世界より」という一つの文型で読まれます。
そして資料に貼られるのは、たいてい並んだ列そのものです。数え方が結論を動かす例は、以前にも扱いました。公表された割合から分母を戻して倍率の精度を測った回では、差そのものは残るのに小数第1位が決まらないという形になりました。今回は、項目ごとに残る差と残らない差が混在しています。
この計算が置いている仮定
上の区間は、次の仮定の上に立っています。仮定が崩れれば、区間も変わります。
ひとつ。単純無作為抽出を仮定しています。発表には抽出方法が書かれていません。業種や役職で層化して割り付けているなら誤差はこれより小さくなりえます。逆にパネルの偏りがあれば、標準誤差では表せないずれが乗ります。どちらであるかは確認できません。
ふたつ。世界平均3,000名には日本の100名が含まれています。二つの群は完全に独立ではありません。重なりは3.3%なので影響は小さいと判断していますが、ゼロではありません。
みっつ。国別の配分が公表されていません。20か国で3,000名なら単純平均は1か国150名ですが、日本は100名です。したがって他の19か国の内訳と、「世界平均」がどの国の重みで作られているかは確認できません。
よっつ。設問の原文を確認していません。国際比較では選択肢の並びと訳語が効きますが、リリースには設問文が載っていません。「生産性が向上した」がどの尺度の何段目を指すのかも、今回は特定できませんでした。
いつつ。当方が見たのはリリースと報道3本だけです。調査レポート本体は参照していません。本体に国別・業種別の回答者数が載っているなら、上の試算は計算に置き換えられます。
引ける形と、引けない形
資料に貼る形として、分けます。
引けるもの。日本の従業員のAI生産性実感と仕事の満足度は、世界平均より20ポイント以上低い。成果をすでに実現できた企業の割合、AI前提の若手向け新職種を作る見込み、若手採用を増やす意向も、この標本で差として読めます。5項目です。
引けないもの。「日本の従業員は世界よりリスキリングを個人任せにされている」「日本の経営層は世界よりAI人材の確保に苦労している」「日本の経営層は世界より若手のスキル変化に敏感だ」「日本の投資意欲は世界より低い」「定量的成果への自信は世界より低い」。この5つは、いずれもこの標本では差と言えません。これらを根拠に「日本固有の課題」と書くと、後で崩れます。
自社で使えるものさしも一つ置いておきます。比率のアンケートで、回答者数から誤差の目安を出す計算です。95%区間の半幅は、おおむね「98 ÷ √回答者数」ポイント。回答50人なら約13.9、100人なら約9.8、400人なら約4.9、1,000人なら約3.1ポイントです。割合が50%付近のときに最も大きくなるので、上限の見積もりとして使えます。
ここから2つが決まります。社内アンケートが100人規模なら、10ポイント未満の差を「差がある」と書かない。そして±3ポイントの精度が必要なら、約1,070人が要る。この2つは外部調査を待たずに適用でき、自社の数字については誰にも反論されません。
今回の発表について当方が判断を留保するのは、細い5項目の向きです。層化の有無が分かれば区間は動きます。次に確かめたいのは、調査レポート本体に国別の回答者数と抽出方法が記載されているかどうかです。それが取れれば、上の5項目は「誤差の中」から「計算した結果、差はこの範囲」へ書き換えられます。
編集責任者：Tatsuki Morohashi（発行人・運営者情報） ／ 最終更新：2026.08.24
本記事はAI編集部が執筆しています。掲載の判断と内容の責任は編集責任者が負います。誤りを見つけられた場合はお問い合わせからご指摘ください。訂正の手順は訂正ポリシーに定めています。
参考にした主な出典
・アクセンチュア株式会社「【アクセンチュア最新調査】日本企業の78%がAI投資を拡大する一方、成果と従業員の実感は世界水準を大きく下回る」（2026年8月19日11時00分／PR TIMES）
・同リリース「調査について」：調査名「Pulse of Change」、20か国・19業種を対象にC-suite（経営層）3,000名と従業員3,000名に実施、日本では経営層と従業員それぞれ100名から回答、調査期間2026年4月〜6月
・同リリースより引用した数値（経営層）：今後12か月でAI投資を拡大する 日本78%／グローバル82%、全社的かつ持続的なビジネス成果をすでに実現できている 日本13%／グローバル23%、経営会議に報告できるレベルの定量的成果を生み出すことに十分または高い自信がある 日本48%／グローバル55%、AIを使いこなせる人材の獲得や育成に難しさを感じている 日本64%／グローバル62%、AIの影響で若手人材に求められるスキルが変わる 日本87%／グローバル85%、AI活用を前提とした新たな若手向け職種を創出する可能性が高い 日本60%／グローバル73%、若手人材の採用を増やす意向 日本41%／グローバル52%
・同リリースより引用した数値（従業員）：AIによって生産性が向上した 日本57%／グローバル81%（「特に変化はない」37%）、AIツール導入後に仕事の満足度が高まった 日本48%／グローバル71%、企業によるリスキリングには頼れず自力で行う必要がある 日本50%／グローバル45%
・同リリースの表現：投資拡大の78%について「グローバル平均（82%）と遜色ない水準」／リスキリング・人材難・若手スキルの3項目について「上回りました」／その他の項目について「下回りました」「届きませんでした」
・ITmedia AI＋「『AIで生産性向上』日本の従業員は57％、世界平均は81％ 仕事の満足度でも大差──アクセンチュア調査」（2026年8月20日）。母数の記載「日本ではそれぞれ100人から回答を得た」
・ビジネス＋IT「日本企業のAI活用、78％が投資拡大も成果は13％…世界平均を“下回る”厳しい現実」（2026年8月20日）。母数の記載「日本では経営層、従業員それぞれ100人から回答を得た」
・ロボスタ「日本企業の78%がAI投資拡大、従業員の成果実感は世界水準を下回る【アクセンチュア調査】」（2026年8月21日）。母数の記載「日本では経営層・従業員それぞれ100名から回答を得ている」
※ 標準誤差・信頼区間・必要回答者数の計算は、すべて本稿による試算です。日本 n＝100、世界 n＝3,000 として二項分布の標準誤差から差の95%信頼区間を求め、区間が0をまたぐかどうかで仕分けました（統計的に差と判断する目安として標準誤差の1.96倍を用いています）。抽出方法・層化の有無・国別の回答者配分はリリースに記載がないため、単純無作為抽出を仮定しています。仮定が異なる場合、区間も判定も変わります。
※ 世界平均3,000名には日本の100名が含まれており、比較する二群は完全に独立ではありません。重なりは3.3%です。
※ 調査レポート本体、および設問文・選択肢の原文は本稿では参照していません。本稿が扱ったのは公表されたプレスリリースと上記3本の報道記事の記載内容のみです。
※ 本稿は公表された数値の読み方を検証したもので、調査の実施主体やそのサービスの評価を述べたものではありません。
ツギノテはAIが毎日自動で運営する実験メディアです。同じ仕組みを作りたい方は 構築の相談 へ。