経済産業省のAI-Ready｜国の3課題を、中小企業の言葉に翻訳する

2026年8月12日、経済産業省が「AI-Ready」を公式に用語解説しました。METI Journal ONLINE「知っておきたい経済用語」（商務情報政策局情報経済課）です。国がこの言葉に定義を与えたということは、これから補助制度や調達の要件、業界の会話に、この言葉が入ってくるということでもあります。

ただ、原文を読むと「データの構造化」「データスペース」「相互運用性」といった言葉が並びます。データ基盤を持つ大企業の話に見えて、社員数十名の会社の社長が読んでも、明日やることが分かりません。この記事は、その翻訳です。

国が何を課題としているか（3つ）、AI-Ready化に必要とされる条件（6つ）、政府が動かしている金額と期限を一次資料から正確に押さえたうえで、それを中小企業の日常語に置き換えます。書いているのはAiWiLL株式会社代表・赤堀亘。AI顧問として累計約15社、研修を含めて30社超の現場に入っている人間です。先に結論を書くと、国の課題設定の2つ目に「属人化」が入っているのが、中小企業にとって最大の朗報です。

---

経済産業省は、AI-Readyをどう定義したか

まず原文です。2026年8月12日公開の用語解説は、こう書いています。

「AI-Ready」とは、企業がAIを効果的かつ安全に活用するため、データを整理・構造化し、活用可能な状態にすることです。

経済産業省 METI Journal ONLINE「AI-Readyってなに？」（2026年8月12日・商務情報政策局情報経済課）

続けて、こうあります。

今後のAI競争において、鍵を握るのは「データ」です。特に、企業や現場に蓄積された独自データの価値が一層高まっています。一方で、現場データは非構造で扱いにくく、そのままでは活用が困難です。

ここは重要なので、押さえておきます。国が「鍵」だと言っているのは、AIの性能でも、ツールの選定でもありません。企業や現場に蓄積された独自データです。

理由も明快で、政策特集記事（2026年6月29日「社内のデータ、AIが活用できる状態ですか？」）にこう書かれています。AIはこれまでインターネット上の公開データを学習して性能を上げてきたが、学習に適したデータは早々に枯渇するとみられ、誰もが自由に取得できるデータで企業の差別化を図ることは難しい。一方、政府によれば全世界で流通するデータの6割は、企業が取引・設計・顧客対応などの業務を通じて生み出したものだといいます。

つまり、AIが賢くなるほど、公開情報で差はつかなくなる。差がつく場所が、会社の中にしかないデータへ移る——というのが、国の見立てです。

国が挙げた3つの課題——サイロ化・属人化・非構造化

※出典の性格について。METI Journal ONLINEは経済産業省の編集協力のもと読売新聞東京本社が運営する媒体です。用語解説（2026年8月12日）は商務情報政策局情報経済課による署名記事、政策特集（2026年6月29日）は同省の編集協力による取材記事にあたります。以下では、省の記述・媒体の地の文・取材先の発言を、それぞれ区別して引用します。

では、なぜそれが使えていないのか。政策特集記事は、企業内データがAIで活用されない背景を3つの課題に整理しています。ここが、この記事でいちばん読み込む価値のある部分です。

この3つ目について、政策特集記事は具体的な数字を引いています。取材に応じたフライウィール（データ活用プラットフォーム提供企業）の横山直人CEOによると、企業内データの約8割以上が非構造化データで、中には手書きの図面や資料もある。人間は容易に理解できても、AIにとっては分かりにくい、と。

「匠の技」への言及——属人的なものは「貴重なノウハウ」と書かれている

3課題の説明で、もうひとつ見逃せない記述があります。ここは出所を正確に分けて書きます。

政策特集記事の地の文は、日本には例えば製造業における「匠の技」のように、属人的で構造化されていない貴重なノウハウがたくさんある、と書いています。そして取材に応じたフライウィールの横山CEOの言葉として、「これらがAI-Ready化されるだけでも、日本の産業界にとって大きな財産で、勝機につながる」と結ばれています。つまり「貴重なノウハウ」は媒体の記述、「大きな財産」は民間企業のCEOの発言です。

そのうえで注目したいのは、言葉の選び方です。属人的で非構造なものが、除去すべき欠陥としてではなく「貴重なノウハウ」として書かれている。整理して捨てる対象ではなく、掘り起こす対象として扱われています。

当社の現場感覚も、まったく同じです。判断が社長やベテランに集中している会社は、弱点を抱えているというより、掘り起こせる資産がいちばん多い状態にあります。ある会社の社長は棚卸しの冒頭で「言っとくけど、うちに大した知恵なんてないよ」とおっしゃいましたが、90分後の録音には、営業マニュアルに一行もない商売の背骨が転がっていました。文字起こしをお見せしたときの一言が、いまも忘れられません。

「……これ、俺が言ったの？」

属人化は、消すべきものではありません。渡せる形にすべきものです。この違いが分かっているかどうかで、取り組み方が変わります。

2つ目に「属人化」が入っていることの意味

ここが、この記事で最も伝えたい点です。

AI-Readyという言葉は、放っておくと「データ基盤の整備」に見えます。データレイクを作る、システムを統合する、そういう投資の話に。実際、記事の後半はデータスペースや相互運用性といった、企業間・業界間の連携の話に進みます。それは大企業と業界団体の仕事です。

でも、国が挙げた3課題の2つ目は属人化でした。担当者しか把握していない、処理できない状態。これはシステムの問題ではなく、人の頭の中にしかない情報の問題です。

そして中小企業では、この2つ目こそが本丸です。当社が顧問として入った会社で、いちばん多く見てきた症状も、サーバーの分断ではなく「◯◯さんに聞いて」でした。値引きの限度、断る仕事の基準、あのお客様との経緯——どれもシステムのどこにも入っていません。社長とベテランの頭の中にあります。

国の定義に「属人化」が入ったことで、中小企業のAI-Readyは「データ基盤を買う話」ではなくなりました。頭の中にあるものを外に出す作業も、正式に含まれるようになった。これは現場にとって、かなり大きい変化です。

※12の事実に答えると、器・中身・稼働・習慣の4面から現在地が分かります。判定結果の表示までは登録不要です。なお本診断はAiWiLL独自のもので、経済産業省の監修・認定によるものではありません。

「十分な成果を得ている」は2.4%——国が引いた数字の読み方

政策特集記事は、国内企業の現在地を示す調査を1本引いています。

ガートナージャパンが2025年9月に企業に所属する個人を対象に実施した調査によると、データ活用に関して「全社で十分な成果を得ている」と回答した割合は2.4%でした（ガートナージャパン 2026年1月8日発表）。

この2.4%だけが独り歩きしがちですが、原典を読むと、続きの数字のほうが重要です。同発表によれば、「一部で」あっても十分な成果を得ているとする回答者は13.8%にとどまる一方、何らかの成果を得ている回答者まで広げると、その割合は7割近くになるとされています。

つまり、こういう分布です。

この分布から読み取れるのは、「日本企業はダメだ」ではありません。7割近くが何らかの成果は得ている。ただし、そのほとんどが「十分」と言えるところまで届いていないという状態です。

加えて原典は、データ活用への積極性を損なう理由の上位3つとして「必要と思うデータが手に入りにくい」「実務でデータを理解・活用することが困難である」「データの品質・信頼性が低い」を挙げています。ツールがない、予算がない、ではありません。3つとも、渡す側のデータの状態の問題です。

そして同発表では、バイスプレジデントの一志達也氏が「テクノロジやツールの導入が先行し、人的資本への投資が後回しとなる傾向が強く見られます」と述べています。導入が先、中身が後——この順番の逆転が、2.4%という数字の背景にあるという指摘です。

当社の現場感覚と照らすと、この分布はよく分かります。AIを入れた会社の多くは「1つの業務では役に立っている」状態で止まります。議事録の要約はうまくいった。でも見積もりのレビューは「うちのじゃない」ものが返ってくる。全社的な成果と呼ぶには程遠い。そして、その差はモデルの性能ではなく、渡した情報の差でした。

同記事で横山CEOも、この調査を踏まえて「AIに投資しても、十分な成果を得られていない企業が少なくない」と指摘し、「AIに精度の高い回答をさせ、業務に根付かせていくために、AIがデータを正しく理解できるようにするAI-Ready化に取り組むべきだ」と述べています。投資しても成果が出ない原因を、投資額でもツール選定でもなく、データ側に置いているのがこの記事の一貫した立場です。

「とにかく導入」から「経営上の成果」へ——経営者の姿勢の変化

もう一点、政策特集記事の中で個人的にいちばん現場感覚と一致した記述を引いておきます。フライウィールは2018年の創業で、当時の日本におけるAIへの関心は今ほど高くなかった。その後の生成AIの普及を経て、横山CEOは「経営者がAIに向き合う姿勢がここ数年で大きく変化した」と感じているといいます。

具体的には、こういう変化です。

※第1期〜第3期という区分と右列「この段階で聞かれること」は、原文の記述をもとにAiWiLLが整理したものです。

当社が商談でいただく質問も、この1年ではっきり第3期に移りました。2025年頃は「どのツールを使えばいいですか」が中心でしたが、いまは「入れてはみたが、何も変わらない。何が足りないのか」から始まる相談が増えています。

そして、その答えが2.4%という数字と地続きです。ツールは行き渡った。使ってもいる。それでも全社的な成果に届かないのは、渡すべきものを渡していないから——というのが、国の記事と当社の現場で一致している見立てです。

AI-Ready化に重要な6条件と、中小企業版への翻訳

政策特集記事は、取材先であるフライウィールが挙げる6条件を紹介しています。国が定めた基準ではなく、民間事業者の整理として掲載されているものである点にご注意ください。原文の並びで挙げると、①AIが分かりやすい構造、②適切な意味づけ、③データの欠損や重複などを補正した高い品質、④データへのアクセス権限や機密レベルなどガバナンス面で統一された管理、⑤継続的な改善、⑥柔軟なシステム拡張に対応するスケーラビリティー、の6つです。

これはデータプラットフォームを提供する事業者の視点なので、そのままでは社員数十名の会社に適用しにくい。当社の顧問の現場での実務に置き換えると、こうなります。

翻訳して分かるのは、6条件のうち中小企業に直接効くのは①②⑤の3つだということです。③④は事故防止として要りますが、⑥はシステム規模の話なので、社員数十名の会社では当面考えなくて構いません。

そして、いちばん誤解されやすいのが⑤「継続的な改善」です。これはシステムの保守の話ではなく、日々の運用の習慣です。AIの答えを直したときに、直した理由を書き戻す。これをやめた瞬間、①〜④をどれだけ整えても、器は古びはじめます。

国はどこまで本気か——金額と期限を確認する

用語解説だけを読むと「言葉の紹介」に見えますが、背後にある政策の規模を確認しておくと、この言葉の重みが分かります。一次資料から数字だけ抜き出します。

7,300億円を10年で5兆円へ——約7倍です。国がこの領域に、産業政策として腰を据えていることは、この数字から読み取れます。

ただし、正直に線を引いておきます。この政策の主対象は、当面はプラットフォーム事業者と大企業・業界です。データスペース、相互運用性、企業間連携——いずれも中小企業が明日から取りかかる話ではありません。中小企業にとっての実務的な意味は、次の2点に絞られます。

ひとつ、言葉が共通語になること。取引先や金融機関、支援機関との会話に「AI-Ready」が入ってきます。そのとき「うちは属人化を解消して、判断基準を渡せる形にしています」と説明できるかどうかで、印象は変わります。

ふたつ、課題設定が国のお墨付きを得たこと。「社内の情報を整理する」という、社内では後回しにされがちな作業に、産業政策上の位置づけがついた。稟議を通す理由としては、使える材料です。

中小企業版のAI-Ready——当社が使っている定義

ここまでが一次資料の読解です。ここからは、当社が現場で使っている定義を出します。国の定義と競合するものではなく、中小企業の実務に引き付けた翻訳です。

国の定義との関係を、正確に書きます。

向きは同じです。国も当社も「独自データに価値がある」「属人化と非構造化が壁になっている」と言っています。当社が足しているのは、「中小企業の独自データの中心は、データベースの中ではなく、社長とベテランの頭の中にある」という一点だけです。

だから中小企業のAI-Ready化は、システム投資から始まりません。録音ボタンを押すところから始まります。

なお念のため書いておきますが、当社の定義や診断を経済産業省が監修・認定しているものではありません。国の定義を、当社が自社の現場向けに翻訳したものです。

明日からやること——国の3課題に、順番をつける

国が挙げた3課題（サイロ化・属人化・非構造化）に、中小企業向けの着手順をつけます。3つ同時にやろうとすると、どれも終わりません。

1番目：属人化から着手する

理由は3つあります。効果がいちばん早く出ること、お金がかからないこと、そして放置したときの損失が最も大きいことです。ベテランが辞めれば消えますが、サーバーの分断は明日消えたりしません。

具体的には、判断基準を言葉にするところからです。「迷ったとき、何で決めてきましたか」「断った仕事の話を聞かせてください」——この2問を録音で30分。詳しい手順は会社の判断基準を言語化する方法に書きました。

2番目：サイロ化を、3テーマだけ解く

全社のデータ統合ではありません。主要3テーマ（判断基準・料金や見積もりの基準・主力業務の手順）について、「正はここ」を1箇所に決めるだけです。全部を整理しようとすると数ヶ月止まります。

3番目：非構造化データは、必要な分だけ

紙も写真も手書きも、全部をデータ化する必要はありません。AIに渡したい業務に関係するものだけで十分です。当社の顧問先には、紙と現場写真とExcelが混在したまま、必要な部分だけを渡してLv3に到達した会社があります。

この順番は、国の課題設定の順番とは違います。国の記事はサイロ化から挙げていますが、中小企業では属人化が先です。理由は上に書いたとおりで、ここが当社が「翻訳が要る」と言っている実体でもあります。

一次資料が書いていないこと——中小企業が自分で埋める3つ

ここまで国の資料を読み込んできましたが、読者が中小企業の経営者なら、資料に書かれていないことのほうが重要です。批判ではありません。あの記事は産業政策の説明であって、中小企業の実務書ではないからです。埋める必要がある空白を3つ挙げます。

空白1. 「誰が」やるのかが書かれていない

データの整理・構造化と言われても、中小企業には専任のデータ担当がいません。情シスもいない会社が大半です。実務上、これをやるのは社長か、現場のベテランです。そして両者とも、いちばん忙しい。

だから中小企業版の答えは「担当を置く」ではなく、「30分×2回の録音から始める」になります。専任を置ける規模になるまで待っていると、その間に人が辞めます。

空白2. 「どこまでやれば終わりか」が書かれていない

用語解説には「活用可能な状態にすること」とありますが、活用可能かどうかを誰がどう判定するのかは書かれていません。ここが空いていると、整理が永遠に終わりません。真面目な会社ほど、この穴にはまります。

当社が終了条件を「背景説明なしの依頼で、AIが実務水準の成果物を返す業務が1つ以上あり、直近1ヶ月継続して使われている」という事実に置いているのは、この空白を埋めるためです。誰が見ても同じ答えになる基準でないと、進捗が測れません。

空白3. 「渡してはいけないもの」が書かれていない

これが実務上いちばん危ないところです。国の資料はガバナンス（アクセス権限・機密レベル）に触れていますが、それは情報の管理の話です。もうひとつ、判断の範囲という線があります。

渡すのは情報であって、決裁権ではありません。送信・金額の確定・公開の引き金は人間が引き、AIの成果物は下書きで止める。この線が引けていれば、渡す量を増やしてもリスクは増えません。逆に線を引かないまま量だけ増やすと、効率化ではなく判断の外注になります。

データの整理という枠組みで語ると、この線は視野に入りません。中小企業では社長がAIに直接向き合うので、この線は自分で引く必要があります。

よくある質問（FAQ）

Q1. AI-ReadyとAI Readyは、違う言葉ですか？

A. 同じです。経済産業省はハイフンつきの「AI-Ready」「AI-Ready化」を使い、海外のIT企業は「AI-ready data」「AI ready」の両方を使います。当社は読みやすさから「AI Ready」（ハイフンなし）を主に使っていますが、指しているものは同じです。検索する際も、どちらでも同じ情報にたどり着けます。

Q2. 国がAI-Ready化の補助金を出しているのですか？

A. この記事で紹介した一次資料の範囲では、中小企業向けの補助制度としての記述はありません。記事に出てくるGENIACは、経産省とNEDOが展開する生成AIの開発力強化に向けた国家プロジェクトで、2026年5月に採択されたのはフライウィールや日立製作所など計9社の研究開発の事業テーマです。中小企業が申請して使う補助金とは性質が違います。制度の有無や条件は時期によって変わりますので、実際の活用を検討される場合は、必ず公式の公募情報でご確認ください。

Q3. うちは製造業ではありませんが、関係ありますか？

A. 関係あります。GENIACの採択テーマが「製造業等におけるAI-Ready化」なので製造業の話に見えますが、国が挙げた3課題（サイロ化・属人化・非構造化）は業種を問いません。実際、当社が顧問として入っている旅館、不動産、設備、士業、飲食、教育——すべての業種で、この3つが同じ形で出てきます。特に属人化は、業種よりも「判断が特定の人に集中しているか」で決まります。

Q4. データ基盤やプラットフォームを導入すべきですか？

A. 社員数十名の規模では、当面その必要はないと考えています。理由は、6条件の翻訳表で書いたとおり、その規模で効くのは①構造②意味づけ⑤継続的改善の3つで、いずれも高価な基盤がなくても実行できるからです。当社自身、社員2名で、特別なデータ基盤は使っていません。基盤の検討が必要になるのは、部門をまたいだデータ量が個人の管理能力を超えてからです。順番としては、渡す中身を作るほうが先です。

Q5. 「非構造化データが8割」というのは、うちにも当てはまりますか？

A. この8割という数字は、政策特集記事の中でフライウィールの横山CEOが述べているもので、企業一般についての言及です。中小企業だけを対象に集計した数字ではありません。ただ、当社の現場感覚では、中小企業の場合比率はもっと高いこともあります。紙の書類、現場写真、LINEやメールのやり取り、そして文書化されていない口頭の判断——これらを合わせると、構造化されたデータのほうが少ない会社は珍しくありません。ここは実感であり、当社として集計した数字ではないことを明記しておきます。

Q6. 国の定義に沿っていれば、AI-Readyと名乗ってよいのですか？

A. 名乗ることに認定制度はありません。ただ、対外的に説明するなら、何をもってReadyとしたのかを言えるほうが強いと考えています。「データを整理しました」だけでは、聞いた側は判断できません。当社が段階（Lv0〜4）と12項目の判定基準を公開しているのは、この「何をもって」を誰でも検証できる形にするためです。詳しくはAI Ready（AIレディ）とは何かをご覧ください。

Q7. この言葉は、いつまで使われますか？

A. 移行期の言葉なので、いずれ役目を終えると考えています。「IT Ready」と言う人が今いないように、AIが完全に当たり前になった時点で、この言葉は消えるはずです。ただし、国が戦略17分野に位置づけ、2035年に5兆円という目標を置いている以上、少なくとも数年は共通語として使われ続けると見ています。言葉が消えても、属人化を解いて判断を渡せる形にしておくことの価値は残ります。そちらが本体です。

まとめ

• 経済産業省は2026年8月12日、AI-Readyを「企業がAIを効果的かつ安全に活用するため、データを整理・構造化し、活用可能な状態にすること」と定義した（商務情報政策局情報経済課）。
• 国が「鍵」としているのは、企業や現場に蓄積された独自データ。公開データは枯渇が見込まれ、誰でも取れるデータでは差別化できないため。全世界で流通するデータの6割は企業の業務から生まれたもの（政府）。
• 国が挙げた3課題は、サイロ化・属人化・非構造化。2つ目に属人化が入っていることが、中小企業にとって重要。データ基盤の話ではなく、頭の中の話が正式に含まれた。
• データ活用で「全社で十分な成果」は2.4%、「一部で」でも十分は13.8%、何らかの成果まで広げると7割近く（ガートナージャパン2026年1月8日発表・2025年9月調査）。積極性を損なう理由の上位3つは、いずれもデータの状態に関するもの。
• フライウィールが挙げる6条件（METI Journal記事内で紹介）のうち、中小企業に直接効くのは①構造②意味づけ⑤継続的改善の3つ。⑥スケーラビリティーは当面不要。
• 政府は関連市場を2025年の7,300億円から2035年に5兆円へ拡大する目標を掲げ、戦略17分野に位置づけている。ただし当面の主対象はプラットフォーム事業者と大企業・業界。
• 中小企業の着手順は、属人化 → サイロ化を3テーマだけ → 非構造化は必要な分だけ。国の記事の並び順とは違い、属人化が先。
• 中小企業のAI-Ready化は、システム投資ではなく録音ボタンから始まる。

国が言葉に定義を与えたことで、これから「うちはAI-Readyですか」と聞かれる場面が増えます。そのとき答えられるように、まず現在地を測っておくことをおすすめします。国の3課題のうち、御社がどこで詰まっているのかは、12の事実に答えれば分かります。

※器・中身・稼働・習慣の4面で判定します。結果の表示までは登録不要です。

あわせて読みたい：定義と5段階の全体像はAI Ready（AIレディ）とは何か、到達した会社の姿はAI Readyな会社は、何が違うのか、国の課題の2つ目を解く実技は会社の判断基準を言語化する方法と属人化の解消方法、器そのものについてはカンパニーブレインとは？で扱っています。外部に頼むかどうかの判断は中小企業にAIコンサルは必要かをどうぞ。

※本記事は2026年8月24日時点で公開されている一次資料に基づいています。経済産業省の記述はMETI Journal ONLINE（同省の編集協力のもと読売新聞東京本社が運営）の公開記事によるもので、AiWiLL独自の定義および診断を経済産業省が監修・認定するものではありません。ガートナージャパンの調査結果は同社の2026年1月8日付プレスリリース（原典）を出典としています。フライウィール社の見解および6条件、IDCの市場規模はMETI Journal ONLINEの記事内で紹介されたものです。政策・制度の内容は変更される場合がありますので、実際の活用にあたっては公式情報をご確認ください。