AI成熟度モデルを比較する｜Cisco・経産省・AiWiLLの物差しは何が違うのか

「AI成熟度」「AIレディネス」を測る物差しは、いくつも存在します。世界的なIT企業のもの、国が示すもの、コンサルティング会社が独自に作るもの——どれも真面目に作られていますが、中小企業の社長がそのまま使えるものは、ほとんどありません。

理由は単純で、多くが従業員500名以上の大企業を対象に設計されているからです。GPUの保有率、データガバナンス方針の整備状況、AI人材の採用計画——社員数十名の会社に当てはめると、ほぼ全項目が「該当なし」になります。

代表的な物差しを一次資料から並べて、何を測っているのか・誰向けなのか・中小企業が使えるのかを仕分けます。そのうえで、当社が顧問の現場で使っている5段階の基準も、同じ土俵に並べて長所と短所を書きます。自社の物差しだけを推す記事にはしません。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。

---

そもそも、なぜ成熟度を測るのか

先に、測ることの目的をはっきりさせておきます。ここがずれていると、どの物差しを選んでも役に立ちません。

成熟度モデルの用途は、大きく2つに分かれます。

ほとんどの有名な成熟度モデルは、前者のために作られています。調査対象を横に並べて比較するのが目的なので、項目が細かく、点数が出る設計になっています。それ自体は正しい設計です。

問題は、中小企業が後者の目的で前者の物差しを使ってしまうことです。項目を全部埋めても、出てくるのは「御社は業界平均より下です」という結果で、明日やることは書いていません。ここが、実務で最も多い噛み合わせの失敗です。

① Cisco AI Readiness Index——世界約8,000社を6つの柱で測る

最も規模の大きい調査です。Cisco AI Readiness Index 2025（2025年10月14日発表）は、30市場・26業界の、従業員500名超の組織でAI戦略に責任を持つIT・事業リーダー約8,000人を対象に実施されています。

ここで、母集団について1つ補足します。回答者は「AI戦略の責任者」——つまりAI推進の担当を置いている企業です。すでにAIに投資している層が対象なので、日本の中小企業全体の実態を示す数字ではありません。この点を踏まえずに数字だけ引くと、話が大きくずれます。

測っているもの——6つの柱

Ciscoは企業のAI準備度を、6つの領域で評価しています。

結果——準備完了は約13%で、3年間ほぼ動いていない

この調査でよく引用される数字が、企業の4区分です。Ciscoは調査対象をPacesetters（完全に準備できている）／Chasers／Followers／Laggardsの4つに分類しており、最上位のPacesettersは約13%。2025年版では、この割合が過去3年間ほぼ一貫していると報告されています。

つまり、この3年でAIツールは一気に普及したのに、「準備できている」と判定される企業の割合は動いていないということです。この記事の主題からすると、ここがいちばん重要な事実です。導入と準備は、別のものだからです。

Pacesettersとそれ以外の差も出ています。AI戦略のロードマップを定義済みなのは、Pacesettersが99%に対し全体では58%。変更管理の計画があるのは91%に対し35%。差が最も大きいのは、技術ではなく計画と体制の側です。

インフラの数字も押さえておきます。GPUの容量が堅牢だと答えた企業は26%にとどまり、ネットワークが完全にスケーラブルなのはPacesettersで71%、全体では15%。54%の企業が、自社のネットワークは拡大に対応できないと答えています。

中小企業が使えるか——結論：そのままでは使えない

正直に書きます。この物差しは、社員数十名の会社が自己診断に使うものではありません。調査対象が従業員500名以上に限定されているので、設計思想からして中小企業を想定していないからです。

ただし、使い道はあります。「準備完了は世界で約13%しかない」「しかもこの3年ほぼ動いていない」という事実は、社内で危機感を共有するときの材料になります。「大企業ですら準備できていない」という文脈は、着手を先延ばしにしている会社の背中を押します。診断ツールとしてではなく、外部環境の証拠として使うのが正しい使い方です。

6つの柱を、中小企業向けに読み替えると

そのままでは使えないと書きましたが、柱の考え方自体は有効です。項目を規模に合わせて読み替えると、中小企業の点検リストになります。

読み替えて分かるのは、Infrastructureの柱だけが大きく形を変えることです。自社でGPUを確保する話は、クラウドのサービスを月額で使う中小企業には当てはまりません。

ただし「インフラが論点にならない」わけではありません。Ciscoの柱はGPUだけでなく、ネットワークの拡張性や基盤全体を含みます。中小企業でも、回線が遅くて大きなファイルの処理が止まる、共有ストレージの容量が足りない、端末が古くて重い処理に耐えない、クラウド契約のプランが人数に合っていない——このあたりは実際に詰まる箇所です。後述しますが、当社の12項目はここを取りこぼします。残る5つは、規模を落とせばそのまま点検項目として機能します。

特にCultureの読み替えは重要だと考えています。大企業では取締役会の受容性が問われますが、中小企業では社長自身が触っているかどうかがほぼ全てです。触っていない社長の会社で、現場だけが活用を進めた例を、当社はまだ見ていません。

※器・中身・稼働・習慣の4面を12の事実で判定します。結果の表示までは登録不要です。

② 経済産業省のAI-Ready化——3課題と6条件

国が示しているものは、点数化された成熟度モデルではありません。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）は用語解説であり、段階の指標は定めていません。

ただし、政策特集記事（2026年6月29日）には、事実上の物差しとして使える枠組みが2つ提示されています。

枠組み1：3つの課題

企業内データがAIで活用されない背景として、サイロ化（部門ごとにデータが分断されている）／属人化（担当者しか把握・処理できない）／非構造化データ（文書・画像・音声など決まった構造を持たない）の3つが挙げられています。

この3つは、中小企業でもそのまま診断項目として使えます。特に2つ目の属人化は「◯◯さんに聞いて」が社内共通語になっているかどうかで、規模に関係なく判定できます。

枠組み2：AI-Ready化の6条件

同記事でフライウィール（データ活用プラットフォーム提供企業）が示す6条件が紹介されています。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。

こちらはプラットフォーム提供事業者の視点なので、中小企業に直接効くのは①②⑤の3つです。⑥は当面不要と考えて構いません。

中小企業が使えるか——結論：3課題は使える、6条件は選別が要る

国の枠組みの長所は、属人化を正面から課題に含めていることです。多くの海外製モデルがデータとインフラ中心なのに対し、国は「担当者しか把握していない状態」を明示的に挙げています。ここは中小企業の実態に近い。

短所は、段階がないことです。課題は分かっても、自社がどこまで進んだのかを測る目盛りがありません。用語解説なので当然ではありますが、進捗管理には使えません。詳しい読み解きは経済産業省のAI-Ready定義を読み解くに書きました。

③ この記事で扱わなかったもの

比較対象として名前が挙がりやすいものを2つ、扱わなかった理由とあわせて書いておきます。並べなかったこと自体を隠さないほうが、この記事の目的に合うからです。

経済産業省のDX推進指標。公的な自己診断の枠組みとして知られていますが、この記事では比較表から外しました。理由は2つあります。ひとつはAI専用の指標ではなく、DXという広い範囲を扱うものなので、「AIが自社の判断を持って働いているか」という本記事の論点とは粒度が合わないこと。もうひとつは正直な理由で、今回、私が一次資料に当たって設計思想まで確認できていないためです。確認していない枠組みに評価を付けて自社の隣に並べるのは、比較記事としてフェアではないと判断しました。DX全体の進捗を管理したい場合は、経済産業省とIPAの公式情報を直接ご確認ください。

コンサルティング会社各社の独自モデル。多くは非公開か、提案の一環として提示されるもので、外部から検証できません。だから並べようがない、というのが実情です。ただしこれは使う側にとって重要な論点でもあります。物差しが非公開だと、低い判定が出たときにその妥当性を自社で確かめられません。外部に診断を依頼する場合は、判定基準そのものを事前に見せてもらえるかを確認することをおすすめします。

④ AiWiLLのAI Ready度Lv0〜4——長所と短所を自分で書く

当社が顧問の現場で使っている物差しも、同じ土俵に並べます。自社のものだから優れている、という書き方はしません。

長所——段階が少なく、判定が事実で、次が一意に決まる

設計思想は「次の一手を決めるため」に振り切っています。だから段階は5つしかなく、各段階の判定は意見ではなく事実で行います。「体制が整っている」ではなく「聞かれた社員全員が同じ場所を答えるか」。誰が測っても同じ答えになることを優先しました。

そして各Lvに対して、次にやることが1つに決まります。Lv0なら判断基準を録音で言葉にする。Lv1なら主要3テーマの「正」を宣言する。Lv2なら渡す業務を1つ選ぶ。点数ではなく、次の行動が出力される設計です。

短所——4つ、取りこぼすものを具体的に書きます

ひとつ、大企業には粗すぎます。部門ごとに成熟度が違う組織では、5段階では表現しきれません。数千人規模のDX構想には、Ciscoのような多軸のモデルのほうが適しています。

ふたつ、インフラを測っていません。結果として、次のような詰まりを見落とします。回線が遅くて大きなファイルの処理が途中で止まる。共有ストレージが逼迫して新しい資料を置けない。端末が古く、業務中にAIを開くと固まる。クラウド契約のプランが人数に合っていない。これらはLv判定に一切反映されないので、Lv3と判定された会社でも起こります。

みっつ、人材（Talent）を測っていません。これがいちばん重い欠落です。この記事自身、中小企業版のTalentを「AIの成果物に赤を入れられる人が社内にいるか」と読み替え、後述の資源見積もりでも「赤入れ役」を必須に挙げています。それだけ重要だと言いながら、12項目には赤入れ役の有無を問う設問がありません。結果として、赤入れできる人が不在のままLv2まで到達してしまい、Lv3で止まる会社を取りこぼします。ここは今後の改訂で埋めるべき穴だと認識しています。

よっつ、当社が作った物差しであり、第三者の検証を受けていません。顧問先の累計約15社規模の現場から組み立てたもので、統計的な妥当性検証を経たものではありません。項目の妥当性も、段階の区切り方も、外部の査読を通していない。この点は、公的機関の枠組みや大規模調査に基づくモデルとは性質が違います。「現場で使えている」は、「正しい」の証明にはなりません。

この物差しへの反論——自分で3つ挙げます

設計思想そのものへの反論も、自分で書いておきます。

反論1「段階が粗いと、改善してもLvが動かず、続かない」——これは実際に起きます。Lv1の会社が3ヶ月かけて2テーマの正を決めても、3テーマ目が残っていればLv1のままです。進んでいるのに数字が動かないのは、モチベーションを削ります。当社は面ごとの通過状況を併記して補っていますが、粗さの副作用は残ります。

反論2「事実判定は逃げ道がないぶん、診断自体を避けられる」——「意識が高いか」なら誰でも答えられますが、「先月何件あったか」は答えたくない会社があります。正確さと引き換えに、着手前の心理的な壁を高くしている面は否定できません。

反論3「12項目では業種特性を吸収できない」——現場作業が中心の業種と、書類仕事が中心の業種では、Lv3の実現しやすさが違います。同じ12項目で測ると、業種によって難易度が変わる。ここは業種別の補正を入れていないので、比較には向きません。自社の推移を見るための物差しであって、他社と比べるための物差しではないと考えてください。

3つの物差しを、同じ表で比べる

選び方——目的で決まる

この表から、選び方は自然に決まります。

• 投資家や本社に説明する必要がある／業界内での位置を知りたい → Ciscoなどの大規模調査を参照する
• 公的な枠組みに沿って説明したい／補助制度や支援機関との会話がある → 経産省の3課題を使う
• 明日やることを決めたい／社員数十名の会社 → 段階の少ない、事実判定型のもの（当社のLv0〜4はここ）

そして、複数を併用して構いません。むしろ実務では、外部説明に国の枠組みを使い、社内の進捗管理に段階型を使う——という組み合わせが自然です。物差しは排他的なものではありません。

成熟度診断でよくある4つの失敗

失敗1. 診断して、点数に納得して、終わる

最も多い失敗です。診断は現在地を知るための手段であって、目的ではありません。点数が出た時点で満足してしまう会社は、半年後に測っても同じ点数のままでした——というのが、当社が再診断まで伴走した範囲での実感です。診断の直後に「では最初にやる1つは何か」を決めないなら、診断しないほうがまだ時間の節約になります。

失敗2. 規模の合わない物差しで測って、落ち込む

社員20名の会社がGPU保有率やAI人材の採用計画を問われれば、当然すべて未整備になります。それは会社の問題ではなく、物差しの適用範囲を外れているだけです。落ち込む必要はありません。合う物差しに持ち替えてください。

失敗3. 判定を「意識」や「意欲」で答えてしまう

自己診断形式の弱点です。「経営層はAI活用に前向きか」と聞かれれば、たいていの会社は「はい」と答えます。前向きなのは本当だからです。しかし前向きさは進捗ではありません。

だから判定は、意識ではなく事実で行うべきだと考えています。「前向きか」ではなく「先月、AIが実務水準の成果物を返した業務は何件あったか」。前者はいくらでも良く答えられますが、後者は答えられません。

失敗4. 項目の多い診断を選び、途中で止まる

網羅的な診断ほど正確に見えますが、50問の診断を毎月回せる中小企業は、まずありません。測ることの価値は、定点観測できて初めて出ます。1回だけ精密に測るより、粗くても3ヶ月ごとに測れるほうが実務では役に立ちます。

当社が12項目に絞っているのは、この理由です。項目を増やせば精度は上がりますが、続かなければ意味がない——という判断です。精度と継続性のトレードオフで、継続性を取りました。

測ったあと——結果を「予算」と「人」に変換する

診断で終わらせないために、結果を社内で動かす形に変換する必要があります。ここは物差しの比較記事にはあまり書かれない部分なので、実務として書きます。

変換1：判定を「今期やらないこと」の根拠にする

診断のいちばん実用的な使い道は、着手することを決めるよりやらないことを決めることです。

たとえばLv1（正が決まっていない）と判定された会社が、同じ時期に「全社にAIツールを配る」「AI人材を採用する」「業務システムを刷新する」を検討していたとします。判定に基づけば、この3つはいずれも今期は見送ってよいと言えます。渡すものが決まっていない段階でツールを配ると散在が悪化し、人を採っても渡す器がなく、システムを刷新しても中身は変わらないからです。

「やらない」の根拠を外部の基準で示せることが、診断の価値です。社内で反対が出たとき、経営者の感覚ではなく段階の話として説明できます。

変換2：Lvごとに、必要な人と時間を見積もる

段階が分かると、必要な資源も概算できます。当社の顧問の現場での目安を出します。これは伴走がある場合の実感値で、統計として集計したものではありません。

この表で伝えたいのは、どの段階も専任者を必要としないということです。表の値を積み上げると、Lv0からLv3までの正味の作業時間は、録音1時間＋意思決定3〜6時間（1〜2時間×3テーマ）＋赤入れ1〜2時間（15〜30分×4回）で、おおよそ5〜9時間。時間がかかるのは作業ではなく、意思決定の待ち時間——「正はどれにするか」を決められないまま数週間過ぎる、という形で失われます。

変換3：測定の記録を残す

地味ですが効きます。判定結果を日付つきで1行残してください。「2026年8月：Lv1（面①のQ2で停止）」で十分です。

3ヶ月後にもう一度測ったとき、この1行があるかどうかで会話が変わります。「進んだ／進んでいない」が事実として分かるからです。記録がないと、印象で「まあ多少は進んだかな」となり、打ち手の効果検証ができません。

正直に書くと、当社の顧問先でもこの記録が続いている会社は多数派ではありません。測ることより、測り続けることのほうが難しいというのが実感です。だからこそ、項目の少ない物差しを勧めています。

よくある質問（FAQ）

Q1. 成熟度モデルは、どれくらいの頻度で測るべきですか？

A. 3ヶ月ごとを目安にしています。毎月では変化が見えず、半年空けると打ち手の軌道修正が遅れるためです。ただし、これは当社の顧問が3ヶ月区切りで契約していることとも関係しているので、絶対的な根拠ではありません。重要なのは頻度そのものより、同じ物差しで測り続けることです。途中で物差しを変えると、前回との比較ができなくなります。

Q2. 診断結果が悪かった場合、どこから手をつけますか？

A. いちばん下の段階で「できていない」が出た項目からです。段階型のモデルでは、下の段が上の段の土台になっています。正がどれか決まっていない会社（Lv1）が、書き戻しの習慣（Lv4の要件）だけを整えようとしても、書き戻す先が決まらないので続きません。飛び級はできない、という前提で設計されています。

Q3. Ciscoの13%という数字は、日本企業にも当てはまりますか？

A. 直接は当てはめられません。この調査は30市場・26業界の、従業員500名超の組織でAI戦略に責任を持つIT・事業リーダー約8,000人を対象とした国際調査で、日本の中小企業を代表する数字ではないからです。日本の中小企業の実態としては、別の調査を見るほうが適切です。たとえば帝国データバンクの動向調査（2026年3月調査・有効回答1万312社・2026年5月14日発表）では、生成AIを業務で使っている企業は全体の34.5%、中小企業では32.4%でした。使用率と準備度は別の指標なので、両者を混同しないようご注意ください。

Q4. 外部のコンサルに成熟度診断を依頼するときの注意点は？

A. 判定基準そのものを事前に見せてもらえるかを確認してください。基準が非公開のまま結果だけ提示されると、受け取る側が妥当性を検証できません。あわせて「この診断で低い判定が出た場合、御社のサービスを買わなくても改善できる部分はどこですか」と聞いてみることをおすすめします。診断が提案の前振りとして設計されているかどうかは、この質問への答え方で分かります。当社が12項目を全公開しているのも、この検証可能性のためです。

Q5. AI成熟度とDX成熟度は、どちらを先に測るべきですか？

A. 目的によりますが、中小企業ならAI側から測ることをおすすめします。理由は、DXという範囲が広く、測っても打ち手が絞れないことが多いからです（DX推進指標そのものへの評価ではなく、DXという範囲の広さの話です）。「DXが進んでいない」と分かっても、明日やることは決まりません。一方、AI Ready度で「Lv1（正が決まっていない）」と分かれば、やることは主要3テーマの正を決めることに絞られます。粒度の細かいほうから着手するのが実務的です。

Q6. 自社で成熟度モデルを作ってもいいですか？

A. 構いませんし、うまくいけば既製品より効きます。作るなら3つだけ守ってください。①段階は5つ以内にする（多いと判定が揺れます）、②各段階の判定を、誰が見ても同じ答えになる事実にする（「意識が高い」ではなく「先月何件あったか」）、③各段階に、次にやることを1つだけ紐づける。この3つを満たさない自作モデルが3ヶ月ほどで使われなくなるのを、当社は複数の現場で見ています。

Q7. 結局、どの物差しを使えばいいですか？

A. 社員数十名から百名程度で、目的が「明日やることを決める」なら、段階が少なく事実判定型のものを選んでください。当社のLv0〜4はその設計ですが、これでなければならない理由はありません。上のQ6の3条件を満たしていれば、自社で作ったものでも十分に機能します。大事なのは、どの物差しを選ぶかより、同じ物差しで測り続けることです。

まとめ

• 成熟度モデルには2種類ある。比較のためのもの（大企業・調査機関向け・項目が多い）と、次の一手を決めるためのもの（中小企業向け・段階が少ない）。目的が違うので、混同すると噛み合わない。
• Cisco AI Readiness Index 2025は30市場・26業界・従業員500名以上の約8,000社が対象（2025年10月14日発表）。Strategy／Infrastructure／Data／Talent／Governance／Cultureの6つの柱で測り、完全に準備できているPacesettersは約13%で、この割合は過去3年ほぼ一貫している。中小企業の自己診断には使えないが、「導入は進んでも準備度は動かない」証拠としては有効。
• 経済産業省の枠組みは段階を持たないが、3課題（サイロ化・属人化・非構造化）は中小企業にもそのまま使える。特に属人化を正面から課題に含めている点が実態に近い。
• AiWiLLのLv0〜4は「次の一手を決めるため」に振り切った設計。段階5つ・事実12項目で判定・各Lvに次の行動が1つ紐づく。短所は4つ——大企業には粗すぎる／インフラを測らないため回線・端末・容量の詰まりを見落とす／人材（赤入れ役の有無）を項目に持たない／第三者検証を受けていない。
• 複数の物差しを併用してよい。外部説明に公的枠組み、社内の進捗管理に段階型、という組み合わせが実務的。
• よくある失敗は4つ。点数に納得して終わる／規模の合わない物差しで落ち込む／意識で答えてしまう／項目が多くて続かない。
• 外部に診断を頼むなら、判定基準を事前に見せてもらえるかを確認する。基準が非公開なら、結果の妥当性を検証できない。

物差し選びで悩む時間は、たいてい測る時間より長くなります。まず粗くても一度測って、次の一手を1つ決めるほうが先です。当社の12項目は無料で公開しているので、手元に物差しがない場合の出発点としてお使いください。

※判定基準の12項目はすべて公開しています。結果の表示までは登録不要です。

あわせて読みたい：5段階の定義と12項目の全文はAI Ready（AIレディ）とは何か、国の枠組みの詳しい読み解きは経済産業省のAI-Ready定義を読み解く、到達した会社の姿はAI Readyな会社は、何が違うのか、日本の中小企業の使用実態は中小企業の生成AI、現場観測2026、外部に頼むかの判断は中小企業にAIコンサルは必要かで扱っています。

※本記事の統計・出典は2026年8月執筆時点のものです。Cisco AI Readiness Index 2025（2025年10月14日発表）、経済産業省METI Journal ONLINE、帝国データバンクの各数値は、それぞれの発表元へ本文からリンクしています。AiWiLL独自の定義および診断を、これらの機関が監修・認定するものではありません。