生成AIで決裁が詰まる27.4%｜AI新規事業ニュース 8/31〜9/6

ARCHECO独自調査の表紙。自社はどの象限か「企画インフレ・決裁渋滞セルフチェック」

生成AIで新規事業の企画づくりは速くなり、ARCHECOが新規事業担当者・経営層420名に行った調査では90.7%が「速くなった」と答えました。ただし、全体の27.4%は「企画は速くなったのに、検証と意思決定が追いついていない」状態にあり、詰まる場所は「作る」から「確かめて決める」へ移っています。

本記事では、@archeco_ai が今週（2026年8月31日〜9月6日）取り上げた主要ニュース7本を、背景と用語の解説つきで整理します。そのうえで、ARCHECOの調査（2万人調査・420名調査）と現場の知見から、新規事業とAI活用への示唆を考察します。

今週の要点

ニュース	何が起きたか	新規事業への示唆
① 企画インフレ・決裁渋滞	企画が「速くなった」90.7%、検証・意思決定が「追いついていない」33.8%、両方に当てはまるのは27.4%	詰まりは企画書ではなく、検証と意思決定の処理能力にある
② 決まる組織と決まらない組織の差	「ほぼ毎日」利用は52.2%と55.6%でほぼ同じ。進め方が「大きく変わった」は28.7%と50.8%	AIを書類の外、つまり進め方と判定のしかたまで広げる
③ 最大の新課題は社内の格差	新たな課題の最多は「使える人・使えない人の差」39.5%	個人のスキル差が、組織の課題として表に出てきた
④ 企業規模でU字	「追いついていない」は299名以下38.7%、中堅28.0%、5,000名以上39.6%	小さい会社が速く決められるとは限らない
⑤ 45歳の壁を16セルに分解	年代差は世帯年収帯で27.2ptから9.0ptまで違う	研修の対象を年代だけで切らない
⑥ ペルソナ設計をやめても残る能力	捨てるのはシート、残すのは選ぶ理由を書き下す技術	作る速度が上がったいま、能力の向け先を変える
⑦ 「MAXでいくら使うのか」	撤退の線は累積赤字の上限に置くという実務の見立て	上限額を先に示すことが、承認を前に進める

① 企画は90.7%が速くなり、27.4%は決裁が追いつかない

何が起きたか

2026年9月1日、株式会社ARCHECO（アルチェコ）は第2回調査「生成AI時代の新規事業開発実態調査（2026年）」を公開しました。対象は、新規事業に関与し生成AIを週1回以上使う会社員・経営者／役員420名で、第1回の2万人調査の回答者から抽出しています（調査日は2026年8月20日）。

企画や検証（PoC・MVP）が形になるスピードは「2倍以上速くなった」18.3%、「1.6〜2倍」36.9%、「1.1〜1.5倍」35.5%で、合計90.7%が「速くなった」と答えました。一方で「検証・意思決定が追いついていない」は33.8%です。2問を掛け合わせると「速くなったうえで追いついている」63.3%、「速くなったが追いついていない」27.4%でした。ARCHECOはこの27.4%の状態を「企画インフレ・決裁渋滞」と名づけています。

解説：企画インフレ・決裁渋滞とは何か

ARCHECOの定義では「生成AIによって新規事業の企画が量産される一方、検証と意思決定の処理能力が追いつかず、未検証の企画が組織内に滞留する現象」です。インフレという語は、本数が増えるほど企画1本あたりの重みが下がることを指しています。

なぜ起きるのかは、工程ごとの速さの違いで説明できます。企画書は一晩で書けるようになりましたが、顧客5人にインタビューを組む時間や、試作品を作って売ってみる時間はほとんど変わっていません。一部の工程だけが速くなると、その先に仕事がたまります。調査でも、変わったことの最多は「企画書・資料の作成が速くなった」50.5%でした。

ただし、ARCHECOが事前に置いた「企画が速くなった組織ほど、意思決定が追いつかなくなる」という仮説は支持されませんでした。「変わらない・遅くなった」層では68.6%が追いついていないのに対し、1.6倍以上速くなった層では18.7〜19.2%です（調整後の予測値）。決裁渋滞は全体の傾向ではなく、27.4%の組織にある状態として読むのが正確です。

考察：直すべきは承認の速さではなく、判断材料の質

従来の「稟議が遅い」は承認経路の問題で、処方箋はワークフローの電子化でした。ARCHECOは決裁渋滞を別の問題と見ています。決裁者が求める判断材料は顧客の反応や利用データといった一次情報なのに、届くのは生成AIで整えた二次情報の加工品だ、という需給の食い違いです。詳しくは「決裁渋滞の正体と、決裁者にしかできない設計変更」で扱っています。

調査でも、新たな課題に「上申・決裁で『AIで作った根拠』が信用されにくい」20.0%、「検証していない『それらしい計画』が増えた」25.5%が並びました。承認を急がせても、材料が二次情報のままなら差し戻しは減りません。レポートは次の一手として、検証対象の抽出、実地の検証、判断材料づくりにAIの適用範囲を広げることを挙げています。

元の投稿：@archeco_ai の投稿（9月1日）

② 決まる組織と決まらない組織の差は「AIが変えた範囲」

何が起きたか

9月2日の投稿は、検証・意思決定が追いついている組織と追いついていない組織を比べました。生成AIを「ほぼ毎日」使う割合は55.6%と52.2%でほぼ同じです。差が出たのは、進め方が「大きく変わった」（50.8%と28.7%）、アウトプットの質も上がった（59.8%と30.4%）でした。追いついていない組織では、最も工数が減った工程が「企画書・資料作成」に偏っています（41.7%、追いついている組織は29.3%）。

解説：「使う量」と「変えた範囲」は別の物差し

AI活用は利用頻度やアカウント数で測られがちです。しかしこの比較は、同じくらい使っていても、効果が書類にとどまる組織と、進め方ごと変わる組織に分かれることを示しています（レポートはどちらが原因かは特定できないとしています）。外部への依頼も、「実行・検証の支援の比重が増えた」39.8%が「戦略立案・資料作成の比重が増えた」18.3%の2倍超でした（ARCHECOはこの領域のサービス提供者で、利害関係をレポートで開示しています）。

考察：節目の判定を4択にして「様子を見る」を消す

進め方まで変えるとは何を変えるのか。9月4日のX長文記事は、評価の物差しを例に挙げました。日々の出来を見る物差し（この数字は良いか）と、構造が機能したかを見る物差し（企画から事業推進を経て次の企画へ戻る輪が一周したか）は階層が違い、混ぜると会議は具体的な数字に引きずられます。

これは物差しの使い分けの実例です。ARCHECOが大手旅行会社と進めた共創案件では、4週間のMVP検証の節目に置かれた問いが「このアプリはうまくいったか」ではなく「輪が一周したか」でした。判定は成功条件と照らして、続ける・変える・縮める・止めるの4択で決め、「もう少し様子を見る」は入れません。入れると、ほぼ必ずそれが選ばれるからです。判定の選択肢と場を先に固定することが、速くなった企画を決裁まで流す仕組みになります。この節目の設計は、ARCHECOのステージゲート伴走でも中心に置いている工程です。

元の投稿：@archeco_ai の投稿（9月2日）

③ 最大の新課題は「使える人・使えない人の差」39.5%

何が起きたか

9月2日・3日の投稿は、420名調査の「生成AI活用で新たに生まれた課題」（複数回答）を紹介しました。最多は「社内でAIを使える人・使えない人の差が広がった」39.5%で、「情報漏えい・コンプライアンスの不安」25.7%、「検証していない『それらしい計画』が増えた」25.5%、「企画の同質化」24.3%が続きます。

解説：個人の利用格差が、組織の課題になった

この結果は、第1回の2万人調査で見えた役職・年齢による利用格差の延長にあります。新規事業関与者の週1回以上利用率は一般社員55.4%から部長クラス75.7%まで上がり、経営者・役員は「ほぼ毎日」36.2%と「ほとんど・全く使わない」26.5%に二極化していました。個人の差が、一緒に企画を回すチームの中で表に出たと考えられます。

外部の研究には、使えば差は縮むという結果があります。ボストンコンサルティンググループのコンサルタント758名による実験では、GPT-4を使った群はタスクを12.2%多く、25.1%速く完了し、質は40%以上高く、伸びは成績が平均を下回る人で43%、上回る人で17%でした。一方、AIの得意範囲の外のタスクでは正答率が19ポイント下がっています（Dell'Acqua ほか、2023年）。

考察：差は「能力」より「使う場面があるか」で生まれている可能性

使えば下位の人ほど伸びるのに、現場では差が広がっている。そうであれば、差を生んでいるのは素質より、業務の中に使う場面があるかどうかである可能性があります。ARCHECOが勧めたのは、まず部署ごとに「誰が何に使っているか」を聞くことでした。ツールを配ると導入の会議は終わり、その先は各自まかせになりがちです。聞き取りで見えるのは、使われていない工程です。また420名調査で負担が最も増えたのは「情報の真偽チェック・ファクト確認」21.9%でした。使える人を増やすことと、確かめる工程を用意することは一組で考える必要があります。

元の投稿：@archeco_ai の投稿（9月3日）

④ 「追いついていない」は企業規模でU字、小さい会社も38.7%

何が起きたか

9月3日の投稿は、検証・意思決定が「追いついていない」割合を企業規模別に示しました。299名以下38.7%、300〜4,999名28.0%、5,000名以上39.6%で、中堅だけが低いU字です。420名調査の探索的な集計で、次回調査で検証する仮説と位置づけられています。

解説：小さい会社と大きい会社では、詰まり方が違う

「うちは小さいから、決裁は速い」という前提は、このデータでは支持されませんでした。ただし詰まりの中身は違う可能性があります。大企業では「『AIで作った根拠』が信用されにくい」が3区分で最も高く24.0%で、決裁構造の側に詰まりが見えます。小さい会社では、新規事業を担う人が違います。2万人調査では、従業員49名以下の企業の関与者841人のうち44.9%が経営者・役員本人で、関与者の「ほぼ毎日」利用率は49名以下23.3%から5,000名以上45.5%まで規模とともに上がります。

考察：規模で処方箋を分ける

身軽さと決まりやすさは別物でした。大企業なら、判断材料を一次情報に置き換え、判定の場と選択肢を先に決めることが処方箋になります。小さい会社では、決める人と回す人が同じで、その人の時間が足りないことが詰まりの正体である可能性があります。その場合は、経営者自身がAIで検証の材料づくりを短くすることが、決裁の速さに直結します。

元の投稿：@archeco_ai の投稿（9月3日）

⑤ 「45歳の壁」を16セルに分けると、高さは年収帯で違った

何が起きたか

8月31日と9月6日の投稿は、2万人調査の追加分析「45歳の壁は一律ではない——年代×世帯年収の16セル」を紹介しました。新規事業関与者4,794名の週1回以上利用率は25〜34歳77.3%から55歳以上59.0%へ下がります。世帯年収4区分と掛け合わせると、25〜34歳と55歳以上の差は400万〜600万未満で27.2ポイント、1,500万以上で9.0ポイントでした。16セルの最高は87.5%、最低は46.7%です。

「45歳の壁」は一律ではないことを示す横棒グラフ。25〜34歳と55歳以上の週1回以上利用率の差が、世帯年収400〜600万円で27.2pt、600〜1,000万円で21.3pt、1,000〜1,500万円で16.7pt、1,500万円以上で9.0pt

解説：年代差は日本全体でも大きいが、中身は一様ではない

総務省の令和8年版情報通信白書によると、日本で生成AIを使ったことがある個人は2025年度調査で58.8%（前年度26.7%）で、年齢階層別では20〜29歳が78.2%でした。年代差は公的統計でも見えています。

16セルが加えたのは、その差が一律ではないという点です。55歳以上の内側でも世帯年収帯によって46.7%から68.4%まで開きがあります。ただし同一時点の分布なので、年齢や年収が利用を左右するのか、使う機会の多い職場に高年収帯の回答者が集まっているのかは区別できません。同じ週に公開された地域別集計（週1回以上利用率は関東68.8%、関東以外62.3%）も、業種や規模の構成差と切り分けられていません。

考察：研修の対象を年代で切らない

研修の対象を「45歳以上」のように年代で決めると、この段差の違いが見えなくなります。③と合わせると、線を引くべきは年代ではなく、業務の中で生成AIを使う場面があるかどうかだと考えられます。対象を選ぶ人が見るべきは、年代別の平均ではなく、部署や職種ごとの「使う場面の有無」です。

元の投稿：@archeco_ai の投稿（9月6日）

⑥ ペルソナ設計をやめても、残る能力がある

何が起きたか

9月5日・6日の投稿は、ペルソナ設計の位置づけを取り上げました。ペルソナ設計は「作る前に外さない確率を上げる」前提の上にあり、作る速度が変わったいまは当たるまで出すほうが速い。ただし捨てるのは名前、顔写真、年収のシートまでで、何を選び何を選ばないかを見抜き、他人が再現できる形に書き下す技術は残る、という主張です。

ペルソナの捨て方を示す図。捨てるのは名前・顔写真・年収のシート、残すのは選ばない理由を書き下す技術

解説：前提が変わると、手順の順番が変わる

ペルソナは、作るのが高い時代に、作る前の解像度を上げて外れを減らす道具でした。生成AIで試作が速くなると順番が逆転し、解像度を上げる会議の間に複数の案を出して反応を見られます。出して得た反応は仮説ではなく事実です。詳しくは「ペルソナに意味はないと言える理由と、AIのためのペルソナという逆向きの設計」に譲ります。

考察：能力の向け先を、消費者から生産者へ

ARCHECOが示した手順は二つです。手元の資料を「成果物」と「能力」に分けること。その能力を向ける先を、消費者の人物像から作る側（生産者）へ変えることです。AIに企画や試作を任せるほど、AIに渡す判断基準を書き下す力の価値は上がります。①の企画インフレとつなげると、企画が量産されるほど「どれを選ばないか」を言語化できる人が決裁を前に進める役になると考えられます。

元の投稿：@archeco_ai の投稿（9月6日）

⑦ 「MAXでいくらキャッシュアウトするのか」に答える上限額

何が起きたか

9月6日の投稿とX長文記事は、承認の場でよく出る一言を取り上げました。「結局、MAXでいくらキャッシュアウトする想定なの?」。売上計画は語れても最大損失に答えられない、その瞬間に承認が止まることが少なくない、という実務からの見立てです（調査で検証したものではありません）。

撤退基準の置き場所を比べた図。期間×売上はコントロールできずゴールポストが動く、KPIは想定の掛け算で崩れ解釈論になる、累積赤字は「MAXいくら?」に直答でき想定が外れても動かない

解説：線を引く場所は三つ、自社で決められるのは一つ

撤退の線の候補は、期間×売上（3年で黒字化）、KPI（転換率◯%未満で撤退）、累積赤字（累積◯円で審議）の三つです。売上は市場が決め、KPIは複数の想定の掛け算です。自社だけで決められる数字は「いくら使うか」しかありません。

この考え方は、エフェクチュエーション理論の「許容可能な損失（affordable loss）」と重なります。サラスバシーは2001年の論文で、期待リターンの予測ではなく、失ってもよい額を基準に資源を投じる考え方を示しました（Sarasvathy, Academy of Management Review, 2001）。線の引き方は「撤退基準を累積赤字の上限に置く理由と設計5原則」で整理しています。

考察：上限額は「額」ではなく「式」で持つ

これは上限額を先に示すことの実例です。ARCHECOの担当者自身、役員会前の社長への事前説明でこの一言に詰まった経験があります。事業計画書には「撤退」の欄がなく、やめる条件を書けば承認が遠のくと考えていたからです。しかし決裁者が最初に確かめたいのは損失の上限でした。その後、大手旅行会社との共創事業で同じ場に臨んだときは、5週間で作った稼働中のMVP、実際の利用データ、累積赤字の上限の三点を持参し、質問は「最大でいくら失うのか」から「次はどこまで行くのか」に変わりました。上限を先に示すことは、事業を任せてもらうための設計だったということです。

上限額は「月次赤字×1回の検証期間×検証回数（2〜3周）＋撤退時の後始末費用」の式で持ちます。確かめるのは、金額が数字で書いてあるか、後始末費用を含むか、その上限でMVP検証が2周以上回るか、決裁者と文書で合意したかの4点です。稟議書の本文には「累積赤字が3,000万円に達した時点で、撤退・縮小・継続条件の見直しを役員会に諮る」のように一文で置きます。上限の内側での路線変更はピボットとして自由です。AI時代の稟議の持ち物の変化は「AI時代の稟議・上申で変わる3つと変わらない1つ」で扱っています。

元の投稿：@archeco_ai の投稿（9月6日）

今週を通して見えたこと

冒頭の問いは、企画が速くなったのに、なぜ決まらない組織があるのか、でした。今週の7本を並べると、答えは「AIが速くしたのは書類で、確かめて決める工程はまだ人と組織の側に残っている」です。追いついている組織は進め方ごと変え、追いついていない組織ではAIの恩恵が企画書に集中していました。

残った工程を詰まらせる要因は、人の差（③）、規模ごとの決裁構造（④）、年代では見えない利用機会の差（⑤）と、組織によって違います。どれもAIを配れば解決する問題ではなく、使う場面と判断の場の設計の問題です。

設計の具体は、今週の実務の論点に揃っていました。節目の判定を4択にして「様子見」を消すこと（②）、選ばない理由を書き下す能力を残すこと（⑥）、「MAXでいくら」に式で答えること（⑦）。生成AIの変化を新規事業で生かせるかは、企画書の次にどこへAIと人の手を向けるかで分かれる、というのがARCHECOの考察です。