AI活用レベルの決め方｜大手とベンチャー30社の評価軸と、規模別の進め方

01先に結論：うまくいっている会社は「量」を測っていない

調べて分かったことを、先に5つ挙げます。

1. 利用量だけを測った会社は、軒並み見直しています。Duolingo は2026年4月に AI 利用を評価指標から外しました。Shopify・Meta・Amazon は社内の利用量ランキングを廃止しました。ランキングを上げるために、無駄に使う人が出たからです。
2. 測る対象は「作ったもの」と「成果」に移っています。Zapier は2026年に、単発のプロンプトは最低ラインに届かないと基準を引き上げました。合格点は「繰り返し使える仕組みを持っていること」です。
3. AIの効果の3分の2は、組織側で決まります。Microsoft の2万人調査では、組織要因が67%、個人要因が32%でした。1人だけ上手くても会社は進みません。
4. 業績が業界平均を上回るのは「業務の作り直し」から。MIT の研究では、AI活用の第2段階から第3段階に上がるところで、成長率と利益率が平均を下回る側から上回る側に反転します。
5. 大手とベンチャーでは、効く進め方のパターンが違います。大手は段階を細かく定義して処遇につなぎ、ベンチャーはツールを配って期限付きの号令をかけています。規模に合わないパターンをまねると、手間だけが増えます。

02評価軸は4つのパターンに分かれる

各社の取り組みは、見た目は違っても次の4つのパターンに分けられます（分類は Zeyra の整理です）。

1つのパターンだけで済ませている会社は少なく、DeNA は A と D、LINEヤフーは B と C のように組み合わせています。

03何を測るかで、成否が分かれる

評価軸の設計で一番大きな分かれ道は、「何を見て判定するか」です。

量を使いたいなら、freee のやり方が参考になります。freee は開発組織で「AI開発マニア」を認定する条件に、使った量と作った量に加えて、「使った量÷作った量」が極端に高くないことを入れました。「トークン量÷PR が極端に高すぎない」たくさん使っているのに何も生んでいない状態を除けるので、ランキングのような数字稼ぎが起きにくくなります。

もう1つ、見落とされがちな点があります。Anthropic が Claude の会話約1万件を調べたところ、AIの出力の事実確認をしている会話は 8.7% だけでした。しかも、AIに文書やコードを作らせる会話ほど、確かめる行動が減っていました。レベルが上がるほど、確かめる力は放っておくと落ちるということです。どのパターンを選ぶにしても、確認と責任は全レベルの条件に入れておくべきです。

04大手はどう測っているか

各社の公開情報（2026年10月時点）から、段階・判定・処遇の3点で並べます。

特に参考になるのが DeNA です。理由は2つあります。

1つ目は、組織のレベルをメンバーの構成で決めることです。公式サイトでは、たとえば組織の第3段階の条件を「7割以上が個人レベル2以上、かつレベル3以上が1名以上」としています。管理職からすると、自分だけが上がっても組織のレベルは上がらないので、部下を底上げする動機が生まれます。

2つ目は、個人の最上位に「他者の生産性も上げられる」を置いていることです。上手に使える人ではなく、周りを引き上げられる人を最上位にしています。

05ベンチャーはどう測っているか

ベンチャーの公開事例は、大手とかなり違います。段階と判定方法まで公開している会社はほとんどなく、次の3つのパターンに集まっています。

グッドパッチの号令の結果は、数字で公開されています。185人が217本のアプリを作り、コーディング未経験者の86%がデプロイまで到達しました。「期限を切って、全員に1つ作らせる」は、小さな組織ほど効く打ち手です。

大手との違いを、私たちは次の4点と見ています。

• 測るより配る。全員の顔が見える規模では、段階を判定する手間に見合わない。ツールを配って号令をかけるほうが早い。
• 段階は「処遇の根拠」ではなく「次の一歩の目印」。グッドパッチは等級ではなく表彰で報いている。
• 手当の考え方が違う。大手は認定された人への報酬、ベンチャーの多くは使う費用の実費補助。
• 統制の置き場所が違う。大手は資格や研修の必修化。ベンチャーは利用の入口（Ubie の研修修了）と費用の蛇口（LayerX は経理が利用上限を設定）。

06規模別：どの進め方のパターンが効くか

ここまでの事例をもとに、社員規模ごとに効きそうな進め方のパターンを整理しました。事例からの仮説で、検証済みの基準ではありません。

どの規模でも共通するのは、利用量を処遇につながないことと、確かめる力を外さないことの2つです。評価に入れる前に、評価の受け皿である1on1が機能しているかも確認してください。

07Zeyra ならこう測る：3つの評価軸

08AIの評価は、まだ「一周目」が終わったところ

ここまで30社以上の評価軸を並べましたが、どれも「正解」ではありません。社員のAI活用を測る取り組みは、2025年に一斉に始まり、2026年にかけて最初の見直しが起きた、まだ一周目が終わったばかりの段階です。

その証拠に、先行した会社ほど、すでに直しています。

AIそのものが半年単位で変わるので、半年前の「上手な使い方」が今は当たり前になります。基準を固定した瞬間に、評価軸のほうが古くなる。だから、評価軸は「決めるもの」ではなく「更新し続けるもの」として設計するのが現実的です。

私たちが自社の評価軸に組み込んでいる更新のルールは3つです。

1. 半期に一度、3つまとめて診断し直す。レベルの判定だけでなく、設問そのものが現状に合っているかも見る。
2. みんなが上がったら、最低ラインを上げる。Zapier と同じ考え方です。全員が Lv2 を満たすようになったら、Lv2 の条件を今の Lv3 相当に引き上げる。
3. 道具の名前は定義に書かず、具体例の欄にだけ書く。Claude や ChatGPT が別のものに変わっても、レベルの定義は残るようにする。

最初から完璧な評価軸を作ろうとすると、作るのに時間がかかり、できたときには古くなっています。小さく決めて、半期ごとに振り返って直す。その繰り返しのほうが、1年後には精度の高い評価軸になっています。

09まとめ：評価軸を作る前に決める3つのこと

段の文言を書く前に、次の3つを先に決めてください。

1. 何を測るか。量か、行動か、作ったものか、成果か。量だけを選ぶなら、作ったものとの比で見る。
2. 処遇とどうつなぐか。最初は切り離し、判定が安定してからつなぐ。つなぐなら成果で。
3. いつ、どう直すか。見直しの周期と、最低ラインを上げる条件を、最初から決めておく。

この3つが決まれば、レベルの数や名前は自社の言葉で書けます。自社の場合はどのパターンから始めるべきかを一緒に見たい場合は、お問い合わせから声をかけてください。準備は不要です。