社内でAIを使う話は、たいてい「どれだけ効果があったのか」で止まります。公表されている事例は従業員が数万人の企業が多く、支出の規模も測定の体制も自社と違いすぎて、そのまま社内の資料には使えません。
米国でAI研修と導入支援を手がける Section の公式導入事例は、その点で珍しい材料です。従業員25人の会社が、年間のAIの支出額と、節約できたと考えている額の両方を同じページに書いています。社内の利用率82%、チームの半数が10%以上の生産性向上、年の支出は約$20K、節約の見積もりは$150-200K。数字の粒度が、少人数の組織でも読み替えられる大きさです。
先に性質を断っておきます。出典はAIを提供している側が公開した導入事例で、第三者の検証は入っていません。節約額は会計上の実績ではなく、同社が「estimate(見積もり)」と述べているものです。ページに公開日の表示は見当たらず、測定の期間、算出の手順、契約のプランは書かれていません。ここでは書かれている範囲だけを整理し、記載が無い項目は記載が無いものとして残します。確認日は2026年11月20日、原文は英語で、金額は原文の表記のまま扱い円への換算はしません。
読んで分かるのは3つです。小さな会社が費用対効果をどの数字の組み合わせで示したか。マーケティングチームが何をどこに置いて使っているか。そして、この事例の数字を自社の判断に使うときに、どこから先が確かめられていないか。日本の組織で同じことをした場合の効果は扱いません。この事例には書かれていないためです。
支出と節約が、同じ1ページに並んでいる
支出の側の記述はこうです。「The company spends about $20K per year on AI accounts for their 25-person team, including Claude」。年に約$20KをAIのアカウント全体に払っており、その中にClaudeが含まれる、という書き方です。Claude単体の金額ではありません。契約しているプランの名前も、1人あたりの単価も出ていません。
返りの側はこうです。「With half the team getting a 10% productivity gain already, they estimate they’re saving $150-200K a year, or 1-2 headcount」。チームの半数が既に10%の生産性向上を得ているという前提から、年に$150-200K、人数に置き換えれば1人から2人分を節約していると見積もっている、という記述です。
ここで読み方が分かれます。$20Kに対して$150-200Kという並べ方は、比率として見ればたいへん大きな数字です。しかしこの節約額は、削減した費用の集計ではありません。「半数が10%向上した」という自己申告の生産性を、人件費に換算した推計です。換算に使った単価、対象に入れた職種、10%をどう測ったかは、いずれも書かれていません。
とはいえ、作り方そのものには参考になる点があります。支出を年額で、効果を同じ年額と人数の両方で並べているため、読む側が自分の組織の人件費に置き換えられます。社内の決裁で使う資料としては、率だけを示すより通りやすい形です。数字の出どころが推計だと明記したうえで並べるなら、同じ構成は自社でも作れます。
なお同社は公式サイトで「90% of AI spend has been on tools and infrastructure」とも述べ、支出がツールと基盤に偏っていることを自社の事業の前提として挙げています。これは同社の主張であり、出典となる調査は示されていません。
利用率82%は、何と比べた82%なのか
社内の利用率については、比較の相手が明記されています。「82% of team members use Claude, compared to a 5% benchmark for the overall workforce」。自社の82%に対して、労働力全体の基準は5%という置き方です。同じ節には「According to our data, less than 10% of workers are AI-proficient」という同社の見方も載っています。
この2つの数字は、性質が違います。82%は25人という分母がはっきりしている自社の値です。一方の5%と「10%未満」は、同社が参照しているデータに基づく基準で、調査名も測定方法も書かれていません。自社の数字と並べて見せるときは、この非対称をそのまま持ち込まないほうが安全です。
利用率の公表には、もう1つ注意があります。「使っている」の定義です。この事例では、集計の期間(週に1回か、月に1回か)も、集計の方法(管理画面の値か、申告か)も記載がありません。社内AIの普及率をどう測って公表しているかという観点では、5段階に分けて土台から整えたZapierの社内AI普及率は89%・97%・100%。公式3ページの読み方のほうが、定義まで追いかけられます。
25人の組織では、分母が小さいぶん1人の増減が4ポイント動きます。82%という値は、20人か21人が使っている状態を指すはずですが、人数の内訳は書かれていません。少人数の組織で利用率を指標にするなら、率ではなく人数で持つほうが社内の議論は具体的になります。
始まりは、取締役会の資料をAIに読ませたことだった
会社の成り立ちから確認します。事例ページは「Section was founded nearly six years ago as a leadership training provider building the business school of the future」と書いています。約6年前にリーダーシップ研修の会社として始まり、「In early 2023, the company pivoted to focus on AI upskilling after Section’s CEO Greg Shove started exploring generative AI」とあります。CEOのGreg Shoveさんが生成AIを試し始めたことをきっかけに、2023年の初めにAI研修へ方針を変えた、という経緯です。
Claudeとの関わりが始まった場面は、具体的に書かれています。2023年8月、Shoveさんと COO の Taylor Malmsheimer さんが取締役会の準備をしていたときに、取締役会の資料を複数のAIへ渡し、取締役の役を演じて想定質問とフィードバックを出させたという実験です。原文は「They uploaded their board materials to several AI platforms—asking each to role-play as a board member and provide potential questions and feedback」です。
結果の確認方法が、この話のいちばん実務的な部分です。会議の後で、自分たちのメモとAIの予測を突き合わせたとあります。そこで「Claude identified 92% of the feedback the board brought up」、取締役会で実際に出たフィードバックの92%を特定していた、と述べられています。Malmsheimerさんの言葉として「Claude blew us away」「Claude feels more true to how a business person would respond」も載っています。
この92%は、1回の比較の結果です。何件のうち何件が一致したのか、一致の判定を誰がどの基準で行ったのかは書かれていません。数値として自社へ持ち込める性質のものではありません。
一方で、やり方そのものは費用をかけずに真似できます。すでに自分たちが結果を知っている会議、すでに届いた指摘、すでに終わったレビューを題材にして、AIの出力と実際を突き合わせるだけです。導入の前に効果を測ろうとすると未来の予測になりますが、この手順なら答え合わせができます。社内AIの価値を金額で示す側の整理は社内AIアシスタントの価値を金額で示す。Highmark Healthの74用途と測り方で扱いました。あちらは大きな組織が用途を数えて価値を算出した話で、こちらは答えの分かっている過去の出来事で精度を確かめた点が違います。
マーケティングの使い方は「顧客の声の置き場」
部門別の使い方のうち、マーケティングについての記述はこの1文です。「The marketing team using Claude Projects to build a ‘voice of the customer’ repository where they’ve uploaded survey data and market research, and work with Claude to hone the company’s positioning and ideal customer profile」。
分解すると3段になります。第一に、置き場を作っていること。第二に、置いたものが調査データと市場調査であること。第三に、そこから詰めているのが自社のポジショニングと理想の顧客像であることです。原稿の量産でも、広告文の生成でもありません。
Projectsの仕様はヘルプセンターに公開されています。プロジェクトごとに会話の履歴と知識のまとまりを分けて持てること、文書・テキスト・コードなどをその知識として置けること、口調や立場を指定する指示をプロジェクト単位で書けることが説明されています。無料の利用でも作れますが、その場合は5つまでです。有料のプランでは検索拡張生成(RAG)によって置ける量が広がり、TeamとEnterpriseでは組織のメンバーへ閲覧または編集の権限を指定して共有できるとあります。
この共有の仕組みが、「顧客の声の置き場」という使い方の前提です。個人の会話の中に調査結果を貼り付ける運用では、置いた本人しか参照できません。同じ知識の上で全員が別々の会話を始められることが、リポジトリと呼べる状態との違いになります。
日本のマーケティングの実務に移すと、置く材料はアンケートの自由回答、商談の記録、問い合わせの文面、解約時の理由などにあたります。そこから詰める対象がポジショニングと顧客像だという順番は、STP分析とは?セグメンテーションからポジショニングまで解説で扱っている考え方と同じ並びです。生成AIで顧客像を作る手順そのものはAIでペルソナを作成する方法|調査から設定までの手順を解説にまとめています。
ただしマーケティング部門だけの成果は、この事例に1つも書かれていません。問い合わせ数も、商談化率も、制作の時間も出てきません。公表されているのは、Projectsにこの種類の材料を置き、この2つを詰めているという事実までです。
教育チームと経営陣は、叩き台を作るところに使っている
残る2部門の記述も短く、どちらも使いどころがはっきりしています。教育チームについては「The education team uses Claude to develop the framework and flow of presentation decks for live lectures in Section bootcamp programs」。ブートキャンプの生の講義で使う資料の骨組みと流れを作る用途です。経営陣については「The leadership team uses Claude as a strategic thought partner, getting feedback on new initiatives and strategic plans」。新しい取り組みや戦略の計画に対して意見をもらう相手として使っているとあります。
4つの用途を並べると、共通点が見えます。取締役会の想定質問、顧客の声からのポジショニング、講義資料の骨組み、戦略への意見。いずれも最終の成果物をAIが出しているのではなく、人が判断する前の材料を作っています。取締役会の例では、AIの予測を会議の結果と突き合わせたのは人です。
社内へ広げる順番としても読めます。この会社では開発部門の話は出てきません。マーケティング、教育、経営という非エンジニアの側から使われている構成で、そこが25人という規模と対応しています。部門ごとに順番を決めて広げた例としては財務の次にマーケへ|Mercado LibreのAIの広げ方があり、あちらは開発から始めて非エンジニアへ広げた順番を公表しています。
事例ページの製品名と、公式サイトの現在の製品名
社外向けの製品についても触れられています。「Through their partnership with Anthropic, they’re launching ProfAI, an AI-powered coach that delivers personalized, contextual learning at scale」。ProfAI という名前のAIコーチを立ち上げる、という記述です。
ところが公式サイトのトップページで製品として案内されているのは、Section HQ と Section Coach の2つです(確認日2026年11月20日)。Section HQ はAIの責任者向けに利用状況や指標、ロードマップを扱う管理の側、Section Coach は従業員ごとのコーチングの側として説明されています。サービスとしては、AI導入の計画づくり、経営層のコーチング、コンサルタントの常駐、業務自動化と試作、ワークショップなどが並びます。ProfAI という名前は、このトップページでは確認できませんでした。
名前が変わったのか、別の製品に統合されたのか、ページの更新が追いついていないのかは、どちらの一次情報にも書かれていません。ここで言えるのは導入事例に出てくる製品名を、現在提供されている製品の名前として扱わないほうがよいということだけです。事例ページには公開日の表示が見当たらず、どの時点の記述なのかを読者が確認できません。
研修の規模については「With plans to upskill 100,000 employees on AI this year and one million the next」とあり、今年100,000人、来年は100万人という計画が述べられています。あわせて「We’ll 8X the number of employees we upskill this year」という発言も載っています。いずれも計画と見込みで、実績ではありません。
公表されていないこと
推測で埋めないために、探しても見つからなかった項目を残します。
| 確認したかった項目 | 公表の状況 | どう扱うか |
|---|---|---|
| $150-200Kの算出に使った単価と手順 | 記載がありません | 自社の試算の根拠に使わない |
| 10%の生産性向上の測り方 | 記載がありません | 向上率を他社の実測値として引かない |
| 利用率82%の集計期間と定義 | 記載がありません | 自社の利用率と直接比べない |
| 5%というベンチマークの出典 | 記載がありません | 業界平均として引用しない |
| $20Kの内訳とClaudeのプラン | AIアカウント全体の額だけです | Claudeの費用として扱わない |
| 92%の照合の件数と判定基準 | 記載がありません | AIの精度の数値として持ち出さない |
| マーケティング部門単独の成果 | 記載がありません | 集客の実績として読まない |
| Projectsに置いた資料の具体 | 記載がありません | 同じ構成を再現できる前提にしない |
| ProfAIの料金と現在の提供状況 | 事例ページと公式サイトで名前が一致しません | 現行の製品名として書かない |
この表の目的は、右の列を守ることです。導入事例を社内で共有すると、空いている欄が勝手に埋まります。とくに金額と向上率は、他社の事例から借りた数字が自社の根拠のように扱われやすい項目です。
もう1つ、読み方の注意があります。この事例ページを出しているのはAIを提供している側で、しかも登場する会社はAIの研修と導入支援を売っている事業者です。AIを使えている状態そのものが、この会社の商品の裏づけになります。数字が誤りだという意味ではありませんが、どちらの側にとっても都合のよい事例であることは、読むときの前提に入れてください。
日本の実務者が参考にできる3点
第一に、支出を年額で先に書くことです。この事例が読みやすいのは、約$20Kという支出が25人という人数とセットで出ているからです。効果の話から始めると、比べる相手のない数字が並びます。自社でまとめるなら、使っているAIのアカウント費用を全部足した年額と、対象の人数を先に置いてください。節約額を推計で出すなら、推計であることと換算に使った単価を同じ場所に書くことです。この事例が書いていない部分が、まさにそこです。
第二に、効果の確かめ方として、答えの分かっている過去を使うことです。取締役会の例は、予測を立ててから会議の結果と突き合わせています。社内であれば、すでに届いたクレーム、すでに決まった稟議、すでに出た競合の反応が題材になります。先に出力させ、後で実際と比べる順番なら、感想ではなく一致・不一致で話せます。一致率を社外へ出せる数字として扱えるかは別の問題で、この事例の92%も算出の手順が公表されていません。
第三に、部門の使い方を「置き場」として設計することです。マーケティングの例で効いているのは、プロンプトの工夫ではなく、調査データと市場調査を1か所へ置いて全員が同じ材料から始められる状態です。Projectsの公式仕様が示すとおり、共有は有料のTeamとEnterpriseの機能です。個人の会話に資料を貼る運用のままでは、置き場にはなりません。契約のプランを決める前に、共有が要る業務かどうかを先に判断してください。
3点とも、成果を約束するものではありません。効き方は組織の規模、業務の内容、扱う情報の機密性によって変わります。この記事で確認できたのは、1社が公表した数値と運用の範囲までです。社内の業務をAIで自動化する側の整理はAIによる業務自動化とは?導入の判断と進め方を解説にあります。
まとめ
Section は米国で AI の研修と導入支援を手がける従業員25人の会社で、約6年前にリーダーシップ研修の会社として始まり、2023年の初めにAI研修へ方針を変えています。Claudeとの関わりは2023年8月、取締役会の資料を複数のAIへ渡して取締役の役を演じさせ、会議の後に自分たちのメモと照合したところ、実際に出たフィードバックの92%を特定していたという実験から始まりました。
公表されている数値は4つです。社内の利用率82%(労働力全体の基準は5%との対比)、チームの50%が10%以上の生産性向上、AIのアカウントへの年間支出が約$20K(25人分、Claude以外も含む)、そして年$150-200K、人数なら1人から2人分の節約という見積もりです。算出の手順と測定の方法は、いずれも書かれていません。
部門別の使い方は、マーケティングがProjectsに調査データと市場調査を置いてポジショニングと理想の顧客像を詰める用途、教育チームが講義資料の骨組みと流れ、経営陣が戦略への意見をもらう相手です。4つとも、人が判断する前の材料を作る位置にあります。持ち帰れるのは数字ではなく、支出を年額と人数で先に書くこと、答えの分かっている過去で精度を確かめること、資料を1か所へ置いて全員が同じ材料から始められるようにすることという3つの順番です。
この分野の実務を相談したい方へ
記事で扱っている内容は、当社が実務として支援している領域です。 自社で進めるか外部に任せるかの判断からご相談いただけます。