記事の要約
- PoC（概念実証）とは、本格的な開発の前に、必要な部分だけを動かす試作品を使い、自社の業務で使えるか、効果が費用に見合うかを小さく確かめる工程です。
- 進め方は、目的・仮説の設定から評価と意思決定までの5ステップで、Go／Pivot／Stopを分ける数値を検証の前に決め、判断する人と合意しておくことが要点です。
- 本記事で紹介する事例では、効果や品質、安全性を実証実験で確かめてから導入を決めており、範囲を限った実運用を挟んだ例もあります。
上司から「まずはPoCで試してみて」と言われたものの、何を作り、どこまで確かめれば終わりなのかが分からない。検証はひととおり終えたのに、本番に進んでよいのかを誰も判断できない。
PoCは小さく試せる便利な方法ですが、始める前に「何を確かめ、どの結果なら次に進むか」を決めておかないと、検証を終えても次の一手が決まりません。
本記事では、PoCと本開発の違いから、5つのステップで何を決め、何を作るのかを、問い合わせ対応にAIを使う架空の例に沿って解説します。着手前のチェックリストと本格導入に進んだ事例4選に加え、東京大学松尾研発のAIスタートアップとしてPoCを伴走支援してきた弊社の視点もお伝えします。
読み終えるころには、自社のPoCをどの順序で設計し、どの数字をもって本番化を判断すればよいかが見えているはずです。
目次
PoCの進め方を学ぶ前に押さえる基本
PoC（Proof of Concept／概念実証）とは、新しい技術やアイデアを本格的に開発・導入する前に、「自社の業務で本当に使えるか」を小さな規模で試す工程です。作るのは本番のシステムではなく、確かめたい部分だけが動く試作品で、その結果をもとに本格的な開発へ進むかどうかを決めます。
本開発との違いは、何を作り込むかにあります。本開発では、毎日の業務で誰もが使えるように、既存のシステムとつなぎ、利用者ごとの権限を設け、想定外の入力や障害にも備えます。PoCはこれらをあえて省き、「この技術で、この業務の課題を解けるか」という一点に絞って、少ない費用と短い期間で答えを出します。
例えば問い合わせメールへの返信をAIに手伝わせたいなら、PoCでは過去の問い合わせ数百件で、AIの回答案が実際の返信に使える水準かを確かめます。問い合わせ管理システムとつなぐのは、進むと決めてからの本開発の仕事です。
似た言葉に「実証実験」があります。どちらも本格導入の前に小さく確かめる段階を指して使われ、使い分けは組織によって異なります。本記事の事例にも「PoC（実証実験）」と併記した発表があるため、本記事では両者をほぼ同じ意味で扱います。
PoCで確かめたいのは、技術が動くかどうかだけではありません。生成AIが回答文を書けること自体は、試す前から分かっています。知りたいのは、自社のデータと業務の中で必要な水準の回答が出るか（技術）、対応時間が減って本番の費用に見合うか（効果）、担当者がその使い方を続けられるか（運用）の3点です。この3点に数字で答えられたとき、PoCは次に進むかどうかを判断する材料になります。
ところが、検証を繰り返すばかりで本番に進めない「PoC死」は珍しくありません。Gartnerは2024年7月、生成AIプロジェクトの少なくとも30％が、2025年末までにPoCの後に放棄されると予測していました。
2025年末を過ぎて同社が公開した記事では、同年末までに放棄された割合を50％以上としています。挙げられた要因は、データ品質の低さ、不十分なリスク管理、コストの増大、ビジネス価値の不明確さで、計画段階で点検できる項目です。
国内でも、試しに使う段階の企業が、業務に組み込んだ企業を大きく上回っています。IPAの調査（2025年度調査）では、生成AIを導入・試験利用・検討している企業のうち、「個人や部署で試験利用している」が44.8％ある一方、部署の業務プロセスに組み込んでいるのは11.9％、全社のサービスに組み込んでいるのは18.6％にとどまります。
試しに使う段階から先へ進みにくい背景には、試す段階と本番で条件が違うことがあると考えられます。PoCのような試す段階では、担当者が選んだデータを使い、少数のメンバーがうまくいかない部分を手作業で補いながら進めます。本番では、整っていない入力もすべて処理し、その手作業も誰かが日々担わなければなりません。
こうした差を検証の段階で見積もっていないと、PoCがうまくいっても本番化の稟議に必要な費用と効果の数字がそろわず、「もう少し試してから」と検証が延びていきます。PoCは実施そのものが目的ではなく、次の投資判断のための手段です。IPAの「DX実践手引書」も、何を証明するのかを明確にし、PoCのための無駄なPoCを行わないよう求めています。
検証の観点は関連記事「PoC検証とは？目的と3つの観点・進め方・成功事例を解説」で、本番に進まなかったPoCの失敗パターンは「PoC失敗の事例5選｜本番に進まない原因と防ぎ方【2026年】」で詳しく解説しています。
参照元：Gartner（2024年7月29日）／Gartner「Why Half of GenAI Projects Fail」（2026年10月閲覧）／IPA「DX動向2026」（2026年7月）／IPA「DX実践手引書 ITシステム構築編」（2024年3月）
PoCの進め方｜成功するための5つのステップ
PoCは、次の5つのステップで進めます。要点は、検証を始める前に「何をもって成功とするか」を決めておくことです。
| ステップ | 決めること | 作るもの |
|---|---|---|
| 1. 目的・仮説の設定 | 対象の業務と課題、確かめる仮説 | 目的・仮説の定義書 |
| 2. 評価基準の合意 | 指標・目標値・Go／Pivot／Stopの線 | 成功基準（KPI）の表 |
| 3. 検証計画の策定 | 範囲・期間・体制・使うデータ | PoC計画書と試作品 |
| 4. 検証の実施 | 記録する項目（結果・時間・手作業） | 検証結果の記録 |
| 5. 評価と意思決定 | 本番化・方向転換・中止のいずれか | 判断の根拠と本番化の試算 |
ここからは、あるメーカーのサポート部門が問い合わせメールの回答案をAIに作らせるPoCを架空の例として、各ステップで決めることと作るものを見ていきます。
ステップ1：目的・仮説の設定
最初に、「どの業務の、どの課題を、何で解決するか」を、結果が出たときに当たり外れを判定できる仮説として1文で書きます。例の場合は「製品の使い方に関する問い合わせは、AIがマニュアルと過去の回答をもとに回答案を作れば、担当者が1件にかける時間を減らせる」です。「AIで問い合わせ対応を効率化する」という目標のままでは、どんな結果なら達成なのかが決まらず、検証の物差しになりません。
あわせて、今の状態を数字で測っておきます。仮に直近3か月の記録から、使い方の問い合わせが月に約600件あり、1件に平均15分かかっていると分かれば、この15分が結果を比べる基準になります。仮説と対象範囲（苦情や返金は対象外、など）、今の数字を1〜2枚にまとめたものが、このステップの成果物です。
ステップ2：評価基準の合意
次に、結果を判定する成功の基準（KPI）を数値で決めます。指標は先に挙げた技術・効果・運用の面から選びます。例の場合なら、技術は「使える回答案の割合」（そのまま送れたものと、軽い手直しで送れたものの合計）、効果は「1件あたりの対応時間」、運用は「担当者が今後も使いたいと答えた割合」などが考えられます。
目標値は、AIがどこまでできそうかではなく、本番の費用に見合う水準から逆算して決めます。本番の費用は、この段階ではベンダーから幅を持たせた概算をもらって見積もります。
仮に本番の費用（開発費と利用料など）が年180万円、担当者の人件費が1時間3,000円なら、費用を回収するには月15万円分、つまり月50時間の削減が要ります。月600件で割ると1件あたり5分なので、15分を10分以下にすることが効果の目標値になります。
そのうえで、Go（本番化）・Pivot（方向転換：対象や手段を変えて再検証）・Stop（中止）を分ける線を、どの結果もいずれかに入るように引きます。例えば、使える回答案が7割以上かつ対応時間が10分以下ならGo、使える回答案が4割未満ならStop、それ以外（4割以上7割未満、または7割以上でも10分を超える場合）はPivotです。
指標・目標値・判断の線は1枚の表にまとめ、結果を見て予算を判断する人に、始める前に承認してもらいます。これが、このステップで作るものです。
ステップ3：検証計画の策定
検証の範囲・期間・体制・使うデータを決め、PoC計画書にまとめます。範囲は、効果が見えやすい1つの業務に絞ります。複数の業務を同時に試すと、どの業務のどの条件が結果を左右したのかを切り分けられないからです。
例の場合なら、対象は使い方の問い合わせだけ、参加する担当者は2名、期間は4週間とし、終了日の判断会議の日程まで先に押さえます。終了日がないと、「あと少しデータを集めれば」と検証が延び、判断が先送りされやすくなります。体制には、現場と技術の担当者に加えて、結果を見て予算を判断する人も入れます。
試作品の中身と作り手も、この段階で決めます。例の試作品は、マニュアルと過去の回答を読み込ませた生成AIに問い合わせ文を貼り付けると、回答案が返ってくる程度のもので、問い合わせ管理システムにはつなぎません。生成AIを業務データと組み合わせて扱える人が社内にいれば社内で作り、いなければ外部に頼みます。
使うデータが本番と同じ質で手に入るかも、この段階で確かめます。担当者が選んだ読みやすい問い合わせだけで試すと、回答案の質は高く出ても、誤字や複数の質問が混じる実際のメールでは同じ結果にならないことがあります。氏名や連絡先を含む問い合わせをAIに読ませてよいかも、社内の情報管理のルールに照らして確認しておきます。
ステップ4：検証の実施
計画どおりに小さく試し、結果を記録します。例の場合なら、問い合わせ1件ごとに、回答案が「そのまま送れた」「軽い手直しで送れた」「使えなかった」のどれだったかと、対応にかかった時間を残します。担当者が手作業で補った作業も書き留めます。回答案に足りなかった旧型製品の仕様を、マニュアル以外の資料で調べて書き足した、といった作業です。
PoCでは人が裏で補った部分が見えにくく、記録がないと本番の運用にかかる手間や費用を少なく見積もってしまいます。また、期間の中ほどに一度レビューを置けば、例えば回答案の誤りの多くがマニュアルの古さから来ていると分かった時点で、先にマニュアルを直すといった軌道修正もできます。
ステップ5：評価と意思決定
終了日には、結果をステップ2で決めた線と照らし合わせて判断します。例えば、使える回答案が75％、対応時間が平均9分なら、Goの条件を満たしています。1件あたり6分の短縮に月600件を掛けると、月に約60時間（人件費にして月18万円）の削減です。この効果と、本番の開発費やAIの利用料、ステップ4で記録した手作業を本番で担う人の費用とを並べたものが、本番化の稟議の材料になります。
中止と決めた場合も、PoCは失敗ではありません。本番の開発に投資する前に「この方法では効果が出ない」と分かったことで、投資の失敗を小さく抑えられたからです。何が足りなかったのか（データの量や質、対象の選び方など）を残しておけば、次のテーマ選びに生かせます。
Goと判断した場合でも、いきなり全社に広げず、範囲を限った実運用を挟むと、本番の条件で効果を確かめられます。後述するマルイの一部店舗での実運用が、この段階にあたります。
PoC成功のためのチェックリスト｜見落としがちなポイント
着手前に、次の項目にすべて「はい」と答えられるかを確かめます。「いいえ」が1つでもあれば、対応するステップに戻ってから始めます。
- □ 目的と検証範囲が文章として明確に定義されているか
- □ 成功基準（KPI）とGo／Pivot／Stopの線が数値で決まっているか
- □ 関係者と判断基準について事前に合意できているか
- □ 検証の期間と終了日、終了後の判断の場を先に決めているか
- □ 使うデータの質と、個人情報などをAIに読ませてよいかを確かめたか
- □ 本番化した場合の運用・保守体制まで見通せているか
成否をとくに左右しやすいのは、成功基準の数値化と関係者との事前合意です。同じ結果でも立場によって読み方が変わり、「使える回答案が6割」を現場は「十分に助かる」、予算を持つ人は「本番には足りない」と受け取るかもしれないからです。基準が空欄のままだと、この食い違いを埋めるために追加の検証が繰り返されます。
この2つは「試さないと分からないから、基準は結果を見て決めよう」と後回しにされがちですが、結果を見てから決めた基準は、結果に合わせて動かせてしまいます。目標値は本番の費用に見合う水準から決めるものなので、試す前に決められます。
6つ目の運用・保守体制も見落とされがちです。PoCの間はメンバーが回答案の確認やマニュアルの手直しを引き受けていますが、本番でそれを誰の業務にするかを決めておかないと、効果が確認できても導入に進めません。その検討には、ステップ4で記録した手作業の一覧が役立ちます。
PoCの成功事例4選｜実証実験から本格導入に進んだ企業・自治体
実証実験を経て本格導入に進んだと公式に発表された事例を紹介します。業種は異なりますが、導入の判断に必要な効果や品質を、実証実験で確かめている点が共通しています。
スーパーマーケットのマルイは、段階を踏んで全店導入を決めました。日本IBMのAI需要予測を、賞味期限が短く、それまで需要予測ができていなかった日配品（豆腐や牛乳など）に絞り、5店舗で4か月間検証しています。
実証実験で1か月の客数予測の精度が店舗平均で90％を超えることを確かめ、続く一部店舗での実運用で1店舗あたりの発注時間の50％削減を確認したうえで、2024年9月から全店舗に導入すると決めました。予測の精度という技術の指標と、発注時間という効果の指標を、段階を分けて確かめた例です。
横須賀市は、費用対効果が見込めたため本格導入に切り替えました。2023年4月に全庁で生成AIを使う実証実験を始め、6月には本格実装へ移っています。利用人数と1件あたりの削減効果から年間22,700時間の改善を見込む示し方は、ステップ5の例と同じく効果を時間に直したもので、上層部への説明にも使えます。
三菱UFJ銀行は、品質と安全性を検証の軸に置いて本格導入に進みました。約60名が参加したPoCでは、Sales MarkerのAIエージェント（＝作業を自律的に進めるAI）が提案書として成立する成果物を安定して作れるかという技術の面と、銀行業務に求められる信頼性・安全性に配慮して運用できるかという運用の面を確かめています。検証で有用性が認められ、発表時点（2026年4月）では27部署で活用が進んでいます。
SUBARUと富士通は、実証実験と並行して量産工程での運用実証を行い、本格稼働に進みました。AIモデルでエンジン部品の加工品質を保証する取り組みで、実証実験は2019年12月、運用実証は2020年8月に始め、2022年1月末に量産ラインで稼働させています。AIの判定の誤りが製品の品質に直結する領域では、検証に年単位をかける判断も合理的です。
参照元：日本IBM（2024年9月17日）／総務省「先行団体における生成AI導入事例集」（2024年7月）／Sales Marker（2026年4月13日）／富士通（2022年2月9日）
弊社が支援した例も1件紹介します。デジタルエンジニアリングで日本のものづくりを支えるSOLIZE PARTNERS様は、熟練技術者の頭の中にある情報をどうシステムにするかという課題から、弊社のPoCサービス「ココロミ」で2つのテーマを検証しました。
1つ目は、形状データから特徴を抽出して設計ナレッジを自動で提案するAIです。こちらは、開発現場で直接活用できるレベルの設計知識をAIが提示できることを確認しています。2つ目は、自然言語の指示から3D CADデータを生成するAIで、単純な形状なら生成できる一方、複雑な形状には部品のデータを事前に整備する必要があると分かりました。
2つ目のように「先に整えるべき条件」が分かることも、PoCの成果です。この事例でも、部品データの整備という今後の改善の方向性が見え、SOLIZE PARTNERS様は次の取り組みへの意欲を示しています。検証で分かった条件が、次の計画を考える材料になった例です。
参照元：EQUES「SOLIZE PARTNERSが語る、製造業のDXにおけるAI活用のはじめの一歩」（2025年10月）
PoCの進め方に不安があるなら支援サービスの活用も選択肢
自社だけで進めにくい場合は、設計段階から外部パートナーと組む方法があります。とくに助けになるのは、自社のデータでどの程度の精度が出そうか、本番にどれくらいの費用がかかりそうかの見当がつかず、成功基準を決めきれないときです。依頼する際は、試作品づくりだけでなく、基準づくり（ステップ1・2）から判断材料づくり（ステップ5）までを一緒に進めると、結果を本番化の判断につなげやすくなります。
PoC支援サービスの選び方は「PoC支援とは？失敗を防ぐPoC支援サービスの選び方と導入事例」で、AIに特化した進め方は「AI PoCの進め方とは？期間や失敗しない秘訣を事例と共に解説」で解説しています。
外部パートナーの一つとして、東京大学松尾研発のAIスタートアップである弊社も、PoC支援サービス「ココロミ」を提供しています。大規模開発の前に、現状分析による課題の明確化から、検証・評価、アクションプランの策定まで対応します。
PoCの進め方に関するよくある質問
決まった基準はなく、本記事の事例でも横須賀市の約2か月から、製造現場の品質保証の1年以上まで幅があります。期間は、判断に必要な件数が集まる日数から見積もります。目安の試算（95％の幅）では、「使える回答案が7割以上か」を見るなら100件でも結果が±9ポイントほどぶれますが、本記事の例の4週間で2名が約300件を受け持てば、ぶれは±5ポイントほどに縮みます。
検証の規模や内容によって異なります。本記事の例の規模なら、内訳は社内の人の時間（2名が4週間記録をつける手間と、データの準備・評価の時間）、生成AIの利用料（使った量に応じた額）、試作品を外部に頼む場合の委託費の3つです。依頼する場合は、目的と検証範囲を伝えて複数社から見積もりを取り、データの準備や評価レポートが含まれるかを比べてください。
そのまま使える前提で計画しないほうが安全です。PoCの試作品は、既存システムとの連携や権限の管理、障害への備えを省いて作るため、本番ではこれらを作り込む必要があります。一方、検証に使ったデータや評価の方法、手作業の記録は本番の設計に生かせるため、整理して残しておきます。
あります。IPAの「DX実践手引書」も、計画がしっかりしていれば必ずしもPoCを行わなくてもよいとし、MVP（＝利用者に必要最小限の機能を提供できる製品）を作る進め方にも触れています。PoCを省きやすいのは、例えば社内の別部署で効果と使い方がすでに確かめられたツールを、同じ業務に広げる場合です。ただし、何を証明したいのかが言葉にできないなら、先に目的の整理が必要です。
まとめ
PoCの成否は、何をもって成功とするかを始める前に決めておけるかに大きく左右されます。本記事の要点は次のとおりです。
- PoCは本開発と違い、必要な部分だけを動かす試作品で、技術・効果・運用の3点を数字で確かめる
- 5つのステップで進め、Go／Pivot／Stopを分ける線は検証の前に決めて、予算を判断する人と合意する
- 本格導入に進んだ事例は、効果や品質を実証実験で確かめてから導入を決め、範囲を限った実運用を挟んだ例もある
進め方に迷ったときは、お気軽にご相談ください。最後までお読みいただき、ありがとうございました。
PoCの設計から評価まで、伴走で進めませんか
AI PoCサービス「ココロミ」が、現状分析から検証・評価、アクションプランの策定まで伴走します。まずは無料相談からどうぞ。
