はじめに

2026年5月5日、Microsoftが Work Trend Index（WTI）2026 Annual Report を公開しました。
タイトルは 「Agents, human agency, and the opportunity for every organization」 ― AIエージェント時代における「人間の主体性（Human Agency）」と、組織にとっての機会を扱った年次レポートです。

公式記事: Agents, human agency, and the opportunity for every organization

確かXの投稿をみて気づきました。

レポートは 10 markets（米・英・仏・独・伊・蘭・豪・印・日・伯）の20,000人のAI利用者調査 と、Microsoft 365の 匿名化・集約されたテレメトリ（兆単位のシグナル）を組み合わせた大規模な定量分析がベースです。なお、調査対象は 「仕事で生成AIを少なくとも時々使うフルタイム/自営業のナレッジワーカー」 で、AI非利用者は除外されています。日々Copilotやエージェントを触っている身としても、現場感覚と数字を突き合わせるには良い素材だと感じたので、公式情報のトピックスを 備忘録 として整理してみます。

※本記事は個人の整理メモです。詳細・厳密な数値や方法論については、必ず公式ドキュメントを参照してください。

用語の整理（先に押さえておくと読みやすい）

本記事で頻出する公式用語を、最初に整理しておきます。
特に 「Frontier」は2種類 出てくるので、ここで先に違いを掴んでおくと混乱しにくいです。

Frontier Professionals（フロンティア・プロフェッショナル）

AIユーザーの16%。個人の働き方 による分類です。
以下の3条件をすべて満たす層を指します。

マルチステップ業務に エージェントを使い分け、マルチエージェント構成も組める
ワークフローを日常的に再設計 し、AIに任せる範囲を自分で判断している
チーム/組織で AI活用の標準を共有する 取り組みに参加している

調査対象20,000人のうち3,233人が該当。AIから得る価値が他層を大きく上回り、「1年前にはできなかった仕事ができるようになった」と回答する割合が 80%（全体平均58%）に達します。

一言で整理すると、「AIを便利な道具としてではなく、働き方を再設計するパートナーとして使いこなしている層」 と捉えると分かりやすそうです。

Frontier（5群分類のFrontier zone）

AIユーザーの19%。個人 × 組織のreadinessマトリクス 上での分類です。
個人のAI能力 と 組織の受け入れ態勢 の2軸で5群に分けたうち、両方が高水準で互いに強化し合っている理想形を指します。

👉 Frontier Professionals（16%、個人の働き方による分類）と別物です。本文では文脈で使い分けています。

Transformation Paradox（変革のパラドックス）

従業員はAIで仕事を変えたいのに、評価制度・指標・暗黙の規範が古い働き方を強化し続けてしまう構造のこと。個人の根性論ではなく、システム側の設計問題 として整理されています。

Owned Intelligence（オウンド・インテリジェンス）

エージェント運用から生まれるシグナル（何が成功し、何が失敗したか）を、組織が ドキュメント化・再現可能な形で蓄積した自社固有の知能資産。他社が真似しづらい組織知として、競争優位の源泉になるという捉え方です。

Learning System（学習し続けるシステム）

従業員・リーダー・IT・セキュリティの4役が連携し、仕事から継続的にインサイトが生まれ、そのインサイトが仕事の進め方を更新していく 組織の状態。本レポートが示す、組織の到達目標です。

AI Impact Analysis

29の要因（組織要因10、個人要因9、属性10）と「AIが仕事に与えているインパクト（自己申告）」との関係を、ランダムフォレストの permutation importance で評価した分析。
因果関係ではなく統計的関連 であることが、公式Methodologyに明記されています。

全体像 ― 新しい「主体性の方程式」

レポートが繰り返し示すのは、次のシンプルな構図です。

エージェントが実行（Execution）を担うほど、人間の主体性（Agency）は広がる。
問われているのは、その主体性を価値に変えられる組織になっているか。

タスクの自動化・分析・マルチステップ処理をエージェントに委ねることで、人間側には 「方向性を決める／判断する／成果に責任を持つ」 という、より高次の余地が空きます。
ところが多くの組織では、評価制度や仕事の進め方が以前のままで、せっかく広がった主体性を活かしきれていない ― このギャップこそ最大の論点だと整理できます。

レポート全体は3つの視点で構成されています。

セクションI（従業員）: AIが個人の可能性の天井を引き上げる
セクションII（リーダー）: 仕事を再設計する役割
セクションIII（組織）: すべての企業は Learning System（学習し続けるシステム）

以下、それぞれを順に整理していきます。

セクションI ― AIは個人の可能性の天井を引き上げる

Copilotチャットの中身を見ると、約半分が「思考の支援」

Microsoft 365 Copilot Chatの 10万件超のサンプル（方法論上は105,000サンプル）をプライバシー保護下で分析した結果が興味深いです。

なお、ここで示す割合は 時間やセッション数ではなく、分類された「ユーザー目的（user goals）」の構成比 です（O*NET作業活動分類に基づくマッピング）。

カテゴリ	割合	内容
認知的作業（Cognitive Work）	49%	情報の分析、問題解決、評価、創造的思考の支援
人と協働する	19%	同僚への展開・コミュニケーション支援
成果物の作成	17%	ドラフト・資料の生成
情報の探索	15%	検索・要約

👉 分類されたユーザー目的で見ると、Copilot利用の半分近くが、分析・問題解決・評価・創造的思考といった 認知的作業 の支援に向かっている、と捉えると理解しやすそうです。従来は専門性や経験に依存しがちだった「考える仕事」に、AIが足場をかけ始めているとも読めます。

調査では、AIユーザーの 66% が「より高価値な仕事に時間を使えるようになった」、58% が「1年前にはできなかった仕事ができるようになった」と回答しています。特に後者は、Frontier Professionals（後述）では 80% まで跳ね上がるのが面白いところです。

Frontier Professionals ― AIユーザーの16%

レポートでは「Frontier Professional」という、特に進んだAI活用層が定義されています。

マルチステップの業務に エージェントを使い分け ている
ワークフローを再設計 し、どこをエージェントに任せるか自分で判断している
自分のチーム/組織で AI利用の標準を共有する 取り組みに参加している

調査対象の 16% にすぎませんが、AIから得る価値は他層を大きく上回ります。
特徴的なのは、彼らほど 「AIに思考を丸投げしない」 という点です。

AIユーザー全体でも 86% が「AIの出力は最終回答ではなく、出発点として扱う」「思考の責任は自分にある」と回答していますが、Frontier Professionalsはこの姿勢を、より具体的な行動として実践している層と見ることができます。

43% が「スキルを錆びさせないため、意図的にAIを使わずにやる仕事を残している」（非Frontier層は30%）
53% が「作業前に、AIにやらせるか人がやるか意識的に立ち止まる」（非Frontier層は33%）

👉 「使う／使わない」の二者択一ではなく、一回ごとにモードを切り替える ことが、Frontier Professionalsの大きな特徴と整理できます。

AIとの関わり方は4モードに分かれる

その「モードの切り替え」を理解するための枠組みが、本レポートの注目ポイントです。

縦軸が エージェントの貢献度（assistant：補助役 ⇄ teammate：チームメイト）、横軸が 人間の関与度（directing：方向を決める ⇄ supervising：監督する）で、4象限が整理されています。

Asking（聞く） ― 人間が方向を決め、AIは補助役（短いQ&A、事実確認、軽い書き直し）
Collaboration（協働） ― 人間も深く関与しながら、AIをチームメイトとして使う（複数ラウンドのフィードバック、提案を一緒に練り上げる）
Exploration（探索） ― 人間は監督役で、AIの能力を試す（新しいワークフローを任せる前の試運転、エージェントがどこまで自律的にできるかの限界を探る）
Delegation（委任） ― 人間が方向性を定め、エージェントが実行する（マルチステップワークフロー、定型業務の自動実行）

※ 公式の注記によれば、この4モード図は データ可視化ではなく概念フレームワーク であり、各モードの配置は 定性的（qualitative） なものとされています。

👉 大事なのは「どのモードを使うか」ではなく、目の前のタスクがどのモードを要求しているかを判断できるか、という整理になりそうです。

セクションII ― リーダーの仕事は「仕事を再設計すること」

5つのAIユーザー群と「変革のパラドックス」

ここからの章は、私自身が一番ドキッとしたパートです。
レポートは、個人のAI能力 と 組織の受け入れ態勢 の2軸で、回答者を5つの群に分類しています。

群	割合	状態
Frontier（フロンティア）	19%	個人も組織も高水準。互いに強化し合う理想形
Blocked Agency（封じられた主体性）	10%	個人は能力を備えているが、組織が活かせていない
Unclaimed Capacity（未活用の余力）	5%	組織は準備できているが、個人が追いついていない
Stalled（停滞）	16%	個人能力も組織態勢もまだこれから
Emergent（萌芽期）	50%	両方が発展途上の中間ゾーン

注目すべきは、個人は使えるのに組織がついていけない「Blocked Agency」が10% いる、という点です。

調査全体でも、「リーダー層がAIについて方針を一貫して示している」 と答えたAIユーザーは わずか26%（4人に1人）。
さらに、

65% のAIユーザーが「AIで仕事を変えていかないと取り残される」と感じている
一方で 45% が「現在の目標達成に集中するほうが安全」と感じている
「仕事の作り変えに挑戦したことが報われる」と感じる人は 13% にとどまる

レポートはこれを 「変革のパラドックス（Transformation Paradox）」 と名付けています。
👉 従業員は変えたい、でも評価制度・指標・暗黙の規範が 古い働き方を強化し続けている ― この構図はシステム側の設計問題、と整理できます。

マネージャーが手本を示すと、効果は跳ね上がる

別途実施されたMicrosoftの調査（1,800人規模）では、マネージャーの行動による具体的な効果が示されています。

マネージャー自身がAIを使う姿を見せると、メンバーが感じるAIの価値は +17ポイント
メンバーのクリティカルシンキングは +22ポイント
エージェントへの信頼は +30ポイント
失敗を許容する心理的安全性があると、エージェントの高頻度利用率は 約1.4倍

Frontier Professionalsは、直属のマネージャーがAI活用を支援している環境 で働いている割合が高いことも示されています。

自分のマネージャーがAIを公然と使っている: 85%（非Frontier 64%）
マネージャーがAI支援業務の品質基準を示している: 83%（非Frontier 57%）
マネージャーが実験のための余白を作っている: 84%（非Frontier 61%）
マネージャーがより大胆な仕事の再設計を促している: 87%（非Frontier 61%）
結果が出なくても、AIによる仕事の作り変え自体が評価される: 26%（非Frontier 11%、約2倍）

👉 結局のところ、変革のパラドックスは個人の根性論では解けない、システム再設計の問題 ― そう読み解くのが妥当そうです。

セクションIII ― すべての企業は「Learning System」になる

AIインパクトを左右するのは「個人」より「組織」

ここで本レポート最大の発見と言える分析が出てきます。
29の要因（組織要因10、個人要因9、属性10）について、AIインパクトとの関係をランダムフォレストで重要度評価した結果がこちらです。

組織要因（AIカルチャー / マネージャー支援 / タレントマネジメント）: 67%
個人要因（マインドセット / 自己効力感 / 行動）: 32%
残りは属性要因

組織要因が個人要因の2倍以上の重要度 を持っています。
ダウンロードデータ上では、最も強い単一要因は 「組織のAIカルチャー」 で、最も強い個人要因である 「AI mindset」 の 約2.4倍 の相対重要度を示しています。

なお、これは 自己申告ベースのAIインパクトとの統計的関連 を見たものであり、公式Methodologyでも因果関係を直接示すものではないと明記されています。

👉 「AI人材を採れば成果が出る」ではなく、「人材が活きる環境を設計する」が本質 という、よく語られる話に統計的な裏付けが付いた格好と整理できそうです。

エージェント数は前年比15倍 ― そして「Owned Intelligence」

Microsoft 365エコシステム上で稼働中のエージェント数は、前年比15倍（大企業では18倍）に拡大しています（公式Methodologyによれば、これは 直近28日間（rolling 28-day period）のユニーク・アクティブ・エージェント数 をベースにした集計）。
エージェントが大量に動くと、何が起きるか ― 「何がうまくいき、何が失敗し、どこで結果がズレたか」という シグナル が大量に生まれます。

多くの組織ではこのシグナルがローカルに留まり、組織横断で共有されないことが多い一方、Frontier Professionalsの回答を見ると、所属チームで違う扱い方をしているケースが多く見られます。

業務プロセスを チームで再設計 している: 63%（非Frontier 32%）
AIのコツ・新しいエージェント・失敗を共有している: 61%（非Frontier 36%）
AI支援業務の 品質基準を議論 している: 54%（非Frontier 29%）

そして、エージェントのワークフロー・人間への引き継ぎ・品質基準を チーム/部門/組織レベルでドキュメント化し、再現可能に していると回答する割合も、Frontier Professionalsの方が圧倒的に多くなっています。

レポートはこれを Owned Intelligence（自社固有の知能資産） と呼んでいます。
👉 自社の業務から学び続けて蓄積される、他社が真似しづらい組織知 という捉え方ですね。

4つの役割の連携で「Learning System」になる

エージェントを大規模運用するには、4つの役割の連携が必要だと整理されています。

役割	やること
従業員	自分の仕事を「意図とレビュー」を中心に再構成する
リーダー	プロセスを「成果」と「エージェントの自律度」で再設計する
IT	エージェントを管理対象（ID・権限・ライフサイクル）として扱うインフラを整える
セキュリティ	データ流出・誤動作・不正アクセスへの対策を、プラットフォームに織り込む

この4つが噛み合うと、組織は Learning System（学習し続けるシステム） ― 仕事から継続的にインサイトが生まれ、そのインサイトが仕事の進め方を更新していく ― に変わっていく、という整理です。

まとめ

公式情報のトピックスを、自分の言葉で整理しなおすと以下のようになります。

新しい主体性の方程式: AIが実行を担うほど、人間は方向性・判断・責任の余地を得る
Copilot利用の49%は思考の支援: 高価値な認知的作業へのシフトが進行中
4つのワーキングモード: 大事なのは「どれを使うか」ではなく「タスクごとに切り替えられるか」
変革のパラドックス: 従業員は変えたい、でも評価・指標・規範が旧来の働き方を強化している（5分類上の理想形「Frontier」はAIユーザーの19%にとどまる）
AIインパクト分析では組織要因が大きい: 重要度は組織要因67%、個人要因32%（AIカルチャーの相対重要度が特に高い）
エージェント前年比15倍: シグナルを蓄積する Owned Intelligence が組織の競争力に
Learning System: 従業員・リーダー・IT・セキュリティの4役が噛み合えば、仕事から学び続ける組織になる

一言でまとめると、「AIで個人ができることは確かに広がった。次に問われるのは、その広がりを価値に変えられる組織になっているかどうか」 ― これが2026年版WTIの主題、と整理できそうです。

個人としては、Frontier Professionalの「使う／使わないを毎回判断する」という姿勢が一番刺さりました。
特に「スキルを錆びさせないため、意図的にAIを使わない仕事を残す」という発想は、自分のCopilot/Claudeとの付き合い方を見直すきっかけになりそうです。

参考（公式情報）