AIのROIをどう測るか：経営者のための実践スコアカード

よくある計算は、削減時間に人件費を掛けてROIとします。しかし、削減した全時間が生産的な業務へ移り、すべての出力が利用可能で、確認や運用に費用が掛からないという前提です。実際の業務では、この前提はほとんど成立しません。

OpenAIの2026年投資ガイドは、1ドルあたりの有用な仕事と、合格水準の成果へ到達する総費用を評価するよう勧めています。McKinseyの2025年調査でも、少なくとも1業務でAIを利用する組織は88%でしたが、全社的なEBITへの効果を報告した割合は39%でした。導入率と経済価値は別の指標です。

現在の業務を代表的な2〜4週間で測ります。完了件数、待ち時間、実作業時間、初回承認率、エラーの重大度、手戻り、エスカレーション、顧客または従業員の成果を記録します。AIは簡単なケースには有効でも、難しいケースでは逆効果になる可能性があるため、難易度別に分けます。

可能な限りシステムのタイムスタンプを使います。「通常どのくらい掛かるか」というアンケートは方向性の把握には使えますが、財務上の基準としては弱いからです。財務担当者と業務責任者が再計算できるよう、各数値に使ったクエリやレポートを保存します。

実務的な生産性価値の式は、「年間件数 × 承認1件あたりの削減時間 × 1分あたりの総人件費 × 実現率」です。実現率は、空いた時間のうち有用な業務へ再配分できる割合です。削減が2分ずつ分散する場合や、役割を再配置できるほど需要がない場合は、保守的な実現率を使います。

売上とリスクは別の計算が必要です。営業では、有効な対照群と成約率または維持売上を比較します。リスクでは、事故確率と影響額から期待損失を見積もり、不確実性を記録します。同じ便益を説明する時間削減、売上、損失回避を重複して足してはいけません。

モデル利用料は総費用の一部にすぎないことがあります。ソフトウェア契約、検索・データベース、システム連携、セキュリティ審査、評価設計、データ準備、監視、サポート、従業員教育を含めます。導入後も残る人の確認時間と、失敗による期待コストも加えます。

初期導入費と継続費を分ければ、回収期間と定常運用時の利益を確認できます。モデル比較には、承認成果1件あたりのコストを使います。安いモデルでも、2回再試行し、人の確認を増やすなら、性能の高いモデルより総費用が高くなる可能性があります。

スコアカードでは財務成果と先行指標を組み合わせます。タスク成功率、初回承認率、修正率、重大エラー率、人の介入率、処理時間、承認成果あたりのコスト、利用率、顧客影響を追跡します。平均だけでなく重要な最悪ケースも報告します。少数の高コストな失敗が平均に隠れるためです。

利用率には文脈が必要です。低利用は、教育不足、業務との不一致、連携不良を示す場合があります。高利用も、価値だけでなく新奇性や強制利用の結果かもしれません。利用量を承認成果と現場担当者への短い聞き取りと組み合わせます。

無作為割り当てが難しい場合は、段階導入、条件の近いチーム比較、期間を交互にした比較を使います。案件構成、人員、サービス水準を見える状態にします。試験中に季節需要や規程変更があれば、差のすべてをAI効果とせず記録します。

基準は事前に決めます。例として、初回承認率が現状を上回り、重大エラーが上限以下で、回収期間が12か月未満なら拡大します。品質は合格でも利用されないなら修正し、2回の改善後も安全基準を満たせなければ停止します。

本編は業務フローごとに1ページにします。責任者、段階、現状値、現在の結果、品質基準、月間便益、月間継続費、累積導入費、回収予測、最大の失敗、次の判断日を示します。計算方法と評価の詳細は付録に置きます。

全社向け一般ツール、部門固有の業務、独自データを使う戦略システムは分けて報告します。経済性と必要な証拠が異なるからです。文章作成支援は利用率と時間削減で評価できますが、返金を実行するエージェントには、成果、エラー、統制に関する強い証拠が必要です。