「生成AIは全社に入れました。利用率も上がっています。それで、いくら儲かったのですか」——経営会議でこう問われて言葉に詰まったAI推進担当者は、決して少なくないはずです。

2026年に公表された各種調査は、そろって同じ傾向を示しています。日本企業の生成AI導入率は諸外国と遜色ない水準まで上がった一方で、「期待を上回る成果が出ている」「その効果を従業員や顧客への還元につなげた」と答えられる企業の割合は、主要国のなかで見劣りする、という結果です。競争の軸は「導入したかどうか」から「効果を出し、価値に還元できたかどうか」へ、すでに移っています。

本稿のテーマは、AIの使い方でも統制の作り方でもありません。AI投資の効果をどう測り、その結果を次の投資判断（拡大するのか、絞るのか、やめるのか）にどう接続するかという、投資管理の設計です。想定読者は、情報システム部門長、IT企画・DX推進の責任者、AI推進事務局、そしてAI予算の妥当性を経営に説明する立場にある方々です。

課題 ― 「使われている」は言えても「効いている」が言えない

多くの企業のAI推進部門は、いま二つの数字の間で立ち往生しています。

手元にあるのは、利用の数字です。アカウント発行数、月間のアクティブ利用者、プロンプトの実行回数——ツールの管理画面から自動で取れるため、報告資料には必ず載ります。一方で経営が求めているのは、効いている数字です。どの業務がどれだけ速くなったのか、その結果として人員配置や外注費、売上に何が起きたのか。

この二つの間には深い断絶があります。そして厄介なことに、断絶を埋めないまま利用率だけを報告し続けると、報告のたびに説得力が落ちていきます。導入初年度は「まず使ってもらうことが大事」で通りますが、二年目以降は通りません。予算の継続審査で最初に切られるのは、成果を語れない投資です。

なぜ生成AI投資は効果が測りにくいのか

原因を「測定ツールがないから」と考えると、対策を誤ります。測りにくさは、生成AI投資が持つ三つの構造から生まれています。

第一に、案件単位のビジネスケースが存在しません。 従来のIT投資は「この業務システムを刷新し、この効果を得る」という単位で稟議を通し、その単位で評価しました。ところが生成AIは、全社にライセンスを配布する形で導入されることが大半です。投資の単位が「全社」なので、効果を突き合わせる相手がいません。分母は明確なのに分子が定義されていない、という状態です。

第二に、効果が薄く広く拡散します。 ひとりあたりの削減時間は、一日のうちのわずかな分数にとどまることが大半です。組織全体で合計すれば決して小さくありませんが、その一つひとつは各人の一日のなかに溶けてしまい、部門の損益にも人員計画にも現れません。効果が財務に届かないのは、効果がないからではなく、拡散した時間を集約する仕組みがないからです。

第三に、効率化の指標しか置いていません。 文書作成や情報検索といった横断的な用途から入ると、指標は自然と「時間削減」一色になります。しかし経営が期待しているのは、多くの場合それだけではありません。提案の質、対応できる案件数、意思決定の速さ——価値創出の側に指標を置いていなければ、そちらの成果は最初から測定対象の外にあり、あとから「効果がなかった」と誤って結論づけられます。

効果を三つの階層に分けて測る

これらを踏まえると、効果測定は単一の指標ではなく、階層構造で設計する必要があります。実務では次の三層に分けると整理しやすくなります。

階層 問い 代表的な見方 主な担い手
利用 使われているか 対象者のうち定着した人の割合、用途の広がり AI推進事務局
業務 業務が変わったか 対象業務あたりの所要時間、手戻り率、処理できた件数、成果物の品質 業務所管部門
財務・事業 経営数値が動いたか 外注費・残業・人員配置の変化、売上や受注への寄与 事業部門・財務

重要なのは、この三層が自動的にはつながらないという点です。むしろ、階層をまたぐ二本の「橋」を意図的に架けることが、効果測定の本体だと考えてください。

利用から業務への橋は、「対象業務を特定すること」です。 「全社で使えます」という配り方をやめ、「この部門のこの業務で使う」と宣言した瞬間に、はじめて測る対象が定まります。全社配布を続けるにしても、測定は業務単位で切り出します。

業務から財務への橋は、「浮いた時間の行き先を決めること」です。 ここが最も抜けやすい設計です。削減した時間を各人の裁量に委ねれば、効果は再び拡散します。人員を再配置するのか、外注を内に戻すのか、対応件数を増やして売上に振り向けるのか——効果の受け皿を先に決めていない投資は、原理的に財務に効果が現れません。

進め方 ― 4つのステップ

効果測定の仕組みは、精緻な計測基盤を作ろうとすると必ず頓挫します。粗くてよいので、判断に使いながら育てるのが現実的です。

ステップ1：測る単位を「ツール」から「業務」に変える。 全社の利用状況ではなく、代表的な業務をいくつか選び、そこを測定対象として定義します。数を絞ることが肝心で、全業務を追いかけようとすると初回で息切れします。

ステップ2：導入前の状態を記録する。 効果を語れない企業の多くは、比較対象となる導入前の姿を残していません。ストップウォッチで測る必要はなく、担当者への聞き取りによる概算で十分です。粗くても比較対象があることが、精緻でも比較対象がないことに勝ります。

ステップ3：効果の受け皿を先に合意する。 業務所管部門の長と、「この業務で時間が浮いたら何に振り向けるか」を着手前に握ります。この合意がないまま進めると、成果が出ても財務には現れません。

ステップ4：既存の投資判断の場に載せる。 予算編成、投資審査、四半期レビューといった、すでにある意思決定の場に測定結果を持ち込みます。AI専用の報告会を新設すると、そこだけで完結して投資判断に届かなくなりがちです。

判断基準 ― 拡大・継続・縮小をどう決めるか

測定の目的は、報告書を作ることではなく、次の一手を決めることです。利用の定着度と業務効果の二軸で見ると、打ち手が整理できます。

業務効果が出ている 業務効果が乏しい
利用が定着 拡大。同種業務へ横展開し、財務への受け皿を設計する 用途の見直し。使われているが効かない＝用途選定の誤り。対象業務を差し替える
利用が低調 推進の強化。効く用途は見えている。研修・業務手順への組み込みで定着を図る 縮小・撤退。ライセンス範囲を絞り、原資を効いている領域へ回す

この表で最も避けたいのは、右下に該当する投資を惰性で継続してしまうことです。生成AIは「やめる」と言い出しにくい空気を伴いがちですが、撤退の判断を回せない投資管理は、効果の出ている領域への再投資も止めてしまいます。 撤退は失敗の宣言ではなく、原資の再配分だと位置づけておくことが重要です。

なお、この考え方はAIに限りません。IT投資全般を投資区分ごとに評価する枠組みについては、IT投資の見える化で整理しています。

体制 ― 誰が測り、誰が決めるか

効果測定が続かない最大の理由は、担い手が決まっていないことです。役割分担の一例を示します（R＝実行、A＝説明責任、C＝相談、I＝報告先）。

役割 指標の設計 実績の収集 拡大・撤退の判断
経営／CIO I I A
AI推進事務局・PMO A / R R R
業務所管部門 C C C
財務・経理 C C C

実務では、AI推進事務局またはPMOが測定の事務局を担う構図が機能しやすくなります。ツールの利用実態と、経営が関心を持つ業務・財務の言葉の両方を翻訳できる立場だからです。ただし、業務効果の数字そのものは業務所管部門が当事者として持つべきで、事務局が代わりに作文すると現場感のない数字になり、経営の信頼を失います。

安全に使わせるためのルール整備（守り）と、効果を測って投資を判断する仕組み（攻め）は、別の設計です。守り側の進め方はAIガバナンスの始め方を参照してください。

よくある失敗と回避策

  • 利用率だけを報告し続ける：ツールから取れる数字で報告が完結する。→ 業務単位の効果指標を最低ひとつは設ける
  • 導入前の状態を記録していない：比較対象がなく、効果を語れない。→ 聞き取りベースの概算でよいので着手前に残す
  • 浮いた時間の行き先を決めていない：効果が個人に拡散し、財務に届かない。→ 受け皿を業務所管部門と着手前に合意する
  • 効率化の指標に寄りすぎる：品質・件数・スピードといった価値創出側が測られない。→ 質の指標をひとつ組み込む
  • 全社一律の指標を作ろうとする：業務特性が違うのに同じ物差しを当て、どの部門にも当てはまらない。→ 対象業務ごとに指標を定義する
  • 撤退の議論ができない：効かない用途を惰性で継続する。→ 判断のタイミングと基準を導入時にあらかじめ決めておく

まとめ

生成AI投資の効果が説明できないのは、測定技術の問題ではありません。投資の単位が定義されておらず、効果の受け皿も決まっていないという、設計の欠落から生じています。

やるべきことは、精緻な計測基盤の構築ではなく、測る単位を業務に切り出し、導入前の姿を粗くても残し、浮いた時間の行き先を先に合意し、その結果を既存の投資判断の場に載せることです。そして、拡大と撤退の両方を回せる状態を作ることが、AI投資を「膨らみ続ける固定費」から「説明できる投資」に変えます。

「利用率しか報告できていない」「二年目の予算をどう説明するか決まっていない」という段階でこそ、投資評価の設計と、それを担う推進体制の整理が効きます。自社のAI投資管理の進め方にお悩みがあれば、お問い合わせやサービス紹介もあわせてご覧ください。

FAQ

Q. 生成AIの効果測定は、何から始めればよいですか。 A. 代表的な業務をいくつか選び、その業務単位で測る対象を定義するところから始めます。全社の利用状況を追いかけても投資判断には使えません。対象業務を絞り、導入前の所要時間や手戻りの状況を聞き取りベースで記録しておけば、粗くても効果を語れる状態になります。

Q. 削減時間を金額換算してROIを出せば十分でしょうか。 A. 出発点としては有効ですが、それだけでは経営を説得しきれないことが多くあります。削減した時間が人員配置や外注費、対応件数の増加といった形で実際に振り替わっていなければ、金額換算はあくまで理論値にとどまるためです。受け皿を決めたうえで、実際に何が動いたかまで追うことをおすすめします。

Q. 効果が出ていない用途は、すぐにやめるべきですか。 A. 「使われていないのか」「使われているが効いていないのか」を分けて考えてください。前者は定着支援の問題で、研修や業務手順への組み込みで改善する余地があります。後者は用途選定の誤りなので、対象業務を差し替えるか縮小します。判断のタイミングと基準は、導入時に決めておくと議論が感情論になりません。

Q. 全社共通の効果指標を作るべきですか。 A. 階層の考え方（利用・業務・財務）は全社で共通にし、具体的な指標は業務ごとに定義するのが現実的です。営業とバックオフィスでは成果の現れ方が異なるため、共通の物差しを一つ作ろうとすると、どの部門にも当てはまらない指標になりがちです。

Q. 効果測定は誰が主導すべきですか。 A. AI推進事務局やPMOが事務局を担い、指標の設計と実績の集約、投資判断の場への接続を担当する形が機能しやすくなります。ただし業務効果の数字そのものは業務所管部門が当事者として持つべきで、事務局が代行すると現場実感を欠いた数字になり、かえって信頼を損ねます。

参考資料

関連記事