AI導入の稟議で最もつまずくのは、「で、いくら得するのか」という問いに答えられないことです。現場は「作業が楽になった」と言い、経営は「それは何円か」と聞く。この断絶を埋めるには、効果を測る型をあらかじめ決めておく必要があります。本記事では、削減工数の金額換算・売上貢献・オプション価値という3つの計算モデルと、初期費用とランニングコストの整理、内製と外注の損益分岐の考え方を、試算の手順に沿って解説します。
なぜ「なんとなく便利」で終わってしまうのか
AI導入の効果測定が曖昧になる理由は、大きく3つあります。
第一に、導入前の状態を測っていないことです。ある業務に月何時間かかっていたのかを記録せずに導入すると、後から比較のしようがありません。効果測定の失敗のほとんどは、導入後ではなく導入前に起きています。
第二に、効果の種類を混ぜてしまうことです。工数削減、品質向上、売上増加、意思決定の速度は、それぞれ測り方も確からしさも違います。これらを「総合的な効果」として一括りにすると、数字の信頼性が一番低い項目に全体が引きずられます。
第三に、削減した時間の行き先を決めていないことです。月40時間削減できたとしても、その40時間が空き時間になっただけなら、損益計算書上の数字は1円も動きません。人員を減らすのか、残業代を減らすのか、別の付加価値業務に振り向けるのか。ここを明示しない試算は、経営層から見ると「絵に描いた餅」です。
この3点を踏まえると、効果は性質ごとに分けて計算し、それぞれ確度を明示する、という形に落ち着きます。それが以下の3モデルです。
モデル1：削減工数の金額換算（確度が高く、稟議の主役になる）
最も計算しやすく、最も説明しやすいモデルです。計算式はシンプルです。
年間効果額 =（月間削減時間 × 12）× 時間単価 × 実現率
ポイントは後ろの2つの変数です。
時間単価は、対象者の年収を労働時間で割った額に、法定福利費や間接費を加えた「人件費単価」を使います。総務や経理が社内標準の単価を持っていることが多いので、独自に作らず既存の数字を借りるほうが稟議は通りやすくなります。
実現率は、削減時間のうち実際に他の価値に転換できる割合です。ここを100%として計算した試算書は、財務部門に見抜かれます。削減時間が細切れに分散する業務（1件5分の作業が月200件など）ほど実現率は下がる、という前提で保守的に置くのが現実的です。
試算例として、次のような形になります。
| 項目 | 値 |
|---|---|
| 対象業務 | 問い合わせ一次回答の下書き作成 |
| 導入前の月間工数 | 60時間（実測） |
| 導入後の想定工数 | 25時間 |
| 月間削減時間 | 35時間 |
| 人件費単価（社内標準） | 4,000円/時 |
| 実現率（保守的に設定） | 60% |
| 年間効果額 | 35 × 12 × 4,000 × 0.6 = 1,008,000円 |
この表の価値は、金額そのものより各行が検証可能なことにあります。「導入前60時間」は実測値か推定か、「実現率60%」の根拠は何か。この2つに答えられれば、数字は議論の土台になります。答えられなければ、いくら大きな金額を出しても稟議は止まります。
モデル2：売上貢献（確度は落ちるが、上限を決めて扱う）
応答速度の向上によるリード取りこぼしの減少、提案書作成の高速化による商談数の増加など、売上側の効果です。工数削減より不確実性が高いため、扱い方に工夫が要ります。
実務的には、因果の距離が近いものだけを計上するのが安全です。たとえば「一次応答までの時間が短縮された」→「初回商談化率が上がった」までは追跡できても、「ブランドイメージが向上した」→「受注が増えた」は追跡できません。前者だけを試算に載せ、後者は定性的な記述に留めます。
計算式は次の形になります。
年間効果額 = 対象件数 × 転換率の改善幅 × 平均単価 × 粗利率
粗利率を掛けるのを忘れると、売上額をそのまま効果額として計上してしまい、投資回収の議論が歪みます。また、転換率の改善幅は導入後に測る前提で、事前試算では幅を持たせるべきです。「0.5〜1.5ポイント改善した場合、年間◯〜◯万円」という形で示し、下限値で投資判断が成立するかを確認します。下限値で回収できないなら、このモデルを主論拠にすべきではありません。
モデル3：オプション価値（数字にしにくいものを、数字にしないまま扱う）
3つ目は、将来の選択肢を得るための投資という考え方です。
- 社内データを整備したことで、次のAI活用の立ち上げが速くなる
- 小規模に試したことで、大規模展開の判断材料が得られる
- 現場にAIを扱える人材が育ち、外注依存が下がる
これらは金額換算が難しく、無理に換算すると試算全体の信頼性を落とします。むしろ金額にせず、「この投資で何が判断できるようになるか」を明記するほうが説得力があります。
たとえば「6か月・総額◯万円の検証で、全社展開の可否を判断するための3つの材料（精度、現場の受容度、運用工数）を得る」と書けば、それは金額換算のない立派な投資理由です。オプション価値のモデルで重要なのは、打ち切りの条件を先に決めておくことです。「6か月後に◯が満たされなければ中止」という撤退基準があって初めて、不確実な投資が合理的になります。
コストの全体像を漏れなく積む
効果側だけ精緻にしても意味がありません。コスト側は次の粒度で整理します。
| 区分 | 項目 | 見落としやすい点 |
|---|---|---|
| 初期 | ライセンス初期費、開発費、データ整備 | データのクレンジング工数が最大の隠れコストになりやすい |
| 初期 | 業務フロー変更、マニュアル整備、教育 | 現場の学習時間も人件費として計上する |
| 継続 | 月額利用料、従量課金 | 利用が増えるほどコストも増える設計かを確認する |
| 継続 | 運用・保守、精度のチューニング | 「作って終わり」にならない。担当者の稼働を見積もる |
| 継続 | 出力の確認・修正工数 | AIの出力を人が検証する工数は必ず残る |
特に最後の行は重要です。AIの出力をそのまま使える業務は限られ、多くの場合は人による確認が入ります。確認工数を差し引かずに削減時間を計算すると、実績との乖離が生まれます。
内製と外注の損益分岐
内製か外注かは、次の観点で比較します。
- 初期コスト：外注は開発費が明示される。内製は人件費が既存予算に埋もれ、安く見えがちです。担当者の投入工数を必ず金額化して比較します。
- 継続コスト：内製は改修の都度の外注費が不要になる一方、担当者が異動・退職すると維持できなくなるリスクがあります。
- 分岐の目安：改修頻度が高く、業務知識が外部に説明しにくい領域ほど内製が有利です。逆に、仕様が安定していて汎用性の高い機能は外注や既製サービスが有利になりやすい傾向があります。
実務では「基盤は外部サービス、業務固有の部分だけ内製」という切り分けが現実的な着地点になることが多いでしょう。
稟議で通る数字の作り方
最後に、試算書の書き方です。次の4点を押さえると、議論が前に進みます。
- 導入前の実測値を1枚目に置く。推定値なら推定と明記します。
- 確度の高い順に並べる。工数削減→売上貢献→オプション価値の順です。
- 保守シナリオで回収可能かを示す。楽観値は参考として添えるに留めます。
- 測定方法と測定タイミングを先に書く。「導入3か月後に同じ方法で再測定する」と宣言しておくと、効果検証が形骸化しません。
回収期間の目安は業種や投資額によりますが、ランニングコストが継続的に発生する以上、「何年で回収するか」ではなく「月次で黒字転換するのはいつか」で見るほうが実態に合います。
よくある質問
Q: 効果測定のために、導入前にどの程度データを取ればよいですか
A: 最低でも対象業務の月間工数を1か月分、可能なら繁忙期と閑散期を含む2〜3か月分測ることをおすすめします。全業務を測る必要はなく、AIを適用する業務に絞れば十分です。ストップウォッチで厳密に計る必要はなく、担当者の自己申告ベースでも、導入前後で同じ方法を使えば比較の目的は果たせます。
Q: 削減した時間を人員削減に結びつけないと、効果として認められませんか
A: 必ずしもそうではありません。残業時間の削減、採用予定の見送り、他業務への振り向けも、説明できれば効果として扱えます。重要なのは削減時間の行き先を具体的に書くことです。「A業務で削減した月35時間を、これまで手が回らなかったB業務に充てる」と明記すれば、人員削減以外でも稟議上の説明は成立します。
Q: 小さく試す場合、どの程度の規模から始めるべきですか
A: 規模より、測定可能性と撤退基準を優先して設計してください。対象業務が1つ、対象者が数名でも、導入前の工数が測れていて「3か月後に◯%削減できなければ中止」という基準があれば、投資判断の材料としては機能します。逆に、広く浅く導入すると効果が薄く分散し、測定も撤退判断も難しくなります。
まとめ
AI導入の費用対効果は、単一の数字では表せません。確度の高い工数削減を土台に据え、売上貢献は幅を持たせて下限で判断し、オプション価値は金額化せず撤退基準とセットで示す。この3層構造で整理すると、経営層が判断できる形になります。
そして、試算の精度を決めるのは計算式ではなく、導入前の実測値と、削減時間の行き先の明示です。この2つが揃っていれば、多少荒い試算でも議論の土台になります。逆に、この2つがないまま精緻な計算式を作っても、「なんとなく便利になった」からは抜け出せません。まずは対象業務の現状工数を測るところから始めてみてください。
