「AIを入れてみたが、本当に効果があったのか分からない」
こういう話をよく聞く。ChatGPTを契約した、AI議事録ツールを導入した、経理のAI自動化を試した。でも3ヶ月後に「で、どうだった？」と聞かれると答えられない。
これはROIの計算式を知らないから起きる問題ではない。計算するための「前後の数字」を用意していなかったから起きる問題だ。
AI投資のROIが「なんとなく改善した」で終わる理由
多くの中小企業でAI投資の効果が曖昧になる理由は、同じパターンに集約される。
導入前に何も記録していなかった。
ROIは「導入後の状態 ÷ 投資コスト」ではない。「（導入後 - 導入前）÷ 投資コスト」で計算するものだ。導入前のベースラインがないと、何と比較すればいいかが分からない。
具体的に言うと、こういうことが起きる。
- AI議事録ツールを導入したが、「以前の議事録作成に何分かかっていたか」を測っていなかった
- 問い合わせ対応にAIを入れたが、「導入前の月間対応件数と1件あたりの処理時間」を記録していなかった
- 経理処理を自動化したが、「以前は何時間かかっていたか」が担当者の記憶にしか残っていなかった
こうなると、改善しているかどうかを証明できない。感覚的に「楽になった」は言えても、経営判断の根拠にはならない。
ROI計算を難しくしている3つの構造的な問題
中小企業でAI投資のROIが測りにくい理由は、ベースラインの未記録だけではない。
問題1：効果が時間差で出る
AIツールの導入直後は、使い方を覚えるコストがかかる。プロンプトの書き方を習得する、ワークフローに組み込む、社員に使わせるようにする。これに最低1〜2ヶ月かかる。
導入後すぐに測定すると「効果がない」と誤判断しやすい。実際には3ヶ月以降から本来の効果が出始めるケースが多い。
問題2：間接効果は数字にしにくい
AIの価値の一部は「ミスを防いだ」「確認作業が減った」「判断が早くなった」という形で出る。これは業務改善の件数には計上されない。
「見積もりの誤記が月5件あったのが0件になった」は測れる。しかし「経営判断のスピードが上がった」は数字にしにくい。
問題3：AI以外の要因が混在する
売上が上がった、対応時間が短くなった、これはAIのせいだけとは限らない。人が増えた、業務フローを見直した、繁忙期が終わった——こうした要因も同時に動いている。
「AIを導入した月からX%改善した」という主張は、他の変数を排除しないと根拠が薄い。
測れる指標と測れない指標を整理する
ROI計算の前に、何が測定可能かを整理しておく。
測定しやすい指標（定量化できる）
| 業務 | 測定指標の例 |
|---|---|
| 問い合わせ対応 | 月間対応件数、1件あたりの処理時間、未回答率 |
| 受発注処理 | 処理件数、入力ミス件数、処理完了までのリードタイム |
| 経理・帳票作成 | 作業件数、修正依頼件数、締め日に対する完了率 |
| 社内情報検索 | 検索にかかる時間（担当者の記録が必要） |
| 議事録・記録 | 作成にかかる時間、修正回数 |
測定しにくい指標（定性的な変化）
- 「ミスを防いだ」件数（ミスが起きていないと記録が残らない）
- 経営判断の速度向上
- 社員のストレス軽減
- 顧客からの信頼感の変化
定性的な変化は「0か1か」でなく「以前より良くなったか」という形で記録する。四半期ごとに担当者にヒアリングして残す方が実態に即している。
ROIの基本計算式
ROIの計算式は以下の通りだ。
> ROI(%) = (削減できた費用 - AI導入コスト) ÷ AI導入コスト × 100
「削減できた費用」には、外注費の削減、修正対応コストの削減、業務委託費の削減など、実際に支払いが減った金額を使う。「時間削減 × 想定時給」のような推定値は含めない。
この計算式を使えるかどうかは、「導入前のコスト実態が記録されているか」にかかっている。
中小企業が現場で使える3ステップのROI計算法
Step 1：導入前にベースラインを記録する
これが最も重要で、最も省略されているステップだ。
AIツールを入れる前の1〜2週間、以下を記録しておく。
- 対象業務の処理件数（週次または月次）
- 1件あたりにかかる作業時間（担当者に聞いて記録）
- エラーや修正が発生した件数
- 月間のコスト（外注費、ツール費など）
記録する方法はシンプルでいい。Excelの表でも、Notionのメモでも構わない。大事なのは「AIを入れる前の状態が数字で残っている」ことだ。
Step 2：3ヶ月後に同じ項目を測定する
導入から3ヶ月後、Step 1で記録した同じ項目を測定する。
- 同じ業務の処理件数
- 1件あたりの作業時間
- エラー・修正の件数
- かかったコスト（AIツール費用を含む）
注意点: 人員が変わった、業務量が大幅に増減したなど、AI以外の変化がある場合はメモしておく。ROI計算の際にその影響を分離できるようにするためだ。
Step 3：変化量とコストを対比する
Step 1とStep 2の差分を計算し、かかったコストと比較する。
例：受発注処理にAIを適用したケース
| 項目 | 導入前 | 導入3ヶ月後 |
|---|---|---|
| 月間処理件数 | 200件 | 240件（業務量増加） |
| 1件あたりの処理時間 | 12分 | 7分 |
| 月間入力ミス件数 | 8件 | 2件 |
| ツール月額コスト | 0円 | 3万円 |
この場合、処理件数が増えているにもかかわらず1件あたりの時間が短縮されている。また入力ミスが8件から2件に減少している。
ROI計算に当てはめるには、「削減できた費用」を実態から算出する。
この会社では「受発注ミスが発生すると、取引先への連絡・再注文・送り直しで外注の修正費用が1件あたり8,000円かかっていた」という実態があったとする。
- 削減できたミス件数：月6件
- 1件あたりの修正費用：8,000円
- 削減できた外注費：6件 × 8,000円 = 48,000円
- AI導入コスト：30,000円
この場合のROI = (48,000 - 30,000) ÷ 30,000 × 100 = 60%
月6万円のコスト削減に対して月3万円の投資なので、3ヶ月で初期投資を回収できる計算だ。
重要なのは「8,000円」という修正費用が「外注に実際に払っていた金額」という実績値に基づいている点だ。推測ではなく、過去の支払い実績から取れる数字を使う。
「回収できていない」と分かった時の判断軸
ROIを測定した結果、効果が出ていないと判断したとき、次の3つを確認する。
1. 本当に3ヶ月以上使ったか
導入直後の「学習コスト」の段階で測定していないか確認する。多くのAIツールは習熟に2〜3ヶ月かかる。
2. 使い方が正しいか
ツールを導入しただけで、ワークフローに組み込んでいない場合がある。「一応アカウントを作った」と「業務に組み込んで毎日使っている」は違う。
3. そもそも対象業務が合っていたか
AIが苦手な業務にAIを当てると、当然効果は出ない。AIは「同じパターンの繰り返し作業」に強い。「例外対応」「感情が関わる判断」「初見の状況への対処」は依然として人間が担う必要がある。
これら3つを確認してもなお効果が出ていない場合は、そのツールや用途を変えるタイミングだと判断できる。
どのくらいのROIが「合格ライン」か
ROIの数値が出たとして、それが良いのか悪いのかの判断基準も必要だ。
中小企業のAI投資では、以下を目安にしている。
| ツールの種類 | 現実的なROI目標（1年以内） |
|---|---|
| 月額SaaSツール（AI議事録・AI-OCR等） | 200〜400%（月額の2〜4倍相当の削減効果） |
| AI業務自動化（RPAやAPIとの連携） | 100〜200%（初期構築費含む） |
| AI顧問サービス | 50〜150%（仕組み化の価値が後から効いてくるため） |
月額3万円のAI議事録ツールなら、年間36万円の投資に対して72万円以上の業務削減効果が出ていれば合格ラインだ。
ただし、これはあくまで「回収できているかどうか」の判断目安に過ぎない。ROIが低くても「続ける理由がある場合」もある。たとえば、ミスを0件に保つことが顧客信頼に直結しているケースなど、数字に出にくい価値がある投資は一律に切り捨てるべきでない。
ROI計算の前にやるべき「測定設計」
実際に中小企業でAIを導入していると、ROI計算そのものより「測定の仕組みを作る」ことが難しいと感じる場面が多い。
社員が日々の作業時間を記録する習慣がない、業務の件数をカウントしていない、ミスが何件あったか誰も把握していない——こういった状態で「ROIを計算しよう」としても数字が出てこない。
だから、本当に必要なのは「ROI計算式を覚えること」ではなく、「AIを入れる前に何を測るかを決めること」だ。
まとめ
AI投資のROIを計算するには、導入前のベースラインが必要だ。それがない状態でROI計算式だけ知っても数字は出てこない。
中小企業が現場で使えるステップは3つ。
- 導入前に対象業務の件数・時間・ミス数を記録する
- 3ヶ月後に同じ項目を測定する
- 変化量とコストを対比する
この流れを実行するためには、「何を測るか」の設計が先に必要で、これこそがAI投資で見落とされがちな部分だ。
どの業務にAIを当てるか、どの指標を測定対象にするか、測定の仕組みをどう作るか——こういった設計を一緒に考えるのが、僕のAI顧問としての仕事の一つでもある。
*著者: 野原琉海（株式会社ラズリ代表 / 業務効率化に特化したエンジニア）*
