AI導入の費用対効果(ROI)を高めるには?|導入後に見直す4つの要素
2026.11.16
AIを導入して数か月たつと、「思ったほど費用対効果が出ていない」という声が社内から上がることがあります。結論から言えば、導入後のAIの費用対効果(ROI、投資利益率)は、「1件あたりの効果」「利用する件数」「1件あたりの費用」「2つ目以降の初期費用」の4つの要素に分けて見直すと整理しやすくなります。どれがよく効くかは、費用の構成によって変わります。利用料を削ることだけに目を向けず、4つのうちどれが自社の数字を動かすかを見極めることが、費用対効果を高める近道になると弊社は考えています。
この記事では、弊社が整理したROIの4つの要素と、要素ごとの高め方、どこから手を付けるかの判断表を、開発を担う立場からまとめます。導入前に費用対効果を試算して承認を得る方法は、AI導入の稟議書に何を書く?|削減工数・品質・継続費用の説明方法で解説しています。
AIの費用対効果(ROI)は、何で決まるのか?#
ROIは、かけた費用に対してどれだけの効果が得られたかを示す指標で、「(効果-費用)÷費用」で計算します。AIの場合、効果は実際に減った支出や、増えた処理件数による売上などを金額にしたもの、費用は初期費用と継続費用を合わせたものです。導入後の見直しでは月単位で見ることが多いため、この記事では初期費用を月割りにして、保守などと合わせた「固定の費用」として扱います。
ROIを4つの要素に分けると、何が見えるか?#
AIは処理する件数に応じて効果も費用も増える仕組みが多いため、効果と費用を「1件あたり」と「件数」に分けると、手を付ける場所が見えてきます。
- 効果:1件あたりの効果 × 利用する件数
- 費用:固定の費用 + 1件あたりの費用 × 利用する件数
1件あたりの効果は、AIが1件処理したときに減る支出や増える売上のことです。1件あたりの費用には、利用料だけでなく、AIの出力を人が確認する人件費も含めます。2つ目以降の初期費用は、1つ目の業務で作った仕組みを別の業務に広げるときにかかる構築費用です。
この式から、費用対効果を高める要素は次の4つに整理できます。固定の費用そのものは要素に入れていませんが、件数が増えるほど1件あたりに薄まります。このうち、別の業務に広げるときに新たに加わる構築費用を、4つ目の要素として別に扱います。表の「部品」は、データの連携や確認の画面のように、業務をまたいで使い回せる仕組みの単位を指します。
| 要素 | 高め方 | 確かめる数字 |
|---|---|---|
| 1件あたりの効果 | 手戻りと手作業を減らす | 手戻りの件数 |
| 利用する件数 | 対象の業務で使い切る | AIで処理した件数の割合 |
| 1件あたりの費用 | モデルと確認のかけ方を選ぶ | 利用料と確認の時間 |
| 2つ目以降の初期費用 | 部品を使い回す | 2件目の構築費用 |
なぜ、導入後に費用対効果が伸び悩むのか?#
AIの使い方が個人の作業の効率化にとどまっていると、どの業務で何件処理し、1件あたりいくら支出が減ったのかを把握しにくく、4つの要素のうち数字で追えないものが出てくるからだと弊社は見ています。
総務省の「令和8年版 情報通信白書」で業務類型ごとの生成AIの活用状況を見ると、活用している企業の割合が最も高いのは「議事録・メール作成補助」です(3つの活用の形の合計で71.2%)。ただし、その内訳で最も多いのは「従業員が個人作業の効率化で活用している」の35.2%で、「業務プロセスがAI中心に変更されている」は11.3%にとどまります(出典:令和8年版 情報通信白書 データ集(図表Ⅰ-2-1-7)|総務省)。
個人がそれぞれの判断で使う形にも意味はあります。そのうえで費用対効果を高めるには、AIを使う業務を特定し、件数・作業時間・利用料を記録できる形にすることが最初の一歩になります。
1件あたりの効果は、どう高めるか?#
1件あたりの効果を高めるには、AIの出力をそのまま次の工程に渡せるようにして、誤りによる手戻りと、人の手作業が残る部分を減らします。手戻りや手作業が残るほど、1件あたりに減る支出は小さくなります。なお、手戻りの訂正や確認にかかる人件費は費用として数え、手戻りや手作業のせいで減らせなかった支出を、効果の小ささとして数えます。
1件あたりの効果が小さくなるのは、どんなときか?#
弊社がよく目にするのは、次の3つです。
- 転記が残っている:AIの出力を、人が販売管理などのシステムに打ち直している
- 一部しか任せていない:AIが読み取るのは品名だけで、数量や納期は人が入力している
- 手戻りが多い:読み取りや判断の誤りで、差し戻しや訂正が起きている
手戻りと手作業は、どう減らせばよいか?#
転記には、既存システムへの登録までをつなげます。任せる範囲は、誤りの記録を見ながら項目ごとに広げます。メールやPDFで届く注文書を例にした仕組みは、メール・PDFの注文書を受注登録まで自動化するには?|読み取りの先に必要な仕組みで解説しています。
手戻りは、誤りを「読み取りの誤り」「判断の誤り」「元データの誤り」に分けて数えると、どこを直せば減るかが分かります。元データの誤りが多い場合、弊社では、AIより先に元の台帳を直すことをお勧めしています。
利用する件数は、どう増やせばよいか?#
利用する件数を増やすには、対象の業務を絞ったうえで、その業務の中でAIを使う件数の割合を上げます。対象の業務を次々に広げるより、決めた業務でほとんどの件をAIで処理する状態にするほうが、費用対効果は上がりやすいと弊社は考えています。
PwCが世界25業種・1,217社を対象に行った調査の中国版レポートは、AIによる成果が上位20%の企業(AIリーダー)について、AIを広げる領域を選んであらゆる領域に分散させず、優先する用途を全社で一貫して展開していると分析しています(出典:PwC Global AI Performance Study China Report|PwC P.6・P.8・P.11)。
件数を増やせば、必ず費用対効果は上がるのか?#
必ず上がるとは限りません。固定の費用がある場合、件数が増えるほど固定の費用が1件あたりに薄まるため、ROIは上がっていきます。固定の費用が大きい段階ほど、件数を増やすことが効きやすくなります。ただし、件数を増やし続けたときのROIは「1件あたりの効果÷1件あたりの費用-1」に近づき、それより上には行きません。固定の費用がなければ、ROIは件数によらず一定で、件数を増やすと利益の額だけが増えます。
1件あたりの効果が1件あたりの費用を下回っている場合は、件数を増やしても赤字は解消せず、赤字の額は件数とともに広がります。件数を増やす前に、1件あたりの効果と費用を比べておきます。
使われない理由は、どう確かめるか?#
使われない理由は、現場の作業を観察し、業務の手順のどこでAIが使われなくなるかを見て確かめます。原因は利用者の意欲や操作のスキルだけとは限らず、AIを使うと二重入力や余分な画面が生まれる、確認なしで使ってよい条件が決まっていない、といった業務の手順にあることもあります。観察の仕方は、AIを導入したのに使われない|操作研修の前に見直したい業務の設計で解説しています。
1件あたりの費用は、どう下げるか?#
1件あたりの費用は、処理ごとにモデルと処理方法を選び、確認のかけ方を見直すことで下げます。表の軽量モデルは処理が速く単価の安いAIのモデル、バッチは急がない処理をまとめて送る方法、キャッシュは共通の指示や資料を一時的に保存して使い回す仕組みのことで、それぞれ表のあとで説明します。主な方法は次の4つです。
| 方法 | 下げ方 | 注意すること |
|---|---|---|
| モデルの使い分け | 定型の処理は軽量モデルに | 実際のデータで精度を確かめる |
| まとめて処理 | 急がない処理はバッチで | 結果が出るまで時間がかかる |
| 共通部分のキャッシュ | 共通の指示や資料をキャッシュ | 書き込む回は単価が上がる |
| 確認のかけ方 | 条件に当たる件を重点的に確認 | 誤りの記録を見てから変える |
モデルと処理方法で、利用料はどれくらい変わるか?#
モデルと処理方法しだいで、利用料は大きく変わります。AIの利用料には、ツールの月額のほか、API(外部のシステムからAIを呼び出す仕組み)の従量課金があります。AnthropicのAPIを例にとると、同じ提供元でも、上位のモデルと、処理が速く単価の安い軽量なモデルとでは、100万トークン(トークンはAIが文章を処理する単位)あたりの単価が大きく異なります。定型の処理を軽量なモデルに任せる場合は、実際のデータで精度が足りることを確かめてから切り替えます。
また、すぐに結果が要らない処理をまとめて送る「Batch API」(バッチ処理)は、入力と出力のトークンをいずれも50%割り引きます(出典:Pricing|Anthropic)。ただし、バッチ処理の結果は後から返ってきます。多くは1時間以内に終わりますが、結果を受け取れるのは、全件の処理が終わったときか、24時間たったときのどちらか早いほうです(出典:Batch processing|Anthropic)。その場で回答が要る問い合わせ対応には向かず、商品説明の下書きや大量のデータの要約・分析のように、急がない処理に向きます。
共通の指示や資料は、どう扱えばよいか?#
毎回同じ指示や社内資料をプロンプト(AIへの指示文)の先頭に付けて送る処理では、その共通部分を一時的に保存して使い回す「プロンプトキャッシュ」が使えます。キャッシュから読み込んだ部分の入力単価は通常の0.1倍で、モデルによってはさらに低く設定されています。一方、キャッシュに書き込む回は通常より高く、有効期間5分の書き込みで1.25倍になります(出典:Pricing|Anthropic)。
既定の有効期間は5分で、キャッシュが使われるたびに追加料金なしで更新されます(出典:Prompt caching|Anthropic)。同じ指示を使う処理が短い間隔で続く業務ほど、効果が出やすくなります。バッチ処理やキャッシュの割引・割増の条件は提供元ごとに異なるため、契約するサービスの料金ページで確認してください。
確認に時間がかかるのは、なぜか?#
弊社がよく目にする原因は、次の2つです。
- 入力がそろっていない:注文書の書式や表記が取引先ごとに違い、AIの読み取り結果を毎回照合している
- 根拠が示されない:AIの回答に参照した資料が示されず、確認する人が一から調べ直している
入力のばらつきには、取引先や商品のコードとの照合を仕組みに組み込みます。根拠が示されない問題には、回答と一緒に、参照した社内資料の該当箇所を表示させます。
確認のかけ方は、どう変えればよいか?#
確認は全件ではなく、確認が必要な件に絞ることで費用を下げられます。AIの出力を全件、人が確認している場合、その人件費も1件あたりの費用です。金額が大きい件、例外に当たる件、AIが判断できないとした件は必ず人が確認し、それ以外は抜き取りで確認する、という分け方が考えられます。
ただし、確認を減らすのは、誤りの記録から精度が安定していると確かめられてからです。軽量なモデルへの切り替えも同じで、手戻りで増える費用が、下がった利用料を上回れば、費用対効果はかえって下がります。
2つ目以降の初期費用は、どう下げるか?#
2つ目以降の初期費用は、1つ目の業務で作った仕組みを部品として整え、2つ目以降の業務で使い回すことで下げやすくなります。データの連携、社内資料の検索、確認の画面などは、業務が変わっても共通する部分が多くあります。
前出のPwCの調査では、AIリーダーは再利用できるAIの部品を作る可能性が他の企業の2.4倍とされています(P.10)。また、AIリーダーが整える基盤は、重複した作業や一度きりのプロジェクトの無駄を減らし、新しいAIの展開を速く、安く、確実にすると分析しています(P.21)(出典:PwC Global AI Performance Study China Report|PwC)。
使い回せる部品には、どんなものがあるか?#
使い回しやすい部品の例は、次の4つです。
- データの連携:販売管理や顧客管理からデータを取り出し、結果を書き戻す仕組み
- 社内資料の検索:規程・マニュアル・過去の回答を探し、根拠として示す仕組み
- 確認の画面:AIの出力を人が承認・修正する画面と、その記録
- 評価テスト:実際のデータで精度を測る手順と、結果の記録
使い回す前提で作ると、1つ目の業務の構築費用がやや増える場合があります。弊社では、2つ目の業務の候補が見えている場合に、この作り方を検討することをお勧めしています。
4つの要素のうち、どこから手を付けるか?#
どこから手を付けるかは、費用の構成と、いま起きている症状で決めます。まず仮定の例で、どの要素がどれだけ効くかを比べます。
仮定の例で比べると、どの要素がよく効くか?#
次の仮定の例では、利用料を半分にするより、件数を2倍にするか、確認の時間を半分にするほうがよく効きます。以下は計算の組み立て方を示すための仮定の例で、実績ではありません。外部に委託していた注文書の入力にAIを導入し、AIで処理した分は委託費が1件あたり300円減るとします。
- 件数:注文書は月2,000件あり、AIで処理しているのは書式の整った1,000件だけ。残りの1,000件は引き続き委託している
- 固定の費用:初期費用の月割りと保守で月15万円
- 1件あたりの費用:100円(利用料30円、確認の人件費70円)
確認の人件費70円は、確認にかかる社内の時間を人件費に換算した仮の金額です。この例では、効果は実際に減る支出(委託費)だけで数えます。作業時間が減っても、残業代や外注費などの支出が実際に減らなければ金額は減らないため、減った作業時間は効果に入れません。一方、確認には社内の時間を使うため、人件費に換算して費用に入れます。効果を小さめ、費用を大きめに見る数え方で、同じ時間を効果と費用の両方に入れることはしません。
このとき、効果は月30万円(300円×1,000件)、費用は月25万円(15万円+100円×1,000件)で、ROIは(30万円-25万円)÷25万円=20%です。1件あたりの効果と費用の差は200円なので、この前提では月750件を超えると固定の費用を回収できます。ここから1つずつ要素を変えると、次のようになります。
| 変えた要素 | 効果(月) | 費用(月) | ROI |
|---|---|---|---|
| いまの状態 | 30万円 | 25万円 | 20% |
| 件数を2倍に | 60万円 | 35万円 | 約71% |
| 利用料を半分に | 30万円 | 23.5万円 | 約28% |
| 確認の時間を半分に | 30万円 | 21.5万円 | 約40% |
この例では、利用料を半分にするより、AIで処理する件数を2倍(全件)に広げるか、確認の時間を半分にするほうが、ROIは大きく上がります。固定の費用と確認の人件費が費用の大半を占めているためです。逆に、件数が多く利用料が費用の大半を占める業務なら、モデルと処理方法の見直しがよく効きます。
なお、件数を2倍にする行は、書式の整っていない残りの注文書でも、1件あたりの効果と費用が変わらず、固定の費用も月15万円のままだと仮定しています。書式がそろわない分、実際には確認の時間が増えることもあるため、広げる前に少量で試して測ります。2つ目以降の初期費用は、別の業務に広げるときに生じる費用なので、この例では扱っていません。また、この例は削減額だけで計算しています。売上への効果がある場合は、効果の欄に加えます。自社の費用の内訳を、この表の形に当てはめてみてください。
症状から、先に見る要素を選ぶには?#
費用の内訳がまだ分からない段階では、いま起きている症状から、先に見る要素を選びます。
| いまの症状 | 先に見る要素 | 最初の一手 |
|---|---|---|
| 使われていない | 利用する件数 | 使われない理由を確かめる |
| 手戻りが多い | 1件あたりの効果 | 手戻りの原因を分類する |
| 費用が膨らんでいる | 1件あたりの費用 | 利用料と確認時間を分ける |
| 2件目も一から作る | 2つ目以降の初期費用 | 使い回せる部品を洗い出す |
どの症状に当てはまるかを判断するにも、件数・確認を含む作業時間・利用料の記録が要ります。記録がない場合は、まず1か月分を記録するところから始めます。
費用対効果を高めるときの落とし穴は?#
主な落とし穴は、次の5つです。当てはまらないかを確認してください。
- 利用料だけを削り、手戻りが増えて、1件あたりの効果が下がったり確認の費用が増えたりする
- 1件あたりの効果を確かめないまま、対象の業務や件数を広げる
- 減った作業時間を、そのまま人件費の削減額として数える
- 導入前と導入後で、件数や作業時間の測り方が変わっている
- 1つ目の仕組みを、2つ目の業務で使えない形で作り込む
まとめ#
AIの費用対効果は、次の4つの要素に分けて見直します。
- 1件あたりの効果:手戻りと手作業を減らす
- 利用する件数:対象の業務を絞り、その中で使い切る
- 1件あたりの費用:モデルと処理方法を選び、確認のかけ方を見直す
- 2つ目以降の初期費用:部品を使い回す
どの要素がよく効くかは、費用の構成によって変わります。件数・確認を含む作業時間・利用料を記録し、自社の数字を4つの要素に当てはめてから手を付けることが、費用対効果を高める近道になると弊社は考えています。
よくある質問(FAQ)#
Q. AI導入の費用対効果(ROI)は、どう計算しますか?
A. 「(効果-費用)÷費用」で計算します。効果には、実際に減った支出や、増えた処理件数による売上などを金額にして入れます。費用には、初期費用と、利用料・保守・確認の人件費などの継続費用を入れます。減った作業時間は、そのままでは費用の削減になりません。
Q. 費用対効果を高めるには、まず利用料を下げるべきですか?
A. 費用の構成によります。固定の費用や確認の人件費が大きい段階では、利用料を下げてもROIはあまり変わらないため、処理する件数を増やすことや、確認の時間を減らすことを先に検討します。件数が多く、利用料が費用の大半を占める業務なら、モデルと処理方法の見直しがよく効きます。
Q. 費用対効果がどうしても上がらない場合は、どうすればよいですか?
A. 1件あたりの効果が1件あたりの費用を下回り、改善の見込みが立たない場合は、対象業務の見直しや停止を検討します。停止の条件と判断する責任者は、導入済みの場合もいまから決めておくと、判断しやすくなります。
Q. 使い回せる部品を作ると、初期費用は高くなりますか?
A. 1つ目の業務では、構築費用がやや増える場合があります。2つ目以降の業務で同じ部品を使えれば、そのぶん初期費用を抑えられます。2つ目の業務の候補が見えているかどうかで判断します。
導入済みのAIの見直しから、ご相談ください#
弊社(株式会社TryWith)は、AIソリューション開発とシステム開発支援を通じて、対象業務の選定から、実際のデータを使った試行、既存システムへの組み込みまでを、開発を担う立場から支援しています。
すでに導入したAIについて、件数・確認を含む作業時間・利用料の記録を一緒に整理し、4つの要素のどこから手を付けるかを決めるところからご相談いただけます。手戻りや確認の手間を減らす仕組みや、2つ目の業務へ広げるための部品の設計もご相談ください。
タグ
