利用率だけでは、次の投資判断に必要な材料にはならない
AIの導入報告会。プロジェクターに映るグラフは、いつもきれいな右肩上がりを見せるものです。
「今月の生成AI利用率は8割を超えました」
「プロンプト研修は、今週で全社員が受講を完了しています」
推進事務局としては、これで一安心というところかもしれません。
社内のチャットを見ても、「提案書のたたき台はAIに作らせた」「文章の校正をやってもらった」といった会話が日常的に交わされています。まずは触ってみる。その初期フェーズをクリアしたことは確かです。
ただ、その数字を見つめながら、次期の予算を握る役員が腕を組んだまま黙り込むことがあります。
AI活用はなされている。リテラシー研修もやった。利用実績のログも残っている。
けれど、業務上のどの数字が動いたのか、どの現場の動きが変わったのかが見えてこない。
何回ボタンが押されたかはシステムから抽出できますし、誰が頻繁に使っているかも分かります。でも、それだけでは「来期、さらに投資を拡大するか」を判断するための材料として、決定的に何かが足りません。
経営陣が欲しいのは、ツールが動いた回数でしょうか。
AIの利活用で、現場の人が迷う時間が減ったのか。誰かの確認待ちで止まっていた案件が、どれくらい前に進むようになったか。
結局、知りたいのはそこなのです。
資料作成は3分になっても、役員決裁が1日も縮まらないことがある
たとえば企画書の作成。生成AIを使えば、それらしい構成案がものの3分で出力されますし、文章をきれいに整えるのも一瞬です。真っ白なWordの画面を前にして、頭を抱える時間は確かに減りましたし、作った本人も「前より楽になった」と口にします。
問題は、その先にあるのです。
上司のデスクへ持っていった途端、いつもの問答が始まります。
「この数字の前提、どこから引っ張ってきたの？」
「なんでこの競合と比較したの？」
そう突っ込まれて、担当者が答えに詰まる。
生成AIが吐き出した文章は見事です。でも、なぜその内容で進めていいのか、自分がどういう判断をしてその情報を選び取ったのかが、本人の頭の中でつながっていないので、結果としていつも通りの書き直しが発生する。
資料を「作る」時間は短くなりましたが、資料が「通る」時間は1日も縮まっていない。
こういうことが現場では起きています。
顧客からの問い合わせ対応も、同じようなものです。
回答の文面自体はAIがすぐ作ってくれますし、よくある定型の返信なら一瞬です。
ただ、少々面倒なクレームや前例のないケースが来ると、結局はベテランの席の周りに人が集まります。
「このお客様には、ここまで踏み込んで返して大丈夫ですか」
「前回のトラブルのときって、最終的にどうやって収めましたっけ」
なぜその対応を選んだのかという判断の理由が組織に残らなければ、いくらテキストを生成する速度が上がっても、特定の人に相談が集中する構造は変わりません。
タイピングの時間は減った。けれど、根本にある人に依存する構造はそのままです。
見積業務でも同じことが起きます。過去の案件をAIに探させれば、金額の目安はすぐに出ます。体裁の整った見積書も作れる。作業そのものは軽くなります。しかし、なぜその値引きをしていいのか、リスクをどこで吸収するのか、どの条件なら現場の裁量で進めていいのか。その基準が組織の共有知にならなければ、最終的にはマネージャーが自分の経験と勘だけでハンコを押し続けることになります。
AIツールは動いているし、現場も便利だと言っている。それでも、業務の中身が新しく何か変わったかというと、かなり怪しい。
AI導入で追うべきことは、ツールの稼働率ではなく、それを使って、現場の判断や行動がどう変わったか。
つまり、アウトカムです。
経営に示すべきは、利用実績ではなく業務変化の証拠
ログイン数や生成回数は、単にシステムが起動している事実を示しているに過ぎず、稼働しているからといって、目的の成果に向かって進んでいるかどうかは別問題です。
「業務でAIの利活用が進んでいます」という報告の、その先を経営は見ています。
確認の手間は減ったのか。差し戻しの回数は少なくなったのか。これまで特定のマネージャーしかできなかった判断を、メンバーが自分で進められるようになったのか。ここが見えないと、報告会は「今月も無事にツールが使われました」という生存確認の場で終わってしまいます。
現場を預かるマネージャーにとっても、ここが一番もどかしい部分でしょう。
メンバーは確かに使っているし、文句も言っていない。社内事例もいくつか作れた。なのに、上から「それで、結局何が変わったの？」と問われると、言葉に詰まる。
これは推進側の熱量の問題ではありません。最初の段階で、「現場のどの動きを変えるか」を文字にしていなかったから起きるズレなのです。
AI導入の効果測定は、導入した後に慌てて考えるのではなく、始める前にアウトカムを置いておくものです。
AI導入の効果測定は「判断・行動・状態」の3軸で見る
AIがもたらす成果を追うときは、ツールが使われた回数だけでなく、現場の判断、行動、状態に目を向ける必要があります。
もちろん利用率は見ますが、そこをゴールにすべきではありません。
そのAI活用によって、たとえば判断の仕方が変わったのか。仕事の進め方が変わったのか。属人化していた業務が、前よりも組織として回るようになったのか。ここを追い求めると、単なる利用状況ではなく、業務改善としての変化が見えてきます。
特に見落とされやすいのが、判断の変化です。
たとえば、値引きの承認。単に申請書を早く作れるようになっただけでは、業務が変わったとは言えません。営業が「なぜこの金額にするのか」の理由を説明できなければ、結局は上司の経験に頼ることになります。
過去のデータをもとに、営業が自分で値引きの理由を組み立てられるようになったか。マネージャーが感覚ではなく、一貫した基準でOKを出せるようになったか。その判断の理由が記録され、次の案件に活かせる状態になっているか。
ここまで変わって初めて、AIは単なる時短ツールではなく、判断の仕組みを変える存在になります。
さて、判断が変わると会話もまた変わります。
「なんとなくこの金額にしました」ではなく、「過去の類似案件では、この条件ならこの範囲で承認されています。今回は納期リスクがあるので、この値引き幅にしています」と言えるようになる。
この変化はAIの利用状況グラフには現れませんが、業務の質は確実に変わっています。
次に見るべきは、行動の変化です。
AIを使った結果、上司への聞き方が変わったかどうか。これは、現場を見ているとかなり分かりやすい。以前なら、担当者は「これ、どうすればいいですか」と聞いていました。この聞き方だと、上司は最初から状況を聞き直し、前提を整理し、判断を組み立てなければならず、結局、考えているのは上司ということになります。
でも、AIを使って過去のケースや論点を整理できるようになると、訊き方が変わります。
「過去の類似ケースをAIで調べたら、A案とB案が出ました。今回はリスクを避けるためにA案で進めたいです。ただ、この条件だけ確認させてください」
ここまで整理されていれば、上司の確認は数分で済みます。これは単に作業が速くなったのではなく、仕事の進め方、相談の質が変わっています。
最後は、状態の変化です。
属人化していた業務が、他の人でも回る状態になっているか。「なぜその対応をしたのか」という理由が、社内に記録として残っているか。AIを組み込んでも、ベテランの頭の中にしか判断基準がないままなら、組織の状態は一切変わっていません。
新人が一次対応をしようとすると、結局「これは誰に聞けばいいですか」「念のため、ベテランに確認しておきます」となります。
もちろん、確認が必要な場面はありますが、ただ、毎回同じ理由で同じ人に聞いているなら、それは業務が仕組みになっていないことを意味します。
過去の対応理由が残っている。判断の背景が読める。新人であっても、それをもとに一次対応まで進められる。そうなれば、ベテランが毎回同じ説明をする必要はなくなります。ここまで来て初めて、AI導入は「作業がラクになった」を超え、組織の形を少し変える材料になるはずです。
業務別に見る、AI導入で追いかけるべき指標
AIを導入してから「さて、何が変わったか」と探しても、利用率以外の数字はなかなか見つかりません。だから最初に、どの業務の、どの動きを変えたいかを決めておく。つまり、アウトカムを決めておくのです。
問い合わせ対応なら、返信の作成時間だけでなく、ベテランへの確認回数や、同じ質問での手戻り、対応理由が記録された割合を見る。見積業務なら、見積書の作成時間だけでなく、上司からの差し戻し件数、価格決定の理由が残されている率、類似案件を参照して判断された割合を見る。
承認業務なら、申請件数や承認までに要した時間だけでなく、差し戻しの具体的な理由や、現場判断で完結した申請の割合を見る。資料作成なら、資料の作成時間だけでなく、差し戻し回数、根拠の明記率、上司や役員への説明にかかった時間を見る。
こうした数字や行動変容を置いておくと、運用の途中で「本当に追うべきは別の数字だった」と気づくこともできますし、現場を見ながら直していけばいい。
大事なのは、表面的な数字だけをなぞらないことです。
AIを入れたことで、業務のどの挙動が変わってほしいのか。どの判断が、属人化せずに回るようになってほしいのか。それを、あらかじめ言葉にしておくことです。
最初から、すべてをきれいなダッシュボードで追える必要はありません。会議記録、問い合わせ履歴、申請ログ、商談記録、CRM上の活動記録など、すでに社内に残っている情報からでも、変化の兆候は拾えます。
たとえば、会議の中で「最近、この確認は自分たちだけで進められるようになった」「ベテランに聞く前に、過去の対応理由を確認するようになった」といった発言が出てくることがあります。
こうした変化は、最初からKPIとして整っているわけではありませんが、その中には、後から測るべき成果の種が含まれています。
大事なのは、完璧な計測基盤を待つことではなくて、今ある記録や会話から、現場の判断・行動・状態が変わり始めている事実を拾い、次に見るべき指標へ育てていくことです。
ツール配りで終わらせないために、Day0から判断条件を仕込む
ここでいうDay0とは、ツールを配る前の設計段階です。どの業務で、どの変化を見て、いつ次の判断をするのかを決めておくタイミングです。
AI導入の報告は、利用率だけでも形になります。
「今月もよく使われました」
「生成回数が増えました」
もちろん、それも大切ですし、使われていないツールで業務は変わりません。ただ、そこで止まってしまうと、AI導入はツール配りで終わります。
しかし、このような報告ができると、何かが変わります。
「この業務での手戻りが、先月より3割減りました」
「ベテランへの確認回数が減り、新人でも一次対応できる範囲が広がりました」
こういう具体的な事実が出てきて初めて、経営は「では、次の部門にも広げていこうか」「ここはツールではなく、業務プロセスから直そう」という次の判断ができます。
繰り返しますが、AIを導入するのはAIを使わせるためではなく、現場の判断と行動を望ましい方向へ動かすためです。
ツールが動いたかどうかではなく、現場の人間がどう動くようになったか。
自社の取り組みでは、現場のどの挙動が変われば「成功」と言えるのか。
何が確認できれば「次に進める」と判断できるのか。
この問いを最初に置いておくだけで、AI導入の持つ意味が変わってきます。
ただし、ここでさらに大事になるのが、判断するタイミングと条件です。
いつまでに、何を見て、次に進めるのか。何が見えなければ、設計を見直すのか。どの状態なら、いったん止めるのか。
ここが曖昧なままでは、結局「使われています」「反応は良いです」という報告で止まりやすくなります。
現場の変化を見にいくだけではなく、その変化をもとに次の判断ができる状態をつくる。ここまで設計して初めて、AI導入は単なる利用促進ではなく、経営判断につながる取り組みになります。
次の記事では、AI導入やPoCを「試して終わり」にしないために、Day0-30で定義すべきアウトカムとGO/No-GO判断について整理します。
