結論：人を減らす約束より、利益が生まれる業務変化を測る
AI導入の稟議に「年間○人分の工数削減」を書き、PoCが終わると実際には人員が減らず、効果不明として止まる。この失敗は、AIの精度だけでなく、投資評価の置き方に原因があります。
KADOKAWAグループが2026年8月20日の『AI白書2026』発売に合わせて発表した調査では、今後AI投資を増やす見込みの企業と横ばいの企業で、間接部門人員が「減少」すると見る割合はいずれも約14%と報告されています。また、AIの定量効果を把握しているとの回答は上場企業37.0%、非上場企業13.7%でした。
調査は2026年4月に、上場企業または従業員300人以上の非上場企業の経営者・役員・従業員310人を対象に実施されたものです。日本の全中小企業へ一般化できる母集団ではなく、因果関係も示しません。しかし「AI投資増加＝間接部門の人員削減」という単純な前提を置かず、自社の効果を測る必要性を考える材料になります。
AIは、同じ人数で処理件数を増やす、商談準備を速くする、失注を減らす、品質を安定させる、欠員を補う、採用難でも事業を伸ばす、といった形で利益に寄与します。人員が減らなかっただけで失敗とせず、7つの効果指標を導入前から測ってください。
AI ASSESSMENT
PoC の前に「そもそも使えるか」を30分で見極めませんか？
対象業務、データ、権限、ログ、運用責任を確認し、PoC前に失敗要因と本番化条件を整理します。
調査結果を稟議へ正しく使う
横にスクロールして確認できます
| 調査で示された内容 | 示唆 | 断定できないこと |
|---|---|---|
| 投資増加見込み層と横ばい層の人員減少見込みがともに約14% | 投資額と人員削減期待は単純には連動しない可能性 | AI投資は人員へ影響しない、または投資しても無駄 |
| 定量効果把握は上場37.0%、非上場13.7% | 効果測定能力に差があり、指標設計が課題 | すべての非上場企業の86.3%が効果を出していない |
| 回答310人、上場または300人以上の非上場 | 一定規模企業の認識を考える資料 | 売上1〜10億円企業や日本企業全体の実態 |
外部調査は社内議論のきっかけに使い、投資判断は自社の業務データで行います。特に「削減できる人数」をベンダーへ先に約束させると、レビュー、例外、データ整備、教育の工数が見積から抜けやすくなります。
人員削減KPIがAI導入を壊す5つの理由
1. 現場が正しい現状を出さなくなる
AIの成果が人員削減と直結すると、現場は業務量、例外、余力を開示しにくくなります。結果として、PoCは簡単な業務だけを対象にし、本番で必要な例外を見落とします。
2. 浮いた時間の使い道を決めていない
1件10分短縮しても、依頼件数が少ない、待ち時間が残る、承認者が詰まる場合、人員は減りません。浮いた時間を商談、顧客フォロー、品質改善へ再配分しなければ売上・利益にもつながりません。
3. レビューと再作業をゼロと見積もる
AI出力の確認、修正、例外、事故対応には人が必要です。生成時間だけを測ると、後工程へ移った工数を見落とします。業務完了までの全時間と再作業を測ります。
4. 成長企業の処理能力を評価できない
人手不足の会社では、人員を減らすより受注増へ対応することが価値です。同じ人数で処理できる案件数、繁忙期の残業、回答速度、失注を指標にします。
5. 削減できないと全ユースケースを止める
品質向上や売上増がある業務まで一括で失敗扱いになります。ユースケースごとに価値仮説を分け、拡大、改善、停止を判断します。
FREE DOWNLOAD
AI導入チェックリスト（PoC 失敗要因 10項目）
情シス部門が PoC 前に押さえるべき失敗要因を10項目に整理した無料チェックリスト。
AI投資を評価する7つの効果指標
1. 対象業務カバー率
AIが使える人数ではなく、対象業務の全件数のうち、条件を満たしてAI支援・実行できた割合です。
対象業務カバー率 = AIを利用できた対象件数 ÷ 全対象件数
カバーできない理由を、データ欠落、権限、例外、品質、現場不使用に分けます。デモで成功した10件だけではなく、月間全件で測ります。
2. 処理時間
AIの応答時間ではなく、受付から確認、承認、登録、送信までの業務完了時間を測ります。担当者の作業時間と、顧客・承認待ちを分けると改善箇所が分かります。
3. 処理能力
同じ人数・時間で完了できる件数です。繁忙期、欠員時、複雑案件も分けます。処理能力が上がった後に、追加受注、営業時間延長、納期短縮へどう使うかを事前に決めます。
4. リードタイム
問い合わせから初回回答、見積、契約、納品まで、顧客が感じる時間を測ります。社内作業が短くなっても承認待ちが変わらなければ、顧客価値は改善しません。
5. 売上・CV
商談化率、提案提出率、成約率、客単価、継続率、休眠顧客の再開など、対象業務に近い指標を一つ選びます。AI利用と売上の因果を急いで断定せず、対象群、期間、季節性、施策差を記録します。
6. エラー・再作業
誤り、差戻し、再入力、返金、顧客問い合わせ、重大事故を測ります。平均エラー率だけでなく、個人情報漏えい、誤送信、法的確定の誤りは停止ゲートとして別管理します。
7. 総コスト・粗利
ライセンス、従量、データ、連携、ログ、評価、レビュー、教育、運用、事故対応を含めます。
改善後の粗利 = 増分売上 − 変動原価 − AI関連総コスト − 追加レビュー・運用工数
人件費が固定費のままでも、増分売上と処理能力で粗利が増える場合があります。逆に工数が減っても高額な従量費と再作業で粗利が落ちる場合があります。
90日効果測定シート
横にスクロールして確認できます
| 項目 | 基準値 | 90日目標 | 取得元 | 所有者 | 停止・見直し条件 |
|---|---|---|---|---|---|
| 業務カバー率 | 導入前0% | 例：60% | 業務台帳 | 部門長 | 30日で20%未満ならデータ・範囲見直し |
| 完了時間 | 例：120分 | 90分 | ワークフロー | 業務責任者 | 後工程待ちが増えたら全体設計見直し |
| 処理能力 | 例：20件/日 | 28件/日 | 受注・作業実績 | 部門長 | 品質低下を伴う増加は不採用 |
| 顧客リードタイム | 例：2営業日 | 1営業日 | CRM | 営業責任者 | 誤回答増加なら自動送信停止 |
| CV・売上 | 例：商談化15% | 18% | CRM・会計 | 事業責任者 | 母数と他施策を併記できないなら因果断定しない |
| 再作業 | 例：12% | 8% | 差戻し・障害 | 品質責任者 | 重大事故1件で一時停止 |
| 総コスト・粗利 | 例：粗利30% | 32% | 請求・工数 | 経営管理 | 上限20%超過で対象縮小 |
目標値は例をコピーせず、自社の4週間程度の基準値から置きます。季節変動が強い場合は前年同月や同種業務と比較します。
100点のAI投資稟議診断
横にスクロールして確認できます
| 評価領域 | 配点 | 満点条件 |
|---|---|---|
| 経営課題 | 10 | 売上・処理能力・品質・リスクのどれを改善するか明確 |
| 業務範囲 | 10 | 入力、出力、例外、後続処理、対象外を明記 |
| 基準値 | 15 | 導入前4週間以上の件数・時間・品質・費用がある |
| 7指標 | 20 | 業務に適した指標、取得元、頻度、所有者がある |
| データ・権限 | 10 | 接続先、所有者承認、最小権限を確認 |
| 品質・停止 | 10 | 重大ゲート、見直し、縮退、復旧を定義 |
| 総コスト | 10 | ライセンス以外の人・基盤・運用を含む |
| 90日判定 | 10 | 拡大、改善、停止の条件と決裁者がいる |
| 利益への接続 | 5 | 浮いた能力の再配分と粗利計算がある |
| 合計 | 100 | 95点未満は前提を補ってから本番投資 |
人員削減額しか書かれていない稟議は、基準値、品質、総コスト、再配分の欄が空きやすくなります。点数を高く見せるために仮の数字を入れず、未計測を明示して30日で基準値を取ります。
予算を3段階に分ける
探索予算
2〜3業務を対象に、データ利用可否、基準値、技術適合、例外を確認します。成果物はデモではなく、業務台帳、評価データ、基準値、リスク、次段階の見積前提です。
本番化予算
権限、システム連携、人承認、ログ、品質、障害、教育を実装します。PoCコードをそのまま本番へ持ち込まず、運用責任と受入条件を固定します。
拡大・改善予算
対象部門を広げ、データ品質、モデル、ワークフロー、評価を継続改善します。利用量増加に連動する費用上限と、成果が出ない業務の廃止条件を持ちます。
3段階を一つの一括稟議へすると、探索で不適合が分かっても止めにくくなります。各段階に進む条件と、止めても残る成果物を決めます。
ユースケースの選び方
候補業務を「効果が大きそう」という感覚だけで選ばず、次の5軸で比較します。
- 件数と時間を測れるか
- 売上、処理能力、品質のどれに近いか
- 正解・許容誤差・重大エラーを定義できるか
- データと権限を90日以内に整えられるか
- 業務責任者が改善と停止を判断できるか
議事録要約は始めやすい一方、利益への接続が弱い場合があります。見積作成支援は売上に近い一方、価格・契約・誤送信の統制が必要です。価値と実装難易度を分け、低難易度だけでポートフォリオを埋めません。
ベンダーへ同じ条件で聞く12問
- どの業務範囲と例外を見積に含み、何を対象外にするか
- 導入前の基準値を誰がどのデータから取得するか
- 7指標のうち、製品標準で取れるものと追加開発が必要なものは何か
- 精度の分母、評価データ、合格条件、重大エラーは何か
- 人のレビューと例外対応を月何時間で見積もるか
- データ連携、権限、ログ、保存、教育の費用は含まれるか
- 利用量増加時の従量単価、上限、アラート、縮退は何か
- 90日で目標未達の場合、何を改善し、何を止めるか
- モデル変更後の回帰試験と追加費用は何か
- 本番障害、誤送信、情報漏えい時の責任分界は何か
- PoC終了時に納品されるデータ、評価、設定、コード、手順は何か
- 粗利・売上への寄与を、どの前提と期間で説明しているか
ベンダーの削減率は、対象業務、母数、期間、レビュー、追加費用が分からなければ比較できません。自社の90日シートを全社へ渡し、同じ分母で回答を受けます。
経営会議で毎月見る7行
- 対象業務の全件数とAIカバー件数
- 業務完了時間と、生成・確認・承認・待ちの内訳
- 同じ人数で完了した件数と、浮いた能力の再配分先
- 顧客リードタイム、商談化、売上の変化と母数
- エラー、再作業、重大事故、停止の件数
- ライセンス、従量、基盤、レビュー、運用を含む総コスト
- 拡大、改善、停止の判断と次月の責任者
利用率のグラフだけを出す会議から、この7行へ変えることで、導入推進側と経営管理側が同じ数字で話せます。
GXOの支援
ケース別に変える「利益への接続」
同じ7指標でも、業務によって利益が生まれる経路は違います。削減額を一律に置かず、次のように因果の途中を測ります。
営業提案
AIで提案書の下書きを速める場合、作成時間だけでは不十分です。案件情報の入力完了、初稿、レビュー、顧客提出、商談化、成約、粗利まで追います。初稿が速くても、価格根拠の確認で差戻しが増えれば全体は速くなりません。浮いた時間を休眠顧客フォローや提案件数へ配分し、その実施率を持ちます。
カスタマーサポート
回答生成時間に加え、初回解決、再問い合わせ、誤案内、エスカレーション、解約、顧客満足を測ります。AIが短い回答を増やしても、解決しなければ処理能力と顧客体験は悪化します。人へ戻す条件と、ナレッジを直す責任者を置きます。
バックオフィス
請求、経費、契約確認では、1件の処理時間、月末残業、差戻し、締め遅延、監査指摘を測ります。人員削減ではなく、締めの早期化、欠員対応、確認精度へ価値を置けます。法的確定や送金は人承認を残し、重大誤りを平均時間で相殺しません。
開発・保守
生成コード量ではなく、課題着手から本番反映、テスト、レビュー、revert、障害、技術的負債、案件粗利を測ります。生成が速いほどレビューが詰まる場合は、モデル追加よりテストとコードベース整備を優先します。
経営管理
会議資料作成時間だけでなく、締めから意思決定までの時間、数字の訂正、予測差、アクション完了率を測ります。AIがもっともらしい分析を作っても、正本データと計算根拠へ追えなければ意思決定には使いません。
これらのケースで共通するのは、AIの出力から一つ後ろ、できれば顧客・会計上の完了まで測ることです。短縮時間を金額へ換算するときは、削減可能な外注費、追加受注に使えた能力、残業減、採用回避など、実際の経営行動へ変換できた分だけを計上します。
90日後に止めても残す成果物
PoCを停止すること自体は失敗ではありません。停止時にも、対象業務台帳、導入前基準値、評価データ、重大失敗、データ品質課題、連携仕様、総コスト実績、現場フィードバックを自社へ残します。これらは別製品の比較や、AIを使わない業務改善にも使えます。
契約には、データと設定の持出し、アカウント・APIキーの失効、ログの保管・削除、PoCコードの権利、未使用ライセンス、終了支援を入れます。「効果が出るまで続ける」という曖昧な状態を避け、次回判定日と追加予算の上限を決めます。
GXOのAI導入診断では、ツール選定の前に、経営課題、対象業務、基準値、データ、権限、7指標、総コスト、90日判定を整理します。「何人減らせるか」だけに依存せず、売上、処理能力、品質、粗利へつながるユースケースを優先します。
PoCが終わったのに本番化できない場合は、PoC本番化診断として、例外、連携、承認、ログ、費用、責任分界を確認します。適合する案件は要件定義・実装・運用へ進め、効果が薄い案件は対象縮小または停止を早く決めます。これにより、発注者の追加費用と、開発側の赤字対応の両方を減らします。
FAQ
Q1. 人件費削減をKPIにしてはいけませんか
業務廃止、自然減、外注削減など実行計画がある場合は指標になり得ます。ただし、浮いた時間の再配分、レビュー、品質、総コストを含め、削減だけを唯一の成功条件にしません。
Q2. 90日で売上効果まで測れますか
商談期間が長い業務では難しい場合があります。その場合、提案提出、初回回答、商談化など先行指標と、受注・粗利の遅行指標を分け、30日・90日・半年で追います。
Q3. 定量化しにくい品質向上はどう扱いますか
差戻し、顧客問い合わせ、欠落、監査指摘、再作業、重大エラーの件数へ変換します。定性コメントも残しますが、分母と評価基準を揃えます。
Q4. 小規模企業でも7指標すべて必要ですか
すべてを大規模なBIで実装する必要はありません。少なくともカバー率、完了時間、品質、総コストに加え、売上または処理能力のどちらかを表計算でも測ります。
Q5. 調査の約14%を自社目標にしてよいですか
適切ではありません。母集団の認識調査であり、自社の削減可能率ではありません。自社業務の基準値と再配分計画から目標を設定してください。
参考情報
※本記事は2026年8月20日時点の公開情報を基にしています。調査対象は上場企業または従業員300人以上の非上場企業の310人であり、全中小企業へ一般化していません。投資判断は自社の基準値、品質、総コスト、売上・粗利で行ってください。
