はじめに
「AI、導入してみたんですけど……効果、正直よくわからないんですよね」。
先日、ある中小企業の人事責任者からこう相談されました。現場からは「便利になった」という声が届く。でも、経営会議で社長に「で、AIを入れて何がどれだけ良くなったの？」と聞かれると、答えに詰まる——。
「使っている実感」と「数字で語れる成果」は、まったくの別物です。
多くの会社が、AIや自動化ツールを「導入すること」まではたどり着きます。しかし、その先の「成果をどう評価するか」で足が止まります。感覚では良くなった気がする。でも、社長に説明できるだけの数字がない。次の投資判断もできない——この状態のまま、1年、2年と時間だけが過ぎていく会社は少なくありません。
この記事は、まず「なぜ効果を測れないのか」を整理し、そのあとで「実際にどう測るか」を手順として示す二段構成でお伝えします。まずは全体像から見ていきましょう。
「効果がある気がする」で止まっていないか
思い当たる場面はないでしょうか。
- 議事録の要約や問い合わせ対応にAIを使い始め、現場は「ラクになった」と言っている
- でも、実際に何時間減ったのか、誰も記録していない
- 半年後、ツールの更新費用の請求が来て、「これ、続ける意味あるんだっけ？」と誰かが言い出す
効果を「感じる」ことと、効果を「数字で語れる」ことの間には、大きな距離があります。
この距離が埋まらない理由はシンプルです。多くの会社が、導入前に「何を・どう比べるか」を決めていないからです。導入してから「さて、何を測ろうか」と考え始めても、比較する「導入前の数字」がすでに存在しません。後から取り返しがつかないのです。
しかも、これは中小企業だけの悩みではありません。**世界的な大企業やCEOでさえ、同じ壁にぶつかっています。**詳しくは実践編で、海外の最新調査とあわせて紹介します。
効果を「測る」ための3つの視点
詳しい手順は実践編に譲り、ここでは全体像だけをつかんでください。効果測定は、大きく3つの視点で組み立てます。
- 指標を絞る —— 時間・品質・組織の3種類に分け、追う指標を6〜9個程度に絞り込みます。指標を増やしすぎると、測定そのものが負担になります。
- 導入前後を比べる「ものさし」を先に決める —— 導入する前に、現状の数字を記録しておきます。これを忘れると、後から比較できなくなります。
- 小さく始めて、数字で語れる状態をつくる —— 全社一斉ではなく、1つの業務に絞って測定の型をつくり、それを横展開します。
数字で語れるようになると、何が変わるか
効果を数値で語れるようになると、会社の中で起きる変化は想像以上に大きなものです。
経営者は、次の投資判断を勘ではなく数字でできるようになります。人事責任者は、現場に「なぜこのツールを続けるのか」を説明できるようになります。そして現場の社員も、「自分たちの工夫が、これだけの時間を生み出した」と実感でき、次の改善アイデアが生まれやすくなります。
ここまで読んで「たしかに、うちも“感覚”で止まっている」と感じた方へ。次の章からは、誰が・いつ・どの指標で・どう計算するか——実務と経営の両方の視点で、理詰めに整理していきます。
実践編① 現状を「測れる状態」にする——KPI設計の基本
効果測定は、指標を決めるところから始まります。闇雲に数字を集めても、経営判断には使えません。
以下の3層で指標を整理すると、現場でも経営会議でも同じ言葉で話せるようになります。
| 指標カテゴリ | 具体例 | 主な単位 |
|---|---|---|
| 業務指標 | 処理時間、対応件数、エラー率 | 分・件数・% |
| 財務指標 | 削減人件費、削減外注費 | 円 |
| 組織指標 | 定着率（実際に使い続けている割合）、満足度 | % |
各層から2〜3個ずつ、合計6〜9個程度に絞り込むのが実務的な目安です。指標が多すぎると、集計そのものに手間がかかり、続かなくなります。
このとき参考になるのが、独立行政法人中小企業基盤整備機構（中小機構）が2026年3月に公表した「中小企業のAI等の利活用に係る実態調査」です。導入目的として最も多かったのは**「業務効率化・作業時間の短縮」（87.0%）**で、2位の「品質向上」（32.3%）を50ポイント以上引き離しています。つまり、多くの会社が最初に測るべきなのは、まず「時間」の指標だということです。
同調査では、AI導入が進んでいる部門は総務・管理部門（68.3%）が最多で、導入済み企業の82.6%が生成AIを利用していることも分かっています。定型業務が多く、比較の基準を作りやすい部門から着手する会社が多いという実態が見えてきます。
経営者向け：コスト対効果 KPIの設計自体に大きな費用はかかりません。必要なのは、担当者が月次で数字を記録する時間（1業務あたり月30分程度が目安）だけです。この記録が、次の投資判断の根拠になります。
人事責任者向け：現場運用のしやすさ 指標は、現場が自分で入力できる形にしてください。専用システムを新しく入れる必要はありません。既存のスプレッドシートに、導入前後の数字を並べるだけで十分です。
実践編② 「効果が出ている」の実態——実感と数値のギャップ
株式会社帝国データバンクが2026年3月17日〜31日に実施した「生成AIに関する企業の動向調査」（全国23,349社対象、有効回答10,312社）では、生成AIを業務で活用している企業のうち**86.7%が「業務への効果が出ている」**と回答しています。
一見、心強い数字に見えます。しかし内訳を見ると、**「大いに効果あり」は25.2%にとどまり、残る61.5%は「やや効果あり」**という、控えめな実感ベースの回答が大半を占めています。
この数字が意味するのは、「多くの会社が“何となく良い感じ”で評価を止めている」という現実です。「大いに効果あり」と胸を張って言える会社と、「やや」で止まっている会社の差は、技術力ではなく、測り方を決めているかどうかにあります。
同調査では、懸念事項として「情報の正確性」（50.4%）に次いで、「専門人材・ノウハウ不足」（41.3%）、「活用業務範囲の明確化」（40.0%）が挙げられています。「何を、どこまで測ればいいか分からない」という不安が、効果評価を「やや」で止めている一因と読み取れます。
事例が用意できない場合でも、実践できる手順があります。たとえば勤怠問い合わせ対応や求人票のたたき台作成のような定型業務にAIを導入する場合は、次の手順で進めると比較が可能になります。
- 導入前3ヶ月分の「平均処理時間」を、既存の記録から洗い出す
- 導入後、同じ業務・同じ期間（3ヶ月）で同じ指標を測る
- 差分を時給換算し、削減できた時間・コストを算出する
この「導入前の数字を先に押さえる」という一手間があるかどうかで、半年後に「大いに効果あり」と言えるかどうかが決まります。
実践編③ 海外でも同じ壁にぶつかっている——Gartner・McKinsey・MITに見るROIの現実
「日本の中小企業だけが遅れているのでは」と感じる方もいるかもしれません。しかし、世界最大級の企業やCEOたちも、まったく同じ壁の前で足踏みしています。
米調査会社ガートナーが2026年4月30日に発表したCEO調査（グローバルのCEOなど469名対象）では、**80%のCEOが「AIによって自社の事業能力に中〜大幅な変革が迫られる」**と回答しました。一方で、実際に「人の関与をほぼ必要としない自律的な組織運営」を予想したCEOはわずか27%にとどまり、**54%は「特定タスクへの限定的な導入にとどまる」**と答えています。危機感は世界共通でも、実行が追いついていないのが実情です。
より直接的にROIを問うたのが、同じくガートナーが2026年4月7日に発表した調査です。782名のI&O（インフラ・運用）部門リーダーを対象にした調査では、AI活用事例のうち「完全に成功しROIの期待を満たした」のはわずか28%、**「完全に失敗した」が20%**という結果でした（Gartner press release）。同社の別調査（2026年4月16日発表）では、AI活用に成功している企業は、データ品質・ガバナンス・人材育成などの基盤投資に、失敗している企業の最大4倍（売上高比）を投じていることも分かっています。
米コンサルティング大手マッキンゼーの「State of AI」調査では、生成AIの導入率が88%に達した一方で、実際に全社のEBIT（利益）への効果を確認できた企業はわずか39%、**売上高の5%以上をAIの効果に帰属できる「ハイパフォーマー」はたった6%**にとどまりました（McKinsey「The state of AI」）。
さらに踏み込んだのが、MIT（マサチューセッツ工科大学）のNANDAイニシアチブが2025年に発表した調査です。300件超の企業導入事例を分析した結果、生成AIパイロットの95%が、損益（P&L）に測定可能な影響を与えられていないと報告されています（Fortune記事）。
| 調査 | 対象 | 主な数値 |
|---|---|---|
| Gartner CEO調査（2026年4月） | グローバルCEO469名 | 80%が変革の必要性を実感、自律運用を予想したのは27% |
| Gartner I&O調査（2026年4月） | I&Oリーダー782名 | ROI達成28%、完全失敗20% |
| McKinsey「State of AI」 | グローバル企業 | 導入率88%、EBIT効果確認39%、ハイパフォーマー6% |
| MIT NANDA調査（2025年） | 導入事例300件超 | パイロットの95%がP&L影響なし |
この4つの調査に共通するメッセージは、はっきりしています——「導入すること」と「成果を数値で語れること」の間の壁は、企業規模を問わない、ということです。
では、何が「成果を出せる少数派」を分けているのでしょうか。MIT NANDAの調査は、そのヒントも示しています。専門ベンダーのツールを購入・連携させた企業は約67%の確率で成果につながった一方、自社でゼロから開発した企業の成功率はその3分の1程度にとどまったと報告されています。さらに、生成AI予算の半分以上が営業・マーケティング領域に投じられている一方で、実際に最もROIが高かったのは、バックオフィス業務の自動化（外部委託費・代行コストの削減など）でした。
これは、リソースの限られた中小企業にとって、むしろ有利な材料です。大規模な自社開発に挑む必要はなく、実績のあるツールを、まず定型的なバックオフィス業務に絞って導入する——このアプローチは、世界の調査データからも裏付けられています。
経営者向け：コスト対効果 「自社は遅れているのでは」という不安を判断材料にする必要はありません。世界的な大企業でもROIを証明できているのは3割に満たないのが実情です。焦って大きな投資をするより、小さく検証してから広げる方が、結果的に投資効率が高くなります。
人事責任者向け：現場運用のしやすさ 自社でシステムを開発する必要はありません。実績のあるSaaSツールを、まず1つの定型業務（勤怠・採用書類作成など）に絞って導入し、実践編①で決めた指標で効果を測るところから始めれば十分です。
実践編④ ROIを「経営の言葉」に変換する
効果を経営判断に使える形にするには、最終的に**投資対効果（ROI）**として言語化する必要があります。計算式自体は、難しいものではありません。
ROI（%） = （削減できた時間 × 時給換算額 − 導入・運用コスト）÷ 導入・運用コスト × 100| 項目 | 目安 |
|---|---|
| 削減時間の記録単位 | 月次（週次で記録できるとより正確） |
| 導入・運用コストの範囲 | ツール利用料＋設定・教育にかかった人件費 |
| 評価タイミング | 導入3ヶ月・6ヶ月・12ヶ月の3段階 |
経済産業省は「DX推進指標」という自己診断ツールを公開しており、自社のDXの取り組みを毎年振り返る枠組みとして活用できます。また、優良な取り組みは「DXセレクション」として毎年公表されており、同規模の会社がどんな指標で成果を語っているかを知る手がかりになります。
経営者向け：コスト対効果 ROIの評価タイミングを「3ヶ月・6ヶ月・12ヶ月」の3段階で区切っておくと、短期で成果が出にくい取り組みでも、途中で正しく継続判断ができます。初回の評価だけで「効果なし」と早期に打ち切ってしまうのが、最もよくある失敗です。
人事責任者向け：現場運用のしやすさ ROIの計算自体は、経理や経営企画に任せて構いません。人事・現場が担うのは、「削減できた時間」を正確に記録することだけです。ここが曖昧だと、どれだけ精緻な計算式を使っても数字の信頼性が崩れます。
まとめ（今日から試せる具体的ステップ）
「AIを導入したが、効果が分からない」という状態から抜け出すために、特別な仕組みは必要ありません。今日から始められることは、次の3つです。
- 測定する業務を1つだけ選ぶ——全社ではなく、比較しやすい定型業務から始めます
- 今週中に「導入前の数字」を記録する——処理時間・件数など、今の状態を数字で残します
- 3ヶ月後に同じ指標で比較する——差分を時給換算し、経営会議で共有できる数字にします
まずは、直近でAIや自動化ツールを使い始めた業務を1つ選び、今週のうちに「導入前の処理時間」を記録するところから試してみてください。
関連記事： 効果を測ったあとの「還元」の考え方は、生成AIは「導入」から「成果」へ｜PwC調査が映す日本の壁 も参考にしてください。AIに任せる業務と任せない業務の線引きは、AIが自動化できる人事業務・できない業務の線引き完全ガイド で詳しく解説しています。
よくある質問
Q. 効果測定のために、新しいシステムを導入する必要がありますか？
いいえ、必要ありません。既存のスプレッドシートに、導入前後の数字を並べて記録するだけで始められます。まずは1つの業務で型をつくり、うまくいってから他の業務へ横展開する方が、現場の負担も小さく続けやすくなります。
Q. 効果が「思ったより出ていない」場合、どうすればいいですか？
帝国データバンクの調査でも、効果を感じている企業の大半は「やや効果あり」という控えめな評価にとどまっています。1回の評価で見切りをつけず、3ヶ月・6ヶ月・12ヶ月の3段階で振り返る前提を持つことが大切です。効果が薄い場合は、対象業務を絞り直すか、指標そのものが業務の実態に合っているかを見直してください。
Q. どの業務から測定を始めるのが良いですか？
中小機構の調査では、総務・管理部門でのAI導入が最も進んでいます（68.3%）。問い合わせ対応や書類作成など、処理時間を記録しやすい定型業務から始めると、導入前後の比較がしやすく、最初の成功体験を作りやすくなります。
出典：
- 独立行政法人中小企業基盤整備機構「中小企業のAI等の利活用に係る実態調査」（2026年3月）
- 株式会社帝国データバンク「生成AIに関する企業の動向調査」（2026年3月17日〜31日実施、全国23,349社対象、有効回答10,312社）
- Gartner Japan「80%のCEOが『AIにより企業能力の抜本的な見直しを迫られる』と回答した調査結果」（2026年4月30日、グローバルCEO469名対象）
- Gartner「AI Projects in I&O Stall Ahead of Meaningful ROI Returns」（2026年4月7日、I&Oリーダー782名対象）
- Gartner「Organizations with Successful AI Initiatives Invest Up to Four Times More in Data and Analytics Foundations」（2026年4月16日）
- McKinsey「The state of AI」
- MIT NANDA「The GenAI Divide: State of AI in Business 2025」（Fortune記事経由）
- 経済産業省「DX推進指標」
- 経済産業省「DXセレクション」