生成AIのROIをどう経営会議に通すか ― 海外の実証データと評価軸の作り方

なぜ「コスト削減＋売上増」型の生成AI ROI測定方法では経営会議を通せないのか

生成AI ROI 測定方法として最も広く使われているのは、依然として「削減できた人件費・工数」と「AI活用による売上増分」を足し引きする式だ。この式が経営会議で説得力を失いつつあるのは、計算そのものが間違っているからではない。全社的なAI予算の総額と総節約額を突き合わせるだけでは、「どの用途にどれだけ投資すべきか」という次の意思決定に何もつながらないからだ。

この限界を鋭く突いているのが、AI の ROI はどう測るか——LLM より4桁安い専用モデルが最適解だった Arkadium の事例で紹介されているゲーム会社Arkadiumの事例である。数学で新発見をするフロンティアモデルが、カジュアルプレイヤー相手のジン・ラミーでは9割負けた。「強いAI」を導入すること自体はROIを保証しない。事業固有のゴールを定義し、そのゴールに対する達成度で測らない限り、投資が正しい場所に向いているかどうかは分からない。ROI測定方法を設計する出発点は、全社合算の一本の数字ではなく、用途ごとのゴール定義に置くべきだ。

経営会議でこの式が突かれると、たいてい「ではAIのROIをどう測るべきか」という質問が返ってくる。ここで多くの企業がつまずくのは、質問への答えを「もっと精緻な計算式」に求めてしまう点だ。式を精緻化しても、全社合算という粒度そのものが変わらなければ、用途ごとの当たり外れは相殺されて見えなくなる。必要なのは式の精緻化ではなく、測定の単位を「全社」から「用途」に下げることである。

海外の実務家・調査はどんな数字を示しているのか（元記事の事実）

Arkadiumの数字がまず示すのは、コスト構造の桁違いの差である。ジン・ラミー用に用意した460万パラメータ・18MBの専用モデルは、年間約60ドルで100万リクエスト/日を処理した。同じ処理量をフロンティアLLMで賄えば数百万ドル規模になると見積もられている。4〜5桁のコスト差は、「最強のモデルを全社契約すれば全ユースケースをカバーできる」という調達判断そのものへの反証だ。ゴールを定義せずに支出だけを積み上げれば、この桁違いの無駄を見分けられない。

同じ「用途ごとに数字が桁違いに変わる」という構造は、GPU・計算資源の配分でも確認できる。AI の計算資源はどの事業に配分すべきか — SpaceX 10GW 計画と Microsoft の容量配分のねじれに学ぶで取り上げたMicrosoftのケースでは、同じ1MWの計算容量でも、OpenAI向けに割り当てた場合と自社のCopilot・Foundry向けAPI事業に割り当てた場合とで、年間収益に約7倍の差（約1400万ドル対約1億ドル/MW/年）が生じていた。Microsoftが2025年10月に結んだ2500億ドル規模のインフラ契約で約7GWを長期コミットした結果、最も稼げる自社事業のほうが容量不足に陥っていたというのが実際に起きたことだ。生成AIのROIは投資額の大小ではなく、同じ資源をどの用途に振り向けるかで決まる。

もう一つ見落とされがちなのが、モデルを切り替えた瞬間にROIの前提が崩れるリスクだ。Claude Opus 5 は業務導入に値するか——プロンプト資産を積み上げた環境ほど性能が落ちる評価結果では、複雑なシステムプロンプト・スキル・プラグインを積み上げた環境ほどOpus 5の性能が落ち、逆にシンプルな環境では大幅に性能が向上したことが報告されている。これまで積み上げてきたプロンプト設計やツール連携の資産は、モデルが変われば価値が反転しうる。「自信満々の回答ほど信頼しにくい」という逆説的な特性まで踏まえると、出力品質の見た目だけでROIを判断するのは危うい。

ROIを「証明」から「意思決定材料」に変えるには、指標をどう設計すべきか

以上の3つの事実から導けるAI ROI KPI設計の骨格は明確だ。第一に、全社合算のROIではなく用途単位でゴールと達成度を先に定義する。第二に、投入した計算資源(トークン・GPU予算)を用途別の粗利率で並べ替え、収益性の低い用途から高い用途へ再配分できる会議体を持つ。第三に、モデルを切り替えるたびに既存のプロンプト・スキル資産をゼロから評価し直す工程を、更新プロセスに組み込む。

この3点に共通するのは、生成AI ROI測定方法を一度きりの効果測定ではなく、継続的な再配分の入力データとして設計するという発想だ。生成AI 投資対効果 経営会議で問われるべきは「いくら節約できたか」ではなく「次の四半期、どの用途への配分を増減させるか」である。

具体的なKPI設計としては、(1)用途ごとにビジネス上の達成指標(解約率・処理件数・品質スコアなど事業固有の値)を先に定義する、(2)その達成指標1単位あたりのコスト(トークン量・GPU時間・人件費換算)を算出する、(3)用途を粗利率の高い順に並べ替え、四半期ごとに予算と計算資源の配分比率を見直す、という3ステップになる。この設計であれば、Arkadiumのように「フロンティアモデルより数桁安い専用モデルのほうが同じ達成指標を満たせる」ケースも、Microsoftのように「同じ計算資源でも用途によって収益性が7倍変わる」ケースも、同じ枠組みで発見できる。

ROI測定は評価制度・予算配分にどう跳ね返るのか ― 論点は1つ

ここまでの指標設計を実装した先に、経営が必ず直面する論点が一つある。それは、生成AI ROIの測定データを予算配分だけに使うのか、それとも人事評価制度の改定にまで踏み込んで使うのか、という判断だ。

AIはテックワーカーをどう分断したのか ― バーンアウト55.7%・職種NPS -39の調査が示す人材マネジメントの課題が示す数字がこの論点の緊急性を裏付ける。テックワーカーの82%がAIによる生産性向上を実感する一方、51%が「同じ給与でより多くの成果を求められる」ことを最大の不安として挙げている(AIに仕事を奪われる不安の22%を大きく上回る)。つまり、企業側がROI測定によって生産性向上を定量的に把握できたとしても、その数字を評価基準・等級定義・報酬テーブルの更新に反映しなければ、成果を出している人材ほど市場価値の高さを自覚し、他社へ流出していく。

生成AI コスト削減 効果測定のレポートを経営会議で「投資は正当だった」と説明して終わらせる組織と、同じ数字を人事評価制度の改定材料として次の四半期の等級会議に持ち込む組織とでは、3年後の人材構成が確実に変わる。経営が今決めるべきは、ROI測定の出力先を財務部門だけに閉じるか、人事評価の意思決定ラインにも接続するか、その一点だ。

まとめ：測定の目的は説得ではなく次の意思決定

生成AI ROI 測定方法を「投資が正しかったことを経営会議で証明するための儀式」として設計すると、Arkadiumが示した桁違いのコスト差にも、Microsoftが示した資源配分の歪みにも気づけない。測定の目的は説得ではなく、次にどこへ資源を動かし、誰の評価基準を変えるかを決めることにある。海外の元記事が突きつけているのは数字の大きさそのものではなく、その数字を次の意思決定に接続する仕組みを自分の組織が持っているかどうかである。