タイのAI導入2026｜日本の前提が崩れる5論点と費用の考え方

日本の親会社で回っているやり方を、そのままタイ拠点に持ち込む。それで問題なく動いた領域もたくさんあります。ところがタイのAI導入では、この「そのまま持ち込む」がかなりの確率で途中で止まります。稟議のフォーマットも、選定基準も、教育の設計も、日本で使っていたものが現地では前提から合わない。止まる場所は毎回だいたい同じで、しかも技術的な難易度が原因ではありません。

止まるのは5か所です。言語（データ）／制度（法務・税）／インフラ（データ所在地）／人材（採る・育てる・委託する）／費用。この5つは、日本国内でAIを導入するときにはほとんど意識せずに済むか、意識しても自動的にクリアされてしまう論点です。だからこそ、日本の成功手順には「その論点をどう処理したか」の記録が残っていません。持ち込んだ側は、何が抜けているのか自分では分からないまま止まります。

この記事は、その5論点それぞれについて「日本の前提がどこで崩れるのか」「崩れたときに何を判断すればよいのか」を、出典のある数値と、計算過程を全部見せたモデル試算で整理したものです。

先に役割分担を明示しておきます。導入の進め方そのもの（フェーズ0から4のロードマップ）は生成AI導入の進め方と費用に、効果測定とROI設計の方法論はAI導入の効果測定とROI設計に書いてあります。この記事はそれらを繰り返しません。引き受けるのは「国が違うと、その手順のどこが効かなくなるのか」という一点だけです。

タイのAI導入はいま、どの段階にあるか

公的調査で分かっている数字

タイのDXとAI利用の状況については、比較的しっかりした公的調査があります。ETDA（電子取引開発機構）とNSTDA（国家科学技術開発庁）による “Readiness for the Application of AI Technology for Digital Services in 2024” です。

調査手法から確認します。2024年7月から9月にかけて3,758組織へ接触し、580組織が回答しました。回答率は 580 ÷ 3,758 ＝ 約15.4%です。この回答規模を頭に入れておいてください。あとで日本の調査と並べるときに効いてきます。

結果は次のとおりです。

ここは尺度を分けて読む必要があります。増加「幅」で見るか、伸び「率」で見るかで、倍率がまったく変わるからです。

増加幅：活用中は 17.8 − 15.2 ＝ 2.6ポイント、計画中は 73.3 − 56.6 ＝ 16.7ポイント
幅の比 ＝ 16.7 ÷ 2.6 ＝ 約6.4倍
伸び率：活用中は 17.8 ÷ 15.2 ＝ 約1.17倍（+17.1%）、計画中は 73.3 ÷ 56.6 ＝ 約1.30倍（+29.5%）
率の比 ＝ 29.5% ÷ 17.1% ＝ 約1.7倍

増加幅で見れば計画側が約6.4倍の幅、伸び率で見ても計画側が約1.7倍の速さです。どちらの尺度で測っても、実行より計画のほうが速く積み上がっているという点は変わりません。ただし「6.4倍」と「1.7倍」は別の量を指しているので、社内資料に転記するときはどちらの尺度かを必ず書き添えてください。

これは「まだ動いていないが、動く気はある」組織が急速に積み上がっている状態です。取引先や競合が来年いきなり動き出す可能性がある、という読み方が妥当でしょう。

導入の障壁として上位に挙がったのは、人材不足／データ品質への懸念／技術の取得・開発に対する資金不足の3つでした。この記事で扱う5論点のうち、人材と費用が調査でも上位に来ているわけです。生成AIの実装が進んでいる領域の上位3つは、製品・サービス開発／マーケティング・営業・顧客対応／生産工程。製造業にとっては3番目の「生産工程」が入っている点が重要です。

市場規模の見通し

別の出典・別の手法によるものですが、市場規模の予測もあります。TDRIがETDA・SAPと共同で作成したホワイトペーパーによれば、タイのAI市場は2024年の480億バーツから2030年に1,300億バーツ、年平均成長率18%の見込みとされています。

整合を確認しておくと、1,300 ÷ 480 ＝ 約2.71倍。これを6年（2024年から2030年）で割り戻すと2.71の6乗根で約1.18、つまり年率約18%となり、公表されているCAGRと一致します。内部矛盾のない予測値です。

ただし市場規模は自社の投資判断の根拠にはなりません。ここでは「供給側が増える＝ベンダーの選択肢が増える」という程度の意味で受け取ってください。ベンダーの選び方そのものはタイのシステム開発会社の選び方で扱っています。

日本の34.5%と単純比較してはいけない理由

ここは独立した項目として書きます。タイの17.8%と、日本の生成AI活用率34.5%を並べて「タイは日本の半分」と言ってはいけません。

日本側の数字は、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）」によるものです。生成AIを業務で「活用している」企業が34.5%、内訳は大企業46.5%、中小企業32.4%とされています。

この2つの数字は、次の3点で比較不能です。

対象技術が「AI全般」と「生成AI」で違い、時点が1年半以上ずれ、母集団の取り方も回答率も違う。この3つが揃って違う数字を割り算しても、意味のある比率にはなりません。

実務上の含意はこうです。「タイは遅れているから、日本で成功した手順をそのまま持ってくれば通用する」という発想が、いちばん危ない。この記事で扱う5つの論点はいずれも「進んでいるか遅れているか」とは無関係に発生します。言語の問題は普及率が上がっても消えませんし、法制度の違いも、データ所在地の制約も、人材市場の構造も同じです。

この記事で扱う5つの論点

以降のセクション構成を先に示します。

論点1｜タイ語というデータ側の制約

分かち書きが無い、という一点がすべての起点

タイ語には、単語と単語の間に空白がありません。文はひと続きの文字列として書かれます。この一点が、AI導入の実務にいくつもの影響を与えます。

日本語も分かち書きをしませんが、日本語には漢字・ひらがな・カタカナの切り替わりという手がかりがあります。タイ語にはそれもありません。したがって検索やキーワード抽出には、まず分かち書き処理（word segmentation）という前段が必要になります。日本の親会社が使っている検索の仕組みをそのまま移植してもタイ語ドキュメントで精度が出ないのは、多くの場合ここが原因です。

ベトナム拠点も持っている企業のために付け加えると、ベトナム語の空白は「単語」ではなく「音節」の区切りです。たとえば máy nén khí（空気圧縮機）は3つの音節に分かれて書かれますが、意味の上では1語です。「空白で区切ればトークンになる」という素朴な前提は、タイ語でもベトナム語でも成立しません。

トークナイズ効率という、課金に直結する話

言語の違いは、精度だけでなく費用にも効きます。

SCB 10X（SCBXグループ）が公開したタイ語特化の大規模言語モデルTyphoonの報告では、初出のTyphoon-7Bについて、タイ語ベンチマークでオープンソースの最高水準、タイ語性能はGPT-3.5と同等水準としつつ、トークナイズ効率が2.62倍であるとされています。

この2.62倍を実務の言葉に翻訳します。トークナイズ効率が2.62倍ということは、汎用の多言語トークナイザーと比べて、同じタイ語の文章を表現するのに必要なトークン数がおよそ 1 ÷ 2.62 ＝ 約38%で済むということです。逆に言えば、タイ語に最適化されていないトークナイザーでは、同じ内容にその2.62倍のトークンを消費する可能性がある。

多くの生成AI APIはトークン従量課金です。タイ語の文書を大量に処理する用途では、モデル選定がそのまま請求額の選定になります。日本語で試算した1件あたりのAPIコストを、そのままタイ語の処理量に掛け算すると、見積が大きく外れます。

ただし2.62倍はTyphoonのトークナイザーに関する報告であって、他社モデルの課金額を保証する数値ではありません。自社の代表的なタイ語文書を数十件用意し、候補モデルそれぞれで実際のトークン数を測ってください。半日から1日程度で終わる規模の作業です。

Typhoonは初出の7Bのあと、Typhoon 1.5・1.5Xで8Bと70B、さらにTyphoon 2系へと展開しています。Pretrained版はHugging Face上でApache 2.0ライセンスとして無償配布されており、自社環境で試すハードルは低い部類です。他にOpenThaiGPT、WangchanX系（LLaMa3-8b-WangchanX-sft-Demo）などのタイ語モデルもあります。

タイ語の帳票・図面をどう読ませるか

タイの工場で実際に困るのは、会話よりも文書です。仕入先からの見積書、政府提出書類、社内の作業指示書、現場が手書きした日報。これらがタイ語で、しかも紙かPDFで存在しています。

SCB 10XはTyphoon OCRという、タイ語文書の抽出に特化したオープンなVision-Languageモデルも公開しています。汎用OCRで精度が出ないタイ語帳票に対し、選択肢が増えた意味は小さくありません。

ここで重要なのは順序です。タイ語文書のテキスト化は、AI活用の「前工程」であって、AI活用そのものではありません。社内文書をLLMに繋いで検索・回答させる構成は工場ナレッジのRAG構築で扱っていますが、そのRAGですら、元の文書がテキストとして取り出せていなければ何もできません。

日本の手順が現地で止まる最初の場所は、たいていここです。日本側では文書がすでにWordやExcelで存在し、テキスト化という工程が最初から無かった。だから手順書にも書かれていない。現地に持ってきて初めて「そもそも読み込めない」が発覚します。

設計上の分岐点

タイ語という制約に対して、実務で決めるべきことは3つです。

第一に、翻訳させてはいけないものを先に決める。設備の型番、社内の略語、化学物質名、部品番号。これらを翻訳・意訳させると、現場で照合できなくなります。用語辞書を作って「これは訳さない」というリストを持つのが最低ラインです。

第二に、どの言語を「正」とするかを決める。日本語の原本をタイ語に訳して配るのか、タイ語で作ってから日本語に訳して本社に上げるのか。両方を同時に「正」にすると、更新のたびに不整合が出ます。多言語での運用設計については多言語チャットボットの導入でも触れています。

第三に、タイ語の処理量を実測してから課金モデルを選ぶ。前述のとおり、トークン数は言語とトークナイザーで変わります。席課金なのか従量課金なのかで、タイ語の処理が多い部門の費用は大きく変わります。

論点2｜制度：タイのAI法ドラフトとPDPA

まず事実確認：タイのAI法はまだ成立していない

最初にはっきり書いておきます。2026年7月31日時点で、タイのAI法は成立していません。

英語のWeb記事には “Thailand AI Law now in effect” といった表現を使っているものがありますが、これは本稿で扱うドラフトが成立したことを意味しません。社内説明でこの手の記事をそのまま引用すると、あとで訂正が必要になります。

現状は次のとおりです。ETDAが新版のドラフト “Act on Artificial Intelligence” を2026年7月2日に公開し、約30日の意見公募（public hearing）期間が見込まれています。前史としては、2025年6月に2本のドラフトを1本へ統合するための意見公募が行われ、以降ETDAが改訂を続けてきました。本記事の公開時点は、まさにその意見公募の期間にあたります。「決まっていない」が正しい現状認識です。

決まったときに効く4つの論点

とはいえ「まだ決まっていないから考えなくてよい」とはなりません。ドラフトの内容には、日系工場が海外SaaSを社内展開する場合の契約と責任分界に直結するものがあるからです。

このうち実務でいちばん先に効くのは外国提供者の国内代理人の要件です。海外SaaSを全社展開する計画を立てるとき、その提供者がタイ国内の体制を持っているかどうかは、現時点では法的義務ではないにせよ、契約更新のリスクとして把握しておく価値があります。

制裁の種類を混ぜない

ドラフトでは行政制裁金として100万バーツから500万バーツ（違反の性質による）が想定されています。これは行政制裁金であって、刑事罰ではありません。

同じ注意は、既に施行済みのタイPDPA（個人情報保護法）にも当てはまります。PDPAには行政制裁金（最大500万バーツ）と刑事罰（懲役）の両方が定められていますが、この2つは別の制度です。社内説明で「PDPA違反は最大500万バーツの罰金と懲役」と一体で書くのは正確ではありません。どの条項でどちらが適用されうるのかを分けて整理してください。

可決されたときの施行スケジュール

可決された場合、施行は段階的になる案です。中核規定は公布時に即時発効し、リスク管理に関する規定は180日後に発効するとされています。

180日は約6か月。実務に翻訳するとこうなります。

• 中核規定（定義、適用範囲、基本的な義務など）は、公布された瞬間から効く。準備期間はない。
• リスク管理の実務要件（社内体制、記録、評価など）には約6か月の猶予がある。
• つまり、「法律ができてから準備を始める」では、中核規定の部分に間に合わない可能性がある。

したがっていまやるべきことは、法対応そのものではなく棚卸しです。自社がどのAIサービスを、どの業務に、どのベンダーから、どういう契約で使っているのか。この一覧が無ければ、法律が決まったときに何を確認すればよいかも分かりません。棚卸しは法律の成否に関係なく無駄になりません。

PDPAとの関係で先に決めておくこと

AI法ドラフトの動向とは別に、PDPAへの対応はいま現在の義務です。生成AIの導入で必ず論点になるのは次の3点です。

1. どの個人データを、どの処理根拠で、AIに入力してよいか。従業員データ、顧客データ、取引先担当者の連絡先。それぞれ根拠が違います。
2. 入力したデータがモデルの学習に使われないことを、契約でどう担保するか。サービスの設定で切れる場合と、契約書に明記が必要な場合があります。
3. 国外移転の扱い。次の論点3で扱うデータ所在地の話と直結します。

この3点は、ツールを選ぶ前に決めてください。決めていない状態でツールを選ぶと、選定作業をやり直すことになります。

論点3｜インフラ：データ所在地の選択肢が2026年に揃った

2025年から2026年で状況が変わった

「PDPAが心配だから」「親会社のデータポリシーで国外持ち出しが止まるから」という理由で止まっていた案件が、タイでは相当数ありました。この前提が、2025年から2026年にかけて変わりました。

AWSは、AWS Asia Pacific (Thailand) Regionを2025年1月8日にローンチしました。データ所在地の要件がある顧客が、タイ国内にデータを保存できるようになったとされています。同社はタイに50億米ドル超を投資する予定で、年平均11,000人規模のフルタイム相当の雇用を支え、タイのGDPに約100億米ドルを追加する見込みとされています。

Google Cloudは、Bangkokリージョンを2026年1月21日にローンチしました。3つのゾーンで構成され、指定したデータをタイ国内で保存・処理でき、既定で多層の暗号化がかかるとされています。実務上とくに大きいのは、現地から Vertex AI、Geminiモデル、Imagen、Veo、Gemini Enterprise が利用できる点です。「クラウドは国内にあるが、AI機能は国外リージョンにしかない」という状態ではありません。

同社の試算では、今後5年でタイに1.4兆バーツ（410億米ドル）の経済価値をもたらし、年平均13万人の雇用を支える見込みとされ、タイ人の86%がAIをより効果的に使うための追加研修に関心を持っている、技術支出を20%超最適化しうる、といった数字も示されています。86%という数字は、後述する人材の論点で使えます。

「国内リージョンがある＝PDPA適合」ではない

ここが本セクションでいちばん重要な部分です。

タイ国内にリージョンがあることと、その使い方がPDPAに適合していることは、別の話です。

適法性を決めるのは、データが物理的にどこにあるかではなく、処理の根拠（同意、契約履行、正当な利益など）と、契約上の取り決めです。国内リージョンを選んでも、次の論点は自動的には解決しません。

• 従業員の個人データをAIに入力する根拠は何か
• データ主体（本人）への通知はどうなっているか
• 委託先（クラウド事業者、SIer、AIベンダー）との間で、処理者としての義務をどう定めているか
• ログや中間データがどこに保存され、誰がアクセスできるか
• サポート対応時に、国外のエンジニアがデータを参照する可能性はあるか

最後の項目は見落とされがちです。保存先が国内でも、サポート業務のために国外から参照される経路があれば、別途評価が必要になります。

データ所在地の議論は、次の順序で進めてください。

親会社のデータポリシーとの折り合い

日系企業に特有の論点も書いておきます。タイのPDPAをクリアしても、親会社のグローバルポリシーで止まることがあります。両者は別々の基準で、判断者も別です。

よく起きるのは次の順序です。現地が導入を検討する → タイの法務を確認する → 問題ないと判断する → 本社に上げる → 本社のIT部門またはセキュリティ部門から「グループの承認済みツール一覧に無い」と差し戻される。この往復で四半期単位の時間が消えることも珍しくありません（現地で見てきた範囲での体感です）。

回避策は単純で、本社の承認プロセスを最初の30日で確認しておくことです。後述する90日の意思決定順序では、これを最初のステップに置いています。

論点4｜AI人材を「採る・育てる・委託する」の3択で考える

タイのデジタル人材市場で起きていること

数字から確認します。

このうち実務でいちばん効くのは4.7%と15〜30%の対比ですが、この2つは次元が違う量です。4.7%は年率の昇給トレンド、15〜30%は転職1回あたりの上昇幅なので、そのまま割って「何倍速い」とは言えません。割るなら年数に換算します。

15% ÷ 4.7%/年 ＝ 約3.2年分
30% ÷ 4.7%/年 ＝ 約6.4年分

つまり、1回転職するだけで、社内に留まって3年から6年かけて得られるのと同じだけの昇給幅に届くということです。クラウド・AI/ML・サイバーセキュリティといった分野では人材不足がとくに深刻で、最も高いプレミアムが付くとされています。

ここから導かれる実務上の結論は、「AI人材を採用して社内に抱える」という選択肢は、想定より高くつく可能性が高いということです。社内の昇給が年4.7%で進む一方、外には1回の転職で3年から6年分の昇給幅が取れる市場がある。引き止めるには、その市場と競り続ける必要があります。

なお給与レンジは慎重に扱ってください。バンコクのデータサイエンティストの月額を6万〜12万バーツとしましたが、これは調査会社ごとに手法が違い、年収換算で約91万バーツという集計もあります。91万バーツ ÷ 12 ＝ 約7.6万バーツ/月で、レンジの下寄りに位置します。断定的な相場ではなくレンジとして扱ってください。

人時単価に直すと、判断の構図が見える

この給与レンジを、この記事の後半で使う人時単価に揃えてみます。年間稼働240日、1日8時間として年1,920時間で割ります。

月6万バーツ × 12か月 ＝ 年72万バーツ → 720,000 ÷ 1,920 ＝ 375バーツ/時
月12万バーツ × 12か月 ＝ 年144万バーツ → 1,440,000 ÷ 1,920 ＝ 750バーツ/時

一方、タイの最低賃金は日額337〜400バーツ（県別）で、2026年7月時点でも全国一律化されていません。日額400バーツを8時間で割ると50バーツ/時です。

375 ÷ 50 ＝ 7.5倍
750 ÷ 50 ＝ 15倍

AI人材1人の時間単価は、最低賃金ベースの人時単価の7.5倍から15倍ということになります。この倍率は、あとで見る費用の議論に直結します。「現場の作業時間を削る」ためにAI人材を抱えると、削る側のコストが削られる側の7.5倍から15倍になるからです。

3択の判断軸

以上を踏まえて、「採る／育てる／委託する」の3択を整理します。

現実的な解は、多くの場合3つの組み合わせです。立ち上げは委託し、運用は既存社員を育てて回し、標準化の局面で必要なら採る。

「育てる」を選んだ場合に最初に決めること

Google Cloudが示した「タイ人の86%がAIをより効果的に使うための追加研修に関心」という数字は、意欲の面での制約が小さい可能性を示しています。実際、現地スタッフのAI教育で問題になるのは意欲ではなく、次の3点であることが多いです。

第一に、教材の言語。英語の教材をそのまま配ると、理解できる人とできない人で差が開きます。タイ語の教材を用意するか、少なくとも演習部分はタイ語で作る必要があります。

第二に、対象業務の具体性。「生成AIとは何か」という一般論の研修は、受講直後の満足度が高くても翌週には使われなくなります。自分の担当業務の実物を持ち込ませ、その場で処理させる形式でないと定着しません。

第三に、「使ってよい範囲」の明示。PDPAの論点があるため、何を入力してよくて何がだめかを明文化しないと、慎重な人ほど使わなくなります。禁止事項だけを列挙すると全員が使わなくなるので、許可される具体例を先に書くのがコツです。

製造業向けの研修設計は製造業の生成AI研修で扱っています。この記事は3択の判断軸までにとどめます。

論点5｜費用：BOIとdepaで、日本の稟議の前提が崩れる

タイには「AI導入補助金」という分かりやすい制度はない

日本では、AI・DX関連の補助金や税制優遇を前提に稟議を組み立てるのが一般的です。タイにも制度はありますが、構造がかなり違い、しかも併用に制限があります。ここを知らずに稟議を書くと経理から差し戻されます。主要なものは3つです。

BOI「Smart and Sustainable Industry」

BOI（タイ投資委員会）の恩典のひとつに、既存工場の高度化を対象とした「Smart and Sustainable Industry」があります。正確に押さえるべきは、法人税免除の上限は基本50%であるという点です。

上限が100%になるのは、次の2条件を両方満たす場合だけです。

1. 自動化・ロボットを生産ラインに導入すること
2. かつ、更新する機械の価値の30%以上をタイ国内の自動化産業から調達すること

「BOIなら100%免除」と無条件に書かれた資料を見かけますが、それは誤りです。またBOIはカテゴリごとに恩典体系が異なるため、他カテゴリの申請件数統計などと並べて論じることもできません。

王令802号（depaのデジタル200%損金算入）

タイのSMEがデジタル技術を導入する際、支出額の200%を損金算入できる制度があります。ただし条件が5つ付きます。

タイの日系工場は、その多くがBOIの恩典を受けています。ということは——「depaの200%損金算入があるから実質負担は軽い」という前提で書いた稟議は、BOI下の法人ではそのまま崩れます。これは現地で頻繁に起きる事故です。

SME要件も見落とされます。払込資本金500万バーツ以下かつ年商3,000万バーツ以下という条件は、製造拠点としてはかなり小さい規模です。日系製造子会社の多くはこの要件を超えている可能性が高く、自社の直近の払込資本金と年商で確認が必要です。さらに上限が1会計期間あたり30万バーツですから、条件を全部満たしたとしても、大規模なシステム投資の全額をこの制度で処理できるわけではありません。

BOIの人材育成200%損金算入

一方、BOI案件で使いやすいのが研修費の200%損金算入です。BOI案件では研修費について200%の損金算入があり、競争力強化措置における追加免税年数の要件充足にも使われます。AI関連の研修も対象になりうる領域です。

ここに費用設計上の示唆があります。

BOI下の法人では、「ソフトウェアを買う費用」の優遇は使いにくいが、「人を育てる費用」の優遇は使える可能性がある。

これは前の論点で述べた「採る・育てる・委託する」の3択にそのまま効きます。制度側のインセンティブが「育てる」に寄っているなら、費用構成も研修側に厚く置いたほうが合理的になりうる、ということです。

ただし実際に適用できるかは自社のBOI案件の内容と条件次第です。必ず自社のBOI担当・会計事務所に確認してください。この記事で言えるのは「確認する価値がある」までです。

制度の適用可否を判定する順序

3つの制度を、判定の順序として並べ直すとこうなります。

この4ステップは、システムを選ぶ前に通してください。ステップ1の答え次第で、ステップ3のベンダー選定の自由度が変わります。BOI下であればdepa登録の有無は選定基準になりませんが、非BOIかつSME要件を満たすなら、登録ベンダーかどうかが実質的な選定基準に加わります。

日系工場でよく詰まる6パターン

ここまでの5論点が現場でどう表面化するか。よく見る詰まり方を6つ挙げます。

パターン1：親会社が使っているツールが、現地では使えない

本社から「グループ標準のこれを使え」と指定が来る。ところがデータ保存先が国外で現地の法務が判断を保留する、あるいはタイ語のUIとタイ語文書の処理に対応しておらず現地スタッフが使えない。

詰まりの正体は、本社側の選定基準に「言語」と「データ所在地」の項目が無いことです。本社は日本語環境と国内データセンターを暗黙の前提にしているので、選定表にその列が存在しません。

回避策は、本社の選定表に列を2つ足してもらうこと。「対応言語（タイ語・ベトナム語）」と「データ保存リージョンの選択可否」。この2列があるだけで、海外拠点への展開可否が事前に分かります。

パターン2：タイ語の文書が読めないまま、AI活用の議論だけが進む

「まずは社内文書を検索できるようにしよう」で合意する。ところが対象文書の相当数がタイ語の紙またはスキャンPDFで、テキストとして取り出せていない。プロジェクトが「AI導入」ではなく「文書のテキスト化」から始まることが判明し、工期と費用が膨らむ。

回避策は、企画段階で対象文書のサンプルを50件でよいので実際に取ってみること。言語別・形式別（Word／Excel／PDF／スキャン／紙）に数えるだけで前工程の規模が見積もれます。半日から1日程度で終わる規模の作業です。

パターン3：PDPAの判断が出ないまま、案件が止まる

「この使い方はPDPA的に大丈夫か」という質問が法務に投げられ、そのまま止まる。止まる理由は法務が怠慢だからではなく、質問の粒度が粗すぎて答えられないからです。「生成AIを使ってよいか」には誰も答えられません。

回避策は、質問を「データ×用途」の単位に割ること。「従業員の氏名を含む勤怠データを、要約目的で、社内リージョンのサービスに入力してよいか」まで具体化すれば法務は判断できます。判断できる粒度まで割るのは、法務ではなく現場の仕事です。

パターン4：導入したのに、現地スタッフが使わない

アカウントを配り、研修も実施した。それでも使われない。ログを見ると最初の2週間だけ使われ、そのあとゼロになっている。原因はたいてい次のどれかです。

• 使ってよい範囲が曖昧で、慎重な人ほど使わない
• 一般論の研修で終わり、自分の業務にどう当てはめるか分からない
• 日本語または英語のUI・教材しかなく、読むのに時間がかかる
• 上長が使っていない

回避策は、対象業務を1つに絞って、その業務の実物で研修すること。そして最初の1か月は、利用ログの人数ではなく「その業務が実際にAIで処理された件数」を追ってください。人数は簡単に増えますが、件数は嘘をつきません。研修の設計そのものは製造業の生成AI研修を参照してください。

パターン5：委託先が見つからない、または選定を誤る

タイ語の処理、現地の制度、製造業の業務知識。この3つを同時に理解している委託先は多くありません。日本のベンダーに頼むと現地の制度とタイ語で詰まり、現地のベンダーに頼むと日本本社との調整で詰まる、という構図になりがちです。

回避策は、選定の初期に「タイ語の実物」を出して試させること。自社のタイ語帳票を数枚渡して、テキスト化と要約をやってもらう。この1回で対応可能かどうかがかなりの精度で分かります。選定の観点全般はタイのシステム開発会社の選び方にまとめています。

パターン6：効果が言語化できず、次の予算が付かない

パイロットは動いた。現場からも「便利になった」と言われる。しかし本社に上げる資料に書ける数字が無く、次年度の予算が付かない。

これは6つのなかでいちばん多いパターンです。原因は導入前の状態を測っていないこと。導入後に「何分短縮できましたか」と聞いても、比較対象が無ければ答えは出ません。

回避策は、導入前の2週間を「測るだけ」に使うこと。対象業務の件数、1件あたりの所要時間、外注している場合はその金額。この3つを実測しておけば、あとから効果を言語化できます。効果測定の設計そのものはAI導入の効果測定とROI設計に書いています。

モデル試算：全社一斉（A）と1部門先行（B）

ここからは数字で判断材料を作ります。以下はすべて仮定値によるモデル試算であり、実際の見積金額でも実績値でもありません。自社の数字に置き換えるための「型」として読んでください。計算過程はすべて示します。

費用を4層に分解する

生成AIの導入費用は、見積書の切り方がベンダーによってバラバラです。比較のため、初期投資を次の4層に分解します。

年間運用費は、この4層とは別枠にします。中身は「ライセンス（席課金または従量課金）」「ベンダーの保守・改善」「社内の運用管理工数（金額換算）」の3つです。

使う式は次の3本が基本です（3年・5年のROIは「（年間純便益 × 年数 − 投資額）÷ 投資額」で出します）。

投資額 ＝ 第1層 ＋ 第2層 ＋ 第3層 ＋ 第4層（初期のみ）
年間純便益 ＝ 年間便益 − 年間運用費
回収年数 ＝ 投資額 ÷ 年間純便益

年間運用費を投資額にも入れると二重計上になるので、年間運用費は分母側にだけ登場させます。投資額の定義の切り方、指標の置き方、二重計上の避け方といった測定の方法論そのものはAI導入の効果測定とROI設計で扱っています。ここではその定義をそのまま使い、タイ固有の数値（人時単価50バーツ/時、席課金、そして日本には存在しない第4層の制度対応）を入れると何が起きるかだけを見ます。

共通の前提（すべて仮定値）

自社の数字に置き換えられるよう、試算で使う仮定値を先にすべて並べます。この表の値を自社の実額に入れ替えれば、以降の計算はそのまま再現できます。

人時単価について補足します。タイの最低賃金は日額337〜400バーツの県別で、日額400バーツが適用される地域を前提に 400 ÷ 8 ＝ 50バーツ/時としています。日額337バーツの地域なら 337 ÷ 8 ＝ 約42バーツ/時ですから、この試算は最低賃金ベースのなかでは高い側を採っています。

なお実際にAIで時間が浮くのは現場作業者ではなく事務・技術系スタッフで、その人時単価は最低賃金ベースより高いのが普通です。この試算は意図的に低い単価を使っています。低い単価でも成立する構造を先に見つけるためです。単価を上げた場合は感度分析で示しますが、そのときは便益側だけでなく、社内運用管理工数の換算単価も同時に動かします。同じ社内スタッフの時間だからです。

1人あたりで先に検算する（ここが全体の結論を決める）

大きな数字に入る前に、1人あたりで検算します。席課金6,000バーツ/年に対して、労務削減額がいくらになるかです。

計算を1行だけ展開しておきます。

30分 × 240日 ＝ 7,200分 ＝ 120時間
120時間 × 実現率50% ＝ 60時間
60時間 × 50バーツ ＝ 3,000バーツ/年/人
席課金 500バーツ/月 × 12 ＝ 6,000バーツ/年/人
差引 ＝ 3,000 − 6,000 ＝ −3,000バーツ/年/人

1日30分を浮かせても、労務削減額は席課金のちょうど半分にしかなりません。しかもこれは、初期投資4層を1バーツも計上していない状態での話です。

損益分岐点も出しておきます。

必要な人時単価：6,000バーツ ÷ 60時間 ＝ 100バーツ/時（最低賃金ベース50バーツの2倍）
必要な削減時間：6,000 ÷ 50バーツ ＝ 120時間（実効） → 実現率50%なので名目240時間 → 240時間 × 60分 ÷ 240日 ＝ 1日60分

席課金だけを労務削減で回収するには、人時単価が100バーツ/時必要か、1日60分の削減が必要ということです。これが、この記事全体の結論の土台になります。

シナリオA：全社一斉導入（150人）

初期投資（第1〜4層）

年間運用費

席課金：150人 × 6,000バーツ ＝ 900,000バーツ/年
ベンダー保守・改善：120,000バーツ/年
社内運用管理：年3,600時間 × 50バーツ/時（便益側と同一単価）＝ 180,000バーツ/年
合計 ＝ 900,000 ＋ 120,000 ＋ 180,000 ＝ 1,200,000バーツ/年

年間便益

便益を3つに分けます。労務削減だけで判断しないためです。

便益1（労務削減） 全社平均1日30分と仮定
150人 × 30分 × 240日 ＝ 1,080,000分 ＝ 18,000時間
18,000時間 × 実現率50% ＝ 9,000時間
9,000時間 × 50バーツ ＝ 450,000バーツ/年

なお便益2は、内製化率60%・削減率15%という控えめな係数の中に実現率を織り込み済みのため、便益1・便益3のような実現率50%は別途掛けません。二重に割り引かないための整理です。

便益2（実費の削減）
翻訳・通訳の外注費：月40,000バーツ × 12 ＝ 480,000バーツ/年、内製化率60% ＝ 288,000バーツ/年
品質・納期起因の実費（再検査・手直し・特別便）：年400,000バーツ × 削減率15% ＝ 60,000バーツ/年
便益2 合計 ＝ 288,000 ＋ 60,000 ＝ 348,000バーツ/年

便益3は「設備トラブル時の情報探索が1件20分短縮でき、その分だけライン停止時間が短くなると仮定」して計算します。この等式が成り立たない工程（探索中も設備が動いている場合など）では、便益3はゼロとして扱ってください。

便益3（稼働・スループットの増加）
設備トラブル時の情報探索：1件あたり20分短縮 × 年600件 ＝ 12,000分 ＝ 200時間
200時間 × 実現率50% ＝ 100時間
100時間 × 限界利益800バーツ ＝ 80,000バーツ/年

年間便益 合計 ＝ 450,000 ＋ 348,000 ＋ 80,000 ＝ 878,000バーツ/年
年間純便益 ＝ 878,000 − 1,200,000 ＝ −322,000バーツ/年

マイナスです。年間便益をすべて足しても年間運用費に届きません。初期投資1,600,000バーツは、回収年数を計算する以前の問題になります（分母がマイナスなので回収年数は定義できません）。

便益の内訳比は、便益1が 450,000 ÷ 878,000 ＝ 約51.3%、便益2が 348,000 ÷ 878,000 ＝ 約39.6%、便益3が 80,000 ÷ 878,000 ＝ 約9.1%です。

シナリオB：1部門だけ先行（20人）

効果が集中している1部門（品質保証部門を想定）に絞ります。この部門はタイ語と日本語の文書往復が業務の中心にあるため、1人あたり1日60分の削減を仮定します。前述の損益分岐点がちょうど1日60分でしたから、労務削減額が席課金とちょうど同額になる部門、つまり労務削減だけを見れば収支ゼロの部門ということになります（実費削減と稼働改善を加えた全体の収支は後述します）。

初期投資（第1〜4層）

ここで第4層に注目してください。対象人数はAの150人からBの20人へ7.5分の1になっているのに、制度対応費は200,000バーツから120,000バーツへ、1.67分の1にしかなっていません。1人あたりに直すと、

A：200,000 ÷ 150人 ＝ 約1,333バーツ/人
B：120,000 ÷ 20人 ＝ 6,000バーツ/人（Aの約4.5倍）

制度対応の費用は人数に比例しません。PDPAの根拠整理も、データ所在地の確認も、契約の締結も、20人分だから安くなる性質のものではないからです。これは「小さく始めることのコスト」であり、後述する横展開で回収すべき費用です。

年間運用費

席課金：20人 × 6,000バーツ ＝ 120,000バーツ/年
ベンダー保守・改善：60,000バーツ/年
社内運用管理：年1,200時間 × 50バーツ/時（便益側と同一単価）＝ 60,000バーツ/年
合計 ＝ 240,000バーツ/年

1人あたりの年間運用費は 240,000 ÷ 20 ＝ 12,000バーツ/人で、Aの 1,200,000 ÷ 150 ＝ 8,000バーツ/人より5割高くなります。小規模だと保守と管理の固定費が薄まらないためです。

年間便益

便益1（労務削減）
20人 × 60分 × 240日 ＝ 288,000分 ＝ 4,800時間
4,800時間 × 実現率50% ＝ 2,400時間
2,400時間 × 50バーツ ＝ 120,000バーツ/年

この120,000バーツは、席課金120,000バーツと完全に同額です。つまり効果がもっとも集中している部門を選んでも、労務削減はライセンス代を払って終わりということになります。

便益2（実費の削減）
翻訳外注費のうち当部門分：月20,000バーツ × 12 ＝ 240,000バーツ/年 × 内製化率60% ＝ 144,000バーツ/年
品質・納期起因の実費のうち当部門分：250,000バーツ × 15% ＝ 37,500バーツ/年
便益2 合計 ＝ 181,500バーツ/年

便益3（稼働・スループットの増加）
当部門が関与する設備トラブル：年360件 × 20分 ＝ 7,200分 ＝ 120時間
120時間 × 実現率50% ＝ 60時間
60時間 × 800バーツ ＝ 48,000バーツ/年

年間便益 合計 ＝ 120,000 ＋ 181,500 ＋ 48,000 ＝ 349,500バーツ/年
年間純便益 ＝ 349,500 − 240,000 ＝ 109,500バーツ/年

回収年数 ＝ 400,000 ÷ 109,500 ＝ 約3.7年
3年ROI ＝ (109,500 × 3 − 400,000) ÷ 400,000 ＝ −17.9%
5年ROI ＝ (109,500 × 5 − 400,000) ÷ 400,000 ＝ +36.9%

3年ではマイナス、5年でプラスという結果です。便益の内訳比は、便益1が 120,000 ÷ 349,500 ＝ 約34.3%、便益2が 181,500 ÷ 349,500 ＝ 約51.9%、便益3が 48,000 ÷ 349,500 ＝ 約13.7%。最大の便益は労務削減ではなく実費の削減です。

横展開：2部門目の追加投資と、限界費用の低下

Bの成果を2部門目（生産技術部門を想定、20人、1日50分削減）に広げます。ここで効くのが限界費用の低下です。

追加の初期投資

1人あたりの初期投資を比べます。

B（先行部門）：400,000 ÷ 20人 ＝ 20,000バーツ/人
2部門目：170,000 ÷ 20人 ＝ 8,500バーツ/人
低下率：1 − 8,500 ÷ 20,000 ＝ 57.5%減

同じ人数でも、2部門目の初期投資は先行部門の42.5%（＝57.5%減）で済みます。下がる主因は第4層です。制度対応が120,000から20,000へ落ちるのは、根拠整理も契約も規程も一度作れば再利用できるからです。第1層の用語辞書、第2層の接続方式も同様です。

追加の年間運用費

席課金：20人 × 6,000 ＝ 120,000バーツ/年
ベンダー保守の増分：20,000バーツ/年
社内運用管理の増分：年200時間 × 50バーツ/時（便益側と同一単価）＝ 10,000バーツ/年
合計 ＝ 150,000バーツ/年

保守と管理の増分が小さいのは、運用の型が既にできているためです。ただし席課金だけは人数に比例するので下がりません。ここは横展開しても安くならない費用です。

追加の年間便益

便益1：20人 × 50分 × 240日 ＝ 240,000分 ＝ 4,000時間 × 50% ＝ 2,000時間 × 50バーツ ＝ 100,000バーツ/年
便益2：翻訳外注 月12,500 × 12 ＝ 150,000 × 60% ＝ 90,000／品質実費 150,000 × 15% ＝ 22,500 → 合計 112,500バーツ/年
便益3：当部門関与の設備トラブル 年240件 × 20分 ＝ 4,800分 ＝ 80時間 × 50% ＝ 40時間 × 800バーツ ＝ 32,000バーツ/年
追加便益 合計 ＝ 100,000 ＋ 112,500 ＋ 32,000 ＝ 244,500バーツ/年
追加純便益 ＝ 244,500 − 150,000 ＝ 94,500バーツ/年
追加投資の回収年数 ＝ 170,000 ÷ 94,500 ＝ 約1.8年

2部門目だけを取り出すと、回収は約1.8年です。先行部門の約3.7年より大幅に速い。制度対応と基盤の費用を先行部門が既に払っているからです。

累計で見る

累計初期投資 ＝ 400,000 ＋ 170,000 ＝ 570,000バーツ
累計年間純便益 ＝ 109,500 ＋ 94,500 ＝ 204,000バーツ/年
累計回収年数 ＝ 570,000 ÷ 204,000 ＝ 約2.8年
3年ROI ＝ (204,000 × 3 − 570,000) ÷ 570,000 ＝ +7.4%
5年ROI ＝ (204,000 × 5 − 570,000) ÷ 570,000 ＝ +78.9%

先行部門だけなら3年ROIは−17.9%でしたが、2部門目まで広げると+7.4%とプラスに転じます。横展開は「効果を増やす」ためではなく、「先に払った制度対応と基盤の費用を薄める」ために行う、と理解すると設計を間違えません。

3つのケースを並べる

投資額の比は 1,600,000 ÷ 400,000 ＝ 4.0倍、年間便益の比は 878,000 ÷ 349,500 ＝ 約2.5倍。人数の比は 150 ÷ 20 ＝ 7.5倍ですから、人数を7.5倍にしても便益は2.5倍にしかならないという構造です。効果の薄い人まで一斉に含めることの帰結です。

自己検算：積み上げと全社平均は合っているか

シナリオAの便益1は「全社平均1日30分」の前提で450,000バーツとしました。これを部門ごとに積み上げてみます。

先行部門（20人 × 60分）：120,000バーツ
2部門目（20人 × 50分）：100,000バーツ
残り110人（1日20分と仮定）：110 × 20分 × 240日 ＝ 528,000分 ＝ 8,800時間 × 50% ＝ 4,400時間 × 50バーツ ＝ 220,000バーツ
積み上げ合計 ＝ 120,000 ＋ 100,000 ＋ 220,000 ＝ 440,000バーツ

加重平均の削減時間も確認します。

(20人 × 60分 ＋ 20人 × 50分 ＋ 110人 × 20分) ÷ 150人 ＝ 4,400分 ÷ 150 ＝ 約29.3分/日

積み上げでは440,000バーツ、加重平均は約29.3分となり、シナリオAで置いた「全社平均30分・450,000バーツ」はやや強気だと分かります。差は10,000バーツ。ただし強気に置いてもシナリオAの年間純便益はマイナス（−322,000バーツ）なので、この差は結論を変えません。実態に合わせて440,000バーツにすると純便益は−332,000バーツとなり、むしろ悪化します。

便益2と便益3も、部門積み上げと全社値が一致することを確認しておきます。

便益2と便益3は積み上げと全社値が一致しています。

感度分析：どの仮定が結論を動かすか

（1）人時単価を2倍（100バーツ/時）にした場合

事務・技術系スタッフの人時単価は最低賃金ベースより高いのが普通です。仮に2倍と置きます。

ここで必ず両側を動かしてください。年間運用費に含まれる「社内運用管理」は、便益1で時間を浮かせるのと同じ社内スタッフの工数です。便益側の単価だけを2倍にして費用側を50バーツ/時のまま据え置くと、試算が有利側に傾きます。単価を2倍にするなら、社内運用管理の金額も2倍になります。

A（費用側も連動させる）
便益1：450,000 → 900,000 ／ 年間便益 ＝ 900,000 ＋ 348,000 ＋ 80,000 ＝ 1,328,000
社内運用管理：年3,600時間 × 100バーツ ＝ 180,000 → 360,000
年間運用費 ＝ 900,000 ＋ 120,000 ＋ 360,000 ＝ 1,380,000
年間純便益 ＝ 1,328,000 − 1,380,000 ＝ −52,000バーツ/年（マイナスのまま）

B（費用側も連動させる）
便益1：120,000 → 240,000 ／ 年間便益 ＝ 240,000 ＋ 181,500 ＋ 48,000 ＝ 469,500
社内運用管理：年1,200時間 × 100バーツ ＝ 60,000 → 120,000
年間運用費 ＝ 120,000 ＋ 60,000 ＋ 120,000 ＝ 300,000
年間純便益 ＝ 469,500 − 300,000 ＝ 169,500バーツ/年
回収年数 ＝ 400,000 ÷ 169,500 ＝ 約2.4年（単価50バーツ時の約3.7年から改善）

単価の想定を上げても、全社一斉（A）は純便益がプラスに届きません。改善するのは1部門先行（B）のほうだけで、約3.7年から約2.4年になります。Aで単価を上げると便益1は450,000バーツ増えますが、同時に社内運用管理も180,000バーツ増えるため、増分の正味は270,000バーツにとどまり、元のマイナス322,000バーツを埋め切れないからです（−322,000 ＋ 270,000 ＝ −52,000）。

便益側の単価だけを上げた試算書は、この点で必ず質問を受けます。費用側の工数換算単価を明示していない見積・稟議は、まずそこを確認してください。

（2）実現率を50%から30%に下げた場合（シナリオB）

便益1：4,800時間 × 30% ＝ 1,440時間 × 50バーツ ＝ 72,000バーツ
便益3：120時間 × 30% ＝ 36時間 × 800バーツ ＝ 28,800バーツ
便益2は内製化率60%・削減率15%という控えめな係数で既に織り込み済みのため 181,500バーツのまま
年間便益 ＝ 72,000 ＋ 181,500 ＋ 28,800 ＝ 282,300バーツ/年
年間純便益 ＝ 282,300 − 240,000 ＝ 42,300バーツ/年
回収年数 ＝ 400,000 ÷ 42,300 ＝ 約9.5年

実現率を20ポイント下げるだけで、回収年数は約3.7年から約9.5年へ、2.5倍以上に延びます。

（3）便益2（実費の削減）をゼロにした場合（シナリオB）

年間便益 ＝ 120,000 ＋ 48,000 ＝ 168,000バーツ/年
年間純便益 ＝ 168,000 − 240,000 ＝ −72,000バーツ/年

マイナスです。実費の削減が無ければ、もっとも条件の良いシナリオBですら回収しません。

この試算から言えること

3つのケースと3つの感度分析を通して、結論は一貫しています。この前提（人時単価50バーツ/時、席課金月500バーツ）のもとでは、労務削減単独ではAI投資は回収しません。1日30分を浮かせても年3,000バーツで、席課金6,000バーツの半分。損益分岐に必要なのは人時単価100バーツ/時か1日60分の削減で、しかもそれは席課金を回収するだけで初期投資4層には1バーツも届きません。そして単価を100バーツ/時に上げても、費用側の工数換算を同時に動かすと全社一斉は純便益がプラスに届きませんでした。

成立させるには3つを足す必要があります。（1）稼働・スループットの増加、（2）横展開による限界費用の低下、（3）品質・納期に関わる実費の削減。とくに（3）はシナリオBで年間便益の約51.9%を占め、ゼロにすると純便益がマイナスに転落しました。そして全社一斉は成立しません。1部門先行で約3.7年、2部門目まで広げて約2.8年。この順序でしか回収の目処は立ちません。

なお、ここで示したのは判断のための「型」です。効果測定の指標設計と実測値への置き換え方はAI導入の効果測定とROI設計を参照してください。

90日で決めるための意思決定の順序

最後に、判断を90日で終わらせるための順序を示します。ここで示すのは「何を、どの順で決めるか」だけです。決めたあとの実装ロードマップ（フェーズ0からフェーズ4）は生成AI導入の進め方と費用にまとめてあるので、そちらを参照してください。

1〜30日目：制約条件を確定する

この期間は選ばないための期間です。ツールの比較はまだ始めません。決めるべきは次の5つです。

• 本社の承認プロセスを確認する。グループ標準ツールの一覧はあるか。無いツールを使う場合の申請ルートと所要期間は。ここを最初に潰さないと、後半でまとまった期間を失うことになりがちです。
• 対象データを分類する。個人データを含むか、機微か、営業秘密か。この分類なしでは次の30日でPDPAの判断ができません。
• タイ語文書の実態を測る。対象業務の文書を50件サンプリングし、言語別・形式別に数えます。第1層の規模がここで見えます。
• 既存の外注費の実額を出す。翻訳・通訳の月額、品質・納期起因で実際に払っている費用。この2つが便益2の根拠になります。ここが無ければ投資は成立しません。
• 導入前の所要時間を実測する。対象業務の件数と1件あたりの時間を2週間だけ記録します。あとから効果を言語化するために必須です。

31〜60日目：制度と契約の可否を確定する

• PDPAの処理根拠を、データ×用途の単位で決める。「生成AIを使ってよいか」ではなく「このデータをこの用途でこのサービスに入れてよいか」の粒度に割ってから法務に渡します。
• データ所在地の要件を決める。タイ国内リージョンが必要か、暗号化と契約で足りるか。リージョンがあること＝適法ではないことを踏まえ、契約条項まで確認します。
• BOI／depaの適用可否を判定する。前述の4ステップです。BOI下ならdepaの200%損金算入は使えません。代わりに研修費の200%損金算入が使えるかを、自社のBOI担当・会計事務所に確認します。
• AIサービスの棚卸し表を作る。どのサービスを、どの部門が、どの契約で使っているか。AI法ドラフトが成立した場合の確認作業は、この表が無いと始まりません。
• 委託先の候補にタイ語の実物を出す。自社のタイ語帳票を数枚渡して処理させます。この1回で対応力が分かります。

61〜90日目：先行部門と投資額を決裁する

ここで決めるのは4つです。見積の取り方や指標の置き方といった一般的な稟議の作法はAI導入の効果測定とROI設計と生成AI導入の進め方と費用に譲り、ここではタイ拠点でしか発生しない項目に絞ります。

• 先行部門を1つ選ぶ。基準は「タイ語と日本語の文書往復が多い」「外注費が実際に発生している」「対象業務が明確に1つに絞れる」の3点。全社一斉は選択肢に入れません。
• 第4層（制度対応）を独立した費目として見積に立てさせる。PDPAの根拠整理、データ所在地の確認、契約締結は、日本国内の導入では発生しないか既に済んでいる項目なので、日本の手順書にも本社の見積フォーマットにも工程として存在しません。明示的に立てないと、誰も見積らないまま実費だけが発生します。モデル試算ではこの層が1人あたり6,000バーツ（シナリオB）に達しました。
• BOI／depaの判定結果を稟議に明記する。「BOI下のためdepaの200%損金算入は適用外。研修費の200%損金算入は適用可否を確認中」といった形で書き切ります。ここを空欄にすると、経理から必ず差し戻されます。
• 横展開の前提を稟議に書いておく。先行部門だけでは3年ROIがマイナスになる可能性が高い。「2部門目まで広げて初めて成立する」という設計であることを最初の稟議に明記しないと、1年後に「効果が出ていない」という評価を受けます。

よくある質問

Q1. タイでAI導入にかかる費用はどれくらいですか

金額そのものより費用の構造を先に押さえてください。初期投資は「データ整備／実装・連携／教育・定着／制度対応」の4層に分かれ、これとは別に年間運用費（席課金・保守・社内管理工数）が毎年かかります。本記事のモデル試算（すべて仮定値）では、1部門20人の先行導入で初期投資400,000バーツ・年間運用費240,000バーツ、全社150人一斉で初期投資1,600,000バーツ・年間運用費1,200,000バーツと置きました。実額は対象業務と文書量で大きく変わります。先に決めるべきは金額ではなく、どの部門から始めるかです。

Q2. バンコクのAI会社はどう選べばよいですか

タイでAI開発を委託するとき、必要になるのはタイ語の処理、現地の制度（PDPA、そして将来のAI法）、製造業の業務知識の3つです。これを同時に持つ会社は多くありません。選定の初期に、自社のタイ語帳票を数枚渡して、テキスト化と要約を実際にやらせてください。この1回で対応可能かどうかがかなりの精度で分かります。会社選定の観点全般はタイのシステム開発会社の選び方にまとめています。

Q3. タイ語のドキュメントはAIで扱えますか

扱えますが、前工程が必要です。タイ語には単語間の空白が無いため、検索やキーワード抽出には分かち書き処理が要ります。また、対象文書が紙やスキャンPDFで存在している場合は、テキスト化から始まります。タイ語文書の抽出に特化したTyphoon OCRのようなオープンなモデルも公開されており、選択肢は増えています。なお、タイ語に最適化されたモデルではトークナイズ効率が2.62倍と報告されており、同じ内容のトークン数がおよそ38%（1 ÷ 2.62）で済む計算になります。従量課金の場合、これはそのまま請求額に効きます。ただしこれは特定モデルのトークナイザーに関する報告なので、自社文書で実測してください。

Q4. タイのAI法はもう施行されたのですか

2026年7月31日時点で、成立していません。ETDAが新版のドラフト “Act on Artificial Intelligence” を2026年7月2日に公開し、約30日の意見公募が見込まれている段階です。一部のWeb記事に「施行された」旨の表現がありますが、このドラフトの成立を意味しません。可決された場合は段階施行の案で、中核規定は公布時に即時発効、リスク管理規定は180日後の発効とされています。中核規定に準備期間が無い可能性があるため、いまのうちに自社のAIサービス利用の棚卸し表を作っておくことをおすすめします。なお、想定されている行政制裁金は100万バーツから500万バーツで、これは刑事罰ではありません。

Q5. ローカルスタッフへのAI教育はどう始めればよいですか

意欲の面での制約は小さい可能性があります。Google Cloudが示した調査では、タイ人の86%がAIをより効果的に使うための追加研修に関心を持っているとされています。問題になるのはむしろ次の3点です。（1）教材の言語——英語のみだと理解度に差が出る、（2）内容の具体性——一般論の研修は翌週には使われない、自分の担当業務の実物で演習させる、（3）使ってよい範囲の明示——禁止事項だけを並べると全員が使わなくなるので、許可される具体例を先に書く。なお、BOI案件であれば研修費の200%損金算入が使える可能性があります。研修設計の詳細は製造業の生成AI研修を参照してください。

Q6. ベトナム拠点でも同じ進め方でよいですか

5つの論点の枠組みは共通ですが、中身は国ごとに埋め直す必要があります。とくに言語は要注意です。ベトナム語には空白がありますが、それは「単語」ではなく「音節」の区切りです。たとえば máy nén khí（空気圧縮機）は3音節に分かれて書かれますが、意味の上では1語です。「空白があるから分かち書き処理は不要」という判断は誤りになります。制度・データ所在地・人材市場・費用についても、この記事で示した数値はタイのものです。枠組みは流用し、数値は国ごとに取り直してください。

Q7. 海外拠点で生成AIを導入するとき、日本本社の手順のどこを直せばよいですか

主に3か所です。第一に、ツール選定表に「対応言語」と「データ保存リージョンの選択可否」の2列を足すこと。日本の選定表ではこの2つが暗黙の前提で、列が存在しません。第二に、費用試算の人時単価を現地の実額に差し替えること。日本の人時単価で計算した労務削減額は、タイでは成立しません。第三に、制度対応（第4層）を独立した費用項目として立てること。PDPAの根拠整理、データ所在地の確認、契約締結は日本国内の導入では発生しないか既に済んでいる項目なので、日本の手順書には工程として存在しません。

Q8. 全社一斉に導入したほうが、まとめ買いで安くなりませんか

なりません。モデル試算では、人数を7.5倍（20人→150人）にしても年間便益は約2.5倍にしかならず、年間純便益はマイナスになりました。理由は2つです。第一に、席課金は人数に完全比例するため、効果の薄い人を含めるほど費用だけが増えます。第二に、効果は部門によって大きく偏っており、平均で語ると実態を外します。一方、制度対応や基盤の費用は人数に比例しません。だからこそ、1部門で先に払っておき、2部門目以降でその費用を薄める順序が有利になります。試算では2部門目の1人あたり初期投資は先行部門の42.5%（57.5%減）でした。

まとめ

日本の親会社で回っているAI活用の手順を、そのままタイ拠点に持ち込むと、5か所で前提が崩れます。

1. 言語。タイ語には単語間の空白が無く、検索には分かち書き処理が要ります。文書が紙やスキャンPDFなら、テキスト化という工程が丸ごと追加されます。トークナイズ効率の違いは従量課金額に直接効くため、自社文書で実測してから課金モデルを選んでください。

2. 制度。タイのAI法は2026年7月31日時点で未成立ですが、押さえるべきは4点です。リスク3区分（prohibited／high-risk／designated）のどこに自社の用途が当たるかに加え、外国提供者の国内代理人・AI生成コンテンツの開示・連帯責任の3つは、成立すれば契約と責任分界に直結します。可決時は中核規定が即時発効の案なので、いま作るべきは法対応ではなくAIサービス利用の棚卸し表です。PDPAは、行政制裁金と刑事罰を混ぜずに整理してください。

3. インフラ。AWSが2025年1月8日、Google Cloudが2026年1月21日にタイ国内リージョンをローンチし、データ所在地の選択肢は揃いました。ただし国内リージョンがあること＝PDPA適合ではありません。適法性は処理の根拠と契約で決まります。加えて、タイの法務をクリアしても親会社のグローバルポリシーで止まることがあるので、本社の承認プロセスは最初の30日で確認してください。

4. 人材。デジタル人材は約7万人不足し、需要のあるデジタル職の4件に3件が国内の初級人材では埋まりません。給与上昇トレンドは年4.7%である一方、需要の高いスキル保有者は転職1回で15〜30%の昇給を得ます。1回の転職で、社内昇給の3年から6年分の幅に届く計算です（15 ÷ 4.7 ＝ 約3.2年分、30 ÷ 4.7 ＝ 約6.4年分）。「採る・育てる・委託する」は組み合わせで考え、立ち上げは委託、運用は育成を基本形にしてください。

5. 費用。BOI「Smart and Sustainable Industry」の法人税免除は基本50%で、100%になるのは自動化導入かつ更新機械価値の30%以上をタイ国内の自動化産業から調達した場合だけです。depaの200%損金算入は上限が1会計期間30万バーツ、登録ベンダー限定、SME要件あり、そしてBOI下では使えません。代わりにBOI案件では研修費の200%損金算入が使える可能性があります。

そして、モデル試算が示した結論はひとつです。この前提（人時単価50バーツ/時、席課金月500バーツ）のもとでは、労務削減単独ではAI投資は回収しません。1日30分を浮かせても年3,000バーツで、席課金6,000バーツの半分です。成立させるには、稼働・スループットの増加と、横展開による限界費用の低下と、品質・納期に関わる実費の削減——この3つを足す必要があります。実費の削減をゼロにすると、もっとも条件の良い1部門先行ですら純便益がマイナスに転落しました。全社一斉は成立せず、1部門先行で約3.7年、2部門目まで広げて約2.8年。この順序でしか回収の目処は立ちません。

最初の30日でやるべきは、ツールの比較ではありません。本社の承認ルート、対象データの分類、タイ語文書の実態、現在払っている外注費の実額、そして導入前の所要時間の実測値。この5つを確定させることです。

TOMAS TECHは、タイ・バンコクを拠点に日系製造業のIT導入を支援しています。この記事で扱った5論点の棚卸し、タイ語文書の実態調査、制度適用の可否確認、4層に分けた費用の整理といった実務を、現地の事情を踏まえて一緒に進めることができます。「まだツールを決める段階ではないが、何から確認すべきか整理したい」という状態からのご相談も歓迎します。お問い合わせはこちらのフォームからお願いします。

参考情報

本記事で参照した情報の出典は以下のとおりです。

タイのAI法（ドラフト・未成立）

• Mondaq “Thailand Releases New Draft Artificial Intelligence Act”: https://www.mondaq.com/it-and-internet/1811290/thailand-releases-new-draft-artificial-intelligence-act
• Norton Rose Fulbright “Thailand’s draft AI law: A new era for governance and innovation”: https://www.nortonrosefulbright.com/en/knowledge/publications/0fec663b/thailands-draft-ai-law-a-new-era-for-governance-and-innovation

タイのAI利用実態・市場規模

• Bangkok Post “Survey says strong appetite to adopt AI among Thai firms”（ETDA・NSTDA調査 “Readiness for the Application of AI Technology for Digital Services in 2024″。TDRI・ETDA・SAPのホワイトペーパーによるタイAI市場予測 480億→1,300億バーツ／CAGR 18% も本記事による）: https://www.bangkokpost.com/business/general/2877427/survey-says-strong-appetite-to-adopt-ai-among-thai-firms
• The Thaiger（同調査の報道）: https://thethaiger.com/news/business/17-of-thai-organisations-use-ai-73-plan-future-adoption

日本側の比較値（手法が異なるため単純比較不可）

• 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）」: https://www.tdb.co.jp/report/economic/20260514-genai/

タイ国内のクラウドリージョン

• Amazon press “AWS Launches Infrastructure Region in Thailand”（2025年1月8日）: https://press.aboutamazon.com/sg/aws/2025/1/aws-launches-infrastructure-region-in-thailand
• Google Cloud Press Corner “Google Cloud Launches New Cloud Region in Thailand”（2026年1月21日）: https://www.googlecloudpresscorner.com/2026-01-21-Google-Cloud-Launches-New-Cloud-Region-in-Thailand,-Bolstering-its-Commitment-to-Advancing-the-Countrys-AI-Driven-Digital-Economy

タイ語の大規模言語モデル・OCR

• SCB 10X “Typhoon” 発表: https://www.scbx.com/en/news/scb-10x-unveils-large-language-model-typhoon/
• SCB 10X “Introducing Typhoon 2”: https://www.scb10x.com/en/blog/introducing-typhoon-2-thai-llm
• SCB 10X “Typhoon OCR”: https://www.scbx.com/en/research/human-intelligence-en/typhoon-ocr/
• 論文 “Typhoon: Thai Large Language Models”: https://arxiv.org/pdf/2312.13951

タイの人材・給与相場

• RECRUITdee “Thailand Job Market 2026 Outlook: The Great Digital Divide”: https://www.recruitdee.com/industry-insight/thailand-job-market-outlook-2026-ai-skills/
• RECRUITdee「タイのデジタル経済とスキルギャップ」: https://www.recruitdee.com/industry-insight/thailand-digital-economy-skills-gap/
• Jobsdb データサイエンティスト給与: https://th.jobsdb.com/career-advice/role/data-scientist/salary
• Glassdoor バンコクのデータサイエンティスト給与: https://www.glassdoor.com/Salaries/bangkok-thailand-data-scientist-salary-SRCH_IL.0,16_IM1119_KO17,31.htm

BOIの投資恩典

• BOI “Investment incentives for Digital Industry”: https://www.boi.go.th/upload/content/Investment%20incentives%20for%20Digital%20Industry%20(BOI).pdf