AI導入の効果測定とROI設計｜生成AIの成果を数値化する手順

「先月から全社で使い始めまして、利用率は7割です」——ここまで滑らかに進んだ報告が、役員の「で、いくら儲かったの?」の一言で止まる。バンコクの日系工場の会議室で、この沈黙は珍しくありません。使われている実感はある。現場の評判も悪くない。それでも金額では答えられない。AI導入の効果測定は、ツール選びの後ろに置かれがちで、そして最後に必ず問われます。本記事では、効果を4階層に分けて数える方法、測定が失敗する4つのパターン、シナリオ比較によるROI試算、90日で測定を設計するロードマップまでを、実務で踏む順番どおりに整理します。

なぜ「効果が出ている」と答えた企業が、金額では説明できないのか

生成AIをめぐる数字には、一見すると矛盾しているように見える組み合わせがあります。「効果が出ている」と答える企業は非常に多い。一方で、投資判断に使える金額としてROIを示せている企業は非常に少ない。まずこの落差の正体を押さえるところから始めます。

「業務への効果あり」は86.7%

帝国データバンクの「生成AIに関する企業の動向調査」（2026年3月）は、全国23,349社を対象に実施され、10,312社から有効回答を得ています（回答率44.2%）。この調査で、生成AIを「活用している」と答えた企業は34.5%でした。内訳は「非常に活用している」が4.4%、「やや活用している」が30.2%です（内訳の合計は四捨五入の関係で全体と一致しません）。

そして、活用している企業に業務への効果を尋ねた結果が、「効果がある」86.7%です。内訳は「大いに効果がある」25.2%、「やや効果がある」61.5%。ほぼ9割が、何らかの効果を実感していることになります。

ここで一度立ち止まってください。86.7%というのは主観評価の割合であって、ROIが出ている企業の割合ではありません。 「効果があると感じているか」という問いへの回答であり、「投資額に対していくら回収できたか」という問いへの回答ではない。この区別が曖昧なまま社内資料に転記されると、後で必ず苦しくなります。

ちなみに同じ調査では、活用していない側も相応にいます。「あまり活用していない」13.6%、「ほとんど活用していない」23.3%で、合わせると36.9%。さらに「今後検討している」が14.2%です。全体としては、活用層と非活用層が拮抗し、検討中の層が控えている、という構図です。

測定可能なROIに届いているパイロットは、ごく一部

対照的な数字が海外の調査から出ています。MIT NANDAの「The GenAI Divide: State of AI in Business」は、企業の生成AIパイロットのうち95%が測定可能なROIを出せていないという結果を示しました。

注意深く読む必要があるのは、この95%の原因です。報告では、モデルの性能不足が原因ではないとされています。原因として挙げられているのは、データが整備されていないこと、業務プロセスに統合されていないこと、そして着手前に成果の定義が無いことです。つまり、失敗の主因は技術ではなく、設計と測定の側にあるという指摘です。

「95%が失敗した」と要約すると意味が変わります。正確には「測定可能なROIに到達していない」。効果が無かったのではなく、効果があったかどうかを言える状態になっていない、ということです。この違いは、対処法をまったく別のものにします。

中止の予測は40%超

もうひとつ、投資判断に効く予測があります。Gartnerは、2027年末までにエージェント型AI（agentic AI）プロジェクトの40%超が中止されると予測しています。理由として挙げられているのは、コストの増大、事業価値の不明確さ、リスク統制の不備です。

これも書き方に注意が要ります。「40%が失敗した」という過去形の事実ではなく、「40%超が中止されると予測されている」という将来予測です。ただ、中止理由の3つのうち2つ——コストの増大と事業価値の不明確さ——は、まさに効果測定の欠落から生じます。いくらかかっているのかを費目で押さえられておらず、何が良くなったのかを数字で言えない。この状態のプロジェクトは、景気や方針が少し変わっただけで打ち切られます。

落差の正体は「実感の言語」と「財務の言語」の断絶

3つの数字を並べると、構図が見えてきます。現場は効果を実感している（86.7%）。しかし、その実感は測定可能なROIには翻訳されていない（95%が未到達）。そして翻訳できないまま時間が経つと、事業価値が不明確という理由で止められる（40%超の中止予測）。

日系の製造業では、この断絶がとりわけ深くなりがちです。現場は「楽になった」という言葉で語り、経営会議は「バーツ」という単位で語る。この二つのあいだに、翻訳の階段が要ります。本記事が提案するのは、その階段を4段に分けて設計するという方法です。

AI導入の効果測定を4階層で整理する｜L1からL4へ

効果測定がうまくいかない企業の報告書を見ると、多くは「測っていない」のではなく「測っている層が浅い」状態にあります。何をどの深さで測っているのかを分けるために、次の4階層で整理します。

L1 利用 — 測るのは簡単だが、経営会議では通らない

L1は、ツールが使われているかどうかを見る層です。ログイン率、月間アクティブ率、そして定着率。管理コンソールから自動で取れるので、測定コストはほぼゼロです。

だからこそ、多くの企業がここで報告を止めます。「利用率7割です」「アクティブユーザーが先月より伸びました」。事実としては正しいのですが、経営会議での通用度は最も低い層です。役員から見れば「それで?」という反応にしかならない。利用率は、投資判断の入力にはならないからです。

ただしL1が無価値なわけではありません。後述するROI試算で決定的な役割を果たすのが、この層で取れる定着率です。L1は、報告の終点としては弱く、計算の入力としては不可欠、という位置づけになります。

L2 時間 — 「速くなった」を数字にする層

L2は、業務別の所要時間を前後で比較する層です。技術文書の英語からタイ語への翻訳に何分かかっていたか、社内問い合わせへの回答文を作るのに何分かかっていたか。導入前と導入後を同じ方法で測って差を出します。

L2まで来ると、報告はぐっと具体的になります。「1人あたり月8時間」といった数字が出せるからです。時間単価を掛ければ金額にも換算できます。

しかし、L2には決定的な弱点があります。時間削減は、人が減らない限りP/Lには出ないという点です。1人あたり月8時間浮いたとして、その8時間で何をしたのかが決まっていなければ、会社の支出は1バーツも変わりません。給与は同額支払われ、外注費も同額支払われる。ここが、効果測定でいちばん多くの企業がつまずく場所です。

L3 業務KPI — 実際に現金が動く費目に接続する

L3は、現場の数字が動いたかを見る層です。ここで選ぶべき指標には条件があります。実際に現金が動く費目であること。

代表的なのは次のようなものです。

• 外注費: 外注していた翻訳・資料作成・データ入力を社内で処理できるようになった分
• 残業時間: 残業代として実際に支払っている金額が減った分
• 採用費・増員の凍結: 増員予定だったポジションを見送れた分
• 問い合わせ件数: 社内ヘルプデスクや顧客対応の一次回答が自動化され、対応工数が減った分
• リードタイム: 見積回答や技術問い合わせの回答が早くなり、受注や在庫に効いた分

このうち、多言語環境のタイ拠点でとりわけ効きやすいのが翻訳外注費と社内問い合わせ件数です。日本語・英語・タイ語が混在する組織では、翻訳と一次回答の量が構造的に多いためです。社内問い合わせを減らす方向では、多言語チャットボットの導入のように、一次回答を自動化する組み立てが定番になります。

L3を設計する上で重要なのは、導入の前に「どの費目を見るか」を決めておくことです。後から探すと、都合の良い数字を拾ってきたように見えます。着手前に費目を宣言しておけば、結果が良くても悪くても報告の信頼性は保たれます。

L4 財務 — P/Lで語る層

L4は、費目別の実支出差、投資回収年数、ROIといった財務の言語で語る層です。経営会議で最も通用度が高く、測定コストも最も高い。

L4はL3の積み上げでできています。L3で選んだ費目の実支出が、前年比でいくら減ったのか。そこから投資額を差し引いて、回収年数とROIを出す。逆に言えば、L3を飛ばしてL4は作れません。L1の利用率からいきなり財務効果を推定した資料は、前提が読めないため、経理や財務の目には必ず「作った数字」として映ります。

4階層の要点は「L2とL3のあいだの段差」

この4階層モデルで最も伝えたいのは、L2とL3のあいだにある段差です。

L1からL2への移行は、測る手間さえかければ越えられます。ストップウォッチで測ればよい。しかし、L2からL3への移行は、業務の設計を変えないと越えられません。浮いた時間を何に振り向けるのか、外注に出していた仕事をいつ止めるのか、残業の申請ルールをどう変えるのか。これは測定の問題ではなく、マネジメントの意思決定です。

多くの企業が「効果測定ができない」と言うとき、実際には測定手段が無いのではなく、この意思決定がされていないのです。

効果測定が失敗する4つのパターン

現場で繰り返し見かける失敗を4つに整理します。自社の報告書がどれに当てはまるかを確認してみてください。

パターン1 — L1で止まる

最も多いパターンです。「利用率7割」「月間アクティブ数が前月より伸びました」で報告が完結する。悪気があるわけではなく、その数字がいちばん簡単に取れるから、そうなります。

しかし、次年度の予算折衝で起きることは決まっています。利用率は他の投資案件と比較できません。ライン増設や設備更新は金額で語られているのに、AIだけが率で語られる。比較の土俵に上がっていない案件から削られるのは、稟議の力学として自然な結果です。

対処は単純で、報告テンプレートを最初からL3の費目を含む形で作っておくことです。L1しか埋まっていなくても、L3の欄が空欄として存在していれば、「ここを埋めないと来年の予算は付かない」という共通認識が組織に残ります。

パターン2 — before を測っていない

導入して3ヶ月後に「効果を測ろう」と言い出すパターンです。このとき、導入前の所要時間の実測値はどこにも残っていません。

すると、こういう会話になります。「以前は1件30分くらいかかっていましたよね?」「いや、もっとかかっていた気もします」。この記憶ベースの数字が、そのまま稟議書の根拠になります。財務の目から見れば、これは根拠ではありません。

厄介なのは、before は後から取り戻せないという点です。after はいつでも測れますが、before は導入前の2週間にしか測れない。効果測定の設計で最も費用対効果が高い作業が、この導入前2週間の実測です。ここを飛ばした案件は、その後どれだけ丁寧に測っても、差分を主張する根拠を持てません。

パターン3 — 定着率を掛けない

3つ目が、金額を最も大きく歪めるパターンです。「対象ユーザー60名 × 月8時間削減」というように、全員が使う前提で効果を試算してしまう。

実際にどうなるかを、後述するシナリオAの前提で計算してみます。以下はTOMAS TECHの独自試算であり、公的統計や第三者調査に基づくものではありません。

定着率を掛けない場合、60名 × 8時間 = 480時間/月、年間で5,760時間。時間単価268 THBを掛けると1,543,680 THB/年になります。ここに外注翻訳費の削減288,000 THBを足すと、年間便益は1,831,680 THBに見えます。この数字なら、2年目の費用1,290,000 THBを引いて+541,680 THBの黒字です。稟議は通ります。

ところが、実際の定着率が60%だとすると、使うのは36名です。36名 × 8時間 = 288時間/月、年間3,456時間。金額換算は926,208 THB/年。外注翻訳費の削減288,000 THBを足して、年間便益は1,214,208 THB。2年目の費用1,290,000 THBを引くと▲75,792 THBの赤字になります。

定着率を掛けるかどうかだけで、2年目が黒字にも赤字にも振れます。 便益の差は617,472 THB。L2部分だけを比べると、926,208 THBが1,543,680 THBへ、およそ1.67倍に膨らんでいます。

そして、この試算に嘘は一つもありません。1人あたり8時間という削減幅も、時間単価268 THBも同じです。違うのは「何人が実際に使うか」だけ。だからこそ、定着率はL1で測る指標でありながら、L4の結論を左右する変数なのです。L1を「経営会議では通用しない層」と切り捨てず、計算の入力として毎月取り続ける理由がここにあります。

定着率を上げること自体も、当然ながら重要な打ち手です。ツールを配って終わりにせず、業務ごとの使い方を現場の言葉に落とす取り組み——製造業向けの生成AI研修のような形で使い方を揃える——が、そのままROIの分子を動かします。

パターン4 — 時間削減をそのまま人件費換算して満足する

4つ目は、L2で止まったまま、それをL4だと思い込んでしまうパターンです。

「年間3,456時間の削減 × 268 THB = 926,208 THBの効果がありました」。この報告は、計算としては正しく、意味としては不十分です。なぜなら、926,208 THBという金額は、どの費目からも減っていないからです。給与は同額支払われ、対象者の人数も変わっていない。会計上、この926,208 THBが現れる場所は存在しません。

時間削減額を便益に算入してよいのは、浮いた時間が別の価値ある仕事に再配置されるという前提を置く場合だけです。そして、その前提を満たすには、次のいずれかを事前に決めておく必要があります。

• 増員予定だったポジションを凍結する（採用費と人件費が実際に減る）
• 外注に出していた業務を社内に戻す（外注費が実際に減る）
• 残業前提で回していた業務を定時内に収める（残業代が実際に減る）
• 空いた時間で処理件数を増やす（売上・対応能力が実際に増える）

この4つのどれも決めていない状態で「浮いた時間の金額換算」だけを報告すると、経営側からは「その時間は今どこに行っているのか」と問われます。答えられなければ、効果はゼロと判定されても文句は言えません。

実際、後述するシナリオBを現金が動く費目だけで見ると、2年目以降の便益は外注翻訳費削減の288,000 THBのみとなり、費用417,000 THBを下回ります（288,000 − 417,000 = ▲129,000 THB）。つまり、浮いた時間の行き先を決めない限り、対象を絞った堅実な導入ですら回収できないということです。ROIを黒字にしているのは、ツールの性能ではなく、時間の使い道を決めるという経営判断のほうです。

生成AIのROIを実際に計算する｜シナリオA vs シナリオB

ここからは具体的な金額で比較します。同じ会社、同じツール、同じ時間単価で、導入の広げ方だけを変えた2つのシナリオを並べます。

以下はTOMAS TECHの独自試算であり、公的統計や第三者調査に基づくものではありません。2026年時点のタイ国内調達を想定したモデル値です。 実際の金額は、対象業務・文書量・既存システムの状態によって変わります。

モデル企業の前提

時間単価について1点補足します。ここでは給与を稼働時間で割った給与ベースで268 THB/時としています。法定福利費等を含めた企業負担ベースで計算する流儀もあり、その場合は概ね1.2倍程度になります。どちらが正しいという話ではなく、社内で流儀を統一することが重要です。本記事の試算はすべて給与ベースの268 THB/時で統一しています。稟議書の中で給与ベースと企業負担ベースが混在していると、経理からの指摘で差し戻されます。

シナリオA「いきなり全社基盤を作る」

対象ユーザー60名全員にライセンスを配り、社内文書を横断的に検索できるRAG基盤を初年度に構築する、という進め方です。

費用

社内文書を対象にした検索基盤の作り方そのものについては、工場の技術文書を対象としたRAG構築で、対象文書の選び方や前処理の負荷を扱っています。RAG基盤の費用がここまで大きくなる理由の大半は、モデルではなく対象文書の整備範囲です。

便益

• 定着率 60% → 60名 × 60% = 36名が実際に使う
• 定着者1人あたりの削減時間 8時間/月
• 月間削減 36 × 8 = 288時間/月 → 年 3,456時間
• L2 金額換算 = 3,456 × 268 = 926,208 THB/年
• L3 外注翻訳費の削減（480,000 THB の60%）= 288,000 THB/年
• 年間便益合計 = 926,208 + 288,000 = 1,214,208 THB

収支

3年ROI = ▲1,427,376 ÷ 5,070,000 = 約 ▲28.2%（回収できない）

初年度の赤字は想定内としても、2年目・3年目も年▲75,792 THBの赤字が続く点に注目してください。構築費が消えた後も黒字化しない。これは「初年度の投資が重かった」のではなく、継続費用に対して便益が届いていない構造です。この構造のまま4年目・5年目と続けても、赤字が積み上がるだけです。

シナリオB「対象を絞って段階導入する」

技術文書の検索と翻訳という2業務に絞り、その業務を実際に担当している20名だけを対象にする、という進め方です。

費用

便益

• 定着率 75%（対象を絞ったので上がる）→ 20名 × 75% = 15名
• 定着者1人あたりの削減時間 10時間/月（業務を絞ったので深く使われる）
• 月間削減 15 × 10 = 150時間/月 → 年 1,800時間
• L2 金額換算 = 1,800 × 268 = 482,400 THB/年
• L3 外注翻訳費の削減 = 288,000 THB/年（翻訳は対象業務に含まれる）
• 年間便益合計 = 482,400 + 288,000 = 770,400 THB

収支

3年ROI = 710,200 ÷ 1,601,000 = 約 +44.4%

初年度で既に+3,400 THBと、かろうじて黒字です。2年目以降は構築費が落ちるため、年+353,400 THBが残ります。

2つのシナリオを分けたもの

並べて見ると、直感に反する点がいくつかあります。

第一に、年間便益の絶対額はシナリオAのほうが大きい。 Aは1,214,208 THB、Bは770,400 THBです。削減時間も、Aが年3,456時間、Bが年1,800時間で、Aが上回っています。にもかかわらず、3年ROIはAが▲28.2%、Bが+44.4%。差は72.6ポイントです。効果の絶対量ではなく、効果と費用の比率が結論を決めています。

第二に、費用の差が便益の差より大きい。 3年累計の費用は、Aが5,070,000 THB、Bが1,601,000 THBで、その差は3,469,000 THB。一方、3年累計の便益の差は3,642,624 − 2,311,200 = 1,331,424 THBにとどまります。広げれば便益も増えますが、費用はそれ以上の速度で増える。これが「いきなり全社」が失敗しやすい算術的な理由です。

第三に、定着率と1人あたり削減時間が、対象を絞ると両方とも改善している。 Aは定着率60%・月8時間、Bは定着率75%・月10時間です。対象業務を絞ると、教える内容が具体的になり、使う場面が明確になり、結果として深く使われる。逆に、全社に配ると「何に使えばいいのか分からない」層が一定割合で必ず生まれます。

第四に、L3の比重が変わる。 年間便益に占める外注翻訳費削減288,000 THBの割合は、Aで約23.7%、Bで約37.4%です。Bのほうが、現金が実際に動く部分の比重が高い。経営会議での説明のしやすさは、この比率に比例します。

まとめると、ROIを決めているのは技術ではなく対象範囲の決め方です。そして対象範囲は、着手前にしか決められません。

90日の測定設計ロードマップ

ここまでの議論を実行に移す手順を、90日で組み立てます。ツールの導入スケジュールではなく、測定の設計スケジュールである点に注意してください。

Day 0–15 — before を測る2週間が全体を決める

このロードマップで最も価値が高いのは、最初の15日です。理由は前述のとおりで、before は導入前にしか測れないからです。

やることは地味です。対象業務を3つ以内に絞り、担当者に2週間、業務別の所要時間を記録してもらう。ストップウォッチでも、作業日報の様式を少し変えるだけでも構いません。重要なのは、after で同じ方法を再現できるように、測り方を文書に残しておくことです。

対象業務を3つ以内に絞る理由は2つあります。1つは、測定の負荷が現実的な範囲に収まること。もう1つは、シナリオBで見たとおり、絞ったほうが定着率と1人あたり削減時間が上がるためです。「まずは広く試して、効果のある業務を探す」という進め方は、探索としては自然に見えますが、測定の観点では最悪の選択になります。before が無い業務が大量に生まれるからです。

Day 16–30 — L3指標の棚卸しは経理と一緒にやる

この2週間でやるのは、L3で使う費目の特定です。ここは情シスだけで完結させず、経理・総務を巻き込んでください。

確認すべきことは具体的です。外注翻訳費は、どの勘定科目に、どの単位で計上されているか。残業代は部門別に取れるか。派遣・請負の費用はどこに入っているか。費目が会計システムから月次で取り出せる形になっていなければ、L4の報告は毎回手作業になり、いずれ続きません。

同時に、この段階で「判断基準」を文書化します。90日後に「拡大」「対象を変えて再試行」「中止」のどれを選ぶのか、その閾値を先に決めておく。たとえば、定着率が何%を下回ったら対象を変えるのか、削減時間が想定の何割に届かなければ中止するのか。決めていないと必ず惰性で続きます。 そして惰性で続いたプロジェクトが、Gartnerの言う「事業価値が不明確」なプロジェクトとして、数年後に一括で止められます。

Day 31–60 — 定着率を週次で見る

限定ユーザーで運用を始めたら、週次で利用ログと定着率を確認します。月次では遅い。定着率が落ちている場合、原因は最初の2〜3週間に集中しているためです。

よくある原因は、性能ではなく運用側にあります。ログインの手順が面倒、社内文書が検索対象に入っていない、出力の言語が業務と合っていない、そもそも上長が使っていない。週次で見ていれば手を打てますが、90日後にまとめて見ると、そのときには「使わない」という習慣が固定化しています。

パターン3で見たとおり、定着率60%と100%では、2年目の収支が黒字にも赤字にも振れます。週次で定着率を見るという運用は、それ自体がROI改善の施策です。

Day 61–75 — after は before と同じ方法で測る

after の実測で守るべき原則は1つだけです。before と同じ方法・同じ業務・できれば同じ担当者で測る。

ここで測り方を変えてしまう例は、驚くほど多くあります。before は実測だったのに after はアンケートで代替する、before は3業務だったのに after は使いやすかった1業務だけ測る、といったケースです。こうなると差分は主張できません。比較可能性を守ることが、after 測定の唯一にして最大の要件です。

Day 76–90 — L2→L3→L4に接続して1枚にまとめる

最後の15日で、測った数字を積み上げます。順序は、L1の定着率 → L2の削減時間 → L3の費目別の実支出差 → L4の収支表とROI、です。

経営会議に出すのは1枚で十分です。載せる要素は次の5つに絞れます。

1. 対象業務と対象人数（何を、誰が使ったか）
2. 定着率の実績値（何人が実際に使ったか）
3. 削減時間の実績値（before と after の差、測り方の明記）
4. L3費目の実支出差（実際に減った金額）
5. 費用と便益の3年収支表、およびROI

そして、着手前に決めた判断基準に照らして、拡大・再試行・中止のどれを選ぶかを明記します。中止という選択肢を最初から用意しておくことが、この設計の信頼性を担保します。 拡大以外の結論を出せない測定は、測定ではなく稟議の後付けです。

タイ・ASEANでAI導入の効果測定を設計するときの制度と地域事情

タイやASEANの拠点でこの計算をする場合、日本国内とは違う変数がいくつか入ります。3点に絞って整理します。

タイのBOI — 投資額の内訳から読み取れること

タイ投資委員会（BOI）は、2026年第1四半期に649件・投資額330,132百万バーツ（約103億米ドル）のプロジェクトを承認しました。このうち、データセンター投資が投資額の約86%を占めています。AI・デジタル関連への資金がタイに集中的に流れ込んでいる構図です。

製造業の現場に近い枠組みとしては、既存事業のアップグレードを支援するSmart and Sustainable Industry措置があり、2026年Q1には61件・7,071百万バーツ（2億2,100万米ドル）の申請がありました。また、2026年のBOIの製造業向けの重点は、スマートファクトリー、AI活用生産、自動化を含むIndustry 4.0とされています。

効果測定の観点から言えることは1つです。投資判断の分母（費用）は、恩典の適用可否で変わります。 シナリオAとシナリオBの3年累計費用は5,070,000 THBと1,601,000 THBでしたが、この分母が制度で軽くなるなら、ROIの結論も変わり得ます。したがって、収支表を作る前に、その投資が既存事業のアップグレード支援措置の対象になり得るかを確認しておく順序が合理的です。ただし、適用可否は投資内容と申請要件に依存するため、最終的な判断はBOIおよび自社の会計・税務の専門家に確認してください。

タイのAI政策 — 法規は整備途上

タイのNational AI Strategyは2022〜2027年を対象期間としています。AI Readiness Indexで世界トップ50入りを目標に掲げ、2027年までに1,000万人以上のタイ人のAIスキル向上を目指す、という内容です。

一方で、タイのAI関連法規は現時点で整備途上です。「タイにAI法が施行済み」という理解は誤りです。 効果測定の設計に直接影響するわけではありませんが、社内規程やガイドラインを整える際に、「タイの法令で義務付けられているから」という説明の仕方はできない、という点は押さえておいてください。現時点では、データの取り扱いや情報漏洩リスクへの対応は、法令遵守というより自社のリスク統制の問題として設計する必要があります。

この点は、帝国データバンクの調査で挙がっている課題とも重なります。同調査では、生成AI活用の課題として、情報の正確性50.4%、専門人材・ノウハウ不足41.3%、活用すべき業務範囲40.0%、情報漏洩リスク33.5%、ルール整備25.5%が挙げられています。上位3つはいずれも、外部の法規制ではなく社内の設計で対処すべき課題です。

ベトナム拠点がある場合 — 人工知能法が2026年3月に施行

ベトナムに拠点を持つ企業は、追加で確認すべき動きがあります。ベトナム初のAI専門法である「人工知能法」（Luật Trí tuệ nhân tạo）が、国会で2025年12月に可決され、2026年3月1日に施行されました。

構成は8章35条。「発展のための管理」を志向し、リスク統制と技術革新の促進を両立させる方向性が示されています。企業支援策としては、国家AI発展基金、AI Voucher、規制サンドボックスが規定されています。

タイ拠点で設計した測定の枠組みをベトナム拠点に横展開する場合、費用側にも便益側にも国ごとの変数が入ります。同じフォーマットで測ること自体は有効ですが、制度の前提が国ごとに異なるという点を、拠点横断の報告書では明示しておくことをお勧めします。「タイでROIが+44.4%だったから、ベトナムでも同じはず」という横展開は、制度も人件費水準も違う以上、成立しません。

よくある質問

生成AIのROIはどう計算しますか?

3年程度の期間で、費用と便益をそれぞれ積み上げて比較するのが基本です。費用にはライセンス費、構築費、運用・保守費に加えて、社内推進工数を人月換算で必ず入れてください。本記事のモデル試算では、シナリオAで年162,000 THB（0.3人月/月）、シナリオBで年81,000 THB（0.15人月/月）を計上しています。この費目を落とすと、ROIは実態より良く見えます。

便益側は、L2（時間削減の金額換算）とL3（実際に現金が動く費目）を分けて記載します。そして定着率を必ず掛ける。本記事のシナリオAでは、3年累計で便益3,642,624 THB、費用5,070,000 THB、差引▲1,427,376 THBとなり、3年ROIは約▲28.2%。対象を絞ったシナリオBでは、便益2,311,200 THB、費用1,601,000 THB、差引+710,200 THBで、3年ROIは約+44.4%でした。同じ会社・同じツールでも、対象範囲の決め方でこれだけ変わります。

AI導入の効果測定はいつから始めるべきですか?

導入の前です。 効果測定で唯一取り返しがつかないのが、導入前の所要時間（before）の実測だからです。after はいつでも測れますが、before は導入前の2週間にしか測れません。

本記事の90日ロードマップでは、Day 0–15にbeforeの実測を置いています。すでに導入済みで before が無い場合は、対象業務を追加する形で仕切り直すのが現実的です。まだ生成AIを使っていない業務を1つ選び、そこで before を測ってから展開する。既存の対象業務については、L3の費目（外注費・残業時間など）の前年同月比を代替の根拠にする方法もありますが、精度は落ちます。

効果が出ないときは何を疑うべきですか?

順番に4つ疑ってください。1つ目は定着率です。 そもそも使われていなければ、効果が出るはずがありません。週次でログを確認し、想定人数の何割が実際に使っているかを見ます。

2つ目は対象業務の粒度です。 対象が広すぎると、1人あたりの削減時間が浅くなります。本記事の試算では、対象を絞ったシナリオBのほうが、定着率（60%→75%）も1人あたり削減時間（月8時間→10時間）も改善しました。

3つ目は、浮いた時間の行き先です。 増員凍結・外注戻し・残業削減・処理件数の増加のいずれも決めていなければ、時間が浮いてもP/Lには何も現れません。

4つ目は、測っている層です。 L1の利用率しか見ていないのであれば、それは「効果が出ていない」のではなく「効果を言える状態になっていない」だけかもしれません。MIT NANDAの調査でも、生成AIパイロットの95%が測定可能なROIを出せておらず、その原因はモデルの性能ではなく、データ整備・業務プロセスへの統合・着手前の成果定義の欠如にあるとされています。

AIの内製化とベンダーの伴走支援はどちらが得ですか?

金額だけで比較できる問題ではありませんが、社内推進工数を費用に計上して比べると判断しやすくなります。内製化は外部への支払いが小さく見えますが、その分の工数が社内に発生します。本記事のモデルでは、社内推進工数をシナリオAで0.3人月/月（年162,000 THB）、シナリオBで0.15人月/月（年81,000 THB）と置きました。この工数を「タダ」として扱うと、内製が不当に有利に見えます。

判断の実務的な目安としては、測定設計と初期の立ち上げは外部の伴走を使い、定着率の週次確認と月次の報告は内製に寄せるという分担が現実的です。帝国データバンクの調査でも、専門人材・ノウハウ不足を課題に挙げた企業が41.3%あり、ここが内製の律速になりやすいことがうかがえます。逆に、定着率のモニタリングや現場への使い方の落とし込みは、業務を知っている社内の人間のほうが確実に速く、外部委託には向きません。

タイのBOI制度はAI導入に使えますか?

投資の内容によります。BOIは2026年第1四半期に649件・330,132百万バーツ（約103億米ドル）のプロジェクトを承認しており、データセンター投資が投資額の約86%を占めています。製造業の既存事業のアップグレードを支援するSmart and Sustainable Industry措置には、同四半期に61件・7,071百万バーツ（2億2,100万米ドル）の申請がありました。2026年のBOIの製造業向け重点は、スマートファクトリー・AI活用生産・自動化を含むIndustry 4.0とされています。

ただし、生成AIのライセンス費用のようなソフトウェア利用料がそのまま対象になるとは限りません。投資計画を固める前に、対象になり得る範囲をBOIおよび自社の会計・税務の専門家に確認してください。 順序が重要で、契約後に確認しても遡れないことがあります。

効果測定の指標は何個くらいに絞るべきですか?

対象業務を3つ以内、L3の費目を2〜3個に絞るのが現実的です。指標を増やすと、測定そのものの工数が膨らみ、社内推進工数の費用が上がります。それは分母を大きくする行為なので、ROIを悪化させます。

指標を選ぶ基準は1つで、その数字が会計システムまたは管理システムから月次で自動的に取り出せるかです。毎月誰かが手集計しないと出ない指標は、3ヶ月目で必ず止まります。止まった指標は、無かったのと同じです。

生成AIツールの選び方は効果測定に影響しますか?

します。選定時点で確認しておきたいのは、機能そのものよりも測定に必要なデータが取れるかという点です。具体的には、ユーザー別・月別の利用状況が管理画面から取得できるか、CSV等でエクスポートできるか、部門単位で集計できるか。ここが取れないツールを選ぶと、定着率をL1で測れなくなり、パターン3の落とし穴に自動的に落ちます。

加えて、対象業務との適合も先に確認します。本記事のモデル企業のように英⇄タイの技術文書翻訳が中心なら、多言語の品質と社内文書の参照範囲が評価軸になります。この観点は、社内文書を検索対象に含める設計と直結するため、導入形態の検討と合わせて考えるのが効率的です。

まとめ

AI導入の効果測定について、本記事の要点を整理します。

1. 「効果あり86.7%」は主観評価であって、ROIではない。 帝国データバンクの調査で効果ありと答えた企業は86.7%ですが、MIT NANDAの調査では生成AIパイロットの95%が測定可能なROIに到達していません。この落差が、Gartnerが予測する「2027年末までにエージェント型AIプロジェクトの40%超が中止される」という将来につながります。
2. 効果は4階層で測る。 L1利用、L2時間、L3業務KPI、L4財務。多くの企業はL1で報告を止めます。L2の時間削減は人が減らない限りP/Lには出ないため、L3の「実際に現金が動く費目」に接続して初めてL4になります。
3. 失敗するパターンは4つ。 L1で止まる、beforeを測っていない、定着率を掛けない、時間削減をそのまま人件費換算して満足する。特に定着率は、掛けるかどうかだけで2年目が黒字（+541,680 THB）にも赤字（▲75,792 THB）にも振れます。
4. ROIを決めるのは対象範囲の決め方。 独自試算では、全社一斉のシナリオAが3年ROI約▲28.2%、対象を絞ったシナリオBが約+44.4%。年間便益の絶対額はAのほうが大きいのに、結論は逆になります。
5. 90日で測定を設計する。 Day 0–15でbeforeを実測し、Day 16–30でL3費目と判断基準を文書化し、Day 31–60で定着率を週次確認、Day 61–75でafterを同じ方法で実測、Day 76–90で収支表にまとめて拡大・再試行・中止を判断します。
6. タイ・ASEANでは制度が分母を変える。 BOIの既存事業アップグレード支援、整備途上のタイのAI関連法規、2026年3月1日に施行されたベトナムの人工知能法。国をまたぐ横展開では、制度の前提が違うことを明示してください。

「で、いくら儲かったの?」に答えられないのは、多くの場合、ツールの問題でも現場の努力不足でもありません。測る設計を、導入の前にしていなかっただけです。 そして、その設計に必要な期間は90日、最も重要な作業は最初の15日です。

ご相談ください

生成AIの効果測定やROIの設計でお困りの方は、TOMAS TECHのお問い合わせフォームからお気軽にご連絡ください。ツールの導入をご依頼いただく必要はありません。「すでに導入済みだが、経営会議に出す1枚をどう組み立てればよいか」「beforeを測らずに始めてしまったので、仕切り直し方だけ知りたい」「対象業務の絞り方の考え方を聞きたい」といった、測定設計だけのご相談でも構いません。バンコクを拠点に日系製造業のシステム導入を支援してきた立場から、御社の状況に合わせて整理をお手伝いします。

参考情報

• 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）
• Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• MIT: 95% of enterprise AI pilots fail to deliver measurable ROI
• Thailand’s BOI investment applications surge past 1 trillion baht in Q1 2026
• Thailand BOI — Manufacturing
• Thailand AI Policy News
• 6 luật có hiệu lực thi hành từ ngày 1/3/2026
• Luật Trí tuệ nhân tạo Việt Nam 2026