AI関連の案件に関わっていると、よく耳にする言葉があります。「PoCは成功したんですけど、本番化が止まっていて」。PoC(Proof of Concept=実証実験)自体はうまくいったのに、その先に進まない。今回はこの“費用対効果が測れない問題”について書いてみます。
PoCは成功したのに、なぜ本番化しないのか
PoCの段階では、現場の担当者が「これは便利だ」と実感できれば、ひとまず成功と見なされがちです。たとえば問い合わせ対応の下書きを生成AIが作ってくれて、担当者の作業時間が体感で減った、というような話です。
ところが本番導入となると、話が変わります。経営層や情シス部門は「それで年間いくら浮くのか」「投資額に対してどれくらいの効果があるのか」を求めてきます。現場の“楽になった感覚”と、経営の“数字で示してほしい”という要求の間にギャップが生まれ、ここで稟議が止まる――というのはよくある展開です。
「効果測定」の物差しがそもそも違う
このギャップの根っこには、誰が何を測りたいのかが揃っていない、という事情があるように思います。
- 現場担当者:作業のストレスや手戻りが減ったかどうか
- 管理職:チーム全体の工数がどれだけ減ったか
- 経営層:投資額に対してどれだけコストが削減できたか、または売上に寄与したか
これらは本来すべて大事な観点ですが、立場によって「効果」の定義が違うため、同じPoCの結果を見ても評価が割れてしまいます。しかも生成AIの効果は、人件費の削減のように数字で出しやすいものだけでなく、「ミスが減った」「心理的な負担が減った」といった定性的な部分も大きい。この定性的な効果を無理に金額換算しようとして、説得力のない試算になってしまうケースも見かけます。
現場で効いた“小さな指標”の積み上げ方
筆者が関わった案件で比較的うまくいったのは、最初から大きなROI(投資対効果)を狙うのではなく、小さな指標を複数組み合わせて経過を追ったケースでした。
- 特定業務にかかる時間(開始前と導入後で比較)
- 問い合わせ対応などの一次回答までの時間
- 担当者が「使い続けたいか」というアンケートでの継続意向
一つひとつは地味な数字ですが、これらを3〜6ヶ月単位で記録し、経営層には「削減額」というより「この業務のボトルネックがこう変化した」というストーリーで見せる。すると、数字だけでは伝わらなかった効果が理解されやすくなる、という場面がありました。もちろんこれも一つの方法であって、業種や組織文化によって合う・合わないはあると思います。
まとめにかえて
AI導入の効果測定に「これが正解」という物差しは、今のところ存在しないというのが実感です。だからこそ、自分の組織では何を基準に「導入してよかった」と判断するのか、PoCを始める前に関係者で握っておくことが、遠回りのようで一番の近道なのかもしれません。
もし今、社内でAI導入の稟議が止まっているとしたら、それは効果が出ていないのではなく、「誰の物差しで測るか」が決まっていないだけかもしれません。あなたの職場なら、どの指標から測り始めますか。