AI導入のROI、どう計算するか──「なんとなく便利」を数字に変える方法

AI導入のROIは「（削減コスト ＋ 増加粗利 − 追加運用費） ÷ 総投資額 × 100」で計算できる。だがMcKinseyの2026年3月調査（C-suite 1,847名）によると、この計算を実際に回せている経営者は29%にとどまる。79%が生産性向上を体感しているにもかかわらず、だ。本記事では、計算式の中身を分解し、「なんとなく便利」を稟議に通る数字に変える手順を整理する。

1. AI ROIの基本式は「（削減コスト ＋ 増加粗利 − 追加運用費） ÷ 総投資額 × 100」。総投資額にデータ整備・教育・運用人件費を含めないと過大評価になる
2. ROIを定量測定できている経営者は29%（McKinsey 2026年3月）。IBMによると「投資額を上回るリターン」を達成した企業は全体の5%
3. Atlassianの4段階フレームワーク（探索→最適化→品質向上→変革）に沿って、段階ごとに測る指標を変えるのが実務上の定石

なぜ「効果を実感」と「ROIを測定」の間に溝があるのか

コーレ株式会社が2026年1月に実施した調査（生成AI導入済み企業の管理職1,008名対象）では、約7割（「とてもそう思う」22.1% ＋「ややそう思う」48.0%）が導入効果を実感している。

だが「実感」と「測定」は別物だ。McKinseyの調査では、AI投資のリターンを定量的に測定できると答えた経営者は29%。残り71%は、体感としては便利だが数字で証明できない状態にある。

この溝が生じる理由は3つある。

1. 投資額の全体像が見えていない。 ツールのライセンス費だけを「AI投資」と捉え、データ整備・社内教育・業務フロー再設計にかかった人件費を計上していない。

2. 効果の帰属が曖昧。 「AIを入れたら業務が速くなった」としても、その速度向上がAIによるものか、同時に行った業務改善によるものか切り分けられていない。

3. 測定タイミングが合っていない。 AI投資はコストが先行し（導入・データ整備・教育）、効果は後から出る。12ヶ月の予算サイクルで評価すると、初年度のROIはほぼ確実にマイナスか微小になる。

基本のROI計算式と、見落としやすい項目

計算式

AI ROI（%）＝（削減コスト ＋ 増加粗利 − 追加運用費）÷ 総投資額 × 100

分子：効果の洗い出し

効果の種類	具体例	計算方法
時間削減	議事録作成が1件30分→5分	削減時間 × 対象人数 × 時間単価 × 年間回数
エラー削減	請求書の入力ミスが月20件→3件	1件あたりの修正コスト × 削減件数 × 12ヶ月
売上増加	チャットボットによるCV率向上	増加CV数 × 平均単価
機会費用の回収	空いた時間で別業務に着手	再配置先の業務価値（※推定が入る）

「機会費用の回収」は稟議では通りにくい。まずは上の3つ（時間・エラー・売上）で固め、機会費用は補足に回すのが実務的な順序だ。

分母：総投資額に含めるべき項目

コスト項目	見落とされやすい理由
ツール/APIライセンス料	ここだけ計上して「安い」と判断しがち
データ整備・クレンジング費用	既存業務の片手間で処理され、工数が記録されない
社員教育・トレーニング費用	「無料の社内勉強会」でも参加者の人件費は発生している
インテグレーション（既存システムとの接続）費用	SI費用、API開発費
運用・保守の人件費	プロンプト管理、モデル更新対応、障害対応
セキュリティ・コンプライアンス対応費用	ガイドライン策定、監査、データガバナンス

計算例：カスタマーサポートへのAIチャットボット導入

前提条件（架空の中規模企業）：

• 月間問い合わせ件数：3,000件
• AIチャットボットで40%（1,200件/月）を自動対応
• オペレーター1件あたりの対応コスト：800円（人件費込み）
• AIツール月額：15万円
• 初期構築費：200万円（データ整備・教育・インテグレーション込み）

年間の効果（分子）：

• 削減コスト：1,200件 × 800円 × 12ヶ月 ＝ 1,152万円
• 追加運用費（ツール月額 ＋ 保守人件費月5万円）：(15万 ＋ 5万) × 12 ＝ 240万円
• 純効果：1,152万 − 240万 ＝ 912万円

総投資額（分母）：

• 初期構築費200万 ＋ 1年目の運用費240万 ＝ 440万円

1年目ROI：

• (912万 − 240万) ÷ 440万 × 100 ＝ 約153%

この数字は「自動対応率40%」「1件800円」という前提に依存する。前提が変われば結果は大きく動くため、稟議資料には前提条件を明記し、感度分析（自動対応率が30%なら／20%なら）を添えるのが鉄則だ。

段階別に測定指標を変える──Atlassianの4段階フレームワーク

1本の計算式で「AI投資は成功か失敗か」を判定しようとすると、ほぼ失敗する。導入初期は学習コストが嵩み、効果はまだ出ていない。それを見て「ROIが低いから撤退」と判断すれば、投資回収の手前で止めることになる。

Atlassian Teamwork Labが公表したフレームワークでは、AI活用の成熟度を4段階に分け、段階ごとに測るべき指標を変えることを提唱している。

段階	状態	測定すべき指標
1. 探索（Exploring）	ツール試用、ユースケース発掘	利用率（MAU/DAU）、試行したユースケース数
2. 最適化（Optimizing）	既存業務の高速化・コスト削減	処理時間の削減率、コスト削減額、エラー率の変化
3. 品質向上（Enhancing）	アウトプットの質的改善	顧客満足度（CSAT）、成果物の精度、手戻り率
4. 変革（Transforming）	AIなしでは不可能だった新規事業や新機能	新規売上、新市場への参入速度、イノベーション指標

多くの企業は段階1〜2にいる。その段階で「新規売上への貢献」を問うのは、種を蒔いた翌日に収穫しようとするようなものだ。段階1なら「まず何人が使っているか」、段階2なら「どの業務がどれだけ速くなったか」──自社がどの段階にいるかを認識し、その段階に合った指標で評価する。

ROI計算で陥りやすい3つの罠

罠1：ライセンス費だけをコストに計上する

前述の通り、データ整備・教育・運用保守の人件費を含めないと、ROIは実態より高く出る。稟議は通りやすくなるが、翌年の予算要求で「思ったより金がかかっている」と指摘され、信頼を失う。

罠2：初年度で投資判断する

IBMのレポートによると、AI投資で「投資額を上回るリターン」を達成した企業は全体の5%にとどまる。だがSnowflakeの2025年4月調査では、早期導入企業の92%が何らかのROIを実現していると回答している。この差は、測定の時間軸によるところが大きい。3〜6ヶ月で初期効果が出始め、12〜18ヶ月で投資回収に至るケースが多いと複数の調査が示している。12ヶ月で切ると「失敗」、18ヶ月で見れば「回収済み」になりうる。

罠3：定性効果を無視する、または定性効果だけで押し切る

Fortune/Deloitteの2026年4月レポートは、AI導入の効果には「従業員の意思決定スピード向上」「ナレッジの属人化解消」など、金額換算しにくい効果が含まれると指摘している。これらを無視すると過小評価になる。一方、「社員のモチベーションが上がった」だけで稟議を通そうとすると、CFOの前で止まる。定量（コスト削減・売上増）を主軸に、定性効果は「補足」として添える構成が実務的に通りやすい。

まず月曜日にやること

ROI計算は大掛かりな作業に見えるが、初手は小さくていい。

1. AI関連の支出を1枚のシートにまとめる。 ライセンス費だけでなく、データ整備に使った工数、教育に使った会議の時間も含める。「全部でいくら使っているか」が見えていない企業が大半だ。
2. 1つの業務で「Before/After」の数字を取る。 議事録作成でも、メール下書きでも、問い合わせ対応でもいい。「導入前は1件○分、導入後は○分」という数字が1つあれば、そこからROI計算式に入れられる。
3. 自社がどの段階にいるか判定する。 Atlassianの4段階で「うちは今ここ」と認識するだけで、測るべき指標が絞れる。段階1なら利用率、段階2ならコスト削減額。全部を一度に測ろうとしない。

出典・但し書き

• McKinseyの「29%」「79%」は2026年3月公表のGlobal AI Survey（C-suite 1,847名対象）に基づく。調査対象はグローバル企業の経営層が中心であり、中小企業の実態とは乖離がある可能性がある
• IBMの「5%」は同社が分類する「substantial ROI」（投資額を上回るリターンを実証）の達成企業割合。定義の閾値が高く設定されている点に注意
• Snowflakeの「92%がROI実現」は2025年4月調査。「早期導入企業」が対象であり、導入時期が早い＝リソースや知見が豊富な企業に偏っている可能性がある
• Atlassianの4段階フレームワークはAtlassian Teamwork Labが公表したもの。特定のツールに依存しない汎用フレームワークとして引用しているが、Atlassian自身がSaaS提供企業である点は留意が必要
• コーレ株式会社の調査は生成AI導入済み企業の管理職1,008名が対象（2026年1月、インターネット調査）。導入済み企業のみが回答しているため、非導入企業を含めた全体像は反映されていない
• 計算例はすべて架空の前提条件に基づく。実際のROIは業種・規模・導入範囲・データの品質によって大きく変動する
• 本記事は2026年6月20日時点の公開情報に基づく