AI導入の進め方8ステップ｜稟議を通す企画書と投資対効果の試算方法
株式会社TIMEWELLの濱本です。
「AIを導入したい。でも、どこから手をつければいいのか分からない」「経営会議で稟議を通すには、何をどう説明すればいいのか」。経営企画やDX推進の担当者から、こうした相談を毎週のように受けます。
野村総合研究所の調査によれば、日本企業の57.7%が生成AIを導入済み。一方で、MITの調査では95%の企業がAI投資のリターンを得られていないという厳しいデータもあります。「導入した」だけでは意味がなく、成果につなげるプロセス設計が勝負を分けるわけです。
稟議を控えている方は、このままたたき台としてお使いください。
AI導入プロジェクトの全体像
8つのステップに分けて進めます。一発勝負ではなく、段階を踏んでいく前提で読んでください。
| ステップ | フェーズ | 主な活動 | 期間の目安 |
|---|---|---|---|
| 1 | 課題の棚卸し | 業務課題の洗い出しと優先順位づけ | 2〜3週間 |
| 2 | 目的と目標の設定 | KGI・KPIの定義 | 1〜2週間 |
| 3 | 業務プロセスの可視化 | As-IsとTo-Beの整理 | 2〜4週間 |
| 4 | ソリューション選定 | ツール比較と技術検証 | 2〜3週間 |
| 5 | 投資対効果の試算 | ROI算定と稟議資料作成 | 1〜2週間 |
| 6 | PoC（概念実証） | 小規模テストと効果検証 | 4〜8週間 |
| 7 | 本番導入と展開 | 段階的ロールアウト | 8〜12週間 |
| 8 | 定着化と改善 | モニタリングとPDCA | 継続的 |
PoC開始まで約2〜3か月、本番導入まで半年程度が標準的なタイムラインです。「来月から全社導入」は失敗の最大要因になるので、焦らないでいただきたい。
ステップ1：課題の棚卸し
AI導入で最初にやるべきことは、ツール選定ではありません。「どの業務の、何が問題なのか」を洗い出すこと。
やり方はシンプルで、各部門のマネージャーに3つだけ聞きます。
- 時間がかかっている業務は何か（例：月次報告書の作成に毎回3日かかる）
- 属人化している業務は何か（例：ベテラン社員しか対応できない問い合わせ対応）
- ミスが発生しやすい業務は何か（例：手作業のデータ入力で月に数件の誤り）
出てきた課題を「AI適用のしやすさ」と「効果のインパクト」の2軸でマッピングすると、どこから着手すべきかが見えてきます。
課題の優先順位づけ
| 評価軸 | 高い | 低い |
|---|---|---|
| AI適用のしやすさ | テキスト処理、定型業務、データが蓄積されている業務 | 判断基準が曖昧、データがない、例外処理が多い業務 |
| 効果のインパクト | 全社横断、高頻度、コスト大 | 特定個人のみ、低頻度、コスト小 |
両方が高い領域がファーストターゲット。「全社で週に何十時間も使っている定型業務」が見つかれば、そこが起点になります。
ステップ2：目的と目標の設定
課題が特定できたら、AI導入の目的と測定可能な目標を設定します。ここを曖昧にすると、後の効果測定ができず「結局どうだったのか分からない」で終わる。私の経験上、ここが甘いプロジェクトは8割方うまくいきません。
目標の良し悪しを具体的に見てみます。
- NG：「業務を効率化する」（何をどれくらい？）
- OK：「月次報告書の作成時間を現行の3日から1日に短縮する」
- OK：「問い合わせ対応の一次回答率を60%から85%に引き上げる」
- OK：「データ入力のエラー率を月5件から月1件以下にする」
数値目標があれば、後から投資対効果を計算できる。経営会議でも「やって意味があったのか」を明確に報告できます。
ステップ3：業務プロセスの可視化
AIを入れる前に、現在の業務フローと、AI導入後の理想像を整理します。現状をAs-Is、理想をTo-Beと呼びます。これを飛ばすと「AIを入れたが、結局は元の手作業に戻った」という事態に陥る。
整理のポイントは3つ。
- 現状フローを書き出す。担当者へのヒアリングで「実際に何をどの順番でやっているか」を可視化する
- AIが代替できる工程を特定する。自動化、支援、判断補助のどれに該当するかを分類する
- 人間が担うべき工程を明確にする。最終判断、例外対応、顧客対応など、人の関与が必須の部分を残す
余談ですが、この工程で「実はAI以前に業務フロー自体が非効率だった」と気づくケースがけっこうあります。業務の棚卸し自体に価値があるので、面倒がらずにやってほしい。
ステップ4：ソリューション選定
ここで初めてツールの話に入ります。課題と目標が明確になっていれば、選定基準も自ずと決まる。
ソリューション比較の評価軸
| 評価項目 | 確認ポイント | 重要度 |
|---|---|---|
| 課題への適合性 | 特定した課題を解決できるか | 最重要 |
| セキュリティ | データの保管場所、暗号化、アクセス制御 | 最重要 |
| 導入の容易さ | 既存システムとの連携、初期設定の負荷 | 高 |
| カスタマイズ性 | 自社の業務フローに合わせた調整が可能か | 高 |
| コスト構造 | 初期費用、月額費用、従量課金の有無 | 高 |
| サポート体制 | 日本語対応、導入支援、トレーニング | 中 |
| 拡張性 | 将来の利用範囲拡大に対応できるか | 中 |
「話題だから」「競合が使っているから」で選ぶのは禁物です。自社の課題に合っているかどうか。判断基準はそれだけです。
ステップ5：投資対効果（ROI）の試算
稟議を通すうえで避けて通れないのが、投資対効果の試算。「AIを入れるとどれくらい得するのか」を、経営層が判断できる形で示す必要があります。
コスト項目の洗い出し
| コスト区分 | 項目例 | 概算の出し方 |
|---|---|---|
| 初期費用 | ライセンス、導入コンサル、開発費 | ベンダー見積もり |
| 運用費用 | 月額利用料、保守費用 | 月額 x 12か月 |
| 人的コスト | 推進担当者の工数、研修費用 | 人月単価 x 投入月数 |
| 間接コスト | 既存業務への影響、移行期の生産性低下 | 過去のIT導入実績から類推 |
効果項目の洗い出し
| 効果区分 | 項目例 | 算定方法 |
|---|---|---|
| 時間削減 | 作業時間の短縮 | 削減時間 x 時間単価 x 対象人数 |
| エラー削減 | ミスの減少による手戻り防止 | エラー1件あたりの対応コスト x 削減件数 |
| 売上向上 | 対応スピード向上による受注率改善 | 改善率 x 平均受注額 |
| 機会損失の回避 | 属人化リスクの軽減 | 定性的に説明 |
ROIの計算式
ROI（%）＝（年間効果額 − 年間コスト）÷ 年間コスト × 100
たとえば、年間コスト600万円のAIツールで、年間900万円分の業務効率化が見込めるなら、ROIは50%。初年度でROI 30%以上が見込めるプロジェクトは稟議が通りやすい傾向にあります。
正直なところ、効果の見積もりには不確実性がつきまとう。だからこそ、ステップ2で設定した数値目標が効いてきます。「この数字が達成できればROIはこうなる」というロジックが組めれば、経営層も判断しやすいはずです。
ステップ6：PoC（概念実証）
PoCは、本番導入前に小さく試して効果を検証するフェーズ。ここでの最大のリスクは「PoC死」です。PoCを繰り返すだけで本番に進めない状態。
PoC死を防ぐ3つのルール
- 期間を区切る。PoCは最長8週間。延長は1回まで、理由を明文化する
- 判断基準を事前に決める。「何が達成できたらGo、何が未達ならStop」を数値で定義する
- 関係者を限定しすぎない。現場の担当者を必ず巻き込む。IT部門だけで進めると、現場に展開する段階で詰む
PoC設計テンプレート
| 項目 | 記載内容 |
|---|---|
| 検証テーマ | 何を検証するか（例：問い合わせ対応の自動化率） |
| 成功基準 | 数値目標（例：自動回答率70%以上） |
| 検証期間 | 開始日から終了日（例：4月1日から5月31日） |
| 対象範囲 | 部門、業務、データ範囲 |
| 参加者 | プロジェクトメンバーと役割 |
| Go/Stop判断日 | 中間レビューと最終判断の日付 |
| 次のアクション | Go時の本番導入計画、Stop時の撤退基準 |
ステップ7：本番導入と展開
PoCで効果が確認できたら、本番導入へ。一気に全社展開するのではなく、段階的に広げていくのが鉄則です。
展開の順序はこうなります。
- パイロット部門（PoCを実施した部門）で本番運用を開始
- 隣接部門（業務内容が近い部門）に横展開
- 全社展開（全部門への導入とルール整備）
各段階で「うまくいった点」と「想定外だった点」を記録し、次の展開に反映する。展開のたびに現場からフィードバックを集め、運用ルールを改善していくことが定着のカギになります。
ステップ8：定着化と改善
導入して終わりではなく、導入後の定着化こそ本番。
クラウドエースの調査によれば、KPIを設定してAI活用を推進した企業の80.2%が目標を達成しています。逆にKPI未達の企業の81.8%は「AI出力の品質が不安定」を理由に挙げている。定期的なモニタリングと改善サイクルが欠かせません。
定着化のチェック項目を挙げておきます。
- 利用率を月次で計測しているか
- 効果指標（KPI）を定期的にレビューしているか
- 現場からの改善要望を吸い上げる仕組みがあるか
- ツールのアップデートや新機能を社内に周知しているか
- 成功事例を社内で共有しているか
特に5つ目の「成功事例の共有」は過小評価されがちですが、私はここが定着の分かれ目だと思っています。「隣の部署がAIでこんな成果を出した」という話は、どんなトップダウンの号令よりも人を動かします。
企画書に盛り込むべき要素
ここまでの内容を企画書にまとめるなら、以下の構成が経営会議で通りやすいフォーマットです。
| セクション | 記載内容 | ページ数の目安 |
|---|---|---|
| エグゼクティブサマリー | 提案の要旨と期待効果（1枚で完結） | 1ページ |
| 背景と課題 | 現状の課題とAI導入の必要性 | 1〜2ページ |
| 目的と目標 | KGI・KPIの定義 | 1ページ |
| ソリューション概要 | 選定したツールと選定理由 | 1〜2ページ |
| 投資対効果 | コスト、効果、ROI試算 | 1〜2ページ |
| 実行計画 | スケジュール、体制、マイルストーン | 1ページ |
| リスクと対策 | 想定リスクと軽減策 | 1ページ |
合計8〜10ページ程度にまとめるのが適切です。分厚い資料は読まれません。
よくある失敗パターン5選
コンサルティングの現場で繰り返し見てきた失敗パターンを5つ紹介します。
失敗1：ツール先行型
「ChatGPTが流行っているから導入しよう」。課題の特定を飛ばしてツールから入ると、「導入したけど何に使うか分からない」で終わります。このパターンが一番多い。
失敗2：トップ不在型
推進担当者は熱心だが、経営層が無関心。予算もリソースも中途半端で、結局は担当者の片手間プロジェクトになる。IPAの調査では、DX人材が不足している企業は日本で85.1%。経営層が覚悟を持ってリソースを割かなければ前に進みません。
失敗3：PoC永久ループ型
PoCを何度も繰り返すが、本番導入に踏み切れない。「もう少しデータを集めてから」「もう一度検証してから」と先送りを続け、半年、1年と時間だけが過ぎていく。判断基準を事前に決めておくことで防げます。
失敗4：外部丸投げ型
AIベンダーにすべて任せて、社内にノウハウが残らない。ベンダーの契約が切れた瞬間に運用が止まります。外部の力を借りること自体は正しい判断ですが、同時に社内人材の育成を進めなければ持続しない。
失敗5：全社一斉導入型
パイロット検証を経ずにいきなり全社展開。現場の準備が追いつかず、混乱と不満が広がり、「AIなんて使えない」という空気が社内に蔓延する。段階的な展開が鉄則です。
まとめ
ここまでの内容を踏まえて、次のアクションを決めてください。
もしまだ課題の棚卸しが済んでいないなら、まずは各部門のマネージャーに3つの質問をするところから始める。課題が見えているなら、数値目標を設定してROI試算に進む。PoCまで来ているなら、期間と判断基準を明文化してPoC死を防ぐ。
AI導入は、正しい手順を踏めば着実に成果が出るプロジェクトです。逆に手順を飛ばせば確実に失敗する。8つのステップのうち、今の自分がどこにいるのかを確認し、次の1歩を踏み出してください。
TIMEWELLのWARPでは、AI導入の戦略立案からPoC設計、本番展開、社内人材の育成まで、一気通貫で伴走するコンサルティングを提供しています。元大手企業のDXやデータ戦略の専門家が、御社の状況に合わせたプロジェクト設計を支援します。企画書のレビューだけでも構いませんので、お気軽にお問い合わせください。