はじめに
お客様から「Microsoft 365 Copilot を導入したが、ROI が出ているか報告してほしい」と求められて、どのようにデータを集計すればいいか悩んでいるという相談をいただくことがあります。
もちろん、企業として投資判断のために定量的な根拠を求めること自体は自然なことだと思います。ただ、個人的には、生成 AI 活用について、従来の業務効率化ツールの導入と同じ観点で ROI を細かく論じるフェーズは、もう終わりつつあるのではないかと感じています。
本記事では、なぜそう感じているのかを、Microsoft 365 Copilot を題材に整理してみたいと思います。
なお、本記事では話を分かりやすくするために Microsoft 365 Copilot を例にしますが、論点としては「普段使っている業務基盤と相性の良い生成 AI ツール」全般に当てはまる話だと考えています。Google Workspace を業務基盤としているなら Gemini、開発業務であれば GitHub Copilot や Claude Code といった具合で、お読みの方ご自身の環境に置き換えていただければと思います。
そもそも生成 AI は今どのフェーズにいるのか
ChatGPT が登場した当初は、「質問する」「調査する」といった用途が中心であり、生成 AI は便利な検索アシスタントのような位置付けでした。その段階では、ROI（投資対効果）を測定することにも一定の意味があったと思います。
しかし、多くの方が認識されているとおり、現在の生成 AI は、単に「質問に答える」段階から、「人の代わりに仕事をする」段階へと進化しています。
そのため、従来のように検索時間や調査時間の短縮だけを対象に ROI を評価するのではなく、AI が実際に業務を代行し、人が担っていた作業をどこまで任せられるのかという観点で捉える必要があると考えています。
代表的な生成 AI ツールに関しては、業務として任せられるだけの品質が出せる状態になってきています。だからこそ、「生成 AI に仕事を任せれば新人はいらないのではないか」「新入社員の採用数を減らそう」といった、少し前なら考えられなかった議論が出てくるところまで来ているのだと思います。
念のため補足すると、個人的にはこの「新人不要論」自体に同調しているわけではありません。エントリー層を育てて将来の幹部候補にしていく流れ自体は、組織としては今後も必要だと考えています。あくまで、それぐらいの議論が出てくるほどフェーズが変わっている という意味で挙げています。
生成 AI は、従来の「業務効率化ツール」と同じ枠で測れない
ここが、本記事で一番伝えたい点です。
従来から、業務効率化ツールや生産性向上ツールを導入する際に、ROI を測るという取り組みは行われてきました。「このツールを入れて、どれだけ時間が削減されたか」「どれだけコストが浮いたか」という形で、定量的に効果を測定する流れです。
意思決定者として、追加コストが発生する以上、それを気にする必要があるのは当然のことだと思いますし、その必要性自体を否定するつもりはありません。
ただ、個人的には、
生成 AI は、従来の業務効率化ツールと イコールではない くらい異質な存在
になってきていると考えています。従来のツールが「特定業務の作業時間を短縮する」存在だったとすると、生成 AI は「自分の代わりに、業務そのものを進めてくれる」存在に近づいています。
であれば、従来ツールと同じ枠組みで ROI を論じることが、そもそも噛み合わない局面が出てきている、というのが私の感覚です。
コストの観点で並べてみると
一度、シンプルにコストで並べてみます。
人を一人雇用する場合のコストと、生成 AI ツール 1 ユーザーあたりのライセンス料を比べると、当然ながら圧倒的に生成 AI ツールの方が安いです。Microsoft 365 Copilot であれば、1 ユーザーあたり月数千円のオーダーです。
仮に、自分の仕事を一部代わりにやってくれる存在がいるとして、月数千円でアクセスできるなら、私自身は迷わず使う方を選びます。そして、その分の時間を、自分が本来提供したい価値の方に振り向けます。
月数千円のツールに対して、従来ツールと同じ枠で ROI を論じる
ということ自体、正直、議論としてやや釣り合っていないと感じる場面が増えてきました。
なお、ここで言いたいのは「コスト比較で人を代替できる」という話ではなく、「人が生成 AI を使うことで生み出せる増分アウトプット」を見るべき、という意味です。生成 AI は人 1 人を代替する存在ではなく、人 1 人の生産性を底上げする存在として捉えるのが妥当だと考えています。
Microsoft 365 Copilot 単体ツールで見ても、効率化の余地はいくらでもある
「人の代わりに仕事をする」と書きましたが、実際にどれくらいできるのかを Microsoft 365 Copilot を例に整理してみます。
大企業のお客様の多くは、Microsoft 365 を業務基盤として使っているケースが多いと思います。
- 仕事で扱う膨大なデータが Microsoft 365 上にある
- 仕事で発生する多くのコミュニケーションが Microsoft 365 上で発生する
- その上で意思決定が行われる
この状況だと、Microsoft 365 Copilot を活用することで、業務時間の削減と業務品質の向上の両方が期待できます。
まずは単体ツール、たとえば Outlook の Copilot で考える
メール業務だけでも、少なからず以下のような時間を多くの方が割いているのではないかと思います。
- メールを読む・確認する時間
- 内容を理解する時間
- 返信を考える時間
- 日程を調整する時間
Outlook の Copilot に依頼すれば、これらの時間は間違いなく短縮でる領域です。たとえば、Microsoft 公式でも以下のような機能が紹介されています。
- 受信メールの要約
- 返信の下書き作成（異なる言語からの翻訳含む）
- 自分が書いた返信案のトーン・明瞭さを整える Email Coaching
- 重要度判定・優先付けによる Email Triage
- Copilot チャットからの会議スケジューリング
少し作り込めば、リマインドが必要なメールへの返信案作成、日程調整メールから空き時間を調べての返信案作成、最終確認だけで返信完了するところまで、もう充分に到達できる領域です。
Outlook 単体で見ても、パッと思いつくだけでこれだけの機能があります。
Microsoft 365 を契約しているのであれば、チャット、会議などのコミュニケーション、他社とのやり取り、意思決定に必要な資料作成、情報共有、調査などの場面で、Teams、Word、Excel、PowerPoint、OneNote、SharePoint、OneDrive などのツールを利用している方も多いと思います。
そのような日常業務の中には、面倒な仕事、誰かに頼みたい仕事、質を高めたい仕事がいくらでもあります。
それぞれのサービスの Copilot や Copilot Chat を利用すれば、そうした仕事を依頼できる、という認識です。
さらに、複数ツールを横断した業務代行もすでに現実的
ここからが、個人的にはより重要だと思っている部分です。
業務というのは、単一のツールで完結することはほぼなく、複数のツールを横断して、
インプット → 考える・判断する → アウトプット
という流れで進めているのが実態かと思います。生成 AI は、この業務コンテキストごと、自分の代わりに進めてくれるレベルに入ってきています。
私自身は、ほぼ一人で会社を運営しているため、こうしたケースを使う機会はあまり多くはないのですが、最近、新しい従業員が参画する際に、
- これまでの顧客の案件一覧
- 契約の状況
- 応対しているお客様の担当者
- これまでの対応内容
- 業務提携先のサマリー
といった、共有用のサマリ資料を作成する必要がありました。本来であれば、メールやチャットの履歴を一つひとつ確認しながら、手作業で整理していくような作業です。
これを、 Copilot Cowork を使い、私側ではちょっとしたプロンプトを打つだけで、業務上に散らばっているデータを横断的に調べた上で、共有用のレポートとしてまとめてもらいました。最終確認と微修正をするだけで、必要な資料が揃ったという形です。
※執筆時点ではプレニューの機能です
通常であれば、秘書のような方がいる前提で任せる種類の仕事だと思います。それが、生成 AI 側に依頼するだけで形になる時代に入ってきているという実感があります。
恐らく、大企業の業務環境であれば、業務上に存在する膨大なデータ、そして膨大なコミュニケーションが Microsoft 365 上に散らばっています。それらを繋げて、文脈として理解した上で、依頼したタスクを遂行してくれる存在として、生成 AI が機能し始めているという認識です。
人の役割は、マネージャー側にシフトする
ここまでの話を踏まえると、これからの働き方は、
- 自分が価値を出している本質を捉える
- 自分でなくてもできる作業は生成 AI に代行させる
- 自分が価値提供している部分も、できるだけ再現性を高める
- 最終決定は専門家である自分が判断する
- 自分はマネージャーとして指示を出し、生成 AI のアウトプットをレビューする
という方向にシフトしていくと考えています。
「自分の代わりに動いてくれるメンバーが、チームに何人もいる」状態に近いイメージです。そう考えると、ツール代金の数千円に対して、「ROI が出ているか」を細かく論じる議論は、やはり少し噛み合っていない気がしてきます。
それでも公式の数字としてはどう出ているか
とはいえ、お客様によっては「外部の根拠が欲しい」と言われることもあると思いますので、参考までに公式の数字を補足しておきます。
Microsoft が公開している Forrester の調査（Total Economic Impact 調査）では、Microsoft 365 Copilot の 3 年間の ROI は 132% から最大 353% と試算されています。ユーザー一人あたりの時間削減は 平均月 9 時間 とされています。
- Microsoft 365 Copilot drove up to 353% ROI for small and medium businesses（Microsoft 365 Blog）
- Microsoft 365 Copilot adoption report（Microsoft Learn）
- Microsoft 365 Copilot 公式アダプションサイト
組織内での利用状況の可視化や測定の方法も、SharePoint Advanced Management や Copilot Analytics 経由で整備が進んでいます。
ですので、「数字としての根拠」を求められた場合は、こうした公式情報を引用するのが現実的かと思います。
そして、見過ごしてはいけないのは、この数値を測った際より Copilot 含む生成 AI ははるかに進化しているという点です。
本当に見るべき指標は何か
ここまで書いた上で、改めて思うのは、
どれくらい生成 AI を使っているかという「利用率」は、あくまでチェックポイントの一つでしかない
ということです。
利用率や活用率は、もちろん全く見ないという話ではなく、立ち上げ期のヘルスチェックとしては有効だと考えています。ただ、利用率の数字を追いかけることが目的化してしまうと、本来見るべき指標を見失ってしまう気がしています。
個人的には、本当に見るべき指標はシンプルに、
生成 AI を使うことを前提として、単位時間あたりに自分が提供する価値をどれだけ増やせたか
ここに尽きると考えています。
具体的な指標は組織・業務ごとに異なる
具体的にどう測るかについては、正直、ビジネスや業務内容によって人それぞれ、企業それぞれかと思います。各組織で従来から使ってきた生産性指標があるはずなので、それをベースに、生成 AI 活用前後で比較するのが現実的かと思います。
たとえば、分かりやすい領域として プログラムを書くエンジニア であれば、生成 AI があった時となかった時で、単位時間あたりに最終的なアウトプットとして出すコードの量は間違いなく増えていると思います。特に生成 AI と相性が良い領域であればあるほど、その差は顕著です。
この場合、エンジニアの方を評価するなら、「生成 AI を何回使ったか」よりも、生成 AI を活用している前提で、どれだけ生産性を向上できたか を指標として持つ方が良いと、個人的には思います。
私自身のケース
参考までに、私自身のケースも書いておきます。
私は株式会社 TAKMASPOWER として独立して 2 年半ほど経ちますが、お客様に提供している価値の本質は、トレーニング講師、イベント登壇、技術ディスカッションといった対お客様とのコミュニケーションの中で発生しているため、一概に分かりやすい単一指標で測ることはできません。
ただ少なからず、
- 年々生成 AI に仕事を任せる量は増えており、売上も増えている、
- 最初は一人で運営そ、必要に応じて業務提携もしていましたが、これ以上新規の仕事を受けるのであれば、結果的に従業員を増やさざるを得ない状況になってきた
- 既存のお客様に関しても、契約の継続や契約拡大につながっている
といった結果が出ています。これらは、生成 AI なしでは間違いなく成し遂げることができなかったことが山ほどあったうえでの結果です。
「ROI として何%出ました」、「1 日辺り何回利用した増した」、「〇〇」時間削減できた」という形では表現していませんが、個人的には、生成 AI を使っていることの効果、つまり会社としての数値やお客様への価値の提供の増大は間違いなく感じているところです。
組織レベルでの指標
組織レベルでも考え方は同じで、
- 生成 AI を前提に業務プロセスを再設計したか
- 人がやるべき本質的な判断・意思決定に時間を寄せられたか
- そこから生まれたアウトプットの質と量がどう変わったか
- 組織の数値にどのように、どの程度貢献したか
このあたりが、最終的に効いてくる指標ではないかと思っています。
まとめ
今回は、生成 AI 活用に対する ROI 議論について、個人的に感じていることを整理してみました。
- 生成 AI はすでに「人の代わりに仕事をする」フェーズに入っている
- 業務基盤と統合された生成 AI（例：Microsoft 365 Copilot）は、単体ツールでも、ツール横断でも、業務代行の余地がいくらでもある
- 生成 AI は、従来の業務効率化ツールと イコールではない 異質な存在になっており、従来ツールと同じ枠で ROI を論じる議論は噛み合いにくくなっている
- 利用率はチェックポイントの一つでしかなく、本当に見るべき指標は「生成 AI を前提に、単位時間あたりに自分が提供する価値をどれだけ増やせたか」
- 具体的な指標は組織・業務ごとに異なるが、既存の生産性指標をベースに、生成 AI 活用前後で比較するのが現実的
もちろん、組織として一定の説明責任を果たすために定量化が必要な場面はあると思います。その場合は、Microsoft が公開している ROI 調査や Copilot Analytics などの公式情報を活用するのが現実的かと思います。
ROI の数字を追いかけることそのものを目的化せず、生成 AI を使うことを前提として、自分やチームが提供する価値を最大化することそのものに集中する フェーズに入ってきている、というのが個人的な見立てです。
もちろん、完全なる私の主観ですが、本記事が、お客様への ROI 報告のあり方を考え直すきっかけとして、何かしらのお役に立てば幸いです。