最初に確認したいのは、AI導入時に「何を改善するためのツールなのか」を定義できているかどうかだ。

　調査では、AIの導入・活用を阻む要因を尋ねた。その結果、「ROIが見えない」「効果的な使いどころが不明」がそれぞれ19.4％を占めた。

　例えば、「Microsoft 365 Copilotを全社員に配布する」と決めるだけでは、効果の測定は難しい。「会議後の議事録作成時間を何分減らす」「社内規定を探す時間を何％削減する」など、対象業務と指標を先に決めておかなければ、導入前後を比較できないためだ。

　AIの利用回数やアクティブユーザー数だけを見る方法にも注意が必要だ。利用者が増えたとしても、それだけでは業務時間やコスト、品質が改善したとは判断できない。

　情シス部門はまず、AIを導入する業務を限定し、「AIを使った回数」ではなく「AIによって何が変わったか」を測定できるKPIを置く必要がある。

原因2．AIに渡す「社内ナレッジ」が整理されていない

　もう1つの問題が、AIに利用させる社内情報そのものだ。調査では、業務ノウハウ、判断基準の文書化、共有の状況を質問した。その結果、業務ノウハウや判断基準を「一部のみ言語化できている」が37.0％、「ほとんど個人の頭の中にある」が25.2％で、合計62.2％が十分に言語化されていない状態であることが分かった。社内ナレッジを体系的に整理・最新化できている企業も14.2％にとどまった。

　例えば、社内問い合わせをAIで効率化しようとしても、回答の根拠となる規定やマニュアルが複数のファイルサーバやSaaSに散在していたり、担当者の頭の中にしか判断基準がなかったりすれば、AIは安定した回答を生成しにくい。

　その状態で「問い合わせ対応時間が減らない」と評価しても、問題がAIモデルにあるのか、参照データにあるのか、そもそもの業務フローにあるのかを切り分けられない。

　AI導入前に、対象業務について「どの情報を参照して判断しているのか」「最新版はどれか」「誰が更新するのか」を棚卸しすることが重要になる。

原因3．同じAIを使っても、従業員ごとに使い方が違う

　効果測定を難しくする3つ目の要因が、利用方法のばらつきだ。特定のツールを使った場合に、従業員間で成果物に差を感じるか尋ねた質問では、成果物に「3～4倍」の差を感じるとの回答が29.5％、「5～10倍」が11.3％、「10倍以上」が4.6％だった。合計すると45.4％が、「同じツールでも、成果は3倍以上変わる」と感じていることが分かった。

　AIを活用できている要因を聞いたところ、「他人の事例参照・人から教わった」が最多で35.8％。「業務時間外の自習・独学」が33.8％で合計69.6％が自主的な学びを通じてAIを活用していることが分かった。一方、「体系的な社内研修・教育がある」と答えたのは26.0％だった。

　従業員ごとにプロンプトや参照情報、作業手順が異なる状態では、「AIを使った場合」として一括して効果を比較することは難しい。そこで必要になるのが、効果の出た使い方を「型」にすることだ。例えば、問い合わせ対応なら参照する情報源、プロンプト、回答後に人が確認する項目まで決め、同じ条件で利用できるようにする。個人のAIスキルに依存する状態から、組織として再現できる状態に変える必要がある。

情シスは「小さく測る」ところから始める

　では、AIの効果を測定できていない企業は何から見直せばよいのか。ネオスは、まず社内ナレッジと判断基準を棚卸しし、次に社内データに基づく回答生成や権限、監査の仕組みを整えた上で、全社展開やAIエージェント化へ進む流れを提案している。効果測定については、「情報を探す時間の削減」のようなKPI（重要業績評価指標）を設定することを挙げている。

　AIのROIを測るために必要なのは、複雑な効果測定システムを新たに導入することではない。まず「どの業務の、何を改善したいのか」を決め、現状値を測る。その上で、AIに必要な社内情報と使い方を整備し、同じ条件で導入前後を比較する。

　AIツールの全社展開を急ぐ前に、「効果を測れる業務設計になっているか」を確認することが、情シスにとって最初の一歩になる。

本稿は、2026年9月9日にテクミラホールディングスが公開した「企業のAI活用に関する実態調査」を実施、AI格差を生む「5つの壁」と企業のナレッジ未整備の実態が明らかにを基に作成しました。