結論から：AI導入の効果が語れないのは、たいてい測っていないからです。ただし厄介なのは、測り方を間違えると数字は出るのに実態と合わないことです。当社の週次レポートは長いあいだ「0%」と報告し続けていましたが、原因は品質ではなく、サイトが表示しない項目を数えていたことでした。感触ではなく回数を数えると、当社では91%が発火していない、要約0件、1ページ目155ページのうち140ページがクリック0といった数字が出てきました。最初に測るべきは効果ではなく、実行回数です。
株式会社TOEはAI開発・AI活用支援を事業としており、この記事は提供する側が書いています。中立の第三者ではありません。他社の導入効果は扱わず、自社で数えた結果だけを、都合の悪いものを含めて載せます。
測らなかったとき、何が起きていたか
当社が「動いているはず」と思っていたものを、実際に数え直した結果です。
| 何を数えたか | 思っていたこと | 実測 |
|---|---|---|
| 毎朝動くジョブの発火回数 | 毎日動いている | 5.3日で11回動くはずが1回だけ（91%が抜け） |
| 日次の解説生成の件数 | 収集も翻訳も動いている | 収集600件・翻訳621件は動いていたが、要約は0件 |
| 決裁の仕組みの利用回数 | 簡単にしたから使われている | 実行0通。承認待ちは29件→37件に増加 |
| 検索順位ではなくクリック | 順位が上がれば増える | 1ページ目に155ページ出て、140ページがクリック0 |
| 検索結果に出ているページの生死 | 全部生きている | 3割が404だった |
5つとも、数えるまで分かりませんでした。 どれも「動いている気がする」で止まっていた期間があります。
数字は出ていたのに、実態と合っていなかった例
さらに厄介なのがこちらです。数字は毎週出ていました。 ただし数えている対象が違いました。
当社の週次レポートは、記事の中身の充実度を「0%」と報告し続けていました。品質が悪かったのではありません。レポートが数えていたのは、サイトが表示に一度も使っていない項目でした。
- AIが毎日書き込んでいた場所 … A
- サイトが読んで表示していた場所 … B
- レポートが数えていた場所 … A
Aは増えていましたが、Bは空でした。レポートは「Aが0件」と正しく報告していたのに、誰も「Bを見ていない」ことに気づけませんでした。
この型は、報告が出ているぶん一番気づけません。 当社は同じ型の壊れ方を12件見つけています（AI自動化は「エラーを出さずに止まる」）。
そして正直に書くと、この記事を書いた日にも同じ間違いをしました。 自社の記事219本を機械で点検して「61本が要件を欠く」と出したのですが、判定の条件が誤っていて、正しくは27本でした。実物を3本開くまで気づきませんでした。
最初に測る5項目
効果（時間削減・売上）を測る前に、この5つを測ってください。順番があります。
| # | 測ること | 測り方 | 出てくる数字の例 |
|---|---|---|---|
| 1 | 実行回数 | ログの行数を数える。「1日1回動くはず」なら過去7日で7回あるか | 当社は11回中1回だった |
| 2 | 失敗件数 | 成功数だけでなく失敗数もレポートに出す | 553件中414件失敗していた |
| 3 | 出力件数の推移 | 先週と今週で数を比べる。増えていなければ止まっている | 要約が0件のまま |
| 4 | 人が触った回数 | 使われているかは感触では分からない | 実行0通 |
| 5 | その数字が何を数えているか | 集計の対象が、実際に使われている場所と一致しているか | 「0%」の正体はここ |
1番から始めてください。 効果を測ろうとすると「何時間削減できたか」から入りがちですが、そもそも動いていなければ削減はゼロです。当社は91%が発火していませんでした。
5番は最後ですが、一番効きます。 上の4つを測っても、数えている対象がずれていれば全部無意味になります。
これは自社の集計だけの話ではありません。公表されている調査でも、同じ「普及」を測って数字が4倍以上ずれます。
| 米国のAI普及率 | 数字 | 何を分母にしているか |
|---|---|---|
| 企業数ベース | 18% | 約120万社が母集団 |
| 就業者ベース | 40.7% | 労働力人口の回答者 |
| 雇用ウェイト | 78% | AI導入企業に勤める労働者の割合 |
78%は「78%の企業が導入済み」ではありません。 「AIを導入した企業に勤めている人が、労働力の78%を占める」という意味です。ここを取り違えると事実誤認になります（AI導入率は18%か41%か78%か）。
数字を見たら、まず分母を見てください。 自社の集計でも、他社の調査でも、やることは同じです。
効果を金額で測る前に
「導入したらいくら得したか」は、多くの場合すぐには出せません。当社の実測でも、出せるものと出せないものがはっきり分かれました。
| 測れたもの | 実測 |
|---|---|
| 処理時間 | 見積メール10件で7分37秒（1件45.7秒） |
| 自動化率 | 10件中7件を自動処理、3件は人へ |
| 失敗件数 | 0件 |
| AI処理の単価 | 約800字の生成が1件2〜3円（6回測定・軽量モデル） |
| 測れなかったもの | 理由 |
|---|---|
| 業務時間の削減量 | 検証データが架空で、実際の業務で回していない |
| 金額の効果 | 自社プロダクトなので受託金額が無い |
| 定着による効果 | 定着していない（承認待ちは増えたまま） |
「何時間削減できた」は書きません。測っていないからです。 出せるのは処理時間・自動化率・失敗件数・単価だけです。
そして、効果はすぐには出ません。 米国企業21,559社の実支出を分析した研究では、AI支出が従業員数に与える影響の係数が、導入月0.003 → 6か月後0.071 → 12か月後0.188 → 24か月後0.452と、時間とともに大きくなっています。半年で効果判定して打ち切る運用は、この曲線と噛み合いません（AIに金を使った企業は人を減らしたのか）。
この分析は提供事業者自身による査読前のワーキングペーパーで、有意な結果が出たのは情報通信セクターのみです。製造業・建設・医療などは推定値がほぼゼロか不正確で、全業種には一般化できません。読み取れるのは「効果判定を早すぎる時点でしない」という一点だけです。
ここで大事なのは、削減時間を測りたいなら、導入前に測っておく必要があることです。後から取り直せません。研修や導入を検討している段階なら、着手前に現状の作業時間を記録してください（AI研修を法人で選ぶ前に）。
時間が浮いても、業務時間は減らない
測り方の話でもう一つ重要なのが、「タスクの時間」と「業務時間」は別の指標だということです。公的な調査でも、この差がはっきり数字に出ています。
| 調査項目 | 数字 |
|---|---|
| 生成AIを使ったタスクの所要時間短縮 | 平均16.7%（週26.4分） |
| 実際に業務時間が減少した人 | 生成AI利用者の約25.4% |
| 浮いた時間が仕事に再投下される割合 | 61.2% |
| そのうち日常業務に向かう割合 | 75.4% |
タスクは16.7%短くなっているのに、業務時間が減った人は25.4%しかいません。 浮いた時間の61.2%は別の仕事に吸われ、その4分の3は日常業務に戻っています。
つまり「タスクが速くなった」を根拠に「業務時間が減った」と報告すると、実態と合いません。浮いた時間の行き先を決めていなければ、削減は数字に出ません。
なおこの調査は正規雇用者3,000人への自己申告・ネットモニター調査で、中小企業固有の数値としては使えません。傾向の確認として読んでください（調査の読み解きはタスクは16.7%短縮でも業務時間が減った人は25.4%、その差はどこに消えているのか）。
当社でも同じことが起きています。処理そのものは速くなりましたが、承認待ちは29件から37件に増えました（次節）。
効果がマイナスだった例も数えておく
数えると、効果が出ていないことも分かります。当社の例です。
決裁の待ち行列を減らすため、メール1通返すだけで決裁できる仕組みを作りました。結果は次のとおりです。
| 項目 | 実測 |
|---|---|
| 仕組みの動作 | 正常 |
| 実行されたコマンド | 0通 |
| 承認待ちの件数 | 29件 → 37件に増加 |
仕組みは壊れていませんでした。 使う場面が既存の習慣の中に無かっただけです（実行0通だった記録／導入したAIツールが使われない）。
数えていなければ、これは「なんとなく便利になった」で終わっていました。マイナスの数字が出るのは、測定が機能している証拠です。
この記事で言えないこと
- 他社の導入効果は扱っていません。 当社は提供する側で、その立場にありません
- 業界平均や目安の数字も出していません。 業務と規模で変わるため、単一の数字は誤解を招きます
- 当社も削減時間を測れていません。 導入前の記録を取っていない領域があるためです
- ここに書いたのは、自社の実行ログとサイトの実測から数えた事実だけです
まとめ
- 効果が語れないのは測っていないから。ただし測り方を間違えると、数字は出るのに実態と合わない
- 当社の週次レポートは「0%」を出し続けていたが、サイトが表示しない項目を数えていた。報告が出ているぶん一番気づけない型
- 数え直して出てきた数字 — 91%が発火せず／要約0件／実行0通／140ページがクリック0／検索結果の3割が404
- 最初に測るのは効果ではなく実行回数。動いていなければ削減はゼロ
- 5項目は 実行回数／失敗件数／出力件数の推移／人が触った回数／その数字が何を数えているか
- 5番目が一番効く。 対象がずれていれば、他の4つを測っても無意味になる
- 他社の調査も同じ。米国のAI普及率は企業数ベース18%／就業者ベース40.7%／雇用ウェイト78%と、分母で4倍以上ずれる。数字を見たらまず分母を見る
- 効果判定を早くしすぎない。 21,559社の分析では、係数が導入月0.003→6か月0.071→12か月0.188→24か月0.452と時間とともに伸びた（ただし有意なのは情報通信のみ）
- 削減時間は後から取り直せない。 測りたいなら着手前に現状を記録する
- 「タスクの時間」と「業務時間」は別の指標。 タスクは平均16.7%短縮されても、業務時間が減った人は25.4%にとどまる（浮いた時間の61.2%が別の仕事に吸われる）
- マイナスの数字が出るのは測定が機能している証拠。 当社は承認待ちが29件→37件に増えたことを数えられた
サイトの数字を数え直した記録は1ページ目に155ページ出ているのに、140ページはクリック0だったに、静かに壊れる12件はAI自動化は「エラーを出さずに止まる」に、費用側の実測はAI導入費用の相場と内訳にあります。
この記事の立場 株式会社TOEはAI開発・AI活用支援を事業としており、提供する側が書いています。中立の第三者ではありません。他社の導入効果は扱わず、自社で数えた結果だけを載せています。当社も削減時間は測れていません。
実測値の出所 - 91%発火漏れ・要約0件・実行0通・承認待ち29→37件・553件中414件失敗: 株式会社TOEの実行ログおよびcron設定（2026年7月） - 140ページがクリック0・検索結果の3割が404: Google Search Console および自社サイトの点検（2026年7月20日〜29日、8月1日） - 見積メール10件・7分37秒・1件2〜3円: 実行ログ。見積の検証データは架空で、実測なのは処理時間・自動化率・失敗件数のみ - 米国普及率18%/40.7%/78%: FEDS Notes（BTOS 2025年12月・RPS 2025年11月・SBU 2025年11月）。査読論文ではなく著者個人の見解である旨の免責付き。米国の調査で、数値の直接適用はできません - 導入月0.003→24か月0.452: Rampとリベリオ・ラボの分析（米国企業21,559社、2021年1月〜2026年2月）。提供事業者自身による査読前のワーキングペーパーで、有意な雇用増は情報通信セクターのみです - タスク16.7%短縮・業務時間減25.4%・再投下61.2%: パーソル総合研究所の調査（正規雇用者n=3,000、2025年10月24〜28日）。自己申告のネットモニター調査で、中小企業固有の数値としては使えません
