「AIの導入、PoCまでは順調でした。でも経営会議で『で、結局どれだけ効果が出たの？』と聞かれて、言葉に詰まってしまったんです」——AIプロジェクトの旗振り役を任された方から、こうした声をよく聞きます。利用率やアクセス数といった数字は出せても、それが経営層の知りたい「効果」とかみ合わず、本番移行の予算稟議で説得力を欠いてしまう。これは決して珍しい失敗ではありません。
つまずきの正体は、KPI設定の難しさにあります。AIプロジェクトは、従来のシステム導入と比べて効果が見えづらい性質を持っています。効果が出るまでに時間がかかり（遅効性）、効果が間接的で、しかも複数の業務に分散します。そのため「何をKPIにすれば、本当の効果を示せるのか」が直感的には分かりません。社内にAIプロジェクトの管理経験者がいなければ、なおさら手探りになります。
ですが、AIプロジェクトのKPI設定には再現可能な「型」があります。KGI（事業ゴール）から逆算して指標を3層に分解し、PoC・本番・定着というフェーズごとにKPIを乗り換え、形骸化を防ぐいくつかの原則を押さえる——この手順を踏めば、「利用率○%」止まりの報告から脱却し、継続予算を勝ち取る根拠を自分の手で組み立てられます。
本記事では、AIプロジェクトのKPI設定を「3層のKPIツリー」「3フェーズでの乗り換え」「形骸化を防ぐ4原則」「業務タイプ別テンプレート」の4つの軸で解説します。読み終えるころには、自社のプロジェクトに合わせたKPIツリーを自力で描き、経営層に効果を数字で説明できる状態を目指します。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
AIプロジェクトのKPI設定でつまずく「本当の理由」
AIプロジェクトのKPI設定がうまくいかないのは、担当者の能力の問題ではありません。AIという技術そのものが持つ、効果の見えにくさが原因です。まずはなぜ難しいのかを言語化し、KPI設定を「効果測定の道具」から「投資判断の材料づくり」へと捉え直すところから始めましょう。
なぜAIプロジェクトはKPIが決めづらいのか
AIプロジェクトの効果がKPIに落とし込みにくいのには、大きく3つの理由があります。
- 効果が遅効的である: AIツールを導入しても、現場が使いこなして成果が出るまでには時間がかかります。導入初月の利用率は伸び悩むのが普通で、半年程度かけて定着していくケースが多くあります。短期で効果を測ろうとすると「まだ効果が出ていない」という結論になりがちです。
- 効果が間接的である: たとえば社内ナレッジ検索AIを導入しても、それが直接売上を生むわけではありません。「調べ物にかかる時間が減る」→「本来の業務に充てる時間が増える」→「成果が出る」という間接的な経路をたどります。効果と事業成果の距離が遠いため、因果がつかみにくいのです。
- 効果が分散する: 1つのAIツールが複数の部署・複数の業務にまたがって少しずつ効果を生むことが多く、「どこにどれだけ効いたか」を一点に集約しにくい性質があります。
この3つが重なるため、「売上が○円増えました」のような分かりやすい数字を最初から示すのが難しいのです。
「利用率○%」だけでは予算が切られる——形骸化KPIの正体
困ったときに最も置きやすいのが「利用率」です。月間アクティブユーザー数を対象ユーザー数で割った利用定着率は、AIプロジェクトの代表的な指標で、測りやすく、現場の定着度を見るうえでは有用です。導入直後は伸び悩み、数か月かけて徐々に高めていくのが一般的な目安となります。
ですが、利用率だけをKPIに据えると危険です。経営層が知りたいのは「使われているか」ではなく「事業にとって得になっているか」だからです。「利用率は70%です」と報告しても、「で、それで何が良くなったの？」という問いには答えられません。利用率は行動の量を表す指標であって、成果を表す指標ではない——ここを取り違えると、どれだけ数字が良くても予算は切られてしまいます。これがKPIの「形骸化」の正体です。
実際、効果測定のためのデータ入力や報告作業が現場の負担になり、「形骸化したシートを毎月適当に埋める」だけの状態に陥るケースも頻繁に見られます（株式会社renue）。測ること自体が目的化すると、KPIは意思決定の役に立たなくなります。
KPI設定は「効果測定」ではなく「投資判断の材料づくり」と捉え直す
ここで発想を切り替えましょう。AIプロジェクトのKPI設定の目的は、過去を採点する「効果測定」ではなく、未来を決める「投資判断の材料づくり」です。経営層がKPIを見て知りたいのは、ただ一点——「このプロジェクトに、来期も予算を出すべきか」です。
この視点に立つと、置くべきKPIの基準が明確になります。「経営層が継続判断を下すために必要な数字は何か」を起点にKPIを選ぶのです。利用率はその判断材料の一部にはなりますが、それだけでは足りません。「業務がどれだけ楽になったか」「品質がどう変わったか」「最終的に事業にどう貢献するか」までをつなげて示す必要があります。
なお、KPI起因以外のAIプロジェクトの失敗（要件のずれ、データ品質、現場の巻き込み不足など）も継続を左右する重要な要素ですが、本記事ではKPI設計に焦点を絞ります。次章からは、この「投資判断の材料」をどう組み立てるかを具体的に見ていきます。
AIプロジェクトKPIの全体像——KGI・KPI・計測指標の3層で考える
「何をKPIにすればいいか分からない」という悩みは、いきなりKPIを探そうとするから起きます。KPIは単独で決めるものではなく、事業ゴールから逆算して導き出すものです。ここでは、AIプロジェクトのKPIを「KGI→KPI→計測指標」の3層で整理する考え方を紹介します。この型を一度押さえれば、どんなAIプロジェクトでも自力でKPIツリーを組み立てられるようになります。
KGI・KPI・KSF・計測指標の違いをAIプロジェクト文脈で整理
混同しやすい用語を、AIプロジェクトの文脈で整理しておきます。
用語 | 意味 | AIプロジェクトでの例 |
|---|---|---|
KGI（重要目標達成指標） | プロジェクトが最終的に目指す事業ゴール | 問い合わせ対応コストを年間20%削減する |
KSF（重要成功要因） | KGI達成のために必要な条件 | AIが一次回答を正確に返せること／現場が使い続けること |
KPI（重要業績評価指標） | KGI達成度を測る中間指標 | AIによる一次回答完結率、対応1件あたりの平均処理時間 |
計測指標 | KPIを支える、日々測る具体的な数字 | AI回答件数、人手エスカレーション件数、回答精度 |
ポイントは、KGIが「事業の言葉」で語られるのに対し、計測指標は「現場で毎日測れる数字」だという点です。この2つの間をKPIがつなぎます。経営層にはKGI、現場には計測指標、その橋渡しがKPI——という役割分担を意識すると、報告の相手に応じて使い分けられます。
経営層・業務・システムの3層に指標を分けて漏れを防ぐ
もう一つ有用な切り口が、指標を「誰が見るか」で3層に分ける整理です。立場ごとに知りたいことが違うため、層を分けておくと指標の漏れを防げます。
- 経営層レイヤー（事業インパクト）: ROI、コスト削減額、売上貢献など。継続投資の判断に使う。
- 業務レイヤー（業務インパクト）: 処理時間の削減、処理件数、エラー率・品質。現場の改善度を見る。
- システムレイヤー（技術指標）: AIの応答精度、処理速度、稼働率。AIそのものの実力を見る。
実際、稟議で主に問われるのはROI、現場の定着を左右するのはKPI、監査や法務が見るのはリスク統制、というように見る人によって関心が分かれます（AINOW）。3層に分けておけば、「経営層向けの数字しかなくて現場の改善が説明できない」「技術指標は揃っているが事業貢献が語れない」といった偏りを避けられます。
KGIから逆算するKPIツリーの作り方（問い合わせ対応AIの具体例）
それでは、KGIから逆算してKPIツリーを描いてみましょう。例として「カスタマーサポートに問い合わせ対応AIを導入する」プロジェクトを取り上げます。
ステップ1: KGI（事業ゴール）を1つ定める 例: 問い合わせ対応にかかる年間人件費を20%削減する
ステップ2: KGI達成に必要なKSF（成功要因）を洗い出す - AIが一次回答を正確に返し、人手対応の件数を減らせること - オペレーターと顧客がAIの回答を信頼して使い続けること
ステップ3: 各KSFを測るKPIに落とす - AIによる一次回答完結率（人手を介さず解決した割合） - 対応1件あたりの平均処理時間 - AI回答に対する顧客満足度・エスカレーション率
ステップ4: 各KPIを支える計測指標を決める - 一次回答完結率 ← AI回答件数 ÷ 全問い合わせ件数 - 平均処理時間 ← 対応開始から解決までの時間ログ - 顧客満足度 ← 回答後アンケートの肯定回答率
このように上から下へ逆算すると、「問い合わせ対応AIを入れた」という事実が、「年間人件費20%削減」という事業ゴールにどう結びつくかが一本の線でつながります。経営層には一番上のKGIとその進捗を、現場には一番下の計測指標を見せればよく、説明の筋が通ります。
フェーズで乗り換える——PoC・本番・定着の3段階KPI設計
AIプロジェクトのKPI設定で最も見落とされがちなのが、「フェーズによってKPIは変わる」という事実です。冒頭で触れた「PoCは動いたのに本番で効果を説明できない」という失敗の多くは、PoCの成功基準をそのまま本番に持ち込んでしまう、フェーズの混同が原因です。ここでは、PoC・本番移行・定着の3段階でKPIをどう乗り換えるかを設計図として示します。
PoCフェーズのKPI——精度・処理速度・実行可能性
PoC（試験導入）の目的は、効果を確定させることではなく「このAIは、そもそも使い物になるのか」を見極めることです。したがってKPIも技術的な実現可能性に寄せます。
- 応答精度: AIの回答・判定がどれだけ正確か（正解率や、見逃し・誤検知のバランスを見る指標など）
- 処理速度: 実務で許容できる速さで応答できるか
- 実行可能性: 自社のデータ・環境で安定して動くか
ここで重要なのは、PoC段階でROI（投資対効果）を確定させようとしないことです。PoCの時点でROIを出すのは現実的ではなく、ROIは本番フェーズで成立させるもの——PoCでは「続けるべきか、止めるべきか」を判断できる指標があれば十分です（システムサポート 中平コラム）。応答精度などの技術指標の意味や、正解率・適合率といった評価指標の詳しい読み方、PoC自体の進め方は専門的なテーマになるため、本記事ではKPIとして「何を見るか」に絞って扱います。
本番移行フェーズのKPI——業務単位での処理時間・件数・品質
PoCをクリアして本番に移行したら、KPIの主眼は技術指標から「業務インパクト」へ移ります。AIが正確に動くことはPoCで確認済みなので、ここからは「実際の業務がどれだけ良くなったか」を測ります。
- 処理時間の削減: 対象業務1件あたりの所要時間が、導入前と比べてどれだけ減ったか
- 処理件数・カバー率: AIが処理した件数、対象業務全体に占める割合
- 品質・エラー率: AIを使った業務のアウトプット品質、手戻りやミスの発生率
ここでのコツは、必ず「業務単位」で測ることです（これはのちほど形骸化を防ぐ設計原則としても詳しく取り上げます）。「AIツールが○回使われた」ではなく「議事録作成業務が1件あたり○分短縮された」というように、業務の改善として表現すると、経営層に伝わる数字になります。
定着フェーズのKPI——ROI・継続活用率・横展開
業務に組み込まれて運用が安定したら、いよいよ事業インパクトを問うフェーズです。ここでKPIは経営層レイヤーに引き上がります。
- ROI・コスト削減額: 削減できた工数・コストを金額換算し、投資額と比較する
- 継続活用率: 一時的なブームで終わらず、使われ続けているか
- 横展開の広がり: 最初の部署での成功を、他部署・他業務にどれだけ展開できたか
実際、PoC段階では技術的な評価軸が、定着フェーズでは業務成果が、全社展開では活用の広がりがKPIの主眼になります（AI経営総合研究所）。ROIの具体的な計算式や費用対効果の金額換算は別途まとまった解説が必要なテーマのため、本記事ではROIを「定着フェーズのKGI／KPIとしてどう位置づけるか」までを扱います。
フェーズ移行の判断ライン（次フェーズに進める／止めるの基準）
3フェーズでKPIを乗り換える設計の実用性は、「次のフェーズに進めてよいか」を判断するゲートを設けてこそ発揮されます。各フェーズの終わりに、あらかじめ決めた基準で判断します。
フェーズ移行 | 進める判断の例 | 止める／見直す判断の例 |
|---|---|---|
PoC → 本番 | 目標精度をクリアし、業務に組み込めば効果が見込める | 精度が目標に届かない、運用負荷が効果を上回る |
本番 → 定着 | 業務時間・品質の改善が継続して確認できる | 利用が一部に偏り、業務インパクトが出ていない |
定着 → 横展開 | ROIがプラスで、他業務にも応用余地がある | コスト割れ、または特定業務に依存しすぎている |
大切なのは、この基準を「移行前に」決めておくことです。報告の段になってから「どこまで行けば成功なのか」を考え始めると、都合の良い数字で取り繕う形骸化が始まります。基準を先に決めておけば、未達でも「なぜ未達か・どう改善するか」を建設的に議論でき、それ自体が経営層の信頼につながります。
形骸化させない——AIプロジェクトKPI設計の4原則
ここまでで「KGIから逆算する3層ツリー」と「フェーズで乗り換える設計」を見てきました。最後の仕上げが、KPIを「やってる感」で終わらせないための設計原則です。現場で陥りがちな失敗を先回りして潰す、4つの原則を紹介します。それぞれアンチパターン（よくある失敗）と改善例をセットで示します。
原則1 ツール単位でなく「業務単位」でKPIを置く
アンチパターン: 「生成AIの月間利用回数」「AIチャットへのアクセス数」をKPIにする。 問題点: ツールがどれだけ触られたかは分かっても、業務が改善したかは分かりません。利用回数が増えても、それが残業削減や品質向上につながっている保証はないのです。
改善例: 「提案書作成業務の1件あたり所要時間」「議事録作成にかかる時間」のように、業務プロセスを単位にKPIを置きます。AIはあくまで業務を改善する手段であり、KPIは目的（業務の改善）を測るべきです。業務単位にすると「どの業務にどれだけ効いたか」が明確になり、効果の薄い使い方を見直す判断もできます。
原則2 利用率（行動KPI）と成果（成果KPI）をペアで設計する
アンチパターン: 利用率だけをKPIにする（=行動KPIのみ）。 問題点: 利用率は「使っているか」という行動の量を表す先行指標です。先行指標だけでは、行動が成果に結びついているかが分かりません。逆に、成果KPIだけだと「なぜ成果が出ない／出たのか」の原因がつかめません。
改善例: 行動KPI（利用率・利用頻度）と成果KPI（処理時間削減・品質向上・コスト削減）を必ずペアで設計します。「利用率は上がっているのに成果が出ていない」なら使い方に問題があり、「利用率が低いのに局所的に成果が出ている」なら横展開の余地がある——というように、2つを並べて見ることで打ち手が見えてきます。先行指標（行動）と遅行指標（成果）の両方を持つことが、形骸化を防ぐ要です。
原則3 導入前ベースラインを取らないとKPIは意味を失う
アンチパターン: AIを導入してから効果測定を始める。 問題点: 「処理時間が30分になりました」と報告しても、導入前が何分だったか分からなければ、改善したのかどうか判断できません。比較対象がない数字は、効果の証明になりません。
改善例: AIを導入する前に、必ず「現状（ベースライン）」を記録します。導入前の処理時間、件数、エラー率、コストなどを測っておけば、導入後との差分が「効果」として明確に示せます。これは4原則の中でも特に見落とされがちで、かつ後から取り返しがつかないポイントです。プロジェクトに着手したら、本格導入の前に真っ先にベースラインを取ってください。
原則4 「誰が・いつ・どう測るか」の運用を最初に決める
アンチパターン: KPIは決めたが、測定は現場の手作業に丸投げする。 問題点: 効果測定のためのデータ入力が現場の負担になると、報告がだんだん雑になり、やがて「シートを適当に埋めるだけ」の形骸化に陥ります。測定の仕組みがないKPIは、絵に描いた餅です。
改善例: KPIを決めると同時に、「誰が・いつ・どう測るか」の運用をセットで設計します。可能な限り測定を自動化し（ツールのログから自動集計するなど）、現場の負担を最小限にすることが、継続的な測定を成立させる鍵です（株式会社renue）。手作業が避けられない指標は、測定頻度を月次に絞るなど、無理なく続けられる設計にしましょう。
そのまま使えるKPI設定テンプレート——業務タイプ別の指標例
ここまでの考え方を、自社のプロジェクトにすぐ当てはめられるよう、代表的な業務タイプ別のKPI候補を一覧にまとめました。自社の業務に近いタイプを起点に、KPIツリーを描く際のたたき台として使ってください。
業務タイプ別KPI早見表
各タイプについて、PoCフェーズで見る指標、本番フェーズで見る指標、形骸化しやすい注意点を併記しています。
業務タイプ | PoCフェーズの主なKPI | 本番フェーズの主なKPI | 形骸化リスク（注意点） |
|---|---|---|---|
問い合わせ・カスタマー対応AI | 一次回答の精度、応答速度 | 一次回答完結率、対応1件あたり処理時間、顧客満足度 | 「AI回答件数」だけ追うと、解決したかが見えない |
文書作成・要約（議事録・提案書） | 出力品質（人手修正の少なさ）、生成速度 | 1件あたり作成時間の削減、作成件数、手戻り率 | 「利用回数」では品質・時間短縮が分からない |
AI-OCR・データ入力 | 読み取り精度、処理速度 | 入力時間の削減、処理件数、エラー率 | 精度だけ見て、人手確認の工数増を見落とす |
需要予測・分析 | 予測精度、計算速度 | 予測に基づく意思決定の改善（在庫・欠品率など） | 予測精度ばかり追い、業務成果に結びつけない |
社内ナレッジ検索 | 検索結果の的中率、応答速度 | 調べ物にかかる時間の削減、利用継続率 | 「検索回数」では業務時間の改善が測れない |
この表に共通するのは、PoCでは技術指標（精度・速度）、本番では業務指標（時間・件数・品質）へと主眼が移ること、そして「回数・件数」だけでは効果を語れないという注意点です。前章までの3層ツリー・3フェーズ・4原則が、すべてここに凝縮されています。
自社の業務に合わせてテンプレを調整する手順
早見表はあくまで出発点です。自社のプロジェクトに合わせて、次の手順で調整してください。
- 自社の業務タイプを特定する: 早見表の中から、最も近い業務タイプを1つ選びます。複数にまたがる場合は主たる業務を起点にします。
- KGIを自社の言葉に置き換える: その業務でAIによって最終的に達成したい事業ゴール（コスト削減・売上貢献・品質向上など）を1つ決めます。
- 早見表のKPIをKGIから逆算して取捨選択する: 早見表のKPIをそのまま使うのではなく、自社のKGIにつながるものだけを選び、足りなければ追加します。
- 行動KPIと成果KPIがペアになっているか確認する（先述の原則2）。
- 導入前のベースラインを測れるKPIか確認する（先述の原則3）。測れないKPIは、測れる代替指標に置き換えます。
- 測定の運用（誰が・いつ・どう）を各KPIに紐づける（先述の原則4）。
この手順を踏めば、汎用テンプレートが「自社のKPIツリー」に変わります。最初から完璧を目指す必要はありません。運用しながらフェーズごとに見直していくものだと考えてください。
KPI設定をAIプロジェクト成功につなげるためのよくある質問
最後に、KPI設定の実務でよく出てくる疑問をまとめます。設定後に必ず迷うポイントを先回りして解消しておきましょう。
Q. KPIはいくつ設定すべきですか？
各フェーズで3〜5個程度が目安です。多すぎると現場の測定負担が増えて形骸化を招き、少なすぎると効果を多面的に説明できません。「行動KPIと成果KPIのペア」を軸に、経営層・業務・システムの3層から漏れなく、かつ絞り込んで選ぶのがコツです。
Q. 生成AIは効果が定性的に感じられますが、どうKPIにすればよいですか？
「定性的に見える効果」も、間接的な計測指標に分解すれば定量化できます。たとえば「文章作成が楽になった」という感覚は、「1件あたりの作成時間」「人手修正の回数」「作成件数」に分解できます。「楽になった」を直接測ろうとせず、その手前にある測れる行動・成果に置き換えるのがポイントです。
Q. KGIとKPIの違いが分かりません。
KGIはプロジェクトが最終的に目指す事業ゴール（例: 問い合わせ対応コストを年20%削減）、KPIはその達成度を測る中間指標（例: 一次回答完結率、平均処理時間）です。KGIは「ゴール」、KPIは「ゴールに近づいているかを測る道しるべ」と考えると整理しやすくなります。
Q. KPIが未達のとき、プロジェクトは継続すべきですか、中止すべきですか？
未達という結果だけで機械的に判断せず、「なぜ未達か」を切り分けます。利用率（行動KPI）が低いなら定着の打ち手で改善余地があり、利用率は高いのに成果KPIが伴わないなら使い方や対象業務の見直しが必要です。フェーズ移行の判断ラインを事前に決めておけば、この切り分けと意思決定がスムーズになります。
Q. 効果測定とROI算出はどう違いますか？
効果測定はKPI全般（時間削減・品質・利用率など）を継続的にモニタリングすることを指し、ROI算出はそのうち「投じたコストに対してどれだけのリターンがあったか」を金額で評価することを指します。ROIは効果測定の一部であり、主に定着フェーズで事業インパクトを経営層に示すために用います。
KPI設計はAIプロジェクトの「継続を勝ち取る設計図」
AIプロジェクトのKPI設定は、過去を採点する効果測定ではなく、未来の投資判断を支える「継続を勝ち取る設計図」です。本記事で解説した4つの軸を、最後に振り返ります。
- 3層のKPIツリー: KGI（事業ゴール）→KPI（中間指標）→計測指標（日々測る数字）を、KGIから逆算して一本の線でつなぐ。経営層・業務・システムの3層に分けて漏れを防ぐ。
- 3フェーズでの乗り換え: PoC（技術指標）→本番（業務インパクト）→定着（事業インパクト・ROI）と、フェーズごとにKPIを乗り換える。移行の判断ラインは事前に決める。
- 形骸化を防ぐ4原則: ①業務単位で置く、②行動KPIと成果KPIをペアにする、③導入前ベースラインを取る、④測定の運用を最初に決める。
- 業務タイプ別テンプレート: 自社の業務に近いタイプを起点に、KGIから逆算して取捨選択する。
明日からの第一歩としておすすめするのは、たった2つです。まず、AIを導入する業務の「導入前ベースライン」を記録すること（原則3）。そして、自社のKGIから1本だけKPIツリーを引いてみること。この2つができれば、次の経営会議で「利用率○%」止まりではなく、「この業務がこれだけ改善し、事業にこう貢献している」と、数字で語れる土台が整います。KPI設計は一度決めたら終わりではなく、フェーズごとに育てていくものです。完璧を目指さず、まず1本のツリーから始めてみてください。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
