C200メンバー、ファラー・ラカニ
業界を問わずCFOや取締役会は、AIについて正しい問いを投げかけている。投資対効果（ROI）はどこにあるのか。問い自体は正しい。だが多くの組織は、実際の事業インパクトを反映しない方法で測定している。
エンタープライズにおけるAI投資は急速に加速しており、その投資を正当化するよう求める圧力も同じ速さで高まっている。にもかかわらず、最近の調査では、AI施策から明確で測定可能なインパクトが出ていると報告したCFOは14%にとどまる。750人近い経営幹部を対象にしたデューク大学の研究は、研究者が「生産性のパラドックス」と呼ぶ状況を示している。企業はAIによって意味のある成果を得たと報告するが、その主張を売上高や雇用データに照らして検証すると、現実世界でのインパクトは主要な業界すべてにおいて大幅に小さい。
このギャップには明快な説明がある。AIが機能していないのではない。多くの組織が、誤ったタイミングで誤ったものを測り、価値が生まれる仕組みと整合しない期待を当てはめているのだ。
AIの「生産性」ではなく「成果」を測れ
私が最もよく目にする誤りは、時間短縮をAI成功の主要指標として扱うことだ。削減できた工数、自動化したタスク、短縮したサイクルタイムは、取締役会向けのアップデートで最も収集しやすく提示しやすいデータである。同時に、それらは実際の事業インパクトを最も反映しにくい。
時間短縮は価値創出と同義ではない。たとえば経理・財務チームが月次決算を速めるためにAIを導入したとする。10日かかっていたプロセスが6日に短縮されても、浮いた時間が会議やメールに吸収されてしまえば、損益計算書（P&L）には何も変化がない。生産性の向上は本物である。だが事業インパクトは生まれていない。同じ構図は、AIツールがパイプラインのシグナルを示しても営業が受け取るだけで行動しない収益オペレーションでも、契約分析ツールがコスト削減の機会を見つけても実行のオーナーが不在で回収されない調達でも起きている。
実際にリターンを生み出す組織は、AIが「何をするか」を測っているのではない。AIが「何を可能にするか」を測っている。私が大規模なグローバル営業組織でAIによる予測ツールの展開を主導したとき、アナリストが手作業のモデル構築から何時間解放されたかで成功を測ることはしなかった。予測精度、予測値と実際の四半期売上高の乖離、その後の資本配分への影響、そしてその結果として経営がより良い意思決定を行えたかに焦点を当てた。
価値は意思決定の質が改善したことから生まれた。これらの指標は事前に定義するのが難しく、導入前のベースラインが必要で、効果が現れるまでに時間もかかる。多くのプログラムはこれらのステップの1つ以上を省略するため、生産性指標は強く見えてもP&Lへのインパクトは限定的なままとなる。
ポートフォリオの問題
ガートナーは今年初めのFinance Symposiumでこの点を明確に指摘した。CFOは、AI投資を根本的に異なる賭けのポートフォリオではなく、単一のROI問題として扱うことで見誤っている。カスタマーサービスの問い合わせ量を減らすツールと、営業リーダーがパイプラインを読み取る方法を改善するモデルでは、経済性のプロファイルが大きく異なる。さらに、エンドツーエンドのワークフローを再設計するエージェント型システムは、また別の性質を持つ。この3つを同一のROIフレームワーク、回収期間の期待、費用対効果のロジックに無理やり通すと、しばしば誤解を招く結論になる。
実務上、大企業の中で適切に順序立てられたAIポートフォリオは、概ね次の3つの投資カテゴリーで構成される傾向がある。
1つ目は短期間の生産性ツールである。AI支援のドラフト作成、自動データ入力、会議要約、契約レビューなど。これらは数週間で導入・活用が測定可能になり、効率改善も示しやすい。展開コストも比較的低い。組織の自信を醸成し、継続投資に向けた初期の実証をつくる。
2つ目はプロセス改善である。中核ワークフローの動き方そのものを変えるためのツールだ。たとえば財務におけるAIによる収益漏れ検知、商業オペレーションにおける動的価格モデル、照合のギャップを拡大する前に先回りして特定・解消するインテリジェントな請求プラットフォームなどが該当する。これらは行動が変わり、財務インパクトとして表れるまでに通常6〜12カ月を要する。
あるケースでは、私が関わった財務チームが、数千の顧客アカウントを対象に請求の不一致や契約遵守のギャップを特定するAIモデルを導入した。モデルは数週間で問題を特定したが、その発見を売上につなげるには、エスカレーションと回収のワークフロー再設計、財務と営業の整合、そしてインパクトがP&Lに届くまで数カ月に及ぶ変革マネジメントが必要だった。ツールは初日から機能した。だが成果を得るには、その周辺のすべてが変わる必要があった。
3つ目は変革である。AI駆動の分析によって、これまで速度や規模の面で不可能だったかたちで、事業がパフォーマンスを診断し、資源を配分し、市場に参入する方法を再設計する。こうした取り組みが四半期売上に表れることは稀である。より後になって、計画策定の意思決定の質や、市場変化への対応スピードとして現れる。
3つのカテゴリーすべてを同じ四半期ROI基準で測れば、リターンを生む前に3つのうち2つが打ち切られる。AIをポートフォリオとして扱うことは、時間はかかるが最終的に最も重要となる施策への投資を、リーダーシップが継続する助けとなる。
取締役会が本当に問うべきこと
取締役会レベルのAIに関する議論は、たいてい2つの失敗パターンのどちらかに陥る。取締役会が、事業インパクトを深掘りせずに、導入率や利用統計といった指標だらけの説明を受け入れてしまうか。あるいは、単一四半期で測定可能なインパクトを生むように設計されていない施策に対し、即時のP&L証明を求めてしまうかである。
有用な情報を生む問いは異なる。AI施策に資金が付く前に、取締役会は「どの事業指標を動かす想定なのか」「現状のベースラインは何か」「その成果に誰が責任を負うのか」を理解すべきである。どのチームがツールを保有するかではない。それが成果を出すかどうかが、どのリーダーの業績評価に結びつくのか、である。
導入中は、最終的なインパクトを予測する先行指標を、遅行指標と併せてレビューすべきだ。収益漏れプログラムであれば、特定された不一致の件数や、四半期の締め前に解消された割合などが該当する。こうした指標は、報告売上に影響が現れるよりもずっと前に確認できる。予測ツールであれば、営業リーダーがモデルをどれほどの頻度で上書きするか、そしてその上書きが精度を高めるのか低めるのか、といった点が挙げられる。これらのシグナルは、最終結果が見えるはるか前に、プログラムが順調かどうかを示す。
取締役会はまた、導入後ではなく導入前に、測定インフラを整える責任を経営陣に負わせる必要がある。成功が当初から明確に定義されていなければ、ROIを評価することはできない。これは単純に聞こえるが、恒常的に見落とされている。
適切なタイムライン
CFO、取締役会、そしてより広い経営陣は、「今年のリターン」を問うのをやめ、今日の投資が時間とともにどのように価値へ転換されるのかに焦点を移す必要がある。ほとんどの企業は、AIから意味のあるROIを得るまでに2〜4年を要する。多くのテクノロジー投資に期待される7〜12カ月よりも大幅に長い。
だからといって、低速な成果を受け入れたり、説明責任を免除したりすべきだという意味ではない。今すぐ改善をもたらすべきもの、次の1年でインパクトに向けて積み上げるもの、長期的な優位性を生み出すものを区別する測定フレームワークを構築しなければならない。各カテゴリーには、それぞれ固有の成功指標と、取締役会レベルの固有の議論が必要である。
今後3年で抜きん出る企業は、必ずしもAIに最も多く支出する企業ではない。資本投資としてAIを測定し、明確なベースライン、成果ベースの指標、ユースケースごとに差別化されたタイムライン、そして取締役会が証拠を求めてから後付けするのではなく初日から組み込まれた説明責任を備える企業である。
C200メンバーのファラー・ラカニは、グローバルなテクノロジーおよび金融サービス企業において、AIを活用した変革を20年以上にわたり牽引してきたCスイートの成長・戦略エグゼクティブである。ファラーは、テクノロジーリーダーシップ、企業構築の経験、そして深い財務規律という稀有な組み合わせを備える。現在はUberでStrategy, Planning & Operationsのマネージング・ディレクターを務め、B2B領域の全社的な収益戦略を統括する。以前はAmazon Web ServicesでSales Strategy & Operationsのグローバル責任者を務めた。さらにキャリア初期にはJ.P. Morganで10年間、金融サービスの投資銀行業務に従事し、M&A、資本戦略、企業成長についてCEOや取締役会の信頼できるアドバイザーを務めた。
