業務フローの作り方と、AI導入のROIの出し方 〜AX推進入門 第5回〜

AIを入れた効果は、作る前にどこまで見積もれるのか

「この業務にAIを入れたら、どれくらい効果があるのか」と経営会議で聞かれて、推進担当が答えに詰まる場面は少なくありません。ベンダー（開発・導入を請け負う外部の会社）の資料に「工数（作業にかかる人の時間）を50%削減」と書いてあることがあります。しかし、それが自社の業務で成り立つかは、その数字だけでは確かめられません。

この記事は、AX推進入門シリーズ（全10回）の第5回です。シリーズの一覧はこちら。

AX（AIトランスフォーメーション）は、AIを前提に業務や組織を変えることです。その効果を示すROI（投資に対してどれだけ効果が返るかを示す、投資対効果）は、「なんとなく効果がありそう」では出せません。業務フロー図とデータの整理をきちんとやれば、ROIは一定の精度で出せます。

第3回（AI導入の進め方：7つのステップと、人とAIの分担）で見た段階でいえば、ROIは要求定義と要件定義（業務要件まで）がそろえば出せます。要求定義は、今の業務と課題から、AIで何を実現したいかを決めることです。要件定義は、それを満たすために業務とシステムが何を満たすべきかを確定させることです。要件定義は業務要件とシステム要件に分かれ、業務要件で業務としてのTo-Be（求める業務の姿）を決めます。システム要件は、AIのシステムが満たすべきことです。業務要件までで業務とデータを整理できていれば、作ってみなくても効果を見積もれます。

なかでも重いのは、データの持ち方（どのデータを、どのシステムに、どんな形で保存しているか）です。これを事前に整理しておかないと、作り始めてから工数が大きく変わり、トラブルになります。

この記事では、どの業務から始めるか、業務フロー図の描き方、データの整理、時間の積み上げ方、AIの利用料、時間に直せない効果の扱いを順に見ます。例には、社員が出した経費の申請を経理部がチェックする業務を使います。会社も数字もすべて架空です。

どの業務から始めるかは、4つの物差しで選ぶ

候補の業務は、第2回（AX推進の体制づくりと、推進担当が着任して最初にやること）で見たように、中期経営計画の目標につながるかで挙げます。その中から、次の4つの物差しで最初の業務を選びます。

量は、効果の大きさを決めます。件数が少ない業務は、うまくいっても浮く時間が小さくなります。判断基準が明文化されていない業務では、担当者の頭の中にある基準を言葉にする作業が、AIに任せる前に必要になります。データがそろっていない業務では、データの欠けがそのまま例外（決まった手順どおりに処理できないケース）になります。

4つのうち最も重視するのは、4つ目の「システムやデータの持ち方を変える必要があるか」です。持ち方を変える必要がある業務は、AIの候補としては後回しにし、持ち方の見直しを別の課題として先に扱います。既存のシステムを変えるのはコストが大きく、AIを入れるかどうかとは別に判断が要るからです。

たとえば、同じ経理部の候補に、取引先から届く請求書の処理があったとします。量は多く、判断の基準も決まっていても、取引先ごとの支払い条件が担当者の手元の表計算ファイルにしか無ければ、AIの前にその置き場所と形を決め直す必要があります。この会社は請求書の処理を後に回し、今のシステムとデータのままで大半が動く経費精算のチェックを最初の題材に選びました。

候補を比べるときは、聞き取りの結果を、業務ごとに1列ずつの表にまとめます。行には、作業の工程、作業の量（1回の時間 × 月の回数 × 人数）、使うツール、受け取るものと作って渡すものを並べます。入力に使うデータの置き場所、判断のルールがどこまで文書になっているか、例外の頻度、外部に漏らせない情報を含むかも、同じ表に並べます。

業務フロー図は、人をステークホルダーごとに分けて描く

業務フロー図は、まずAs-Is（今の業務の姿）から描きます。図に登場するのはシステムと人です。人は「人」とひとくくりにせず、「経理部の経費担当」「申請する社員」のように、業務に関わるステークホルダー（部署や立場の違う関係者）ごとに分けます。

描くのは、関係者やシステムの間で情報・書類・成果物がどう受け渡され、どこにどう記録されるかです。形としては、関係者ごとに帯（レーン）を分け、作業の箱をその人の帯に置く「スイムレーン」がよく使われます。誰が何をして、次に誰へ渡すかが帯をまたぐ動きとして見えます。

この会社のAs-Isでは、社員が経費精算システムに経費を入力して領収書の画像を付け、上長が承認します。そのあと経理部の経費担当が、領収書と入力を1件ずつ突き合わせ、規程の上限額や勘定科目と照らします。不備があればメールで問い合わせ、社員が直して出し直します。最後に経理担当が、会計システムに費用として計上（帳簿に記録）します。

To-Beも、同じ形で描きます。To-Beでは、AIのシステムが加わるので、AIが受け持つ処理をAIのレーンに書き込みます。As-Isと同じレーンと段階で描くと、変わる所と変わらない所が並べて見えます。この例で変わるのは③内容の確認と④差し戻しだけで、①申請・②承認・⑤計上はAs-Isと同じです。

人の確認も図に入れます。AIの処理の途中で人が確認や判断をすることを、ヒューマン・イン・ザ・ループと呼びます。情報がAIから人へ渡り、また戻ってくるので、受け渡しを描く業務フロー図に現れます。この例では、AIが「要確認」とした申請が経理担当に回り、経理担当の判断がシステムに戻ります。

一方で、AIのシステムの内部でどう処理するかは描きません。領収書をどう読み取るか、規程をどう照らすかは、どう作るかを決める設計の段階で扱います。業務フロー図に内部の処理まで描くと、業務として何が変わるかが見えにくくなります。

この図は、推進担当が自分で描けます。現場に聞いた内容をAIに渡せば、図のたたき台はAIが作れます。ベンダーが描いた図を読むときは、人がステークホルダーごとに分かれているか、記録先が書かれているか、人の確認の行き来が描かれているかを確かめます。

As-IsとTo-Beを描いたら、作業ごとに「なくなる／減る／変わらない／増える」を表にしておきます。To-Beで増える作業も正直に書きます。この例では、AIの判定を定期的に点検する作業が経理部に増えます。

データは、どこに、どんな形で入っているかを先に調べる

業務の整理でいちばんの曲者（思わぬところで手間を増やすもの）は、データです。第4回（要求定義と要件定義の違い：AI導入で何を作るかの決め方）で見たとおり、例外の出どころはデータ・AIの精度・業務プロセスの3つで、データはその1つです。

業務整理の段階で、次の3つを調べます。

• どのデータが、どのシステムに、どんな形で保存されているか
• 欠けや揺れ（同じものの書き方が人によって違うこと）がどれくらいあるか
• データの持ち方を変える必要があるか

これを後回しにして、作り始めてから「データの持ち方を変えないと動かない」と分かると、工数が大幅に変わります。ベンダーに頼んでいれば、見積もりのやり直しなどのトラブルになります。

調べるときは、いまの書類や画面の欄ごとに、どのシステムのどの項目から取れるかを一覧にします。取れない欄は色で分けておくと、どこに手当てが要るかが一目で分かります。

欄ごとの一覧ができたら、項目ごとに、値が入っている割合と空の割合、空や揺れの原因の分類、対処の案を整理します。調べると、たとえば次のような事情がよく見つかります。

• どのシステムにも項目が無い
• 画像の中にしか無く、文字のデータになっていない
• 同じ番号が別の人を指している（会社ごとに振った社員番号が重なっている、など）
• 規程と運用の通知で、同じ上限額の数字が食い違っている

データの事情で、業務のルールそのものが決まることもあります。この会社の規程では、社外の人が参加した飲食は交際費、社内の人だけなら会議費です。しかし、社外の参加者がいたかを示す項目はどのシステムにもありません。そこでTo-Beでは「交際費とみなしてチェックし、会議費だった場合は申請した社員が訂正する」というルールにしました。

通勤定期の区間は、交通費が定期の区間と重なっていないかを確かめるのに使います。ところが区間は、紙の届をスキャンした画像にしかありません。使うには、人事システムに区間の項目を作って入れ直す必要があります。これは持ち方を変える話なので、別の課題として後回しにし、最初のTo-Beでは定期との重なりは人が確かめるままにしました。

整理したデータをもとに、AIの判定がどんな条件で分かれ、それぞれに月何件が当てはまるかを枝分かれの図にすると、例外の量が数字で見えます。この例で過去の申請を数えると、月1,200件のうち、領収書と入力の食い違いが約120件、上限額を超えるか近いものが約100件ありました。勘定科目の選び間違いが疑われるものも約80件あり、合わせると約300件です。後で出すROIの「AIが要確認にする割合25%」は、この数から置いています。

あわせて、例外ごとに誰が何をするか（業務要件）と、判定の条件と使うデータ（システム要件）を分けて書いた表を作ると、現場に確かめる事項が具体的になります。

社内の推進担当は、どのシステムに誰が何を入れているかを調べやすい立場にあります。現場にも情報システム部門（社内のITの管理・セキュリティを担う部署）にも直接聞けるからです。この調べを先にやっておくと、ベンダーの見積もりがぶれません。欄ごとの一覧は、自分たちで先に作るか、見積もりの前にベンダーと一緒に作ります。

ROIは、現場への聞き取りで時間を積み上げる

積み上げ方は次のとおりです。

1. 業務フロー図の箱の単位で、現場の人に「これにどのくらいかかりますか」を全部聞く
2. 箱ごとに「1回の時間 × 月の回数」で、今の時間を積み上げる
3. To-Beで人に残る作業を、箱ごとに同じやり方で見積もる
4. 差分に時間単価を掛け、12か月分にして年額にする

聞き取りの単位は、業務フロー図の箱にそろえます。業務全体を「月に何時間くらい」と聞くと、聞かれた人も勘で答えるしかありません。箱ごとに聞けば、1件あたり何分、月に何件と答えやすく、あとでTo-Beと箱ごとに比べられます。

聞くときは、ふだんの時間だけでなく、時間がかかる場合とその頻度も聞きます。経費の確認なら「ふつうは1件4分ほど、規程に当てはまるか迷うものは15分かかり、迷うものが月に100件ほどある」のような答えになります。平均すると1件5分ほどで、後で出す表ではこの5分を使います。迷う申請の頻度は例外の頻度そのものなので、To-BeでAIが要確認にする割合を仮定するときの手がかりになります。

聞いた数字は業務フロー図の箱に書き込み、聞いた相手にその場で見せて確かめておくと、後で数字の出どころを問われても説明できます。

経費精算の例で積み上げたのが次の表です。行は業務フロー図と同じ段階にそろえています。

この表の数字は、次の仮定をもとにしています。どれも架空です。

• 申請は月1,200件。そのうち10%（120件）が差し戻しになる
• 経理部の経費担当の時間単価は3,000円（人件費を含めた1時間あたりの費用）
• To-BeでAIが「要確認」にする申請は25%（300件）。経理担当はその300件を1件4分で見る
• AIが「OK」とした申請からも月60件を抜き取り、1件2分で確かめる
• 差し戻しの文案はAIが作り、経理担当の作業は1件15分から8分になる
• AIの判定の傾向を点検する作業（見落としが増えていないか、要確認の割合が変わっていないかを見る）が、月4時間増える

いちばん結果を左右するのは、AIが要確認にする割合です。この割合は、AIを作って試すまで確かな数字が分かりません。だから、仮定した割合を明示し、割合を変えた場合も並べて示します。

要確認の割合が40%まで上がっても、年に約274万円分の時間が浮く見込みです。割合がどこまで上がると効果が小さくなりすぎるかも、同じ計算で確かめられます。作ったあとに本番の実績で割合を確かめ直す話は、第6回（AIのミスはどこまで許容するか：精度の測り方とリスクの決め方）で扱います。

この業務の外にいる人の時間は、ROIの計算には入れず、参考として別に示します。この例では、申請した社員が差し戻しに対応する時間です。今は120件 × 10分で月20時間かかっています。To-BeではAIの文案で直す所がはっきりし、1件6分になれば月12時間です。差の月8時間は、表の参考の欄に書きます。

ベンダーが出してきたROIを読むときも、同じ観点で次の4つを確かめます。

• 工程ごとの時間が、現場への聞き取りにもとづいているか
• 仮定した割合が書かれているか
• To-Beで増える作業が入っているか
• 対象外の時間が、ROIの計算に混ざっていないか

AIの利用料も、ステップ × 回数 × 単価で見積もる

ROIを出すときは、AIを動かす利用料も試算します。生成AIのサービスの多くは、使った量に応じて料金がかかる従量課金です。量はトークン（AIが文章を区切って数える単位）で数え、1回の処理で読ませる文章や画像が多いほど、1回あたりの料金が上がります。

計算は「業務ステップ × 実行回数 × 1回あたりの単価」です。業務ステップは、AIのレーンに置いた処理を、AIに1回ずつ依頼する単位に分けたものです。1回あたりの単価は、ダミーデータ（実在しない、試験用に作ったデータ）で実際に動かして測ります。ダミーデータは、実際の申請に近い文章の長さや画像の枚数になるように作ります。短いものばかりで測ると、単価が本番より小さく出るためです。

ダミーデータでの実測値と、余裕を見た本番の想定値は並べて示します。ダミーデータを実際に近づけても、本番では領収書の枚数が特に多い申請や長い説明の付いた申請が来ますし、処理のやり直しも起きます。この例では、本番の想定を実測の2倍に置きました。2倍という置き方も仮定なので、表に書いておきます。

単価は、使うAIのモデル（AIの本体。種類ごとに性能と料金が違う）や料金表の改定で変わります。そのため、見積もった日付とモデルの名前も表に残しておきます。

この例では、利用料は本番の想定でも年に約24万円です。時間の効果（年約317万円）から差し引いても、約293万円が残ります。作る費用と比べた回収の見方は、第7回（AI導入の費用相場と予算の取り方、ベンダーの選び方）で扱います。

時間に直せない効果も入れる。ただし大きさは経営判断

時間に直せない効果も、ROIに入れるべきです。代表は、品質の向上と属人化の解消です。属人化とは、ある仕事が特定の人にしかできない状態を指します。

なかでも大きいのは、属人化の解消です。暗黙知（経験から身についた、言葉になっていない知識）を持つ50〜60代が次々に退職し、それが問題になっている業界は多くあります。暗黙知を形式知（文書やルールとして書き表した知識）にして会社の知識として受け継ぐことは、他社に対する強みを失わないことに直接つながります。

経費精算の例でいえば、「この種類の支出はどの科目にするか」の判断が、長く担当しているAさんの頭の中にしかない、という状態です。To-Beを作る過程で、その判断の基準がAIへの指示と判定の理由として書き出されれば、BさんやCさんも同じ基準で判断できるようになります。

難しいのは、こうした効果を直接には測りにくいことです。

属人化の解消は、「Aさんしかできなかった仕事を、Bさん・Cさん・Dさんもできる」という形なら、解消したこと自体はすぐ確かめられます。ただ、それが売上や利益にどう効くかを測るのは大変です。効き方が、業務の効率にも労働環境の改善にもまたがるからです。

品質の向上は、数字に表れるまで時間がかかります。労働環境の改善が数字に跳ね返るまでには、さらに時間がかかります。たとえば、環境が良ければ、より低い賃金でも働きたい人が増えるかもしれません。気持ちよく働けて、生産性が上がるかもしれません。どちらも起きうる効果ですが、いつ、どれだけ数字に出るかは見通せません。

それでも、時間に直せない効果は評価に入れます。ただし、どれくらいの大きさで入れるかは難しい経営判断で、会社の状況によって大きく変わります。推進担当の仕事は、測れる所まで測って、経営が判断するための材料を出すことです。この例なら、ROIの表の下に「Bさん・Cさんも科目の判断ができるようになった」のように確かめられた事実を書き、金額をいくらと置くかは経営の判断に委ねます。

推進担当が押さえる要点

• 最初の業務は4つの物差しで選び、データの持ち方を変える必要があるものは後回しにする
• 業務フロー図は人をステークホルダーごとに分け、As-IsとTo-Beを同じ形で描く。AIの内部の処理は描かない
• データの所在・欠け・揺れは業務整理の段階で調べる。後から分かると見積もりのやり直しになる
• ROIは作る前に出せる。業務フロー図の箱ごとに現場の時間を聞き、To-Beで人に残る時間との差を年額にする
• 仮定した割合を明示し、変えた場合も並べる。To-Beで増える作業とAIの利用料も入れる
• 時間に直せない効果も評価に入れ、どれくらいの大きさで入れるかは材料をそろえて経営に委ねる

まとめ：データを先に調べ、現場の時間を積み上げる

ROIは、業務フロー図とデータの整理ができていれば、作る前に一定の精度で出せます。最初の業務は4つの物差しで選び、データの持ち方を変える必要があるものは別の課題として後回しにします。業務フロー図は関係者ごとのレーンでAs-IsとTo-Beを同じ形に描き、欄ごとの取得元を調べてデータの事情を先に洗い出します。そのうえで、箱ごとに現場の時間を積み上げ、仮定を明示して年額に直し、AIの利用料を差し引きます。時間に直せない効果も評価に入れ、その大きさは経営の判断に委ねます。

ここで出したROIは、AIに任せたときのメリット側の数字です。AIは判定を誤ることもあるため、実際に任せるかどうかは、ミスが起きたときの損害と並べて決めることになります。次の第6回（AIのミスはどこまで許容するか：精度の測り方とリスクの決め方）では、AIの精度の確かめ方を扱います。あわせて、ミスのリスクを時間や金額に直し、どこまで許容するかを組織で決める方法を整理します。

シリーズの目次

• AXとは？DXとの違いと、AIを前提に業務を組み直す考え方 〜AX推進入門 第0回〜
• 生成AIを全社員に配っても使われない理由と、利用率を上げる進め方 〜AX推進入門 第1回〜
• AX推進の体制づくりと、推進担当が着任して最初にやること 〜AX推進入門 第2回〜
• AI導入の進め方：7つのステップと、人とAIの分担 〜AX推進入門 第3回〜
• 要求定義と要件定義の違い：AI導入で何を作るかの決め方 〜AX推進入門 第4回〜
• 業務フローの作り方と、AI導入のROIの出し方 〜AX推進入門 第5回〜（この記事）
• AIのミスはどこまで許容するか：精度の測り方とリスクの決め方 〜AX推進入門 第6回〜
• AI導入の費用相場と予算の取り方、ベンダーの選び方 〜AX推進入門 第7回〜
• AXが進まない会社で、上と現場を動かして社内合意をつくる方法 〜AX推進入門 第8回〜
• AIで人を減らさずに成果を出す、リソースシフトとリスキリングの考え方 〜AX推進入門 第9回〜

関連記事

• 要求定義と要件定義の違い：AI導入で何を作るかの決め方 〜AX推進入門 第4回〜：この記事の業務フロー図とデータの整理は、第4回の要求定義・要件定義と、例外を2段で決める考え方の続きです
• AIのミスはどこまで許容するか：精度の測り方とリスクの決め方 〜AX推進入門 第6回〜：この記事で出したROIを、ミスのリスクと並べて組織で決める方法
• AI導入の費用相場と予算の取り方、ベンダーの選び方 〜AX推進入門 第7回〜：ROIを作る費用と比べ、小さな検証から予算を広げるときの判断の基準
• AXが進まない会社で、上と現場を動かして社内合意をつくる方法 〜AX推進入門 第8回〜：ROIを、上を説得する材料としてどう使うか

Askhubについて

Askhubは、日本の中堅・大企業がAIに業務を任せるための基盤です。業務の型（オントロジー）でAIに許す操作を定め、承認と判断ログで任せる範囲を広げながら、国産の基幹システムまで書き込めるようにします。導入はコンサルタントが伴走します。

この記事の言葉で言えば、Askhubは、To-Beの業務フロー図でAIのレーンに置いた処理と、AIから人へ確認を回して戻す行き来を動かす部分にあたります。

※Askhubのサービスに関する記載は、2026年11月時点の情報です。

関連するページ：製品の全体像、伴走支援

自社の業務でROIをどう見積もるか相談したい方は、お問い合わせからご連絡ください。