PERSPECTIVES読了目安 8分
AI投資はROIではなく「オプション価値」で判断する
生成AIへの投資は増えているが、投資対効果を確認できている企業は少ない。最初に精緻なROIを求める判断は、AI投資の性格に合っていない。投資を「選択肢を買う投資」として設計し、段階ごとに拡大・縮小・撤退を決める判断の枠組みを示す。
AT A GLANCE概略
- DX投資を増やす企業が半数を超える一方、投資を上回る効果が出ている企業は1割台にとどまり、成果指標を設定している企業も4社に1社に満たない。
- AIの効果は業務・組織・データへの補完的な投資に左右され、初期には表れにくい。導入前の一点のROI試算は、有望な選択肢を捨てるか、規律のない承認を生む。
- 投資を効率化・選択肢・基盤の3つに分け、選択肢を買う投資は段階ごとの関門で拡大・縮小・撤退を決める。経営が設計するのは試算の精度ではなく、判断の仕組みである。
AIへの投資を経営会議に諮ると、ほぼ例外なく同じ問いが返ってきます。「それで、ROIはいくらになるのか」。執行側は削減できる工数を積み上げ、人件費に換算し、回収期間を示します。しかし、その試算どおりに効果が出たかを後から確かめられる企業は多くありません。
公的な調査はこの状況をはっきり示しています。IPA『DX動向2026』(国内企業1,799社の経営層またはICT関連部門が回答、2026年4〜6月に実施)によれば、DX投資額・費用を2024年度から2025年度にかけて「大幅に増加している」「やや増加している」と答えた企業は合計51.7%と半数を超えました。[1] 一方で、「投資・費用を上回る投資対効果が出ている」と答えた企業は、「大幅に上回る」を含めても14.6%にとどまります。[1]
AIに限っても構図は同じです。同じ調査で、AIを導入・試験利用している企業のうち「期待以上」または「期待どおり」の効果を実感している企業は31.8%で、最も多いのは「一定の効果はあった」の50.6%でした。[1] 投資は増え、効果もある程度は出ている。しかし、投資に見合うかどうかは分からない。これが多くの企業の現在地です。
本稿の主張は次のとおりです。AI投資の多くは、導入時点で確定したリターンを買う投資ではなく、将来の選択肢を買う投資です。最初に精緻なROIを求めるのではなく、段階ごとに拡大・縮小・撤退を判断できる仕組みを設計することが、経営の役割です。
導入前のROI試算が機能しない3つの理由
ROIによる判断そのものが誤りなのではありません。問題は、AI投資の多くが、導入前の一点の試算で判断できる性格を持っていないことです。
- 効果が補完投資に左右される:AIの効果は、ツールを入れただけでは生まれません。業務の流れ、役割、データの整備を変えたときに初めて表れます。この補完的な投資の量と質は、導入前には見積もれません。
- 効果の幅が大きい:同じ用途でも、業務への組み込み方によって、ほとんど効果が出ない場合から業務の構造が変わる場合まで、結果の幅が大きく開きます。平均値で試算すると、この幅が見えなくなります。
- 価値の多くが次の選択肢にある:最初の取り組みで得られる最大の成果は、削減した工数よりも、「次にどこへ広げられるか」が分かることです。この価値は、工数の積み上げでは表現できません。
一つ目の点については、経済学の研究が理論的な裏づけを与えています。Brynjolfsson、Rock、Syversonの研究(NBERワーキングペーパー、2021年に米国経済学会の学術誌に掲載)は、AIのような汎用技術は、新しいプロセス、製品、ビジネスモデル、人的資本といった大きな補完的投資を必要とし、その多くは無形で、統計に十分に表れないと指摘しています。[2] そのため、導入の初期には生産性の伸びが過小に測られ、補完的投資の成果を収穫する後の段階では過大に測られる。研究はこれを「生産性のJカーブ」と呼んでいます。[2]
マクロの議論ですが、企業の投資判断にも同じ示唆があります。導入から間もない時点で測った効果は、補完的投資の費用だけを計上し、その成果をまだ含んでいない可能性が高い。初期の数字だけで投資の当否を決めれば、育つはずの取り組みを早すぎる段階で止めることになります。
一点のROIが招く2つの失敗
導入前のROIを判断の基準にすると、経営は2つの方向の失敗に陥ります。
一つは、有望な選択肢を捨てる失敗です。効果を数字で示しにくい取り組み、たとえば営業の提案プロセスや、部門をまたぐ判断の流れを変える取り組みは、工数削減の試算では小さく見えます。その結果、試算しやすい定型業務の効率化ばかりが承認され、事業の構造に関わる取り組みは後回しになります。
もう一つは、規律のない承認です。ROIの試算は、前提を少し動かせば大きく変わります。承認を得るために楽観的な前提が置かれ、承認された後は誰もその前提を検証しない。試算が判断の根拠ではなく、承認のための手続きになります。
IPAの調査は、後者の状態が広がっていることを示唆しています。DXの成果指標を「設定している」企業は2025年度で23.9%と、4社に1社に満たない状況が続いています。[1] 設定していない理由として最も多いのは「評価指標の設定方法がわからない」で、2024年度の28.7%から36.0%へ上昇しました。[1] 承認の時点では数字を求めながら、その後に測る仕組みを持っていない。これでは、ROIは判断を規律づける役割を果たせません。
オプション価値という考え方
ここで有効なのが、投資を「選択肢(オプション)を買う行為」として捉える考え方です。金融のオプションは、少額の対価を払って、将来の有利な条件で取引する権利を手に入れます。条件が有利になれば権利を行使し、不利なら放棄する。損失は対価の範囲に限られ、得られる可能性は大きく残ります。
AI投資に置き換えると、次のようになります。
- 対価:限られた業務での検証、データの棚卸し、小さな体制づくりといった、初期の投資。
- 権利:検証で得た知見をもとに、適用範囲を広げる、別の業務へ展開する、あるいは止めるという判断を、後から選べること。
- 行使の判断:あらかじめ決めた関門で、学んだことをもとに拡大・縮小・撤退を決めること。
この考え方の要点は、不確実性が大きいほど、選択肢を持つことの価値が高まることです。結果の幅が大きいAI投資では、最初に全額を投じるより、小さく始めて学び、有望なものにだけ追加で投じるほうが、全体としての期待値は高くなります。逆に言えば、オプションとして設計されていない投資、つまり止める判断の基準と時期が決まっていない投資は、この価値を持ちません。
投資を3つの性格に分ける
すべてのAI投資をオプションとして扱う必要はありません。重要なのは、投資の性格に応じて判断の物差しを使い分けることです。Deerは、AI投資を次の3つに分けて考えることを提言しています。
- 効率化投資:定型業務の自動化など、効果の幅が小さく、試算の前提を検証しやすいもの。従来どおりROIと回収期間で判断します。
- 選択肢を買う投資:業務の流れや提案の仕方を変えるなど、効果の幅が大きく、次の展開につながるもの。初期の投資を小さく抑え、関門ごとに追加投資を判断します。
- 基盤投資:データの整備、利用のルール、共通の仕組みなど、複数の選択肢の前提になるもの。単独のROIではなく、どの選択肢を可能にするかで判断します。
日本企業の現状は、この区分が意識されていないことを示しています。IPAの調査で、DXの成果指標を設定している企業に指標の対象を尋ねると、「内向きの業務改革(社内の効率化)」が80.0%と最も高く、「経営改革(デジタル事業売上高、市場シェア等)」は16.3%にとどまりました。[1] AI導入による具体的な効果でも、「業務が効率化したり迅速化した」が91.6%に達する一方、「売上や利益が向上した」は3.9%でした。[1]
| 観点 | 回答の比率 |
|---|---|
| DX投資額・費用を増やした企業(2024→2025年度) | 51.7% |
| 投資・費用を上回る投資対効果が出ている企業 | 14.6% |
| DXの成果指標を設定している企業 | 23.9% |
| 成果指標の対象が「内向きの業務改革」 | 80.0% |
| 成果指標の対象が「経営改革」 | 16.3% |
| AI導入の効果として「売上や利益が向上した」 | 3.9% |
出典:IPA『DX動向2026』(調査期間2026年4月中旬〜6月中旬)をもとにDeer作成。成果指標の対象は指標を設定している企業、AIの効果はAIを導入・試験利用し、何らかの効果があったと答えた企業への設問 [1]
効率化の物差しだけで投資を測っていれば、選択肢を買う投資と基盤投資は、いつまでも「効果の見えない投資」として扱われます。物差しが効率化しか測れないから、効率化しか承認されない。この循環を断つには、投資の性格ごとに判断の基準を分けるしかありません。
関門で「行使」を判断する仕組み
選択肢を買う投資は、関門(ステージゲート)を置いて運用します。関門ごとに問うことは、「試算どおりの効果が出たか」ではなく、「次の投資を決めるのに十分なことを学んだか」です。
- 最初の関門:限られた業務で、AIを組み込んだ業務の流れが回るかを確かめます。見るのは、処理時間、人の確認にかかる時間、例外の発生の仕方など、業務そのものの指標です。
- 次の関門:対象を広げたときに効果が保たれるか、必要な補完投資(データの整備、役割の変更、システムの接続)の規模がどれほどかを確かめます。ここで初めて、拡大したときの投資対効果を、実測に基づいて見積もれます。
- 展開の関門:全社や他部門への展開を決めます。この段階では、効率化投資と同じ水準の厳密さでROIを求めて構いません。
関門の設計で欠かせないのは、撤退の基準を、始める前に決めておくことです。どの指標が、いつまでに、どの水準に届かなければ止めるのか。誰がその判断を下すのか。撤退の基準がない投資は、オプションではなく、終わりの見えない固定費になります。
総務省『令和7年版 情報通信白書』が紹介する企業アンケートでは、日本企業が生成AIの導入に際して挙げる懸念として、「効果的な活用方法がわからない」が最も多く、「ランニングコストがかかる」「初期コストがかかる」も上位に挙がっています。[3] 使い方が分からず、費用もかかる。こうした懸念は、全額を一度に投じる判断では解消できません。小さく始めて使い方を学び、学んだ分だけ投資を重ねる構造にすることで、懸念そのものを判断の材料に変えられます。
次の一手:取り組みの段階に応じて
オプションとしての投資判断は、取り組みの段階によって重点が変わります。
- これからAI投資の方針を定める企業:検討中の取り組みを、効率化・選択肢・基盤の3つに分類することから始めます。そのうえで、選択肢を買う投資には「初期の上限額」と「最初の関門の時期と基準」を、承認の条件として必ず付けます。ROIの精度を議論する時間を、撤退の基準を議論する時間に振り向けます。
- 部門ごとの検証が進んでいる企業:進行中の取り組みを棚卸しし、関門と撤退の基準がないものを洗い出します。基準を後から定め、届かないものは止める。止めた取り組みから得た知見を記録し、次の投資判断に使える形で残します。止めることは失敗ではなく、オプションを放棄するという正当な判断です。
- 全社展開の段階にある企業:展開を決めた取り組みは、効率化投資と同じ物差しで厳密に追跡します。同時に、浮いた予算と人員を、次の選択肢を買う投資と基盤投資に振り向けます。投資のポートフォリオの中で、3つの性格の配分を経営会議で定期的に見直すことが、AIを継続的な経営の議題にする仕組みになります。
AI投資の判断で経営に求められるのは、効果を正確に予測する力ではありません。予測できないことを前提に、小さく賭け、学び、有望なものに集中する判断の仕組みを持つことです。その仕組みがあれば、ROIは承認のための手続きではなく、拡大を決める段階で使う、本来の判断の道具に戻ります。
Deerは、AI投資の性格の整理から、関門と撤退基準の設計、投資ポートフォリオの見直しまでを一貫して支援しています。AI投資をどう判断し、どう続けるべきか、論点の整理からご相談ください。
SOURCES出典
- [1]独立行政法人情報処理推進機構(IPA)『DX動向2026 広がるAI導入、DXは変われるか』(2026年7月30日)
https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.html(2026年11月16日閲覧) - [2]National Bureau of Economic Research(NBER)『The Productivity J-Curve: How Intangibles Complement General Purpose Technologies(Working Paper 25148)』(2018年10月)
https://www.nber.org/papers/w25148(2026年11月16日閲覧) - [3]総務省『令和7年版 情報通信白書(第Ⅰ部 第1章 第2節「企業におけるAI利用の現状」)』(2025年7月)
https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html(2026年11月16日閲覧)
Related Insights
関連するインサイト
- PERSPECTIVES2026年11月19日データの品質は、所有者を決めない限り上がらないデータ品質の問題は、ツールや人材の不足として語られることが多いが、根本は責任の配分にある。所有者を「名前」ではなく権限と負担を伴う役割として設計し、データが生まれる業務に置き直すことで、品質を継続的に保つ仕組みを示す。
- PERSPECTIVES2026年11月18日配車の最適化は、アルゴリズムより「制約」で決まる輸送力不足を前に配車・庫内計画へのAI導入が語られるが、非効率の多くは計画の外にある制約から生まれている。予測・計画・調整の3層で最適化とAIの役割を分け、荷主と一体で制約を設計し直す道筋を示す。
- PERSPECTIVES2026年11月12日AIの定着は、研修ではなく業務の変更で決まる生成AIの研修を重ねても、業務の進め方は変わらない。個人利用が広がる一方で業務プロセスへの組み込みが進まない理由を、業務・現場の指導役・評価・仕組みの4つのレバーから整理し、チェンジマネジメントとして経営が打つべき手を示す。