リスク分析 - L0 カリキュラム

ストーリー

田

田中VPoE

「財務モデリングで効果を示した。しかし経営層は効果だけでなく『何が起きたら失敗するのか』も知りたい。リスク分析はビジネスケースの信頼性を高める重要な章だ。」

あなた

「リスクを正直に書くと、導入が却下されませんか？」

あ

田

田中VPoE

「逆だ。リスクを隠す提案は信頼されない。リスクを正直に示した上で、対策を明記することで『この提案者は現実を理解している』という信頼を得られる。」

AI導入リスクの分類

5つのリスクカテゴリ

カテゴリ	説明	リスク例
技術リスク	AI技術に関するリスク	精度劣化、モデルドリフト
運用リスク	日常運用に関するリスク	システム障害、スキル不足
ビジネスリスク	事業への影響リスク	効果未達、顧客離反
コンプライアンスリスク	法規制に関するリスク	個人情報漏洩、AI規制
組織リスク	人と組織に関するリスク	抵抗、キーパーソン離職

リスクアセスメント

リスクマトリクス

影響度
  高│ ③注意    ②重大    ①最重要
    │
  中│ ⑤監視    ④注意    ②重大
    │
  低│ ⑤許容    ⑤監視    ③注意
    └──────────────────────
      低        中        高    発生確率

NetShop社のリスク一覧

#	リスク	カテゴリ	影響度	発生確率	レベル	対策
R1	AI精度の劣化	技術	高	中	重大	継続的モニタリング、定期再学習
R2	非定型フォーマット対応不足	技術	中	高	重大	フォーマット標準化推進
R3	キーパーソンの離職	組織	高	低	注意	知識の文書化、クロストレーニング
R4	現場の抵抗	組織	中	高	重大	変更管理プログラム実施
R5	個人情報の漏洩	コンプライアンス	高	低	注意	データマスキング、アクセス制御
R6	ベンダーロックイン	ビジネス	中	中	注意	マルチベンダー戦略
R7	期待効果の未達	ビジネス	高	中	重大	段階的導入、早期KPIモニタリング

リスク対応戦略

4つの対応オプション

戦略	説明	適用場面	例
回避	リスクの原因を除去	影響が致命的な場合	機密データをAI処理から除外
軽減	影響度・発生確率を下げる	コスト対効果が見合う場合	継続的モニタリング、冗長構成
転嫁	第三者にリスクを移転	外部で管理が可能な場合	SLA付きベンダー契約、保険
受容	リスクを認識し許容	影響が軽微な場合	軽微なUI不具合を次バージョンで対応

リスク対応計画

リスク	対応戦略	具体的アクション	コスト	残存リスク
R1: 精度劣化	軽減	月次精度チェック、四半期再学習	500万/年	低
R2: フォーマット不足	軽減+回避	標準化推進 + 人間フォールバック	300万	中
R4: 現場抵抗	軽減	ADKAR変更管理プログラム	200万	低
R7: 効果未達	軽減	段階導入、月次KPIレビュー	含む	中

リスクの定量化

期待損失額の算出

期待損失額 = 影響額 × 発生確率

R1: AI精度劣化
  影響額: 年間削減効果の消失 = 2.4億円
  発生確率: 15%
  期待損失額: 3,600万円

R7: 効果未達
  影響額: 削減効果の50%未達 = 1.2億円
  発生確率: 25%
  期待損失額: 3,000万円

リスク調整後ROI:
  基本ROI: 227%
  期待損失合計: 約8,000万円/年
  リスク調整後年間純効果: 2.1億 - 0.8億 = 1.3億円
  リスク調整後3年ROI: 141%

まとめ

項目	ポイント
5つのカテゴリ	技術・運用・ビジネス・コンプライアンス・組織
リスクマトリクス	影響度×発生確率で優先順位を判断
4つの対応戦略	回避・軽減・転嫁・受容から選択
定量化	期待損失額でリスクの大きさを数値化

チェックリスト

AI導入の5つのリスクカテゴリを理解した
リスクマトリクスでリスクを評価できる
4つの対応戦略を使い分けられる
リスクの定量化（期待損失額）を計算できる

次のステップへ

次は「シナリオ計画」として、複数のシナリオでの財務分析を学ぼう。

推定読了時間: 30分