EXERCISE 60分

ストーリー

田中VPoE
成熟度評価、ユースケース特定、ROI計算 — 理論は一通り学んだ。ここからは実践だ。実際の組織シナリオを使って、AI活用のユースケースを選定してもらう
あなた
具体的な組織の状況が与えられるんですね
田中VPoE
そうだ。中堅SaaS企業を想定した演習だ。各部門からAI活用の要望が25件上がってきている。この中から本当に取り組むべきものを見極め、経営層に提案できるレベルのアウトプットを出してくれ
あなた
25件すべてを評価するわけですか
田中VPoE
いや。まず組織の成熟度を評価し、次に25件を粗く分類してトップ5を選び、そのうちトップ3についてROI試算を行う。現実のAI推進室で行うプロセスそのものだ

ミッション概要

項目内容
演習タイトルAIユースケースの優先順位付け
想定時間60分
成果物AI活用ユースケース選定書(成熟度評価 + トップ5選定 + ROI試算)
対象組織中堅SaaS企業(社員500名、うち開発200名)

前提条件

組織の概要

会社概要:
  会社名: CloudServe株式会社(架空)
  事業: BtoB SaaS(プロジェクト管理ツール)
  社員数: 500名
  開発部門: 200名(フロントエンド、バックエンド、モバイル、QA、データ、インフラ)
  売上: 年間50億円
  顧客数: 3,000社
  設立: 2015年

組織構造:
  CEO
  ├── CTO
  │   ├── 開発部(150名)
  │   │   ├── フロントエンドチーム(25名)
  │   │   ├── バックエンドチーム(40名)
  │   │   ├── モバイルチーム(20名)
  │   │   ├── QAチーム(15名)
  │   │   ├── データチーム(10名)
  │   │   └── プラットフォームチーム(40名)
  │   └── インフラ部(50名)
  │       ├── SREチーム(15名)
  │       ├── セキュリティチーム(10名)
  │       └── クラウドインフラチーム(25名)
  ├── 事業部長
  │   ├── 営業部(80名)
  │   ├── カスタマーサクセス部(60名)
  │   └── マーケティング部(30名)
  ├── 管理部長
  │   ├── 人事部(20名)
  │   ├── 経理部(15名)
  │   └── 法務部(10名)
  └── AI活用推進室(新設・5名)

現在のAI関連の状況

項目状況
AI利用ガイドラインあり(ChatGPTの業務利用に関する基本ルール)
データ基盤BigQueryにデータウェアハウスあり。品質はまちまち
AI専任人材AI活用推進室の5名(うちMLエンジニア2名、データエンジニア2名、PM1名)
既存AIシステムなし(個人レベルでChatGPT/Copilot利用あり)
AI関連予算年間8,000万円(人件費含む)
経営層の期待「半年以内に目に見える成果を出してほしい」

各部門からのAI活用要望(25件)

No.要望元ユースケース要望者のコメント
1開発部コードレビュー自動化「レビュー待ちがボトルネック。AIで1次レビューしたい」
2開発部テストコード自動生成「カバレッジ向上が進まない。AIでテストを生成したい」
3開発部技術ドキュメント自動生成「ドキュメントが常に古い。コードから自動生成したい」
4開発部バグ原因の自動推定「障害発生時の原因特定に時間がかかる」
5QAチームテストケース自動生成「仕様書からテストケースを自動で作りたい」
6データチームSQLクエリ自動生成「非エンジニアからのデータ抽出依頼が多すぎる」
7SREチーム障害予兆検知「障害が起きてから対応では遅い。予兆を検知したい」
8SREチームインシデント対応自動化「ランブックの自動実行をAIで判断させたい」
9セキュリティ脆弱性の自動トリアージ「脆弱性スキャン結果の優先度付けを自動化したい」
10営業部商談議事録の自動作成「議事録作成に毎日1時間かけている」
11営業部提案書の自動ドラフト「顧客ごとにカスタマイズした提案書を効率的に作りたい」
12営業部リードスコアリング「有望な見込み客を自動で判定したい」
13営業部解約予測「解約しそうな顧客を事前に特定したい」
14CS部AIチャットボット「問い合わせの60%は定型的。AIで自動回答したい」
15CS部顧客感情分析「問い合わせテキストから顧客の感情を読み取りたい」
16CS部ナレッジベース自動更新「FAQが古い。プロダクト変更に自動追従させたい」
17マーケコンテンツ自動生成「ブログ記事やメール文面のドラフトを自動生成したい」
18マーケ広告文最適化「A/Bテストの候補文をAIで大量生成したい」
19マーケ競合分析の自動化「競合プロダクトの変更を自動で追跡・分析したい」
20人事部採用候補者スクリーニング「履歴書の1次スクリーニングを自動化したい」
21人事部社内FAQ対応AI「就業規則や手続きの問い合わせが多すぎる」
22経理部請求書処理の自動化「請求書のデータ入力を自動化したい」
23法務部契約書レビュー支援「契約書のリスク条項を自動で検出したい」
24プロダクトAI搭載検索機能「プロダクトに自然言語検索を搭載したい」
25プロダクトAIタスク自動分類「ユーザーが登録するタスクを自動で分類・ラベリングしたい」

Mission 1: 組織のAI成熟度を評価する

要件

前提条件の情報をもとに、CloudServe社のAI成熟度を6軸で評価してください。

  1. 6軸それぞれのスコア(1-5点)と根拠
  2. 総合スコア成熟度レベルの判定
  3. ボトルネックとなっている軸の特定と改善提案

評価にあたっての注意

  • 前提条件に明示されている情報のみで判断する
  • 推測が必要な場合は、その旨を明記する
  • 「良い面」と「改善点」の両方を記述する
解答例

6軸評価

評価軸スコア根拠
戦略2AI活用推進室を新設し推進体制はあるが、全社AI戦略は未策定。経営層の期待はあるが具体的な戦略レベルには至っていない
データ3BigQueryにDWHが存在し基盤はある。ただし「品質はまちまち」とあり、データ品質管理プロセスは未整備と推測
技術1既存AIシステムがゼロ。個人レベルのChatGPT/Copilot利用にとどまる。MLOps基盤も未構築
人材2AI推進室に5名(MLエンジニア2名、データエンジニア2名、PM1名)が存在。ただし各部門にAI推進者はいない
プロセス1AIの開発・運用プロセスが未確立。PoCの手順も未整備と推測
ガバナンス2ChatGPTの業務利用ガイドラインあり。ただしAI倫理ポリシーや監査プロセスは未整備

総合評価

総合スコア = (2 + 3 + 1 + 2 + 1 + 2) / 6 = 1.83

判定: Level 2: Experimental(実験段階)

ただし、技術とプロセスが1点であり、
Level 1に近い部分も混在している。

ボトルネック分析

ボトルネック影響改善提案
技術基盤(1点)AIシステムを構築・運用する基盤がないまず1つのPoCで技術基盤を構築。MLOpsの最小構成を整備
プロセス(1点)PoC→本番のプロセスが未定義PoC基準(成功/撤退条件)と本番移行プロセスを策定

Mission 2: トップ5ユースケースの選定

要件

25件の要望に対して評価マトリクスを適用し、トップ5を選定してください。

  1. 25件を4カテゴリに分類(社内業務効率化/顧客体験向上/意思決定支援/プロダクト組み込み)
  2. 各要望に対して5軸の評価(ビジネスインパクト、技術的実現可能性、データ準備状況、導入リスク、実現スピード)
  3. 総合スコアでランキングを作成し、トップ5を選定
  4. トップ5の選定理由を説明

制約条件

  • 年間予算8,000万円(人件費含む)の範囲内
  • 「半年以内に目に見える成果」が求められている
  • AI推進室5名で推進する(他部門の協力は得られる)
解答例

カテゴリ分類

カテゴリ該当する要望No.
社内業務効率化1, 2, 3, 4, 5, 6, 10, 20, 21, 22
顧客体験向上14, 15, 16
意思決定支援7, 9, 12, 13, 15, 19, 23
プロダクト組み込み8, 11, 17, 18, 24, 25

上位10件の評価マトリクス(全25件から絞り込み)

No.ユースケースBI (×0.30)実現性 (×0.25)データ (×0.20)リスク (×0.15)スピード (×0.10)合計
10商談議事録の自動作成4 (1.20)5 (1.25)4 (0.80)5 (0.75)5 (0.50)4.50
14AIチャットボット5 (1.50)4 (1.00)4 (0.80)3 (0.45)3 (0.30)4.05
1コードレビュー自動化4 (1.20)4 (1.00)4 (0.80)4 (0.60)4 (0.40)4.00
21社内FAQ対応AI3 (0.90)5 (1.25)3 (0.60)5 (0.75)4 (0.40)3.90
6SQLクエリ自動生成3 (0.90)4 (1.00)5 (1.00)4 (0.60)4 (0.40)3.90
13解約予測5 (1.50)3 (0.75)3 (0.60)3 (0.45)2 (0.20)3.50
2テストコード自動生成3 (0.90)4 (1.00)3 (0.60)4 (0.60)3 (0.30)3.40
17コンテンツ自動生成3 (0.90)4 (1.00)3 (0.60)3 (0.45)4 (0.40)3.35
22請求書処理の自動化2 (0.60)4 (1.00)3 (0.60)4 (0.60)4 (0.40)3.20
24AI搭載検索機能5 (1.50)3 (0.75)3 (0.60)2 (0.30)1 (0.10)3.25

トップ5選定

順位No.ユースケーススコア選定理由
1位10商談議事録の自動作成4.50既存の音声・テキスト APIで実現可能。営業80名が即座に恩恵を受け、成果が可視化しやすいクイックウィン
2位14AIチャットボット4.05CS部の問い合わせ60%が定型的であり、高い削減効果が見込める。顧客満足度にも直結
3位1コードレビュー自動化4.00開発200名の生産性に直結。GitHub Copilot等の既存ツール活用でリスクも低い
4位21社内FAQ対応AI3.90RAGの基本的な構成で実現可能。全社500名が対象。チャットボット(No.14)との技術共通性が高い
5位6SQLクエリ自動生成3.90BigQueryのDWHが既にある(データ準備5点)。データチームの負荷軽減と、非エンジニアのデータ活用促進

ポートフォリオとしての整理

区分ユースケース実現時期
クイックウィン商談議事録自動作成、社内FAQ対応AIPhase 1(0-3ヶ月)
戦略的投資AIチャットボット、コードレビュー自動化Phase 2(3-6ヶ月)
基盤構築SQLクエリ自動生成(データ活用基盤として)Phase 1-2(並行)

Mission 3: トップ3のROI試算

要件

トップ5のうちトップ3について、以下のROI試算を行ってください。

  1. 3年間のTCO(コスト内訳付き)
  2. 定量効果の算出(計算根拠付き)
  3. 定性効果のスコアリング
  4. 標準ROIとリスク調整ROI
  5. 3件の比較表

試算にあたっての前提

  • 人件費単価: エンジニア 1,200万円/年、営業/CS 600万円/年
  • 時間単価: エンジニア 6,000円/時、営業/CS 3,000円/時
  • 年間稼働日数: 250日
  • 1日の稼働時間: 8時間
解答例

1. 商談議事録の自動作成

コスト(3年間):

項目Year 1Year 2Year 3合計
開発(音声→テキスト→要約パイプライン)500万円100万円100万円700万円
API利用料(音声認識 + LLM)200万円300万円350万円850万円
インフラ・運用100万円100万円100万円300万円
年間合計800万円500万円550万円1,850万円

効果(3年間):

効果算出根拠年間効果3年合計
議事録作成時間削減80名 × 1h/日 × 80%削減 × 3,000円 × 250日4,800万円14,400万円
商談情報の質向上(定性)スコア3 × 200万円600万円1,800万円
効果合計5,400万円/年16,200万円

ROI:

  • 標準ROI: (16,200 - 1,850) / 1,850 = 776%
  • リスク調整ROI(係数0.55): 776% × 0.55 = 427%
  • 回収期間: 約4ヶ月

2. AIチャットボット

コスト(3年間):

項目Year 1Year 2Year 3合計
開発(RAG構築、UI、ナレッジ整備)1,200万円300万円200万円1,700万円
API利用料(LLM + Embedding)300万円600万円800万円1,700万円
インフラ・運用200万円300万円300万円800万円
ナレッジベース保守200万円200万円200万円600万円
年間合計1,900万円1,400万円1,500万円4,800万円

効果(3年間):

効果算出根拠年間効果3年合計
CS対応工数削減60名 × 40%削減 × 600万円1,440万円4,320万円
深夜・休日対応コスト削減月100万円 × 60%削減720万円2,160万円
チャーン率低下(対応速度向上)3,000社 × 0.3%改善 × 年間単価170万円1,530万円4,590万円
顧客満足度向上(定性)スコア4 × 300万円1,200万円3,600万円
効果合計4,890万円/年14,670万円

ROI:

  • 標準ROI: (14,670 - 4,800) / 4,800 = 206%
  • リスク調整ROI(係数0.46): 206% × 0.46 = 95%
  • 回収期間: 約12ヶ月

3. コードレビュー自動化

コスト(3年間):

項目Year 1Year 2Year 3合計
ツール導入・カスタマイズ300万円100万円100万円500万円
ライセンス/API利用料400万円500万円600万円1,500万円
社内ルール・パターン学習200万円100万円50万円350万円
インフラ・運用100万円100万円100万円300万円
年間合計1,000万円800万円850万円2,650万円

効果(3年間):

効果算出根拠年間効果3年合計
レビュー工数削減150名 × 0.5h/日 × 50%削減 × 6,000円 × 250日5,625万円16,875万円
バグ早期発見による修正コスト削減年200件 × 30%削減 × 10万円600万円1,800万円
開発者体験向上(定性)スコア4 × 100万円400万円1,200万円
効果合計6,625万円/年19,875万円

ROI:

  • 標準ROI: (19,875 - 2,650) / 2,650 = 650%
  • リスク調整ROI(係数0.55): 650% × 0.55 = 358%
  • 回収期間: 約5ヶ月

比較表

指標商談議事録自動作成AIチャットボットコードレビュー自動化
3年間TCO1,850万円4,800万円2,650万円
3年間効果16,200万円14,670万円19,875万円
標準ROI776%206%650%
リスク調整ROI427%95%358%
回収期間約4ヶ月約12ヶ月約5ヶ月
推奨フェーズPhase 1Phase 2Phase 1-2
実施判定最優先最優先最優先

3件ともリスク調整後でもROIがプラスであり、投資判断は「Go」となります。


達成度チェック

観点達成基準
成熟度評価6軸のスコアに根拠があり、総合レベルの判定が妥当
カテゴリ分類25件が4カテゴリに適切に分類されている
評価マトリクス5軸の評価に一貫性があり、スコア算出が正確
トップ5選定制約条件(予算・期間・人員)を踏まえた選定理由がある
ROI試算計算根拠が明確で、リスク調整ROIまで算出されている
ポートフォリオ設計クイックウィンと戦略的投資のバランスが取れている

推定所要時間: 60分