ストーリー
田
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
田
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
田
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」 |
| 5 | QA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」 |
| 7 | SRE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」 |
| 8 | SRE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」 |
| 14 | CS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」 |
| 15 | CS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」 |
| 16 | CS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。
- 6軸それぞれのスコア(1-5点)と根拠
- 総合スコアと成熟度レベルの判定
- 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 | 2 | AI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 | 3 | BigQuery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 | 2 | AI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 | 1 | AI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 | 2 | ChatGPT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。
- 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)
- 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)
- 総合スコアでランキングを作成し、トップ5を選定
- 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 |
| 14 | AI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AI | 3 (0.90) | 5 (1.25) | 3 (0.60) | 5 (0.75) | 4 (0.40) | 3.90 |
| 6 | SQL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 |
| 24 | AI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 | 14 | AIチャットボット | 4.05 | CS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AI | 3.90 | RAG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 | 6 | SQLクエリ自動生成 | 3.90 | BigQuery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AI | Phase 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。
- 3年間のTCO(コスト内訳付き)
- 定量効果の算出(計算根拠付き)
- 定性効果のスコアリング
- 標準ROIとリスク調整ROI
- 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 1 | Year 2 | Year 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 1 | Year 2 | Year 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 1 | Year 2 | Year 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TCO | 1,850万円 | 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ROI | 776% | 206% | 650% |
| リスク調整ROI | 427% | 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 1 | Phase 2 | Phase 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