多くの企業が依然としてAIへの取り組みによる明確な投資対効果（ROI）の実証に苦労しているが、給与給付管理会社から小規模広告代理店、大手大学に至るまで、一部の組織は、この技術が生産性の向上や売上成長をもたらす領域を見出している。これらの経験は、AIがROIの方程式をどう変えつつあるか、そしてその価値を測定するには何が必要かを物語っている。

採用における早期の成功

多くの企業と同様に、給与給付管理会社のAlight Solutionsは、AIが業務と収益性を改善できる方法を模索してきた。同社にとってAIは新しい技術ではないが、2025年に異なる種類のAIツールの評価を開始した。同年9月、AlightはHRテクノロジーベンダーのPhenomが提供する不正検出採用エージェントのベータユーザーとなり、このエージェントが採用の初期段階で不正な応募者を特定するのに役立つかどうかを確認した。

結果を待つ必要はほとんどなかった。テストプロセスの間に、このエージェントは、異なる名前とメールアドレスを使って同じ求人に2回応募した候補者を特定した。

「最終的に採用しなかったその一人を発見できただけで、『これは使える』と言える十分な結果でした」と、Alightのタレントアクイジション運用マネージャーであるJulie Eagy氏は述べた。

このエージェントは、特に不要なバックグラウンドチェックの費用を回避できる場合など、会社のコスト削減に役立つ可能性を示したが、Eagy氏によれば、より大きな価値は時間の節約だという。

Alightの事例は、AI投資のリターン測定がいかに難しくなりうるかを示している。多くの企業にとって、AIツールへの投資のリターンは金銭的な利益ではなく、生性の向上や、AIエージェントが組織内で不足していた役割を補完できることにあるかもしれない。

こうした不明確さにより、一部の取り組みを断念した企業もある。例えば、Pizza Hutのフランチャイズ加盟店は5月、AI配送管理プラットフォームが直感的でなく、コスト削減どころか数百万ドルの損失をもたらしたとして、フランチャイズ本部を訴えた。

AIの結果がまちまちであるにもかかわらず、企業はしばしば生産性を指標として、この技術の導入を進めている。一方、SMBを含む一部の小規模企業は、AIプロジェクトからの金銭的な利益とリターンを追跡できている。

複雑な状況

GartnerのアナリストであるArun Chandrasekaran氏によれば、企業にとって現実には、AIのROIは微妙であり、不透明ですらあるという。

「非常に複雑な議論です。大まかに言えば、多くの顧客は依然としてAIから明確な事業価値を言語化するのに苦労していると考えます」とChandrasekaran氏は述べた。

ソフトウェアエンジニアリング、カスタマーサービス、財務や人事のバックオフィス業務などの領域では、中核タスクの自動化による生産性向上が実現しているが、企業はそれを売上成長やコスト削減といった具体的な事業価値に結びつけるのに苦労していると同氏は述べた。

「生産性の向上と、企業が重視するこうした価値主導の指標との整合――これは多くの組織でまだ進行中の課題だと思います」と同氏は付け加えた。

この苦労は、組織の規模によってはより深刻になる可能性がある。一部のSMBにとっては、この結びつきを作ることが、競争で優位に立ち、優位性を維持する最良の方法であることが証明されている。

OBI Creativeの事業価値

そのような企業の一つが、ネブラスカ州オマハに拠点を置く25年の歴史を持つ広告代理店OBI Creativeだ。同社の顧客にはTiVoやHD Radioが含まれる。OBI Creativeは事業拡大を目指し、ここ数年AIツールの実験を続けてきた。

「エージェント型AIは、提供内容をある業界から別の業界へスケールするための優れた効率化の機会となっています」と、OBI CreativeのCEO兼創業者であるMary Ann O'Brien氏は述べた。

従業員50人未満の同社は、目標達成のためにいくつかのエージェント型AIツールを構築した。その一つは、デジタルチームが構築したウェブサイトの健全性を監視し、最新の状態を保つツールである。同代理店は、GemmaやQwenなどのモデルを使ってウェブサイトの健全性に関するレポートを生成するプロンプトをツール組み込み、さらにOpenAIのGPTモデルやAnthropicのClaudeモデルを使ってツールにプロンプトを実装した。

もう一つのツールにより、クリエイティブチームは進行中のキャンペーンがクライアントの要望と合致しているかを確認できる。

「当初はブランド戦略チームとクリエイティブチームの連携を支援するプロトタイプとして構築したのですが、クライアントも使いたがるようになり、販売やライセンス提供を始めました」とO'Brien氏は述べた。

同氏は、得られた価値が代理店の粗利益の増加につながったと付け加えた。

「修正のためにクライアントに5回も戻る必要がなくなりました」と同氏は述べた。

さらに同氏は、エージェント型AIツールの活用により、同代理店は「前年比少なくとも20%の成長」を達成すると述べた。

成長に伴い、経費も増加している。「間違いなく間接費の増加は見られましたが、効率化の効果ですぐに相殺されています」とO'Brien氏は述べた。同氏はさらに、代理店は固定費モデルでサブスクリプションサービスを提供するAIモデルから実験を始めたため、従業員が決められた予算内で作業できるようになったと付け加えた。

技術への投資に加え、O'Brien氏は従業員に対し、エージェント型および生成AIツールの使用によって仕事が脅かされることはないと明確に伝えた。実際、ある従業員に効率化のアンバサダーとなり、その成果を自身の業績の一部として示すよう求めた。

「まだ弊社にはこうしたツールを非常に恐れている人がいます。だからこそ、人々が慣れ、自分の頭の中にあるものが依然としてクライアントにとって最も価値があると信頼できるようにすることが重要なのです」とO'Brien氏は述べた。「しかし、ツールはそこにあるのですから、使わない手はないでしょう」

コーネル大学のアプローチ

コーネル大学はSMBではないが、AI投資のROIを見出すために多面的なアプローチを採用している。

「私たちはこの技術をツールとして捉えています」と、コーネル・インフォメーション・テクノロジーズのAIイノベーション責任者であるAyham Boucher氏は述べた。

同氏によれば、初期段階でコーネル大学は、教員が安全かつ非公開の環境ですべてのフロンティアモデルにアクセスできるようにしたが、その使用は義務付けていない。大学は、ユーザーがエージェントを作成・管理・デプロイできるMicrosoft Azureに加え、Microsoft CopilotやClaude Desktopといったユーザー向けツールを利用している。

コーネル大学にとってエージェント型AIの主な目的は、人間の能力を拡張できることにあるとBoucher氏は述べた。

「私たちは完璧な存在ではありません」と同氏は人間の能力について語った。「記憶力には限りがあります。……私たちは長い間、技術を使って人間としてできることを拡大してきました。AIは、その能力を拡張するもう一つの強力なツールにすぎません」

同氏は、コーネル大学がtokenmaxxing――組織が従業員の業績をAIモデルのトークン消費量で部分的に測定する最近の傾向――による価値測定にも焦点を当てていないと述べた。

「私たちの成果は大学のミッションと整合しています」と同氏は述べた。つまり、大学は教育した学生数と科学的発見の数によって価値を測定している。同氏の部門は、消費したトークンの数ではなく、こうした取り組みを支援することで価値を測定している。

AIの実験を始めたものの伸び悩んだり、AIパイロットプロジェクトの本番移行に苦労したりする企業もある。Gartnerの2026年のレポートによれば、生成AIプロジェクトの約半数が、データ品質の低さ、コストの増大、不明確な事業価値などの理由から、概念実証後に中止された。

「非常に早い段階でAIのデプロイと構築を始めていたため、FOMO（取り残されることへの恐怖）の罠にはまりませんでした」とBoucher氏は述べた。「その必要がなかったのです。私たちは一歩先を行っており、それによってバランスの取れたアプローチを維持できます。追いつこうと必死になる必要はないのです」

価値の測定

試行と実験を続けても価値が見出せない企業には、売上や生産性以外の指標を検討するとよいかもしれないと、GartnerのChandrasekaran氏は述べた。

「より多くの業務指標を、より価値志向の指標に結びつける必要があります」と同氏は述べた。例えば、ソフトウェアエンジニアリングでは、コードの行数ではなく、アプリケーションに提供される新機能や能力といったベロシティが指標になるべきだという。

コスト削減や売上成長は、AIがどのように価値を提供しているかについての企業の理解を限定してしまう可能性があると同氏は続けた。

これらの事例全体を通じて、適切な測定基準は組織のミッションとユースケースに依存する。Alightは時間の節約を、OBI Creativeは効率・利益率・成長を、コーネル大学は教育した学生数と科学的発見を重視している。それだけに、導入前に期待される成果を定義することが、AIプロジェクトが価値を提供しているかを評価するうえで重要となる。

ROIを達成できていない企業にとっての鍵は、生成AIやエージェント型AIが有用かもしれない特定のアプリケーションについて、まずどのようなリターンが必要かを確立することかもしれないと、Chandrasekaran氏は述べた。

「ユースケースを実装してから、価値をどう測定するかを考え始めたくはありません」と同氏は述べた。「価値に関して非常に明確な見通しが立てられない場合、そのユースケースはそもそも追求しません」

ただし、企業は、実験しているアプリケーションによってAIプロジェクトのパイットに要する期間が変わることを認識すべきだ。

「ROIが得られるまでの期間は、追求するユースケースの種類に大きく依存します」とChandrasekaran氏は述べた。「一般的に、企業のユースケースの80%については、1年以内にROIを達成できるようにすべきでしょう」

一方で、企業内でのAI活用において事業価値が依然として課題であるという事実は、ベンダーにもやるべきことがあることを示唆していると同氏は述べた。

「ベンダーは、技術を売るだけでなく、成果と価値を企業に売るという点でより優れた仕事をする必要があります」と同氏は続けた。「企業もまた、ユースケースを選定する際に価値を指標として先導すること、そしてAIプロジェクトの価値実現に徹底的に焦点を当てることで、より良い対応が求められます」