AIプロジェクトを始める前に：まずROIの計算を

ここ数年、倉庫業界で見てきたAIプロジェクトのうち、技術そのものよりもキックオフ会議で死んだもののほうが多い。技術のピッチは眩しいほど魅力的だ。だがCFOがひとつだけ質問する。「年間で実際いくら節約できるのか」。沈黙。「さらに検討しよう」。その「さらに」は永遠に来ない。

だからこの記事は技術の話ではない。お金の話だ。どんなAIプロジェクトも第一歩はROIの計算であり、採算が合わなければ始めるべきではない。

ROIワークシート：表ひとつ、行は5つ

凝った財務モデルは不要だ。表はひとつ。

**年間コスト：**ソフトウェアのサブスクリプションまたはライセンス＋導入費＋社内工数（時間をドル換算）＋ハードウェア（カメラ、サーバーなど）。

効果は3つのバケットに：

1. **削減できる人件費：**削減時間×時間あたりのフルコスト。ポイントは削減であり、理論的に削減可能ではないこと。年間$45Kの検査員2名を画像検査に置き換えれば$90K――ただし、その2名が実際に配置転換されるか、後任を補充しない場合に限る。そうでなければ紙の上の節約だ。

2. **回避できるエラー：**エラー率の改善幅×1件あたりのエラーコスト。1日10,000件のオーダーでピッキングエラー率を0.3%から0.1%に下げ、1件あたり$15（再出荷＋サポート＋返品）なら、年間$300Kだ。ほとんどの現場はこの数字を計算したことがない。たいてい表の中で最大の行になる。

3. **得られるキャパシティ：**処理能力向上による増分マージン。配送ルート最適化で車両が5%多くの配送先を回れるようになれば、確実なマージンになる。

ROI＝（年間効果−年間コスト）／年間コスト。回収期間＝年間コスト／年間効果×12か月。

私のレッドラインはこうだ。**回収期間が18か月を超えるなら、始めるな。**倉庫の変化は速く、技術の変化はもっと速い。3年回収のプロジェクトは、途中で陳腐化しかねない。

式だけでは抽象的すぎるので、完全な計算例を示そう。画像検査プロジェクトだ。

ROI＝（205−37）／37＝454%、回収期間2.2か月。この表を財務の前に出せば、キックオフ会議は10分で終わる。エラーの行に注目してほしい。$115K、表の中で最大の数字であり、ほとんどの人が計算したことのない数字だ。

ROIがほぼ確実に合う3つのシナリオ

すべてのAI活用に資金を出す価値があるわけではない。見てきた事例から、採算が最も確実なのはこの3つだ。

**ひとつ、繰り返しの目視検査。**品質チェック、パレット計数、コンベヤの詰まり検知――人には遅く、退屈で、ミスが出やすい。$30–80Kの画像検査システムが1.5–2人分を置き換えれば、たいてい1年以内に回収できる。シナリオの範囲が明確で、判定基準がはっきりし、技術が最も成熟している。

**ふたつ、配送ルート最適化。**60台の車両が年間$200K以上を節約し、サブスクリプションは$30–40K――およそ6:1だ。ただし注意点がある。データ整備とルール抽出はプロジェクトコストに含めること。表に入れるのだ。

**みっつ、書類OCR。**船荷証券、パッキングリスト、インボイス――事務員は1日200件を手入力するが、OCRは95%以上の精度で2,000件を処理する。事務人件費の高い港湾・フォワーダーの倉庫では、この計算は簡単だ。

逆に、**ROIの正当化が最も難しいのはAIカスタマーサービスと需要予測だ。**サービスが節約するのは「体験」であり、需要予測は測定できるまでに6か月のデータ蓄積が要る。ワークシートが埋まらなければ、無理に埋めるな。

ROIの後に効いてくる、生死を分ける4つのこと

プラスのROIは、スタートの切符を買うだけだ。プロジェクトが生き残るかどうかは、さらに4つのことが決める。

**第一に、データの準備。**AIはデータを食べる。3つのカテゴリを事前に整備すること。何が足りないかを洗い出し、整備コストを予算に入れる。

• **過去の業務データ：**少なくとも12か月分のオーダー、出荷、返品。履歴がなければ予測も最適化もできない――以上、終わりだ。
• **マスタデータ：**SKUごとの寸法・重量・梱包仕様を完備すること。画像検査、ルート、スロット最適化のプロジェクトは、不完全なマスタで死ぬ。
• **例外記録：**エラー、遅延出荷、クレームとその原因。例外データは「異常検知」AIの訓練の糧であり、これがなければAIはハッピーパスしか処理できない。

多くのプロジェクトはこの行をワークシートから外し、途中でデータの壁にぶつかり、予算を50%超過させる。

第二に、POCの受け入れ基準を契約書に入れること。「精度95%以上」「走行距離の削減5%以上」――書面でだ。目標未達なら最終支払いを留保する。口頭の「うちのはとても正確です」は何の価値もない。

**第三に、オーナーは業務部門にし、IT部門にしないこと。**AIプロジェクトは業務プロジェクトだ。倉庫の管理者がオーナーで、ITは支援だ。これを逆にすれば死ぬ。システムと毎日向き合うのは現場のオペレーターだからだ。

**第四に、置き換えられる人の行き先を見つけること。**画像検査システムに置き換えられる2名の検査員は、例外処理と監査に回す。配置転換の計画を最初に発表すること。そうしなければ現場は抵抗し、データは妨害され、どんな技術もプロジェクトを救えない。

AIキックオフの4つのレッドライン

壁に貼っておこう。

1. 回収期間が18か月超――始めるな。
2. 「効果」の半分以上が紙の上の節約（誰も減らず、エラーも変わらず）――計算をやり直せ。
3. POCの受け入れ基準が契約書にない――サインするな。
4. 業務オーナーなしでITが主導――やるな。

AIが価値あるかどうかは、技術の問題だったことはない。算数の問題だ。算数が明確になれば、技術の選択は簡単になる。数字に嘘のないシナリオなら、ベンダーのソリューションの10社中8社は応えられるからだ。

評価中のAIプロジェクトのROIワークシートを、あなたのチームは記入できるだろうか。できなければ、キックオフのオーナーにこの記事を転送してほしい。

英語版からの翻訳。内容に相違がある場合は英語版を優先します。