ざまくりプランツざまくりプランツZAMAKURI PLANTS

AI導入 / 2026-08-04

AI活用を定着させるKPI：効果・品質・リスクを同時に見る運用設計

AI導入後の効果、品質、リスク、負荷を基準値と比較し、継続・修正・中止へつなげるKPI設計。

AI導入後に利用回数だけを追うと、「使われているが成果がない」「速くなったが修正が増えた」「一部の担当者だけが無理をしている」といった状態を見落とします。

目的設定から運用判断までの全体像はAI導入の実践ロードマップへ戻って確認できます。

運用KPIは、効果、品質、リスク、定着負荷を同時に見て、継続・修正・中止を判断するために使います。NIST AI RMFは、リスクのMap、Measure、Manageを継続的に回す考え方を示しています。経済産業省のDX施策ページは、DX推進施策を掲載し、「DX推進指標」への公式ナビゲーションを設けています（最終更新2026年2月13日）。また、経済産業省の2025年5月28日付プレスページ（2025年6月27日更新）は、政策の方向性として、ユーザー企業がDX成熟度やIT資産を自律的に把握・可視化・自己診断できる指標、ツール、ガイドラインを整備すると説明しています。

以下のKPI設計は、これらのページが「DX推進指標」自体の機能として示した内容ではなく、本記事の編集上の実務提案です。

導入前の基準値を残す

効果を測るには、AI利用前の状態が必要です。対象業務について、可能な範囲で次を記録します。

  • 処理時間と待ち時間
  • 処理件数
  • 修正、差し戻し、再作業
  • 品質エラーと重大インシデント
  • 担当者の確認負荷
  • 顧客・利用者からの問い合わせ

基準値がない場合、導入後の変化はUNVERIFIEDです。過去データがなければ、限定期間で現状測定を行ってから比較します。

4種類のKPI

1. 効果

  • 一件あたりの総作業時間
  • 待ち時間
  • 完了までの工程数
  • 人が新たに扱えた業務量

AI操作時間だけでなく、入力準備、確認、修正、再生成、事故対応を含む総時間で見ます。

2. 品質

  • 合格基準を満たした割合
  • 人が修正した割合と修正量
  • 根拠不明、事実誤り、抜け漏れ
  • 用途別・難易度別の失敗

平均だけでなく、重大な失敗を別に管理します。品質評価の作り方は生成AIの品質評価で扱います。

3. リスク

  • 禁止情報の入力
  • 不適切な共有
  • 権限逸脱や意図しない外部操作
  • 権利侵害・誤表示の疑い
  • セキュリティ、個人情報、法務への相談と事故

事故が0件でも、報告経路が使われていないだけかもしれません。ヒヤリハットや相談のしやすさも確認します。

4. 定着と負荷

  • 対象者のうち利用条件を理解した人
  • 業務Ownerと確認者の稼働
  • 問い合わせ、教育、管理工数
  • AIを使わない方がよいケースの共有

利用率を上げること自体を目的にせず、適切な用途で使われているかを見ます。

KPIを判断へつなげる

各指標に、改善時の行動と悪化時の行動を結び付けます。

状態判断例
効果と品質が基準を満たす条件を維持して継続。拡大は別途評価
時間は減るが品質が悪化プロンプト、検索、確認工程を修正
品質は良いが確認負荷が過大対象業務や自動化範囲を見直す
重大リスクが発生利用停止、影響確認、原因分析、再承認
効果が確認できない基準値・指標を再確認し、改善不能なら中止

数値閾値は業務ごとの許容リスクと基準値から決めます。外部の成功事例をそのまま自社目標にしません。

定期レビューの議題

  1. 目的は今も有効か
  2. 対象業務と利用者は変わったか
  3. モデル、機能、契約、データは変わったか
  4. 効果・品質・リスクは基準内か
  5. 評価不能な領域はないか
  6. 改善、範囲縮小、停止のどれを選ぶか

サービス変更や重大事故などがあれば、定例日を待たずにレビューします。

終了も成功の選択肢

AI利用を止める判断は失敗ではありません。効果が確認できない、リスクを管理できない、代替手段の方がよい、契約条件が変わったといった理由を記録し、データ削除、権限停止、業務移行を行います。学びを次の候補選定へ戻せば、検証は価値を持ちます。

まとめ

AI活用の定着は、利用回数ではなく、効果、品質、リスク、負荷を一緒に見て判断します。基準値を残し、KPIに具体的な行動を結び付けることで、継続だけでなく修正や停止も説明できます。

Sources