AI活用率 · AI活用KPI
AI Adoption Rate and AI Usage KPI
AI活用率とは?
- 購入したライセンス数ではなく、使う人の数を数える
- 活性比率と一人あたり件数をセットで、部署別に見る
- 「使う」と「うまく使う」は別の指標です
AI活用率を指標として設定すると、最初に変わるのは導入報告の中身です。ライセンスを何個購入したか、何人が研修を受けたかは「投入」であり、活用率は、その投入が働き方に残ったかを問うものです。ライセンスの配布数と実際のユーザー数の間のギャップが見えた瞬間、議論は「ツールをもっと買うか」から「なぜ使われないのか」へと移ります。来年度予算を組む10月にこの数字がないと、前年のライセンスを惰性で更新するか、根拠なく削るかという二つの誤りのどちらかを犯すことになります。
指標は通常、3つの層に分けます。1つ目は接続率で、導入対象者のうち週1回以上ログインした割合です。最も簡単に算出できますが、もっとも表面的な指標です。2つ目は活動率で、1週間に何件依頼しているか、どの機能(文書要約・議事録・データ整理)を使っているかを見ます。3つ目は業務反映率で、成果物が実際の報告書・提案書・顧客対応に使われたかを、アンケートやサンプル点検で確認します。週間アクティブユーザー比率とユーザー1人あたりの週間利用件数をセットで見ることが基本で、一方だけ見ると「一度のぞいただけの人」と「毎日使う人」が同じ数字に混ざってしまいます。部署別・職位別に分けて見なければ、平均がすべてを隠してしまいます。営業が60%を使い、製造が5%しか使わなくても、全社平均は30%台に出てしまいます。
ベースラインも前もって決めておく必要があります。導入初月は好奇心でアクセス率が高く、2〜3か月後には半分以下に落ちる曲線がよくありますが、その下落の後に残る数値が本当の出発点です。目標値は業界平均ではなく、職務ごとに使う場面がある人の割合から逆算すべきです。設備を回す交代勤務者に週3回の活用を求めると指標が歪み、数字を合わせるための形式的なアクセスだけが増えます。管理者画面のログは通常、個人を識別できる情報を含んでいるため、集計単位と閲覧権限を社内AI活用ガイドラインと個人情報規程に合わせて整えておく必要があります。
現場で最もよくずれるのは、活用率をそのまま教育成果の指標として使うことです。研修直後にアクセス率が上がるのは当然で、一か月後の数値が重要なのですが、報告書は通常、研修の翌週の数字で締められます。もう一つは活用率の高い部署をそのまま生産性の高い部署と読んでしまうことです。活用率が測るのは「使ったかどうか」であり、「うまく使ったか」や「恩恵を受けたか」は測りません。活用率を個人評価に直接結びつけると、数字を埋めるための意味のない質問がログを埋め尽くし、指標そのものが壊れます。指標は部署単位で報告し、数値の低い部署には不利益ではなく、その職務に合ったユースケースと教育を付けることが正しい使い方です。
ソフトウェア業界で使われてきたアクティブユーザー指標(DAU・WAU・MAU)が、企業の生成AI導入評価にも移ってきて定着しました。ライセンスを購入したのに使われていない席が多いという問題が、導入2〜3年目の企業で共通して現れると、導入成果を投入量ではなく利用行動で報告する方式が実務の標準になりました。
仮の事例で見てみましょう。役職員850名の生活用品流通会社A社は、今年3月に生成AIのライセンス400個を配布し、全社員への入門教育を終えました。10月、来年度予算の編成で経営陣が "400個をまた買う必要がある根拠"を尋ねると、人事チームは答えられる数字がありませんでした。
- 人事チームのパク課長は、管理コンソールから過去6カ月分のログをダウンロードし、「導入対象400名のうち、直近4週間に一度でもアクセスした人は146名」という数字を初めて取り出しました。
- 部署別に分けてみると、マーケティングは71%、物流センターは4%でした。物流本部長は「現場の社員がオフィスのPCの前に座る時間はありません」と言い切りました。
- パク課長は指標を週間アクティブユーザー比率とユーザー一人あたりの週間活用件数の二つに整理し、目標値を事務職60%・現場職20%と職務別に分けて設定することを提案しました。
- 物流センターでは、入庫検品報告の要約と安全案内文の下書きという二つの用途だけを決めてモバイルで使わせ、使われていないライセンス110個は回収して営業支援チームに回しました。
- 4か月後、週間アクティブユーザー比率は37%から58%に上がり、来年度予算案は、ライセンス400個の代わりに活用率の根拠を付けた320個と、部署別の応用研修費で決裁を受けました。
金鍾赫(キム・ジョンヒョク)
パク・ソリョン