AI導入の費用対効果を、説明できる形にする。

1. 判断待ち時間の削減

確認する数字：
・管理者へ相談する前の整理にかかる時間
・管理者が論点を聞き直す時間
・判断待ちで止まっている時間
・同じ質問が繰り返される回数

試算例：
社員5名が、週1回、30分の判断整理をAIで短縮できる場合。
5名 × 30分 × 4週 = 月10時間。
時給換算3,000円なら、月30,000円相当。

見るべきポイント：
ログイン数ではなく、相談前の論点整理が進んだかを見る。

2. 値引き・赤字案件の抑制

確認する数字：
・値引き依頼の件数
・平均値引き額
・粗利率
・赤字案件、低粗利案件の件数
・値引き前に確認された相談数

試算例：
月1件、10,000円の不要な値引きを避けられた場合。
年間では120,000円の粗利改善。

月1件、50,000円の赤字案件を回避できた場合。
年間では600,000円の損失回避。

見るべきポイント：
AIが売上を作るというより、判断ミスと不要な値引きを減らせるかを見る。

3. 経営学習・管理職育成の効果

確認する数字：
・学習ポイント
・認定証
・よく学ばれたカテゴリ
・分からない用語として出た言葉
・社員が相談で使った経営用語

効果の見方：
経営学習は即日で売上に変わるものではない。
ただし、社員が粗利、限界利益、資金繰り、在庫回転、差別化などを理解し始めると、日々の判断の質が変わる。

見るべきポイント：
テストの点数だけでなく、仕事の相談で経営用語を使えるようになったかを見る。

4. 利用定着の確認

確認する数字：
・初回AI相談を完了した人数
・2回以上相談した人数
・相談カテゴリ
・使われなかった部署
・社員が不安に感じた点

初月の判断基準：
全社員が毎日使う必要はない。
まずは対象者の半数以上が1回使い、価値のある相談テーマが3つ見つかれば、継続検討に値する。

見るべきポイント：
使われない場合は、社員の能力ではなく、相談テーマ、説明文、テンプレートが悪い可能性を疑う。