ROI事件ファイル No.387｜『Globex Corporationの月間100件という泥沼』

第一章:月間100件という泥沼——1件2日かかる区割り作成の絶望

TechWave社のアジャイル事件が解決した翌日、今度は不動産業界のAI活用に関する相談が届いた。第三十一巻「再現性の追求」の第387話は、投資対効果を定量化する物語である。

「探偵、我々には、泥沼があります。用地の区割り作成です。月間100件。1件あたり1〜2日かかります。単純計算で200日分の作業量です。しかし、営業日は月22日しかありません。担当者は5名。22日 × 5名 = 110日。常に2倍の作業量を抱えています。残業、休日出勤。それでも追いつきません」

Globex Corporation の用地開発部長、新宿出身の田辺宏は、疲弊した表情でベイカー街221Bを訪れた。彼の手には、複雑な区割り図面のCADデータと、それとは対照的に「Digital Transformation Plan 2026-2028」と記された野心的な計画書が握られていた。

「我々は、総合デベロッパーです。従業員850名。年商420億円。主力事業は住宅用地の開発。年間1,200件の区割り案件。しかし、用地部門は常に火の車です。区割り作成が追いつかない。原価計算も追いつかない。全て手作業だからです」

Globex Corporationの現状: - 設立:1985年(総合デベロッパー) - 従業員数:850名 - 年商:420億円 - 主力事業:住宅用地開発(年間1,200件) - 問題:区割り作成の遅延、原価計算の属人化、手作業の非効率性

田辺の声には深い焦燥感があった。

「社長からの指示は明確です。『2026年夏までに、AIで区割り自動生成と原価計算を効率化せよ。デジタル中長期計画の第一弾だ』。しかし、我々には何もありません。AIの知識もない。システム開発の経験もない。何から始めればいいのか、分かりません」

区割り作成の泥沼実態:

Case 1:住宅用地A(1,200㎡、想定10区画) - 作業工程: 1. 敷地調査(法規制、道路付け、高低差):2時間 2. 区割りパターン検討(5〜10パターン):4時間 3. CAD図面作成:6時間 4. 法規制チェック(建ぺい率、容積率):2時間 5. 原価計算(造成費、インフラ費):3時間 6. 収益シミュレーション(販売価格予測):1時間 - 合計:18時間(2.25日)

Case 2:住宅用地B(800㎡、想定6区画) - 同様の工程で:12時間(1.5日)

月間実態: - 案件数:月間100件 - 平均作業時間:1.5日/件 - 合計作業日数:150日 - 担当者:5名 - 1人あたり作業日数:30日(営業日22日を8日超過)

絶望的な現実: - 営業日22日に対して、30日分の作業 - 残業で補填:1人あたり月60時間残業(8日 × 7.5時間) - それでも追いつかず、休日出勤:月2回

原価計算の属人化実態:

ケース1:ベテラン担当者C(勤続20年、58歳) - 原価計算時間:1件3時間 - 精度:95%(過去の経験と勘で高精度) - 問題:引き継ぎが困難(暗黙知が多い)

ケース2:中堅担当者D(勤続5年、32歳) - 原価計算時間:1件5時間 - 精度:85%(経験不足で見積もりが甘い) - 問題:ベテランCに確認が必要(Cの負担増)

ケース3:新人担当者E(勤続1年、26歳) - 原価計算時間:1件8時間 - 精度:70%(見落としが多い) - 問題:先輩に付きっきりで教えてもらう必要

原価計算の平均: - 5名の平均作業時間:(3h + 3h + 5h + 5h + 8h) ÷ 5 = 4.8時間/件 - 月間100件:4.8時間 × 100件 = 480時間 - 5名の月間稼働時間:7.5時間 × 22日 × 5名 = 825時間 - 原価計算だけで稼働時間の58%を消費

田辺は深くため息をついた。

「さらに問題があります。2〜3年単位の長期プロジェクトを想定しています。段階的な開発です。しかし、何を優先すべきか分かりません。区割り自動生成か、原価計算か。どちらから始めるべきか。そして、本当に効果が出るのか。投資対効果が見えません」

第二章:AI導入という幻想——投資対効果が見えていない

「田辺さん、AIを導入すれば、全ての問題が解決すると思っていますか?」

私の問いに、田辺は戸惑った表情を見せた。

「えっ、そうではないのですか? AIに区割り作成と原価計算を任せれば、全て自動化されると思っていました」

現在の理解(AI万能型): - 期待:AI導入で全自動化 - 問題:投資対効果(ROI)が定量化されていない

私は、ROI思考で投資対効果を定量化する重要性を説いた。

「問題は、『AIを導入すれば解決する』という考えです。ROI思考——Return on Investment Thinking。投資額に対してどれだけのリターンが得られるかを定量化し、優先順位をつけることで、再現可能な段階的AI導入を実現します」

⬜️ ChatGPT｜構想の触媒

「AI導入で解決するな。ROI思考で投資対効果を定量化せよ」

🟧 Claude｜物語の錬金術師

「投資は、いつも『期待』ではなく『数値』だ。定量化することが肝心」

🟦 Gemini｜理性の羅針盤

「ROI分析の3ステップを適用せよ。現状コスト算出、削減効果試算、投資回収期間算出」

3人のメンバーが分析を開始した。Geminiがホワイトボードに「ROI分析フレームワーク」を展開した。

ROI分析の3ステップ: 1. 現状コスト算出(Calculate Current Cost):今いくらかかっているか 2. 削減効果試算(Estimate Savings):AIでいくら削減できるか 3. 投資回収期間算出(Calculate Payback):何年で元が取れるか

「田辺さん、まず現状のコストを正確に算出しましょう」

第三章:Phase 1——ROI分析で優先順位を決定

ステップ1:現状コスト算出(2週間)

区割り作成の年間コスト:

内訳: - 通常勤務:5名 × 7.5時間 × 22日 × 12ヶ月 = 9,900時間 - 残業:5名 × 60時間 × 12ヶ月 = 3,600時間 - 休日出勤:5名 × 2日 × 7.5時間 × 12ヶ月 = 900時間 - 合計:14,400時間(実際の区割り作業は21,600時間なので、外注も併用)

外注費用: - 不足分:21,600時間 - 14,400時間 = 7,200時間 - 外注単価:1件15万円(平均) - 外注件数:7,200時間 ÷ 18時間 = 400件 - 年間外注費:6,000万円

区割り作成の年間総コスト: - 人件費:8,640万円 - 外注費:6,000万円 - 合計:1億4,640万円/年

原価計算の年間コスト:

精度不足による損失: - 原価計算の誤差:平均10%(見積もりが甘い) - 1件あたり平均原価:2,000万円 - 誤差による損失:2,000万円 × 10% = 200万円/件 - 年間誤差発生件数:120件(全体の10%) - 年間損失:2億4,000万円

原価計算の年間総コスト: - 人件費:2,304万円 - 誤差損失:2億4,000万円 - 合計:2億6,304万円/年

ステップ2:削減効果試算(2週間)

Option 1:区割り自動生成AI導入

想定技術: - AIモデル:GPT-4 + 建築CADプラグイン - 学習データ:過去5年の区割り図面2,000件 - 自動生成精度:85%(人間のレビュー15%)

削減効果: - 1件あたり作業時間:18時間 → 3時間(AIが自動生成、人間がレビュー) - 削減率:83% - 年間削減時間:21,600時間 × 83% = 17,928時間 - 削減人件費:17,928時間 × 4,000円 = 7,171万円/年 - 外注削減:400件 → 50件(350件削減) - 削減外注費:350件 × 15万円 = 5,250万円/年 - 合計削減額:1億2,421万円/年

投資額: - AI開発費:2,000万円 - 年間AI運用費:300万円

ROI: - (1億2,421万円 - 300万円) / 2,000万円 × 100 = 606% - 投資回収期間:2,000万円 ÷ 1億2,121万円 = 0.165年(2ヶ月)

Option 2:原価計算AI導入

想定技術: - AIモデル:GPT-4 + 過去原価データベース - 学習データ:過去10年の原価実績5,000件 - 自動計算精度:95%(誤差5%以内)

削減効果: - 1件あたり作業時間:4.8時間 → 1時間(AIが自動計算、人間がレビュー) - 削減率:79% - 年間削減時間:5,760時間 × 79% = 4,550時間 - 削減人件費:4,550時間 × 4,000円 = 1,820万円/年 - 誤差削減:誤差10% → 5%(半減) - 損失削減:2億4,000万円 × 50% = 1億2,000万円/年 - 合計削減額:1億3,820万円/年

投資額: - AI開発費:1,500万円 - 年間AI運用費:200万円

ROI: - (1億3,820万円 - 200万円) / 1,500万円 × 100 = 908% - 投資回収期間:1,500万円 ÷ 1億3,620万円 = 0.110年(1.3ヶ月)

ステップ3:優先順位決定

ROI比較:

決定: - Phase 1(Year 1):原価計算AI導入 - Phase 2(Year 2):区割り自動生成AI導入 - Phase 3(Year 3):設計部門AI導入(将来計画)

第四章:Phase 2——段階的AI導入で再現性を担保

ステップ4:Year 1実装(原価計算AI)

Month 1-3:データ準備とAI学習 - 過去10年の原価実績データ収集:5,000件 - データクレンジング(異常値除去、フォーマット統一) - GPT-4にファインチューニング実施

Month 4-6:プロトタイプ開発 - テスト環境構築 - 過去データ100件でAI精度検証 - 精度95%を達成

Month 7-9:パイロット運用 - 新規案件50件をAIで計算 - ベテラン担当者Cがレビュー - フィードバック反映

Month 10-12:本番稼働 - 全1,200件をAI+人間レビューで対応

Year 1効果測定:

KPI1:作業時間削減 - Before:4.8時間/件 - After:1時間/件 - 削減率:79% - 年間削減時間:4,550時間

KPI2:精度向上 - Before:平均誤差10% - After:平均誤差5% - 損失削減:1億2,000万円/年

KPI3:属人化解消 - ベテランCの暗黙知をAIに移転 - 新人Eでも精度95%の原価計算が可能

Year 2実装(区割り自動生成AI)

Month 1-6:AI開発 - 過去5年の区割り図面2,000件を学習 - CADデータ → AIが自動生成

Month 7-12:本番稼働 - 全1,200件をAI+人間レビューで対応

Year 2効果測定:

KPI1:作業時間削減 - Before:18時間/件 - After:3時間/件 - 削減率:83% - 年間削減時間:17,928時間

KPI2:外注削減 - Before:400件外注 - After:50件外注 - 削減:350件

Year 2累計効果:

年間削減額: - 原価計算AI:1億3,820万円/年 - 区割り自動生成AI:1億2,421万円/年 - 合計:2億6,241万円/年

累計投資: - Year 1:1,500万円 - Year 2:2,000万円 - 合計:3,500万円

累計ROI: - (2億6,241万円 - 500万円) / 3,500万円 × 100 = 735% - 投資回収期間:3,500万円 ÷ 2億5,741万円 = 0.136年(1.6ヶ月)

第五章:探偵の診断——投資対効果を定量化し、優先順位をつける

その夜、ROI思考の本質について考察した。

Globex Corporationは、「AIを導入すれば解決する」という幻想を持っていた。しかし、区割り自動生成と原価計算、どちらを優先すべきか分からなかった。

ROI分析で現状コストを算出し(区割り1億4,640万円/年、原価計算2億6,304万円/年)、削減効果を試算し(原価計算AI:削減1億3,820万円、ROI 908%)、投資回収期間を算出した(1.3ヶ月)。

原価計算AIの方がROI 908%で高く、投資回収期間も1.3ヶ月と短いため、Year 1で優先導入を決定した。Year 2で区割り自動生成AIを追加し、累計削減額2億6,241万円/年、ROI 735%を実現した。

重要なのは、「期待」ではなく「数値」で判断することだ。投資対効果を定量化し、ROIと投資回収期間で優先順位をつけることで、再現可能な段階的AI導入が実現する。

「AI導入で解決するな。ROI思考で投資対効果を定量化せよ。数値で優先順位をつけ、段階的に導入することで、再現可能な成功が生まれる」

次なる事件もまた、投資対効果を定量化する瞬間を描くことになるだろう。

「ROI思考——Return on Investment Thinking。投資対効果を定量化せよ。期待ではなく数値で判断し、ROIと投資回収期間で優先順位をつけることで、再現可能な投資判断が実現する」——探偵の手記より

関連ファイル