前言
有時候會接到客戶的提問：「雖然已導入 Microsoft 365 Copilot，但想請你報告一下有沒有產生 ROI，要怎麼彙整資料才好呢？」因而苦惱該如何整理數據。
當然，作為企業，為了投資判斷而要求定量依據，本身就是很自然的事。不過，個人認為，針對生成式 AI 的運用，若是以和傳統業務效率化工具導入相同的角度，細細討論 ROI 的階段，或許已經接近尾聲了。
本文將以 Microsoft 365 Copilot 為題，整理我為什麼會有這樣的感受。
另外，本文為了讓內容更容易理解，會以 Microsoft 365 Copilot 為例，但論點上我認為也適用於「與平常使用的業務基盤相性良好的生成式 AI 工具」整體。如果是以 Google Workspace 作為業務基盤，那就是 Gemini；若是開發業務，則可換成 GitHub Copilot 或 Claude Code 等，歡迎讀者依照自己的環境代入。
話說回來，生成式 AI 現在處於哪個階段？
ChatGPT 剛登場時，主要用途是「提問」、「調查」等，生成式 AI 的定位比較像是便利的搜尋助理。那個階段，衡量 ROI（投資報酬率）也確實有一定意義。
然而，正如許多人已經認知到的，現在的生成式 AI，已經不只是停留在「回答問題」的階段，而是進化到「代替人工作」的階段。
因此，與其像過去那樣只把搜尋時間、調查時間的縮短當成 ROI 評估對象，不如從 AI 實際代辦業務、能在多大程度上把原本由人承擔的工作交給它來思考，這才是更合適的觀點。
就代表性的生成式 AI 工具而言，現在已經逐漸達到足以勝任業務的品質。也正因如此，才會出現像是「如果把工作交給生成式 AI，不就不需要新人了嗎」「乾脆減少新進員工的招募數」這類，放在幾年前幾乎難以想像的討論。
順帶補充一下，個人並不是贊同這種「不需要新人」的說法。培養入門層級的人才，並將其養成未來的幹部候選人，這樣的組織運作在未來仍然是必要的。我只是想說，已經進入了會出現這種程度討論的階段變化，所以才會舉這個例子。
生成式 AI，無法用傳統「業務效率化工具」的同一框架來衡量
這是本文最想傳達的重點。
從過去開始，在導入業務效率化工具或生產力提升工具時，便一直有衡量 ROI 的做法。也就是以「導入這個工具後，能節省多少時間」「能省下多少成本」的方式，來定量測量效果。
作為決策者，既然會產生額外成本，那麼去關心這件事本來就是理所當然的，我也無意否定這個必要性。
只是，個人認為：
生成式 AI，已經變成一種和傳統業務效率化工具 不相等 的異質存在
如果說傳統工具是「縮短特定業務的作業時間」，那麼生成式 AI 則更接近「代替自己推進業務本身」的存在。
既然如此，用傳統工具相同的框架去論述 ROI，本身就可能出現不對焦的情況，這就是我的感受。
從成本角度來看
先簡單以成本來比較看看。
如果比較雇用一個人的成本，和生成式 AI 工具每位使用者的授權費，當然是生成式 AI 工具便宜得多。以 Microsoft 365 Copilot 來說，每位使用者大約是每月數千日圓的等級。
假如有一個存在能在某種程度上代替自己做工作，而且每月只要數千日圓就能使用，換作我自己，絕對會毫不猶豫地選擇使用。然後把省下來的時間，投入到自己真正想提供價值的地方。
對每月數千日圓的工具，仍用傳統工具同樣的框架去討論 ROI
老實說，這件事本身就讓我越來越覺得，議題有些不成比例。
另外，這裡想表達的不是「從成本比較就能替代人力」，而是應該看「人透過生成式 AI 所能創造出的增量產出」。生成式 AI 並不是從節省人力工時的角度去取代一個人，而是作為提升單一人員生產力的存在來看待，這樣才比較合理。
即使只看 Microsoft 365 Copilot 單一工具，效率化空間也多得是
雖然我說過它是「代替人工作」，但實際上能做到什麼程度，就以 Microsoft 365 Copilot 為例來整理看看。
大型企業的客戶，多半都是把 Microsoft 365 當作業務基盤在使用。
- 工作中處理的大量資料都在 Microsoft 365 上
- 工作中發生的大部分溝通都在 Microsoft 365 上
- 相關決策也在其上進行
在這種情況下，活用 Microsoft 365 Copilot，可以同時期待縮短工作時間與提升業務品質兩方面的效果。
先從單一工具，例如 Outlook 的 Copilot 來看
光是郵件工作，很多人想必就已經花了不少時間在以下事項上。
- 閱讀、確認郵件的時間
- 理解內容的時間
- 思考回覆內容的時間
- 協調時間的時間
只要交給 Outlook 的 Copilot，這些時間絕對都是能被縮短的領域。例如，Microsoft 官方也介紹了以下功能。
- 收件郵件摘要
- 建立回覆草稿（包含不同語言的翻譯）
- 調整自己撰寫的回覆草稿語氣與清晰度的 Email Coaching
- 透過重要度判定與優先排序進行 Email Triage
- 從 Copilot Chat 進行會議排程
稍微做些設定與設計，甚至可以做到：針對需要提醒的郵件建立回覆草稿、從排程協調郵件中自動查詢空檔並建立回覆草稿，最後只要做最終確認就能回信完成，已經足以到達這個程度。
單看 Outlook，就已經有這麼多功能可以立刻想到。
如果你已經訂閱了 Microsoft 365，日常工作中應該也有許多人會使用 Teams、Word、Excel、PowerPoint、OneNote、SharePoint、OneDrive 等工具，進行聊天、會議等溝通、與外部廠商往來、製作決策所需的資料、資訊共享、調查等工作。
在這些日常業務中，總有許多麻煩的工作、想交給別人做的工作、希望提高品質的工作。
只要使用各服務中的 Copilot 或 Copilot Chat，就能把這些工作交出去，我是這樣理解的。
此外，跨多個工具的業務代辦也已經變得很現實
從這裡開始，是我個人認為更重要的部分。
所謂業務，幾乎不會只在單一工具內完成，而是會跨越多種工具，以
輸入 → 思考／判斷 → 輸出
這樣的流程推進。生成式 AI 已經進入到能連同整個業務情境一起，代替自己推進的程度。
我自己幾乎是獨自經營公司，所以這類案例的使用機會不算多；不過最近在有新員工加入時，需要製作一份對內共享的摘要資料，包括：
- 迄今為止的客戶案件列表
- 合約狀況
- 已應對客戶的負責人
- 迄今的處理內容
- 業務合作夥伴摘要
本來這種工作，應該是一邊確認電子郵件或聊天紀錄，一邊手動整理的作業。
而這次我使用了 Copilot Cowork，我這邊只要輸入一點簡單的提示詞，它就能跨越散落在業務中的資料進行查找，並整理成可共享的報告。最後只要做確認與微調，就把所需資料準備好了。
※撰寫當時為預覽功能
通常來說，這類工作應該是交給有秘書之類人員在前提下來處理的工作。如今已經進入只要交給生成式 AI，就能做出成果的時代，這是我的實際感受。
或許在大型企業的業務環境中，大量的業務資料與大量的溝通內容都散落在 Microsoft 365 上。我的認知是，生成式 AI 已經開始扮演一個能把這些資訊串連起來、理解脈絡後，執行被交付任務的存在。
人的角色將轉向管理者
綜合前面的內容來看，未來的工作方式大概會朝以下方向發展：
- 掌握自己創造價值的本質
- 不是自己也能做的工作，就交給生成式 AI 代勞
- 自己所提供價值的部分，也盡可能提高可重現性
- 最終決策由身為專家的自己來判斷
- 自己以管理者的角色下指示，並審視生成式 AI 的輸出
我認為這會成為未來的方向。
可以想像成「團隊裡有好幾位能代替自己行動的成員」。這麼一想，對每月幾千日圓的工具費用，還要細細討論「是否有產生 ROI」，就真的會覺得有點不太對焦了。
即便如此，官方數據是怎麼呈現的？
話雖如此，若客戶要求「希望有外部依據」，那麼參考官方數據也是合理的，因此這裡補充一下官方公開的數字。
Microsoft 公開的 Forrester 調查（Total Economic Impact 調查）顯示，Microsoft 365 Copilot 的 3 年 ROI 估算為 132% 到最高 353%。每位使用者的時間節省則為 平均每月 9 小時。
- Microsoft 365 Copilot 為中小企業帶來最高 353% 的 ROI（Microsoft 365 部落格）
- Microsoft 365 Copilot 採用報告（Microsoft Learn）
- Microsoft 365 Copilot 官方採用網站
組織內的使用狀況可視化與衡量方法，也正透過 SharePoint Advanced Management 與 Copilot Analytics 持續完善中。
因此，當被要求提供「數字上的依據」時，引用這些官方資訊會是比較務實的做法。
而且不能忽略的是，當這些數據被測量時，包含 Copilot 在內的生成式 AI，已經進步了許多。
真正應該看的指標是什麼？
寫到這裡，再次回頭思考，我認為：
生成式 AI 的使用率，頂多只是其中一個檢查點而已
使用率、活用率當然不是完全不看，而是在導入初期作為健康檢查是有用的。不過，如果把追逐使用率數字本身變成目的，就會失去本來真正應該看的指標。
個人認為，真正應該看的指標很簡單：
在以使用生成式 AI 為前提之下，自己能在單位時間內提供多少價值
我認為核心就在這裡。
具體指標會因組織與業務而異
至於實際要怎麼衡量，老實說，會依商業模式與業務內容而有所不同，各家公司、各組織都不一樣。每個組織應該都有原本就在使用的生產力指標，我認為最務實的方式，就是以那些指標為基礎，去比較導入生成式 AI 前後的差異。
例如在比較容易理解的領域，撰寫程式的工程師 若在有生成式 AI 與沒有生成式 AI 的情況下比較，單位時間內產出的最終程式碼量，肯定會增加。尤其是在和生成式 AI 相性越好的領域，差距就越明顯。
在這種情況下，若要評估工程師，與其看「用了幾次生成式 AI」，不如把 在活用生成式 AI 的前提下，生產力提升了多少 當作指標，個人認為這樣會更好。
我自己的案例
也順便寫一下我自己的案例。
我以 TAKMASPOWER 股份有限公司的名義獨立經營已經大約 2 年半了；我提供給客戶的價值本質，主要來自培訓講師、活動登台、技術討論等與客戶的溝通中，因此很難用一個明確、單一的指標來衡量。
不過至少可以看到以下成果：
- 每年交由生成式 AI 處理的工作量增加，營收也在增加
- 一開始是由我一人營運，必要時也會做業務合作；但如果要再接更多新工作，最終就不得不增加員工了
- 對既有客戶而言，也帶來了續約與擴大合約的結果
這些成果，都是建立在有許多事情若沒有生成式 AI，絕對不可能完成的前提下所得到的結果。
雖然我沒有把它表達成「ROI 是多少百分比」「一天用了幾次」「節省了〇〇小時」這樣的形式，但就個人而言，我確實明顯感受到，使用生成式 AI 帶來的效果，也就是公司層面的數字與對客戶提供價值的提升。
組織層級的指標
在組織層級也是同樣的思考方式：
- 是否以生成式 AI 為前提重新設計業務流程
- 是否能把時間投入到人該做的本質性判斷與決策上
- 由此產出的成果在質與量上有何改變
- 對組織數字產生了怎樣、在多大程度上的貢獻
我認為這些才是最終真正會起作用的指標。
總結
這次我整理了自己對於生成式 AI 活用之 ROI 討論的一些想法。
- 生成式 AI 已經進入「代替人工作」的階段
- 與業務基盤整合的生成式 AI（例如：Microsoft 365 Copilot），無論是單一工具還是跨工具，都有非常多可代辦業務的空間
- 生成式 AI 已經成為與傳統業務效率化工具 不相等 的異質存在，繼續用傳統工具相同的框架來討論 ROI，會越來越不對焦
- 使用率只是其中一個檢查點而已，真正應該看的指標是「在以生成式 AI 為前提下，自己能在單位時間內提供多少價值」
- 具體指標會因組織與業務而異，但以既有生產力指標為基礎，比較導入生成式 AI 前後的差異，是比較務實的做法
當然，為了對組織盡到一定的說明責任，在某些情況下仍然需要定量化。如果是這樣，活用 Microsoft 公開的 ROI 調查或 Copilot Analytics 等官方資訊，應該會是比較現實的選擇。
我個人的看法是，現在已經進入一個不該把追逐 ROI 數字本身當成目的，而是以使用生成式 AI 為前提，專注於最大化自己與團隊所能提供的價值的階段。
當然，這完全是我個人的主觀想法。如果本文能成為你重新思考客戶 ROI 報告方式的一個契機，哪怕只有一點點，也會是我的榮幸。
原文出處：https://qiita.com/Takashi_Masumori/items/70030a76b2b634f1166a
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
