ROI試算の基本式：効果は「P/Lの金額」、費用は「初期＋運用＋社内工数」
製造業AIのROI（投資利益率）は、次の式で考えます。
- 年間効果額 ＝ 不良削減額 ＋ 停止削減額 ＋ 工数削減額 ＋ 在庫削減の資金効果 − 誤判定によるコスト増
- 総費用 ＝ 初期費用（ハード・ソフト・開発・データ整備） ＋ 年間運用費 × 年数 ＋ 社内工数
- 投資回収期間 ＝ 初期費用 ÷（年間効果額 − 年間運用費）
ポイントは2つあります。1つ目は、効果をすべて損益計算書（P/L）上の金額に換算することです。「検査が安定する」「判断が速くなる」は、そのままでは金額になりません。流出不良の件数、停止時間、作業時間のような工場のKPIを経由して金額に直します。2つ目は、効果から誤判定のコストを差し引くことです。AIは確率的に誤るため、過検出による再検査工数や誤報による無駄な点検が必ず発生します。
| 効果の種類 | KPI | 金額への換算 | 注意点 |
|---|---|---|---|
| 不良削減 | 社内不良率、流出不良件数 | 不良数 × 1個あたり損失（材料費＋加工費）、流出1件あたりのクレーム費用 | 材料費だけでなく、その工程までの加工費を含める |
| 停止削減 | 計画外停止時間 | 停止時間 × 1時間あたりの限界利益の損失 | 停止しても後で取り戻せる工程は損失が小さい |
| 工数削減 | 検査・点検・計画作業の時間 | 削減時間 × 人件費単価 | 削減した時間を別の仕事に回せるかで実効が変わる |
| 在庫削減 | 在庫日数 | 在庫削減額 × 資本コスト（金利） | 在庫額そのものではなく、持つための費用が効果 |
例1：外観検査AI（検査員の工数と流出不良）
以下は、試算の構造を示すための仮の数字です。実際の値は自社の実績で置き換えてください。
| 項目 | 前提（仮の数字） | 金額（年） |
|---|---|---|
| 検査工数の削減 | 検査員3人のうち2人分の作業をAIの一次判定に置き換え（1人あたり年1,600時間、時給3,000円） | 960万円 |
| 過検出の再検査工数（差し引き） | AIが不良と判定したものを人が再確認、年800時間 | −240万円 |
| 流出不良の削減 | 流出クレーム年6件 → 3件、1件あたり対応費100万円 | 300万円 |
| 年間効果額 | 1,020万円 | |
| 年間運用費 | ライセンス、保守、再学習作業 | −250万円 |
| 初期費用 | カメラ・照明・治具・PC・ソフト・導入作業・データ整備 | 1,500万円 |
回収期間は 1,500万円 ÷（1,020万円 − 250万円）＝ 約1.9年 です。
この例で効果を左右するのは過検出率です。過検出が2倍になれば再検査工数が480万円になり、回収期間は約2.8年に延びます。PoCで過検出率をきちんと測ることが、ROIの精度を上げる一番の近道です。また、削減した検査員2人分の時間を他の工程に回せない場合、工数削減は実際の費用削減になりません。
例2：予知保全AI（停止時間と誤報）
予知保全のROIは、回避できた停止時間と、誤報による無駄な点検のバランスで決まります。
| 項目 | 前提（仮の数字） | 金額（年） |
|---|---|---|
| 計画外停止の削減 | 対象設備の計画外停止 年40時間 → 25時間、1時間あたり損失50万円 | 750万円 |
| 保全費の削減 | 突発故障による部品・外注修理費の減少 | 150万円 |
| 誤報による点検コスト（差し引き） | 誤報 年30件 × 1件あたり点検費3万円 | −90万円 |
| 年間効果額 | 810万円 | |
| 年間運用費 | センサ通信、クラウド、監視、モデル更新 | −200万円 |
| 初期費用 | センサ・ゲートウェイ・ソフト・導入作業 | 1,200万円 |
回収期間は 1,200万円 ÷（810万円 − 200万円）＝ 約2.0年 です。
停止1時間あたりの損失は、業種と工程で桁が変わります。Siemensの「The True Cost of Downtime 2024」では、大規模自動車工場で1時間あたり230万ドル、日用消費財（FMCG）では下限が1時間あたり3.6万ドルとされています（同社推計）。自社の損失は「その時間に作れなかった製品の限界利益」で計算し、後で取り戻せる場合はその分を差し引きます。
例3：需要予測AI（在庫と欠品）
需要予測のROIは、予測精度そのものではなく、在庫と欠品がどう変わるかで評価します。
| 項目 | 前提（仮の数字） | 金額（年） |
|---|---|---|
| 在庫の資金効果 | 平均在庫 5億円 → 4.5億円、在庫保有コスト率 年10%（金利・保管・廃棄） | 500万円 |
| 欠品による機会損失の減少 | 欠品による逸失利益 年1,000万円 → 700万円 | 300万円 |
| 計画担当者の工数削減 | 予測作業 月40時間 → 15時間、時給3,500円 | 105万円 |
| 年間効果額 | 905万円 | |
| 年間運用費 | SaaS利用料、データ連携保守 | −300万円 |
| 初期費用 | 導入作業、データ整備、マスタ修正 | 800万円 |
回収期間は 800万円 ÷（905万円 − 300万円）＝ 約1.3年 です。
在庫削減額の5,000万円をそのまま効果に数えるのは誤りです。在庫が減って浮くのは、在庫を持つための費用（金利・保管・陳腐化）であり、一度きりのキャッシュ創出です。また、予測値を計画担当者が上書きしてしまうと、効果は出ません。WEFのライトハウス工場では、Tüpraş（イズミット）が予測業務の生産性48%向上と、納期遵守率85%→95%を報告しています（WEF、2025年9月）。ただしこれは先進工場の到達点で、デジタル化全体の成果です。
見落としやすい3つの費用
- 横展開費用：1ラインで回収できても、全ラインに広げるとき、ラインごとにカメラやセンサ、ラベル付けの費用がかかります。2ライン目以降の費用を最初に見積もると、投資判断の精度が上がります。
- 年間運用費：品種追加や精度劣化への対応、ライセンス更新は毎年かかります。初期費用だけでROIを判断すると、2年目以降に赤字になります。
- 社内工数：データ整備や判定基準作りは、外注しても社内の生産技術・品質保証の時間が必要です。人件費に換算して費用に含めます。
試算用のExcelは製造業AIのROI試算シートで配布しています。費用の項目の詳細はAI導入費用の内訳を参照してください。
よくある質問
製造業AIの投資回収期間の目安はどのくらいですか？
公的な統計はありません。用途と規模で大きく変わるため、一般的な目安より自社の試算を優先してください。社内の投資基準（たとえば3年以内の回収）を先に確認し、その基準で保守的ケースでも回収できるかで判断するのが実務的です。
効果が金額にしにくい場合はどうすればよいですか？
技能伝承や安全のように金額にしにくい効果は、先行指標で示します。安全なら労働災害の期待損失とヒヤリハットの検知件数、技能伝承なら新人の立ち上がり期間の短縮日数を使います。金額にできる効果だけで回収できるかを先に確かめ、できない効果は上乗せとして示します。
ROIが合わない場合は中止すべきですか？
対象範囲を見直す余地があります。不良金額の大きい品種に絞る、既製品で初期費用を下げる、データ整備を他のテーマと共有して費用を按分する、などです。それでも合わなければ、AI以外の手段（設備改善、ルール化）を検討します。
この記事に出てくる用語
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
