作業で生まれた余裕が何に変わったかを追う
たとえば、AIで請求書の作成時間が減ったとします。空いた時間で同じ人数のまま処理件数を増やす場合、残業を減らす場合、余った時間を使わずに終わる場合では、利益への影響は異なります。確認の手間や誤りの修正、システムの運用費用が増えれば、効果も小さくなります。
トークン数やモデルの呼び出し回数からは、どれだけの資源を使ったかが分かります。処理時間や誤り率を見れば、仕事がどう変わったかを確認できます。税引後営業利益(NOPAT)への影響を見積もるには、実際に変わった売上や営業費用を特定し、その改善を維持する費用まで含めます。
システムへの支出と、組織に残る能力を分ける
AIシステムの構築や連携、保守には資金が要ります。運用を重ねると、確認手順、担当者からのフィードバック、例外への対処など、次の業務でも使える知識と手順が組織に残ります。この枠組みでは、それをAI活用資本と呼び、システムのために投じる資金と区別します。
請求書の誤りを一度直せば、その一件は処理できます。どんな例外だったか、どこを見れば見分けられるかまで記録すれば、次の担当者は同じ判断を繰り返さずに済みます。学んだことを次の仕事に使えるかで、効果が一件で終わるか、組織に蓄積されるかが変わります。
利益が資本コストを上回るかを確かめる
営業利益が増えても、そのために大きな投下資本が必要なら、投資の収益性は低くなり得ます。投下資本利益率(ROIC)は投じた資本に対する利益を捉え、経済的付加価値(EVA)は利益から資本コストに相当する額を差し引きます。AI投資を評価するときは、その投資によって各指標がどう変わったかを見ます。
利用量から業務成果へ、業務成果から企業に残る利益へ、利益から資本コストを超える収益へと追うと、どの段階で期待した価値が実現していないかが見えます。その段階を特定できれば、利用を増やす前に、業務の設計や時間の使い方を見直すべきか判断できます。
論文情報と原文
SSRNで公開している英語のワーキングペーパーです。本記事の日付はSSRNの初回公開日に合わせています。
| 項目 | 内容 |
|---|---|
| 原題 | From Tokens to Firm Value: A Financial Framework for Token-to-Profit Conversion in Generative AI Adoption |
| 著者 | Seiryu Ando |
| 執筆日(Date Written) | 2026-07-09 |
| SSRN初回公開日 | 2026-07-13 |
| DOI | 10.2139/ssrn.7088042 |