KPI設計をAIで行う方法

結論

KPI設計でAIを使うと、KPIツリーの構造作成・指標定義書の文章化・既存KPIの重複確認を、従来の半分以下の時間で終わらせることができる。目標数値の決定は経営判断なのでAIには任せられないが、「どの指標を測るか」の網羅性確認と「定義を揃える」作業はAIが速い。

---

使うAIツール

ツール	用途
Claude 3.5 Sonnet / 3.7	KPIツリーの構造化・定義書の文章化。長いドキュメントを読み込ませた上で抜け漏れ指摘にも使える
ChatGPT（GPT-4o）	指標の候補出しと繰り返し修正。プロンプトを少しずつ変えて精度を上げていく場合
スプレッドシート + AI連携	定義書の管理はExcel/Sheetsで、文章部分をAIで生成する組み合わせが実用的

---

KPI設計の手順

ステップ1：KPIの目的と管理階層を決める

KPI設計を始める前に、誰が何のために見る指標なのかを定義する。経営企画が扱うKPIは通常3つの層に分かれる。

層	対象者	更新頻度
経営KPI	経営会議・取締役会	月次・四半期
事業KPI	事業部長・部門長	週次・月次
現場KPI	担当者・チームリーダー	日次・週次

この層の定義をプロンプトに含めることで、AIが出す候補の粒度が適切になる。

ステップ2：AIでKPIツリーの候補を出す

KPIツリーとは、最上位の経営目標を下位の指標に分解した樹形図だ。AIに最上位目標と事業の概要を渡すと、分解候補を網羅的に出してくれる。

以下の条件でKPIツリーの構造案を作成してください。

【事業概要】
（例：月次サブスクリプション型のSaaS事業。BtoB、中小企業向け、顧客数1,000社）

【最上位KPI】
年間経常収益（ARR）：当期末2億円 → 来期末3億円

【分解してほしい軸】
- ARRを構成する要素（新規獲得・既存拡大・解約抑制）に分解する
- 各要素をさらに2段階まで分解する
- 各指標には計算式の概要も付ける

【アウトプット形式】
- Markdownのツリー形式で出力
- 各指標に「計算式の概要」と「主な確認ポイント」を付ける

ステップ3：KPI候補の絞り込みと優先順位付け

AIが出した候補は網羅性が高い反面、測定コストが高すぎる指標や自社のデータ環境で取れない指標が混じることがある。以下の観点で絞り込む。

• 現状のデータ基盤で計測できるか
• 担当者が行動を変えることで動かせる指標か
• 頻繁にモニタリングする意味があるか

絞り込みの判断自体をAIに手伝わせることもできる。

以下のKPI候補リストについて、「測定の実現可能性」と「経営インパクト」の2軸で評価し、優先度の高い順に並べてください。

【KPI候補】
（上で出力させたツリーの内容を貼る）

【自社の制約条件】
- CRMとSFAが別システムで手動連携が必要
- データ集計は月1回のバッチ処理
- 専任のデータ担当者は1名

優先度「高・中・低」を付け、低判定の理由も1行で示す

ステップ4：KPI定義書を作成する

KPIの一覧が固まったら、各指標の定義書を作る。定義書がないと担当者が変わったときに計算方法がばらつき、数値の信頼性が下がる。

定義書に含めるべき項目と、AIへの指示例は次のとおりだ。

以下のKPI一覧について、各指標の定義書を作成してください。

【KPI一覧】
1. 月次新規受注件数
2. 平均受注単価
3. 解約率（チャーンレート）
4. 顧客あたり収益（ARPU）

【各定義書に含める項目】
- 指標名
- 定義（30字以内）
- 計算式
- データソース（どのシステム・帳票から取るか）
- 更新タイミング
- 担当者（ポジション名でよい）
- 目標値：（要入力）
- 警戒ライン：（要入力）

Markdownの表形式で、各KPIを1行に収める形式で出力する

ステップ5：経営会議向けのKPIサマリーフォーマットを作る

KPI定義書ができたら、月次の経営会議で使うサマリーレポートのフォーマットをAIで設計する。

以下のKPI定義書をもとに、月次経営会議向けのKPIサマリーレポートのフォーマットを作成してください。

【要件】
- A4用紙1枚（または同量のスライド1枚）に収まるレイアウト
- 各KPIは「目標・実績・前月比・前年同月比・ステータス（赤/黄/緑）」で表示
- 経営会議で最初に見るエグゼクティブコメント欄を設ける（3点箇条書き）
- Markdownで出力する

【KPI定義書】
（ここに貼り付ける）

---

経営企画で実際に起きるシーン

場面1：新規事業のKPI体系をゼロから設計する

事業部から「来月から新規事業を立ち上げるのでKPI体系を作ってほしい」という依頼が来た。事業モデルの説明資料（5ページ）をAIに読み込ませ、ARRベースのKPIツリーを生成させた後、事業部担当者と30分のレビューで削除・追加を行い、20指標に絞り込んだ。定義書の初稿はAIで一括生成し、データソースの列だけ担当者に埋めてもらうことで、依頼から3日以内にKPI体系が完成した。

場面2：複数事業部のKPIに重複・矛盾がないか確認する

3事業部がそれぞれ異なる名称で類似した指標を管理しており、全社レポートへの統合が困難になっていた。各事業部のKPI一覧をAIに読み込ませ、「同一指標と思われるペアの洗い出し」「計算方法が異なる可能性がある指標の指摘」を依頼した。人間が目視確認するのに1日かかる作業が30分で終わり、調整が必要なKPIを6件特定できた。

---

うまくいかない場合のポイント

問題：AIが出すKPI候補が多すぎて絞り込めない

候補が多すぎる場合は「最大10指標に絞る」と追加指示するか、絞り込み観点の優先順位をプロンプトで明示する。自社の「現状で計測できないものは除外する」という制約を与えると現実的な候補に絞られる。

問題：定義書の計算式が自社システムに合わない

AIは一般的な計算式を出すが、自社のデータ定義と合っているかは人間が確認する必要がある。特にチャーンレートやLTVは計算方法が企業ごとに異なることが多いため、「自社での定義はこうなっている」という前提情報を渡してから定義書を作らせる。

問題：KPI目標値の設定をAIに頼みたいが出せない

目標数値の設定は経営判断であり、根拠のある数値をAIが自律的に生成することは難しい。「この指標を今後1年で20%改善するとしたら、達成に向けた施策の例を5つ挙げる」のような使い方であれば、AIは参考になるアイデアを出せる。

---

他の業務との連携

KPI設計は事業計画書をAIで作る手順と密接に連動する。計画書で設定した財務目標をKPIに分解するプロセスを一体で行うと整合性が高い。設計したKPI体系を取締役会資料をAIで作る方法で報告する際の資料フォーマットについても合わせて参照してほしい。

---

まとめ

KPI設計でAIが最も力を発揮するのは「構造の網羅性チェック」と「定義書の文章化」だ。目標数値の設定は経営判断として人間が行い、AIは「漏れなく構造化し、定義を揃える」作業を担う。この分担を守ることで、設計品質を落とさずに工数を大幅に削減できる。