━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

その数字は本当にAIの効果ですか

── 相関と因果を見分ける目を持つ45分

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

✓ 「AIを使っている部署ほど業績が良い」という数字を鵜呑みにしている

✓ 導入前後の単純比較だけで効果を語ってしまっている

✓ ROI試算のどこに落とし穴があるか、チェックする観点を持っていない

✓ 経営会議で効果を説明する立場だが、数字の裏付けに自信がない

もし一つでも当てはまるなら、

足りないのは数式ではなく「数字に騙されない見方」です。

相関と因果の違い、効果測定の正しい設計、

ROI試算の7つの落とし穴を、身近な例で整理します。

この45分で、提示された数字に

「その数字は本当か」と問える目を持ち帰ることができます。

■ こんな方におすすめです

────────────────────────────────

✓ AI導入の効果やROIを判断・説明する立場の経営企画・PM・DX推進担当の方

✓ 「相関と因果」の違いを業務の言葉で理解したい方

✓ 導入前後の比較や効果測定の設計を、正しく組み立てたい方

✓ ROI試算の数字に潜む落とし穴をチェックリストで持っておきたい方

■ セッション説明

────────────────────────────────

「AIを導入したら業務時間が30%減った」「AIを使っている部署ほど業績が良い」 ー こうした数字が経営会議に並ぶ場面が増えました。だが、その数字は本当にAIの効果なのでしょうか。経営企画やDX推進の現場で、効果やROIの数字を判断・説明する立場にある人ほど、ここで足をすくわれます。

本セッションは、AI導入の効果を数字で語る前に押さえておきたい「数字に騙されない見方」を、データサイエンスの視点から整理します。まず、相関と因果の違いという最大の落とし穴を、アイスクリームと水難事故、コーヒーと心筋梗塞、残業と昇進といった身近な例で押さえます。次に、効果測定そのものの設計を扱います。導入前後の単純比較がなぜ危険なのか、対照群と反事実をどう作るか、A/Bテストや差の差分析という現実的な手立てを、業務の例で示します。

後半は、ROI試算で陥りやすい7つの落とし穴 ー チェリーピッキング、ベースライン未設定、時間削減の金額換算の罠、隠れコスト、グッドハートの法則まで ー をチェックリストで渡します。数式の知識は前提にしません。今日のゴールは、提示された数字に「その数字は本当か」と問える目を持ち帰ることです。

■ 今回話す内容

────────────────────────────────

1. その数字は本当か ー 相関と因果の違い、擬似相関・交絡・バイアス
2. 効果をどう測るか ー 前後比較の罠と、対照群・A/Bテストの正しい設計
3. ROI試算の7つの落とし穴 ー チェリーピッキングからグッドハートの法則まで

■ 登壇者

────────────────────────────────

三好大悟（株式会社リベルクラフト 代表）

データサイエンティスト出身。製造業・大手ITを中心に、AI・データ活用のコンサルティングと社内研修を手がける。「技術を現場で動く施策に翻訳する」をミッションに、導入判断から構築・運用展開まで一気通貫でサポートしている。Python・SQLによる実装経験と、経営層へのプレゼン・合意形成の両方を持つ実務家。

X: 三好大悟, リベルクラフト