AI 導入の ROI を AI に計算させて検算する — 3Dプリント工房の造形監視を題材に、AIB-C01 の測り方を練習する

失敗率の値を抜いた問題を手元の AI に解かせると、「一般的な3Dプリントの失敗率」として 0.1 を自分で置き、損益分岐は 345.42 か月と答えた。同じ問題で claude -p は数値を返さず、失敗率が約 0.0824 を超えないと回収できないという式を返した。AI 導入の ROI を AI に計算させるときに確かめることは、足し算が合っているかだけではない。式の定義とベースラインの値を誰が決めたかである。
※本記事にはアフィリエイト広告(PR)が含まれます。
AWS Certified AI Business Strategist(AIB-C01)の試験ガイドには、KPI・ベースライン・ROI・先行指標・費用の管理を扱うスキル 2.2.1〜2.2.5 がある。そこで、架空の小さな 3Dプリント工房が造形監視 AI を入れるかどうかを題材に同じ形の問題を作り、claude -p(モデル ID は claude-sonnet-5-5)と手元の gemma4:12b に解かせて、スクリプトの正解と比べた。工房の数字は当サイトの仮定で、実在の事業の値ではない。
先に結果を書く。
- 式と値を渡した 20 問: B(月の便益)・K(月の費用)・ROI・損益分岐の月数の 4 項目で採点した。
claude -pはツールなしの文章の計算で 60 回すべて、Python を実行させても 60 回すべて正解だった。gemma4:12b の文章の計算は 20 問中 12 問で、B・K・月数は 20 問すべて合っていたが、ROI を 8 問で誤った - 値を 1 つ抜いた 6 問:
claude -pは 18 回のうち 16 回で不足を指摘し、足りない項目を数値にしなかった。残る 2 回は S(サービスの月額)を 0 円と仮定して計算し、仮定だと書いた。gemma4:12b は 6 問すべてで値を自分で置いて計算した - 式を渡さない 5 問: 同じ値でも ROI が変わった。
claude -pの P04 は −0.2014・−1.117・−1.1167 で、当サイトの式では −0.896 になる
この結果から読めるのは、ROI の定義とベースラインと仮定を、計算の前に人が決めておく必要があることだ。計算はコードで検算し、値が欠けたら AI に置かせない。当サイトは AIB-C01 を受験しておらず、造形監視のサービスも実機で試していない。本記事の式は当サイトの定義で、AWS の定義でも試験の正解でもない。資格の全体像は AWS の AI Business Strategist は何を証明する資格なのか — コードを書かない人向けの認定を、2月15日の早期バッジまでの13週で準備する(2026-11-16 公開) に、AI を入れるかどうかの判断は AI は「AI を使わない」と答えられるのか — AIB-C01 の導入判断を、ルールで足りる事例で確かめる(2026-11-18 公開) に書いた。
- AI 導入の ROI で試験ガイドが問うこと — スキル 2.2.1〜2.2.5
- AWS の 2 つの資料が示す ROI の測り方 — 式として書かれているのは Cost per Outcome
- 架空の工房の値 — 実在の値と仮定を分ける
- 本記事の ROI の式と損益分岐の月数
- 実測の条件 — 3 種類の問いと 2 つのモデル
- 結果 1 — 式と値を渡すと、claude -p は文章でも Python でも 60 回すべて正解した
- 結果 2 — 値を 1 つ抜くと、gemma4:12b は 6 問すべてで値を自分で置いた
- 結果 3 — 式を渡さないと、同じ値でも ROI が変わった
- 月額の差で結論が変わる — 仮定を動かして境目を出す
- 見えない利益・先行指標・費用の管理を工房の表に書く
- 結果の読み方 — 計算より先に、定義とベースラインと仮定を人が決める
- この実測で言えないこと
- まとめ — AI 導入の ROI は、定義とベースラインを決めてから計算させる
- 参照
AI 導入の ROI で試験ガイドが問うこと — スキル 2.2.1〜2.2.5

AIB-C01 の第 2 分野は配点が 28% で、その中のタスク 2.2 は「AI のビジネス価値を測定して実証する」である。このタスクの下に 5 つのスキルが並ぶ。日本語は、公開されている日本語版の試験ガイドの文をそのまま引いた。
| スキル | 日本語版の試験ガイドの文 | 本記事で練習すること |
|---|---|---|
| 2.2.1 | 目に見える利益 (コスト削減、収益増加など) と目に見えない利益 (顧客満足度、従業員の生産性など) を含む、AI イニシアチブの重要業績評価指標 (KPI) を定義する。 | 工房の KPI を、金額にするものと別の行に書くものに分ける |
| 2.2.2 | AI ソリューションを実装する前に、AI の導入効果を正確に測定するためのベースラインメトリクスを確立する。 | 導入前の値が無いと計算がどうなるかを確かめる |
| 2.2.3 | 包括的なフレームワーク (時間短縮、コスト削減、収益増加、生産性向上など) を使用して、AI の投資収益率 (ROI) を計算する。 | 式を決めて計算し、コードで検算する |
| 2.2.4 | AI プロジェクトの成功を予測する先行指標を特定する。 | 導入の途中で見る指標を決める |
| 2.2.5 | コスト計画や最適化戦略を含む、AI 実装の基本的なコスト要因管理を実装する。 | 月額のほかに増える費用を並べる |
「イニシアチブ」は取り組みや施策の意味で、日本語版の語の読み方は AIB-C01 の試験ガイドの日本語版を英語の原文と照らす — 58 のスキルのどこで訳語が意味を変えているかを AI と洗い出す(2026-11-17 公開) で確かめた。
読み落としやすいのは、従業員の生産性の扱いである。2.2.1 では employee productivity が目に見えない利益の例に入り、2.2.3 では productivity gains が ROI の枠組みの例に並ぶ。見えない利益も金額に換算すれば ROI の式に入りうると読めるが、AWS がそう書いているわけではない。本記事では、見えない利益を金額に足さず別の行に書く。理由は後の節で数字を使って示す。
試験ガイドにあるのはスキルの一覧で、式も手順も書かれていない。練習するには、測り方を公開の資料から組み立てることになる。
AWS の 2 つの資料が示す ROI の測り方 — 式として書かれているのは Cost per Outcome

軸にするのは 2026 年の AWS の資料 2 つである。AWS Cloud Financial Management のブログ「Calculating the Return on Investment (ROI) of AI」(Adam Richter、2026-08-10)と、AWS Prescriptive Guidance の「Economics for agentic AI on AWS」(初版 2026-01-28)だ。後者はエージェント型の AI の資料で、造形監視に当てはめるのは当サイトの判断である。
費用を成果に結びつけ、増分で割る
ブログの説明は、費用を配分し、それが支える事業の成果に結びつけ、成果 1 つの費用を出し、その費用を成果の価値と比べるという流れになっている。式として書かれているのは次の 1 本である。
Cost per Outcome = AI Cost / Business Value Metric
続けてブログは「Cost per Outcome is not ROI. It is the unit-level building block that will help you determine ROI.」と書く。成果 1 つの費用は ROI そのものではなく、ROI を決めるための材料だという説明だ。したがって「AWS の ROI の式」として Cost per Outcome を覚えるのは誤りになる。また、「ROI =(便益 − 費用)÷ 費用」と書いた文は、このブログにも Prescriptive Guidance の該当のページにも見つけていない。これは軸にした 2 つの資料の範囲の話である。AWS の別のブログには、宇宙分野の AI 投資の重みづけの比(MAIR)や、エージェントの自動化の年の純価値(Net annual value)の式を書いたものがあるが、どちらも「(便益 − 費用)÷ 費用」の形ではない。
ブログの例で要点になるのはベースラインの扱いだ。週に 5 件のバグを直していた状態から、AI を入れて 15 件になった例で、AI の費用 5,000 ドルを割る数は 15 ではない。AI によって増えた 10 件(15 − 5)で割り、1 件あたり 500 ドルとする。導入前の値が無ければ、この引き算ができない。ブログも、指標を決めたら AI の導入前のベースラインを取るよう書いている(「establish a pre-AI baseline」)。
この例には前提がある。効果がすぐに出ること、開発者の費用が固定であることだ。ブログは、導入から効果が出るまでに立ち上がりの期間があることが多いとも書く。さらに、社内向けの AI は収益に直接結びつかないことが多く、ROI に結びつけるのがより難しくなりうると書き、指標は操作できないものを選ぶこと、ROI の計算だけで AI の戦略を決めないことも挙げている。造形監視は売上を直接増やさないので、この社内向けの AI に当たる。これは当サイトの当てはめである。
ベースラインだけで損益分岐が変わる例
Prescriptive Guidance の事例は、採用業務の AI の話である。初期投資は 23,000 ドル、月 500 件の応募を処理するときの AI の月の費用は 2,667 ドル(初期投資を 12 か月で割った 1,917 ドルを含む)で、どちらの場面でも同じだ。人の作業の月の費用が 22,500 ドルの Scenario A では、損益分岐は 1.16 か月になる。人の作業を 45 分から 15 分に改善した Scenario B では、月の費用が 7,500 ドルになり、損益分岐は 4.76 か月になる。
資料に損益分岐の式は書かれていないが、表の値は「初期投資 ÷ 月の節約額」で再現できる(23,000 ÷ 19,833 = 1.16、23,000 ÷ 4,833 = 4.76)。ただし、資料の月の費用には初期投資の月割りが入っていて、月の費用に初期投資を入れない本記事の式とは数え方が違う。AI も投資額も同じで、変わったのは現状の業務の費用だけである。資料はこれを「the ROI calculation depends critically on your current operational baseline」と書く。なお、1.16 か月と 4.76 か月は採用業務の例の値で、工房の値にはならない。本記事が借りるのは、ベースラインで結果が変わるという形だけだ。
別の Prescriptive Guidance の文書は、「ROI cannot be treated as a static calculation that is performed at launch.」と書き、ROI を導入時に 1 回計算して終わりにせず、KPI として追い続けるよう求める。この点は先行指標の節で工房に当てはめる。
AWS CAF-AI は履歴資料として読む
AI の導入の枠組みとして AWS CAF-AI(AWS Cloud Adoption Framework for Artificial Intelligence, Machine Learning, and Generative AI、2024-02-13 発行)もある。ただし文書に「This whitepaper is for historical reference only.」とあり、現行の指針としては扱えない。本文で ROI の語が出るのは 1 か所、baseline の語は 0 件で、ROI の定義の出典にもならない。事業の成果の例に製造ラインの不良の検出を挙げる箇所は工房の題材に近いが、本記事では履歴資料の文として触れるにとどめる。
もう一つ、AWS はタスク 2.2 と同じ名前の短い講座「AI Business – Measure and Demonstrate AI Business Value」を Coursera で出していて、概要ページは「四つの要素」の ROI の枠組みという語を使っている。当サイトが開いたのは概要ページだけで、教材の中身は確かめていない。
AWS の資料は ROI を事業価値の指標から組み立てる。AI への投資を既存事業の売上の伸びとして考える日本企業向けの本として、次の1冊がある。
架空の工房の値 — 実在の値と仮定を分ける

題材は架空の小さな 3Dプリント工房である。Bambu Lab の P1S で PLA を刷り、1 回の造形を 5 時間と置いた。工房の数字は実在の事業の値ではない。一方で、材料の価格、電気の単価、最低賃金、サービスの月額は公開の値を使った。どの値がどちらなのかを、次の表に分けて書く。
仮定のうち、材料の重さ・上乗せ・造形時間・想定稼働時間は 3Dプリントの原価を日本の電気代で計算し直す — 値付けの根拠を作る(2026-08-19 公開) の計算例から、確認の 5 分は 3Dプリントの監視のしきい値を材料費で決める — 確率のどこで止め、どこを人に回すか(2026-10-17 公開) の例から取った。
| 項目 | 記号 | 値 | 種別 | 出どころと条件 |
|---|---|---|---|---|
| PLA の単価 | — | 2.4 円/g | 実在の値 | Bambu Lab JP ストアの PLA ベーシック 1kg、税込 2,400 円(スプール無し。スプール付きは 2,900 円)。2026 年 11 月 7 日時点で、送料は含まない |
| 平均電力 | — | 105 W | 実在の値 | P1S の PLA の平均。Bambu Lab の約 16 分の測定 |
| 電気の単価 | — | 31 円/kWh | 実在の値(目安) | 家電公取協の目安単価(税込)。実際の料金は契約により異なる |
| 本体の価格 | — | 105,000 円 | 実在の値 | P1S AMS 2 Combo(税込、2026 年 11 月 7 日時点)。AMS Combo の 95,000 円は再入荷未定 |
| 時給 | L | 1,177 円 | 実在の値(最低賃金の平均) | 令和 8 年度の地域別最低賃金の全国加重平均 |
| サービスの月額 | S | 0・785.8・1,100.7・1,888.1 円 | 実在の値の換算(0 円を除く) | 下の料金の表 |
| 1 回の材料 | — | 80 g、上乗せ 15% | 仮定 | 原価の計算例 |
| 1 回の造形時間 | T | 5 時間 | 仮定 | 原価の計算例 |
| 想定稼働時間 | — | 2,000 時間 | 仮定 | 原価の計算例 |
| 検知 1 回の確認 | q | 5 分 | 仮定 | しきい値の記事の例 |
| 月の造形時間 | H | 120〜600 時間 | 仮定 | 問題ごとに変える |
| 失敗率 | f | 0.05〜0.20 | 仮定 | 問題ごとに変える |
| 止められる割合 | r | 0.5〜0.9 | 仮定 | 問題ごとに変える |
| 止めたときの進捗 | s | 0.3〜0.7 | 仮定 | 問題ごとに変える |
| 誤って止める割合 | e | 0.01〜0.05 | 仮定 | 問題ごとに変える |
| 初期費用 | I | 0〜100,000 円 | 仮定 | 問題ごとに変える |
1 回の直接費は 499.575 円
5 時間の造形 1 回の直接費 C は、材料費・電気代・機械費の合計である。
材料費 = 80 g × 2.4 円/g × 1.15 = 220.8 円
電気代 = 0.105 kW × 5 時間 × 31 円/kWh = 16.275 円
機械費 = 105,000 円 ÷ 2,000 時間 × 5 時間 = 262.5 円
直接費 C = 220.8 + 16.275 + 262.5 = 499.575 円
しきい値の記事の 494.6 円はフィラメント 3 円/g・平均 120 W・本体 80,000 円という仮定を含む値で、本記事はこの 3 つを実在の値に置き換えたので 4.975 円増えた。平均電力の 105 W は約 16 分の測定の値で、測定に使った造形物と条件は書かれていない。P1S の公称の最大電力(1000 W @220 V、350 W @110 V)は造形中の平均ではなく、日本の 100 V のときの値は公式に書かれていないので、計算に使わない。
人の確認 — 時給 1,177 円で 5 分は 98.08 円
検知 1 回の確認に 5 分かかると置き、時給には令和 8 年度の地域別最低賃金の全国加重平均 1,177 円を使った。5 分で 98.08 円になる。しきい値の記事では時給 1,200 円の仮定で確認 1 回を 100 円としていたので、ほぼ同じ大きさである。
ただし、この 1,177 円は最低賃金を全国で加重平均した値で、実際の人件費ではない。社会保険料なども含まない。発効は都道府県ごとに順次で(2026 年 10 月 1 日から 12 月 2 日まで)、本記事の公開日にまだ発効していない県がある。
サービスの月額 S — 公式の料金表の値を円に換算した
S には、造形監視のサービスの料金表の値を使った。円の値は 2026 年 10 月時点、1 ドル=約 157 円換算である(計算は FRB H.10 の 2026-10-30 の 157.47 円で行った)。換算の値で公式の表示ではなく、税の扱いは確かめていない。料金は 2026 年 11 月 7 日に確かめた値である。
| 問題の S | ドル(月あたり) | 当てはまるプランと条件 |
|---|---|---|
| 0 円 | — | 月額を払わない場合の仮の値。特定の無料の枠を指していない |
| 785.8 円 | 4.99 | OctoEverywhere の Supporter Perks(以下 Supporter)の年払い(月払いは 6.99 ドル)。検知の時間に上限は無い |
| 1,100.7 円 | 6.99 | Supporter の月払い。Obico AI Premium の年払い(年 83.88 ドル。月払いは 8.99 ドル)も同じ額だが、含まれる検知は月 50 時間で 20 問の H に足りず、パックを足すとこの額を超える |
| 1,888.1 円 | 11.99 | OctoEverywhere の Elite Supporter Perks(以下 Elite)の年払い(月払いは 14.99 ドル)。Obico AI Premium の年払いに Subscribe&Save Packs(以下 定額パック)の 300 時間(年払いで月 5 ドル)を足した額も同じで、検知は月 350 時間までである |
Obico の組には時間の条件が付く。残りの時間が 0 以下の状態で始めた造形は検知が動かないので、問題の r がそのまま当てはまらない。20 問の H は最小でも 120 時間で AI Premium の月 50 時間を超えるので、S=1,100.7 の 5 問は時間の上限が無い Supporter の月払いとして読む。S=1,888.1 の 5 問のうち P14 は H が 450 時間で月 350 時間も超えるので、Elite の年払いとして読む。
S=0 の問題を、どこかの無料の枠と読まないでほしい。OctoEverywhere の無料の枠(Standard)は基本の検知と制限付きの通知までで、検知したら自動で止める機能、誤検知が少ないとされる上位のモデル、より頻繁な確認は Supporter の特典である。提供元の説明のとおりなら検知の性能も違うので、r と e は Supporter と同じ値にならない。Obico の無料の枠は 1 台・月 10 時間で、AI Premium とは別の第一世代のモデルを使う。問題の r は「AI が失敗を途中で検知して止められる割合」なので、人が通知に気づくまでの遅れは入っていない。
どのサービスも当サイトでは動かしていない。料金表の金額を問題の S に入れただけで、設定の手順や使い勝手は書けない。
失敗率と検知の割合は仮定である
小規模な工房の造形の失敗率について、公開の統計は見つからなかった。見つかった査読ありの実測は大学の開放スタジオのもので、失敗率 41.1% とされるが、初心者が多い場所の値であり、当サイトが読めたのは抄録だけである。工房の値としては使わない。
検知の性能も同じ事情だ。Obico が公表しているのは第一世代のモデルとの比較(見逃しが 63% 減、誤報が 56% 減。どちらも提供元の自己申告)で、検知率と誤検知率の絶対値は見つけていない。そこで f・r・s・e と H・I はすべて仮定の値として問題ごとに変えた。原価の記事も失敗率 10%(成功率 90%)を計算例の仮定として置き、失敗率は造形物によって大きく変わると書いている。
題材の工房は Bambu Lab の P1S を使う想定である。同じ機種を実際に置くなら、AMS 付きの Combo が次のものになる。
本記事の ROI の式と損益分岐の月数

ROI の式は、本記事では次のものを使う。これは AWS の式ではなく、当サイトの定義である。形は一般に使われる ROI(純利益 ÷ 投資の費用)にそろえ、期間を 1 年に決めた。解説の Corporate Finance Institute が書くとおり、一般的な ROI には期間が入らないという弱点があるので、「年の ROI」と期間を必ず添える。
月の造形回数 N = H ÷ T
月の失敗回数 F = N × f
止められた回数 D = F × r
誤って止めた回数 G = (N − F) × e
月の便益 B = D × C × (1 − s)
月の費用 K = G × C × s + (D + G) × L × q ÷ 60 + S
年の ROI = (12B − 12K − I) ÷ (12K + I)
損益分岐の月数 = I ÷ (B − K)。B − K が 0 以下なら「回収できない」
便益 B は、失敗を途中で止めて節約できる残りの費用である。1 回あたりの C × (1 − s) はしきい値の記事の見逃した損失 C_FN と同じ形で、誤って止めた 1 回の C × s は誤って止めた損失 C_FP と同じ形だ。前提も同じで、費用は時間に一様、止めたら最初から刷り直す、失敗に気づくのは最後と置いている。確率のどこで止めるかを決めるしきい値 p* の式は、その記事に書いたのでここでは繰り返さない。本記事は r と e を仮定の値として直接置く。
損益分岐の月数は、家電を直すか買い替えるかを電気代で決める — 英国の家庭で測った冷蔵庫と現行機の登録値で、損益分岐を計算する(2026-11-06 公開) の「損益分岐の年数」と同じ形を月で使ったものだ。余分にかかる費用を月の差で割り、差が 0 以下なら「回収できない」と書く。
この式は狭い定義である。便益に数えるのは材料費・電気代・機械費だけで、やり直しの人手、納期の遅れ、機械が埋まっている間に受けられなかった仕事は入っていない。AWS の Prescriptive Guidance は、現状の業務の費用のベースラインに、隠れた費用・失敗率・機会費用まで含めるよう書いている。実際の判断では、本記事の式より広く数えることになる。
もう一つ、式の性質を書いておく。年の ROI は 12B ÷ (12K + I) − 1 と書き直せるので、B が 0 以上なら −1 を下回らない。後の節で、この性質を検算に使う。
値を入れた例
次の値の組は説明のための例で、実験の問題とは別である。C と L は上の節の値で、ほかは仮定である。H=300、T=5、f=0.10、r=0.7、s=0.5、e=0.02、q=5、C=499.575、L=1,177、S=0、I=0 と置く。
N = 300 ÷ 5 = 60 回
F = 60 × 0.10 = 6 回
D = 6 × 0.7 = 4.2 回
G = (60 − 6) × 0.02 = 1.08 回
B = 4.2 × 499.575 × (1 − 0.5) = 1,049.11 円
誤って止めた損失 = 1.08 × 499.575 × 0.5 = 269.77 円
確認の人件費 = (4.2 + 1.08) × 1,177 × 5 ÷ 60 = 517.88 円
K = 269.77 + 517.88 + 0 = 787.65 円
B − K = 261.46 円、年の ROI = 0.332
この例は S が 0 円で、初期費用も 0 円なので黒字になった。同じ値で S を変えた結果は、後の節で表にする。
実測の条件 — 3 種類の問いと 2 つのモデル

問いは次の 3 種類で、文章の計算と Python の実行を分けて数えた。
| 問い | AI に渡したもの | 問題の数 | claude -p | gemma4:12b |
|---|---|---|---|---|
| 式と値を渡す(文章の計算) | 値 11 個と式 8 行 | 20 | 3 回ずつ | 1 回ずつ |
| 式と値を渡す(Python の実行) | 同じ | 20 | 3 回ずつ | なし |
| 値を 1 つ抜く | 値 10 個と式 8 行 | 6 | 3 回ずつ | 1 回ずつ |
| 式を渡さない | 値 11 個 | 5 | 3 回ずつ | 1 回ずつ |
20 問の H・f・r・s・e・S・I は random.Random(20261119) で選び、結果の偏りを見て作り直していない。値を抜く問いは、20 問の先頭の 6 問から f・r・e・S・I・H を順に 1 つずつ抜いた。抜いたことは問いに書いていない。式を渡さない問いは、先頭の 5 問から式だけを外した。値を抜く問いの末尾は次のとおりで、null(数値にしない)も、自分で置いた仮定を書く欄も、どちらも答えの形として用意してある。
B、K、年の ROI、損益分岐の月数を求める。途中の計算を書いてよいが、最後に次の JSON を書く。
{"B": 数値か null, "K": 数値か null, "ROI": 数値か null, "months": 数値か "回収できない" か null, "assumptions": "自分で置いた仮定があれば書く。無ければ空"}
claude -p は Claude Code 2.1.319 を対話なしで動かす使い方で、--model sonnet と指定し、記録されたモデル ID は claude-sonnet-5-5 だった。ツールと MCP は外した。Python の実行の条件だけ、Python の実行とファイルの読み取りを許し、60 回すべてで Python の実行の呼び出しがあった。温度は指定できないので、3 回繰り返した。
手元のモデルは Ollama 0.40.15 の gemma4:12b で、思考なし(think: false)、温度 0、num_ctx 8192 で動かした。Python の実行は許していない。システムプロンプトは、Python の実行の条件が「You are a careful data analyst.」で、それ以外の条件が「あなたは計算を確かめながら進める。指示された形式で答える。」である。
採点の正解は Python のスクリプトで計算した。B・K・ROI・月数の 4 項目を、相対 0.5% か絶対 0.005 の大きいほうまで合えば正解とし、4 項目すべて合って問題の正解とする。AI に渡したのは自作の題材だけで、公式の問題や教材は渡していない。
結果 1 — 式と値を渡すと、claude -p は文章でも Python でも 60 回すべて正解した

| モデルと条件 | 回答 | 4 項目すべて正解 | B | K | ROI | 月数 | 費用(ドル) | 時間の中央値(秒) |
|---|---|---|---|---|---|---|---|---|
claude -p、文章の計算 | 60 | 60 | 60 | 60 | 60 | 60 | 0.48 | 8.4 |
claude -p、Python の実行 | 60 | 60 | 60 | 60 | 60 | 60 | 0.40 | 9.1 |
| gemma4:12b、文章の計算 | 20 | 12 | 20 | 20 | 12 | 20 | 0.00 | 5.1 |
claude -p は 2 つの条件とも全問正解で、正解の数に差は出なかった。費用は claude -p が返した値の 60 回の合計で 0.48 ドルと 0.40 ドル、時間の中央値は 8.4 秒と 9.1 秒である。手元のモデルの費用は API の費用が 0 という意味で、電気代は含めていない。
20 問のうち 13 問の正解は「回収できない」になった。これは選んだ仮定の値の結果で、造形監視は回収できないという一般則ではない。便益を材料費・電気代・機械費に絞った定義も効いている。回収できる残りの 7 問のうち 6 問も、損益分岐が 12 か月を超えるので年の ROI は負だった(P01 は 51.2 か月で ROI −0.568)。残る 1 問は初期費用が 0 円の問題である。期間を 1 年に決めた ROI では、月数が 12 を超えれば ROI は負になるので、この 2 つの値は矛盾しない。
gemma4:12b は ROI の足し引きだけを 8 問で誤った
gemma4:12b が誤った 8 問の ROI は次のとおりである。どの問題でも B・K・月数は許容の範囲に入っていた。
| 問題 | gemma4:12b の ROI | 正解の ROI |
|---|---|---|
| P02 | −0.8107 | −0.942 |
| P04 | −0.3226 | −0.896 |
| P06 | −0.6019 | −0.565 |
| P10 | −0.9315 | −0.858 |
| P11 | −0.50408 | −0.938 |
| P12 | −0.9944 | −0.924 |
| P13 | −0.844 | −0.781 |
| P20 | −0.7067 | −0.631 |
答えの本文を読むと、8 問とも 12B と 12K までは合っていて、ROI の分子か分母の足し引きの結果が式と合っていなかった。たとえば P11 は、分子の 2,877.552 − 26,131.67328 − 20,000 を −23,254.12128 と書いている。正しくは −43,254.12128 で、初期費用の 20,000 円が引かれていない形の値だ。
厄介なのは、誤った ROI もすべて負で、月数も合っていることである。P11 の −0.50408 は、「回収できない」という結論の横に置いても不自然に見えない。答えの中の見た目では誤りが分からないので、式に戻して確かめるしかない。
過去の実測との比べ方
家電を直すか買い替えるかを電気代で決める — 英国の家庭で測った冷蔵庫と現行機の登録値で、損益分岐を計算する(2026-11-06 公開) では、同じ gemma4:12b(思考なし)が 45 項目中 21 項目の正解で、「回収できない」組を約 811 年で回収と誤答した。この実行の 20 問では月数を誤らず、13 問の「回収できない」もすべて答えられた。ただし問題の形も数も違うので、「改善した」とは言えない。
家電ごとの電力ログを AI に読ませる — 生のログ・1時間の表・コードの実行で、答えの正しさはどう変わるか(2026-11-03 公開) では、生のログを貼ると数値が返らず、ファイルとコードの実行で全問正解(11/11、10/10)だった。一方、本記事の実測ではコードの実行があっても無くても正解の数は同じである。測るものが違うからだ。あちらは大きなログの集計で、こちらは短い問題の計算であり、この 2 つの結果を一つの傾向としては読めない。
検算はスクリプトに任せるのが確実だ。Python で表の計算を組んで確かめる手順を一から学ぶなら、AI 対応版の次の本がある。
結果 2 — 値を 1 つ抜くと、gemma4:12b は 6 問すべてで値を自分で置いた

ここが本記事の中心である。値を 1 つ抜いた 6 問への答えは、次のように分かれた。分類は機械の採点ではなく、答えを全件読んで分けた。読んで分けたのは当サイトの制作に使っている Claude(Claude Opus 5.5)で、人の確認はしていない。
| モデル | 回答 | 不足を指摘し、足りない項目を数値にしなかった | 仮定を書いて全部計算した | 黙って計算した |
|---|---|---|---|---|
claude -p | 18 | 16 | 2 | 0 |
| gemma4:12b | 6 | 0 | 6 | 0 |
問題ごとの答えは次のとおりである。元の値と正解の月数は、値を抜く前の問題のもので、AI には渡していない。
| 問題 | 抜いた値(元の値) | claude -p の 3 回 | gemma4:12b が置いた値 | gemma4:12b の月数 | 正解の月数 |
|---|---|---|---|---|---|
| P01-f | 失敗率 f(0.2) | 3 回とも 4 項目を null。f の式を示す | f=0.1 | 345.42 | 51.2 |
| P02-r | 止められる割合 r(0.7) | B・K・ROI は null。月数は回収できない | r=1 | 回収できない | 回収できない |
| P03-e | 誤って止める割合 e(0.03) | B は計算。K・ROI は null。月数は回収できない | e=0.05 | 回収できない | 回収できない |
| P04-S | サービスの月額 S(0 円) | 2 回は S=0 と仮定して計算。1 回は K・ROI を null | S=0 | 回収できない | 回収できない |
| P05-I | 初期費用 I(20,000 円) | B・K は計算。ROI は null。月数は回収できない | I=0 | 回収できない | 回収できない |
| P06-H | 月の造形時間 H(200 時間) | 3 回とも 4 項目を null。H の式を示す | H=160 | 回収できない | 回収できない |
claude -p は値が無くても決まることだけを答えた
claude -p の答えには、値を置かない理由が書かれていた。P01-f の 1 回と P02-r の 1 回から引く。
f を私が決めると結果がその仮定でほぼ決まってしまうため、数値は出さず null にしました。
r を勝手に置くと結果が作り物になるため、置きません。
ただし、すべてを空欄にしたわけではない。足りない値があっても結論が変わらない項目は計算した。P02-r は r が最大の 1 でも B − K が負になるので、r に関係なく「回収できない」と答えた。P03-e は e が 0 でも K が 1,477.34 円で B の 575.51 円を上回るので、同じく「回収できない」である。P05-I も、B − K が負なら初期費用に関係なく回収できないと判定した。
P01-f と P06-H では、足りない値を未知数のまま式にして、境目を示した。P01-f は B − K = 16602.717 f − 1368.822 で、f が約 0.0824 を超えないと回収できない。P06-H は H が約 373 時間を超えないと回収できない。どちらも、工房が何を測れば答えが出るかを示す答えになっている。
例外は P04-S の 2 回で、S を 0 円と仮定して計算し、仮定だと書いた。もう 1 回は不足として K と ROI を null にしたので、同じ問いでも回によって分かれた。元の問題の S はたまたま 0 円だったが、これは AI に渡していない情報で、値が合ったのは結果としての一致である。
gemma4:12b の仮定には根拠が無い
gemma4:12b は 6 問すべてで値を置いた。答えの本文から引く(数式の記号と強調の書式は取り除いた)。
仮定:造形失敗率 f を一般的な3Dプリントの失敗率として 0.1 (10%) と仮定して計算します。
e の値が指定されていないため、一般的な「誤検知率」として e = 0.05 と仮定します。
月の稼働時間 H を 160 時間(週40時間×4週)と仮定します。
先に公平のために書くと、問いに assumptions の欄があるので、仮定を書くこと自体は問いが促している。gemma4:12b はどの回も仮定を欄に書いていて、黙って計算した回は 2 つのモデルとも 0 回だった。問いの作りが違えば、答えの分かれ方も変わりうる。
問題は、書かれた値に根拠が無いことである。「一般的な」と書かれているが、工房の値の節に書いたとおり、小規模な工房の失敗率の公開の統計も、誤検知率の絶対値も当サイトは見つけていない。また r=1、S=0、I=0 は、どれも導入に最も有利な端の値だ。すべての失敗を止められる、月額がかからない、初期費用がかからないという前提を置けば、数字は埋まるが、工房の判断の材料にはならない。
置いた値のうえでも計算が崩れた問いがある。P01-f の ROI −1.00688 は、B が 2,427.9345 円と正の値なので、当サイトの式では起きない値だ。式の節に書いた性質(B が 0 以上なら −1 を下回らない)を使えば、計算をやり直さなくても怪しいと分かる。
ベースラインが無いと ROI は出せない — スキル 2.2.2
AIB-C01 のスキル 2.2.2 が「実装する前に」ベースラインを確立するよう書く理由は、この実験の値の動きを見ると分かる。P01 の値で f だけを動かすと、次のようになる。B − K は 16602.717 f − 1368.822 で、月数は P01 の I(100,000 円)を B − K で割った値である。どちらも当サイトのスクリプトで計算した。
| f | B − K(円) | 損益分岐の月数 |
|---|---|---|
| 0.08 | −40.60 | 回収できない |
| 0.10 | 291.45 | 343.1 |
| 0.20(元の問題の値) | 1,951.72 | 51.2 |
f の 0.08 と 0.10 は、どちらも 20 問で使った値の範囲にある。わずか 0.02 の差で、回収できるかどうかが入れ替わる。gemma4:12b の 345.42 は f=0.1 の 343.1 に近いが、途中の計算の差でわずかにずれた値だ。元の問題の 51.2 か月と比べると約 6.7 倍(345.42 ÷ 51.2)で、置いた値ひとつで答えがこれだけ動く。
この失敗率は、工房の記録からしか取れない。導入前に数えていなければ、AI に聞いても出てこないし、後から確かめる手段も無くなる。つまり、ベースラインが無いと ROI の計算は「仮定の値を入れた例」にしかならない。抜いた値を手に入れる方法で分けると、次のようになる。これは本記事の整理である。
| 値 | 手に入れる方法 | 導入前に決められるか |
|---|---|---|
| f(失敗率)、H(月の造形時間) | 工房の記録 | 測れる。これがベースラインである |
| S(月額)、I(初期費用) | 料金表と見積もり | 確かめられる |
| r(止められる割合)、e(誤って止める割合) | 試用の記録か、複数の値での計算 | 公開の絶対値が見つからず、試すまで分からない |
結果 3 — 式を渡さないと、同じ値でも ROI が変わった

式を渡さない 5 問の ROI は次のとおりである。「当サイトの式」の列は、本記事の式に同じ値を入れたものだ。どの答えが正しいかは採点していない。見たいのは、定義の違いで数字がどれだけ動くかである。
| 問題 | 当サイトの式 | claude -p の 3 回 | gemma4:12b |
|---|---|---|---|
| P01 | −0.568 | −0.766・−0.766・−0.766 | 90.13 |
| P02 | −0.942 | −1.03・−1.2237・−1.03 | −2.525 |
| P03 | −0.831 | −1.021・−1.0213・−1.021 | −0.7979 |
| P04 | −0.896 | −0.2014・−1.117・−1.1167 | −1.702789 |
| P05 | −0.545 | −0.682・−0.682・−0.682 | −292.73 |
claude -p は 15 回すべてで使った式を書いた。式と値を照らすと、15 回のうち 14 回は分子が当サイトの式と同じで、違いは分母にあった。P02 で確かめる。値は B=314.732、K=1,247.013、S=785.8、I=50,000 で、分子は当サイトの式と同じ 12B − 12K − I の −61,187.4 円である。
当サイトの分母 12K + I = 64,964.2 円 → −0.942
初期費用と月額の 12 か月分 I + 12S = 59,429.6 円 → −1.03
初期費用だけ I = 50,000 円 → −1.2237
誤って止めた損失と確認の人件費を「便益から引く」のか「費用に足す」のかで、分子は同じでも分母が変わる。どれも ROI の説明として間違いとは言えないが、−1.03 や −1.2237 のように −1 を下回る値は、当サイトの式では B が正なら出ない。分母が違うことを示す手がかりになる。
P04 の −0.2014 は、もう一段違う。分子から初期費用を引かず、さらに失敗 1 回の損失に 5 時間分の時給を足していた(499.575 + 5 × 1,177 = 6,384.575 円)。便益に何を入れるかも、定義の一部ということになる。同じ値から −0.2014 と −1.117 が出るなら、ROI の数字だけを渡されても何も比べられない。
一方、損益分岐の月数は 15 回すべて当サイトの式と同じだった(P01 が 51.2、ほかは「回収できない」)。月数は分母の問題を持たないので、定義の違いが出にくかったと読める。
gemma4:12b は定義に加えて単位も揺れた。P01 の 90.13 は「年間節約額を初期費用で割った割合」を百分率で、P05 の −292.73 も 100 を掛けた値で答えている。ほかの 3 問は割合の形だ。問いは ROI を「数値」と書いただけで単位を決めていないので、これは問いの側の不足でもある。月数も 5 問中 2 問で当サイトの式と違った(P01 が 13.31 か月、P03 が 60 か月)。
読者への示唆は単純で、計算を頼む前に ROI の定義を決めて渡すことだ。分子に何を入れ、分母に何を入れ、期間は何年で、割合か百分率か。これを渡さなければ、返ってくる数字は AI がその回に選んだ定義の結果になる。
月額の差で結論が変わる — 仮定を動かして境目を出す

定義を決めても、仮定の値で結論は動く。「値を入れた例」の仮定のまま、S だけを変える。K は 787.65 円に S を足した値になる。
| 月額 S | K(円) | B − K(円) | 判定 |
|---|---|---|---|
| 0 円 | 787.65 | 261.46 | 年の ROI 0.332 |
| 785.8 円(OctoEverywhere の Supporter の年払い) | 1,573.45 | −524.34 | 回収できない |
| 1,888.1 円(Obico AI Premium の年払いと定額パック 300 時間) | 2,675.75 | −1,626.64 | 回収できない |
月の便益が 1,049.11 円しかないので、月額の小さな差で結論が変わる。逆に f を 0.20 にすると、Supporter の行は 154.6 円の黒字になる。この表から「監視は元が取れる」とも「取れない」とも言えない。言えるのは、この仮定ではこうなるということと、結論を分ける値がどこにあるかだけである。値を埋めた答えより、境目を式で示した claude -p の答えのほうが、工房が次に何を測るかを示している。
止められた回数を増分で数える
もう一つ、ベースラインで判断が変わる例を工房の値で示す。本記事の式は AI が止めた回数 D をすべて便益に数えていて、導入前に途中で止めた回数を 0 回と置いている。実際には、人が様子を見て途中で止めていた失敗があるはずだ。
AWS の例の 15 − 5 と同じ形で考える。上の例で導入後に月 4.2 回止まり、導入前から人が月 2 回は止めていたと置く(2 回は仮定)。増分は 2.2 回である。Cost per Outcome の AI Cost に S=0 の行の K を入れると、次のようになる。K を入れたのは当サイトの当てはめだ。
止めた 1 回の便益 = 499.575 × (1 − 0.5) = 249.79 円
全部で割る = 787.65 ÷ 4.2 = 187.54 円
増分で割る = 787.65 ÷ 2.2 = 358.02 円
全部で割れば 1 回の便益より安く見えるが、増分で割れば高くなる。導入前の 2 回を数えていなければ、この違いに気づけない。
見えない利益・先行指標・費用の管理を工房の表に書く

ROI の式に入らないものも、スキルとしては問われる。工房に当てはめて整理する。工房の例はどれも当サイトの案で、AWS が挙げた例ではない。
見えない利益は金額に足さず別の行に書く — スキル 2.2.1
目に見える利益と見えない利益の区分は試験ガイドの語である。AWS のブログは同じ語を使わず、事業価値の指標を別の 3 分類で説明している。
| 区分 | 試験ガイドの例 | 工房の例 | ROI の式での扱い |
|---|---|---|---|
| 目に見える利益 | コスト削減、収益増加 | 材料費、機械の時間、やり直しの電気代 | 金額にして B に入れる |
| 目に見えない利益 | 顧客満足度、従業員の生産性 | 納期を守れること、夜間に見張らなくてよい安心 | 金額に足さず別の行に書く |
別の行に書く理由は、足した瞬間に結論が入れ替わるからだ。夜の見回りが月 5 時間減ると置いて時給で換算すると、5 × 1,177 = 5,885 円になる(5 時間は仮定)。これを上の表の月額 785.8 円の行の B − K(−524.34 円)に足すと、5,360.66 円の黒字に変わる。換算の仮定 1 行が、計算した便益の全部より大きいのである。換算するなら換算の仮定を書き、足した数字と足さない数字の両方を示す。
先行指標は導入の途中で見る指標 — スキル 2.2.4
先行指標と遅行指標の定義は、AWS Prescriptive Guidance の変革の管理の文書にある。遅行指標は結果が出た後に成功を測り、先行指標はプロジェクトの途中で成果に向かっているかを測る。これは AI に限らない定義で、AI の先行指標を AWS が列挙した文書は見つけていない。
| 指標 | 種類 | 何が分かるか |
|---|---|---|
| 検知の通知を確認した割合 | 先行指標 | 確認が回っていなければ、r の前提が崩れる |
| 誤って止めた週あたりの回数 | 先行指標 | 同じ週の N と F から出した期待の回数 (N − F) × e と比べると、仮定した e が合っているかが分かる。止めずに通知だけした誤検知は数えない |
| 止められた回数の増分 | 遅行指標 | ベースラインとの差が出る |
| 月の失敗の損失額、年の ROI | 遅行指標 | 導入の結果が出る |
先に挙げた Prescriptive Guidance の文のとおり、ROI は導入時の 1 回の計算ではない。Economics for agentic AI on AWS は、成果の出ないエージェントを打ち切る判断の時点を決めておくよう書く(「Include clear decision points for terminating non-performing agents.」)。工房なら、たとえば導入の 3 か月後に先行指標と B − K を見直し、続けるか解約するかを決める、といった形になる。3 か月は例である。
費用の管理は月額だけでは済まない — スキル 2.2.5
AWS のブログは、費用の最初の要素として総保有コスト(TCO)の計算を挙げ、間接費を保存・データ転送・監視と報告・エージェントの 4 種類に分ける。これはクラウドの AI の分類で、工房の費用の分類ではない。工房で月額のほかに費用が増える点を、公式の文書から並べる。
- 時間の上限: Obico の AI Premium に含まれるのは月 50 時間で、繰り越しとパックを足す形である。時間の上限が無くなるわけではない。造形を始めるときに残りが 0 以下だと検知は動かず、造形の途中で 0 になったときは、その造形の間は検知が続く。定額パック 300 時間は年払いで月 5 ドル、月払いで月 7.5 ドルで、足すと月 350 時間になる。工房の月の造形時間で費用が変わるので、料金の表の Obico の組は H と合わせて読む
- 台数: Obico の追加 1 台は年払いで 2 ドル、月払いで 3 ドルである。OctoEverywhere は Supporter が 5 台込みで追加 1 台 1 ドル、Elite が 10 台込みで追加 1 台 2 ドルだ。本記事の問題の S に追加の台数の料金は入っていない
- 止める機能: OctoEverywhere の無料の枠は 3 台まで使え、検知に時間の上限は無いが、基本の検知と制限付きの通知までである。自動の一時停止は Supporter の特典で、無料で止まるわけではない
- P1S の条件: 提供元の説明では、OctoEverywhere の Bambu Connect(Bambu Lab の同じ名前のソフトとは別物)を動かす機器が 1 台要り、自動の一時停止には Supporter に加えて LAN Only Mode と Developer Mode が要る。この説明は機種を名指ししていないが、P1 シリーズでは、ファームウェア 01.08.02.00(2025-06-03)で認可の確認(Authorization Control)と Developer Mode が入った。Bambu Lab の Wiki によると、Developer Mode では Bambu Cloud につながらない。金額にはならないが、見えない費用として表に書く
- Obico と P1S: Obico の手順の記事(2024-12-19)は OctoPrint を間に置き、別に Web カメラを用意する形で、P1S を名指ししていない(「no matter which model you have」とは書く)。2026 年の別の公式ブログは Bambu Lab を対応先に挙げるが、機種と接続の方法は書いていない。上のファームウェアの後に P1S で動くかは確かめていない
- 本体の検知: Bambu Lab の Spaghetti Detection の公式の説明は X1 を前提にしていて、P1S の記述は確認できなかった
- セルフホスト: Obico のセルフホストはソフトの料金が無く、機器と運用が費用になる。安くなるとは言えない。機器の価格を取っていないので、問題の I は仮定のままである
どれも実機で試した結果ではなく、2026 年 11 月 7 日に公式の文書で確かめた範囲である。導入の手段の選び方は、前に挙げた導入判断の記事で扱った。
見えない利益や先行指標を経営の判断にどう載せるかは、AI の投資の議論で必ず出る論点だ。経営の側から AI 導入の論点を短く整理した新書として、次の1冊がある。
結果の読み方 — 計算より先に、定義とベースラインと仮定を人が決める

3 つの結果を順に並べると、見えてくるのは計算の難しさではない。式と値がそろっていれば、claude -p は 60 回すべて合い、gemma4:12b も ROI の足し引き以外は合っていた。難しいのは計算に入る前の部分である。値が欠けると gemma4:12b は 6 問すべてで値を置き、claude -p も 18 回のうち 2 回は S を 0 円と置いた。式が無いと同じ値から違う ROI が出た。
試験の勉強に置き換えると、スキル 2.2.3 の「計算する」を練習するだけでは足りない。何を便益に数えるか、導入前の値はいくつか、仮定はどれかを決めるところが、人の仕事として残る。
AI 導入の ROI を AI と練習する手順
自分で練習するなら、次の順に進める。渡すのは自作の題材だけで、公式の問題や教材は貼らない。AI を勉強に使う範囲は、資格の全体像の記事に書いた。
- 定義を先に書く: ROI の式、期間、分子と分母に入れるもの、割合か百分率かを文章で決める
- 導入前の値を集める: 失敗の回数、止めるまでの時間、失敗 1 回の損失、月の造形時間を、導入後と同じ定義で記録する
- 値の表を作る: 実在の値と仮定を列で分け、出どころを書く
- 足りない値は置かせない: 足りない値は null で返すよう頼み、仮定を置いた答えは根拠を読む。ただし、この頼み方の効果は本記事では測っていない
- コードで検算する: AI の答えを式に戻し、下のようなスクリプトで同じ値が出るかを見る
- 境目を出す: 分からない値を動かして、B − K が 0 になる値を探す
- 見えない利益を別の行に書く: 金額に足した場合と足さない場合を両方残す
- 導入後に測り直す: 先行指標と ROI を同じ定義で追い、続けるかを決める
検算のスクリプトは短くて済む。
def roi(H, f, r, s, e, S, I, T=5, q=5, C=499.575, L=1177):
N = H / T # 月の造形回数
F = N * f # 月の失敗回数
D = F * r # 止められた回数
G = (N - F) * e # 誤って止めた回数
B = D * C * (1 - s) # 月の便益
K = G * C * s + (D + G) * L * q / 60 + S # 月の費用
R = (12 * B - 12 * K - I) / (12 * K + I) # 年の ROI
M = I / (B - K) if B > K else "回収できない" # 損益分岐の月数
return round(B, 2), round(K, 2), round(R, 3), M
# 月額だけを変えて結論を見比べる(値は「値を入れた例」のもの)
for S in (0, 785.8, 1888.1):
print(S, roi(H=300, f=0.10, r=0.7, s=0.5, e=0.02, S=S, I=0))
# 失敗率を変えて境目を探す(P01 の値)
for f in (0.08, 0.10, 0.20):
print(f, roi(H=450, f=f, r=0.9, s=0.4, e=0.01, S=1100.7, I=100000))
コードを勧める理由は、この実測で正解の数が増えたからではない。claude -p は文章でも Python でも 60 回すべて正解だった。勧めるのは、同じ式を何度でも回せて、値を変えた比較ができ、gemma4:12b の ROI のような見た目では分からない誤りを見つけられるからである。
この実測で言えないこと

結果を読むときの限界をまとめておく。
- 問題は当サイトが作った: 20 問・6 問・5 問はどれも自作で、値は仮定である。13 問が「回収できない」になったのは選んだ値の結果で、一般則ではない。分布を変えれば数は変わる
- 式は 1 種類: 当サイトの定義の 1 本で正解を決めた。便益は材料費・電気代・機械費だけで、ほかの定義では正解も変わる。AWS の定義でも試験の正解でもない
- モデルは各 1 種類:
claude -pは claude-sonnet-5-5 で 3 回、gemma4:12b は温度 0 で 1 回だけ試した。ほかのモデルや設定では試していない。「AI は計算を誤る」とも「AI の計算は正しい」とも一般化できない - コードの利点は数に出なかった: Python を実行させても正解の数は同じだったので、この問題の難しさではコードの利点は数として現れていない。gemma4:12b にはコードの実行を許していない
- 問いの形が答えを動かしうる: 値を抜く問いには assumptions の欄と null の選択肢があった。欄の無い問いや、値を置くなと書いた問いは試していない。答えの分類も、機械の採点ではなく全件を読んで分けたものだ
- 失敗率と検知の割合は仮定: 工房の失敗率の公開の統計は見つからず、検知率と誤検知率の絶対値も見つけていない。41.1% は大学の開放スタジオの抄録の値で、工房には当てはめていない
- 実機で測っていない: 造形も監視も実機で動かしていない。Obico・OctoEverywhere・Bambu Lab の検知は試しておらず、料金と条件は公式の文書の記述である
- 値は動く: 料金と価格は 2026 年 11 月 7 日に確かめた値で、為替・最低賃金・電気の単価とともに変わる
- 受験していない: AIB-C01 を受験しておらず、試験の問題がこの形で出るかは分からない
まとめ — AI 導入の ROI は、定義とベースラインを決めてから計算させる

- 本記事が軸にした 2 つの AWS の資料で式として書かれているのは Cost per Outcome で、ROI そのものではない。本記事の ROI の式と損益分岐の月数は当サイトの定義である
- 式と値を渡した 20 問では、
claude -pは文章でも Python でも 60 回すべて正解した。gemma4:12b は 20 問中 12 問で、B・K・月数は 20 問すべて合い、ROI を 8 問で誤った。誤った ROI も負で、見た目では分からない - 値を 1 つ抜いた 6 問では、
claude -pは 18 回のうち 16 回で足りない項目を数値にせず、2 回は S を 0 円と仮定して仮定と書いた。gemma4:12b は 6 問すべてで f=0.1、r=1、e=0.05、S=0、I=0、H=160 と置いて計算し、その値に根拠は無かった - 式を渡さない 5 問では、同じ値でも ROI が変わった。主な違いは分母で、P02 は −0.942・−1.03・−1.2237 と並ぶ
- 結論は仮定で動く。「値を入れた例」では月額の差で「回収できない」に変わり、P01 では f の 0.08 と 0.10 の間で回収できるかどうかが入れ替わった
AI 導入の ROI の練習で手を動かすなら、計算を頼む前に自分の工房の失敗の回数を数え、ROI の定義を 1 行で書くところから始める。計算はそのあとで AI に頼み、コードで検算する。
参照
- AWS Certified AI Business Strategist 試験ガイド 第 2 分野(英語版)
- 同 第 2 分野(日本語版)
- AWS Cloud Financial Management「Calculating the Return on Investment (ROI) of AI」(Adam Richter、2026-08-10)
- AWS Public Sector Blog「Mission AI ROI strategy framework for space using Amazon Bedrock」(2026-10-08)
- AWS のブログ「Beyond hours saved: Building the business case for agentic automation」(2026-10-07)
- AWS Prescriptive Guidance「Economics for agentic AI on AWS」Understanding agentic AI economics
- 同 Assessing human-process costs
- 同 Measuring success and ROI
- 同 Case study
- 同 Scenario A
- 同 Scenario B
- AWS Prescriptive Guidance「Delivering and sustaining the value of a generative AI application」
- AWS Prescriptive Guidance「1.7 Change adoption metrics」
- AWS Cloud Adoption Framework for Artificial Intelligence, Machine Learning, and Generative AI(PDF、履歴資料)
- Coursera「AI Business – Measure and Demonstrate AI Business Value」
- Corporate Finance Institute「Return on Investment: Formula, Meaning, and How to Calculate It」
- Obico Cloud の料金ページ
- Obico「What is AI Detection Hour and how does it work?」
- Obico「Next-Gen AI Failure Detection Is Here: General Release」
- Obico「AI Failure Detection and Remote Control for Bambu Lab 3D Printers」
- Obico「Best 3D Printer Failure Detection Tools Compared」(2026-02-28)
- Obico「How Obico AI Failure Detection Works」(2026-03-16)
- Obico「Obico Cloud vs Self-Hosted」
- OctoEverywhere の Supporter ページ
- OctoEverywhere「Gadget – Free & Unlimited AI Failure Detection For 3D Printing」
- OctoEverywhere「Do I Need LAN Only Mode For Bambu Lab 3D Printers?」
- OctoEverywhere「AI Failure Detection and Remote Control for Bambu Lab P1S & P1P 3D Printers」
- Bambu Lab Wiki「Third-party Integration with Bambu Lab Products」
- Bambu Lab Wiki「P1P/P1S and AMS Firmware Release History」
- Bambu Lab Wiki「Spaghetti Detection」
- Bambu Lab Wiki「Bambu Lab Printer and AMS power parameters」
- Bambu Lab JP ストア「P1S 3D プリンター」
- Bambu Lab JP ストア「PLA ベーシック」
- 厚生労働省「全ての都道府県で地域別最低賃金の改定額が答申されました」(令和8年9月3日)
- 全国家庭電気製品公正取引協議会「よくある質問」
- FRB H.10 USD/JPY 日次
- Song & Telenko「Causes of Desktop FDM Fabrication Failures in an Open Studio Environment」Procedia CIRP 80(2019)の抄録(OpenAlex)





