AI企業のKPIをどう定義するか｜利用量・定着・粗利を経時比較できる形にする

結論：AI企業のKPIは「契約の指標」ではなく「使われ方の指標」を主語にします

AIプロダクトを持つ会社のKPIを整えるとき、最初に起きるのは「SaaSの指標セットをそのまま持ってきたのに、月次で見ても事業の良し悪しが分からない」という状態です。原因は指標の選び方というより、指標が捉えている対象にあります。

ARR・MRR・CAC・LTV・解約率は、いずれも契約が結ばれているかどうかを測る指標です。従来型のソフトウェアでは、契約さえ続けば原価はほとんど動かないため、契約の指標を追えば事業の姿はおおむね掴めました。ところがAIプロダクトでは、実際に使われているか（利用量）が、収益と原価の両方を同時に動かします。使われなければ更新されず、使われすぎれば推論コストで赤字になります。同じ「利用量が増えた」という事象が、片側では良い知らせ、もう片側では悪い知らせになる——これがAI企業のKPI設計を難しくしている構造です。

したがって本記事の主張は次の2点です。第一に、契約の指標に加えて、使われ方を数える指標を主語に置くこと。第二に、そのために「何を1回と数えるか」を書面で固定し、変えたときは履歴を残すこと。後者を怠ると、指標そのものは並んでいるのに前月比・前年同期比が成立しなくなります。実際、定義を1つ変えるだけで「利用量が24.0%増えた」という報告が「0.8%減った」に反転する例を、本記事の後半で数値付きで示します。

なお本記事は測り方と定義の規律だけを扱います。ARR・MRR・CAC・LTV・Rule of 40といったSaaS指標そのものの定義と使い方はSaaS・スタートアップ指標の体系に、AI企業の収益・コスト構造を投資判断のために検証する手順はAI企業のVC・グロース投資DDに、繰延収益まで含めた収益モデルの組み立てはSaaS企業の収益モデリングに、それぞれ譲ります。AI出力の品質そのものを評価する方法は金融AIのEvals設計の担当領域で、本記事が扱うのは事業KPIです。

全体像：利用量は収益と原価の両側に効きます

この構造から、KPIの設計に3つの制約が生まれます。

制約1：利用量を数えないKPIセットは成立しません。契約数と解約率だけを見ていると、契約は続いているのに誰も使っていない顧客（更新時に落ちる予備軍）と、使いすぎて赤字になっている顧客（増えるほど損をする顧客）を、どちらも同じ「継続中」として扱ってしまいます。

制約2：売上側と原価側で数え方を揃える必要があります。売上を「文書1件あたり」で見ているのに原価を「APIリクエスト1回あたり」で見ていると、両者を突き合わせた瞬間に単位が合いません。単位の揃え方そのものは単位の一貫性の考え方に従います。

制約3：平均で見ると判断を誤ります。後述の設例で示すとおり、全体の粗利率が黒字でも、利用量の多い顧客が赤字になっていることがあります。平均は、赤字顧客の存在を黒字顧客の利益で覆い隠します。

AI企業固有の6指標——定義・数え方・注意点

ここからが本記事の骨格です。SaaS指標に追加して置くべき6つの指標を、定義・数え方・注意点の3点セットで整理します。以下の6指標の選定と分類は、編集部が実務上の使いやすさを基準に整理した提案フレームです。

①利用量——「何を1回と数えるか」を先に決めます

利用量は、原価と収益の両方に効く共通のドライバなので、6指標のうち最初に定義を固める必要があります。実務で選択肢になるのは主に次の3つです。

• リクエスト単位：システムがモデルを呼び出した回数。原価と最も直結しますが、内部実装の変更で数が動きます。
• 処理対象単位：処理した文書・案件・レコードの数。顧客の業務量に近く、営業・CSと会話しやすい単位です。
• 成果物単位：生成した要約・下書き・回答の数。顧客が受け取る価値に最も近い単位です。

どれが正解ということはありません。決定的に重要なのは1つに固定し、他の2つは補助指標として併記することです。3つのうちどれを主指標にするかで、後述のとおり同じ月の実績が3倍以上ぶれます。指標をツリー状に分解して主従を決める考え方はKPIツリーの整理が使えます。

②アクティブ率・定着——「試したまま止まった人」を分子から外します

AIプロダクトは、導入直後に社内で一斉に試されるため、初月のアクティブ率が異常に高く出ます。翌月に急落するのは製品が悪化したからではなく、初月の数字が「試した人」を含んでいただけであることが大半です。

そこで、少なくとも2段階に分けます。接触（当月に1回以上使った）と定着（当月の4週のうち3週以上、各週1回以上使った）です。前者は導入の進捗、後者は更新可能性の先行指標として使います。母集団の切り方はDAU・MAUの考え方、契約月ごとの推移を追う場合はコホート分析の型がそのまま使えます。

数値例（架空）：発行アカウント500のうち、当月に1回以上使った利用者が300、4週中3週以上使った利用者が150だとします。接触率は 300 ÷ 500 = 60.0%、定着率は 150 ÷ 500 = 30.0% です。ここに無料試用アカウント100（うち定着5）が含まれていた場合、有償分だけで見ると定着率は 145 ÷ 400 = 36.25% になります。検算：150 − 5 = 145、500 − 100 = 400、145 ÷ 400 = 0.3625。同じ月の同じ実績が、30.0%とも36.25%とも言えるということです。どちらが正しいかではなく、どちらの定義で毎月出し続けるかを決めて書き残すことが要点です。

③顧客あたり推論コスト——按分ではなく実測で取ります

推論コストは利用量に比例するため、全社合計を顧客数で頭割りすると、使っていない顧客に原価が乗り、使いすぎている顧客の原価が過小になります。これは赤字顧客を数字の上で消してしまう操作です。

実務上は、モデル呼び出しのログに顧客IDを付与し、呼び出し単位の消費量（トークン数や処理件数）から実測で積み上げます。ログ設計そのものはAIに読ませる財務データの作り方で扱う前処理と同じ考え方で、集計したい単位に主キーを持たせておくことが前提になります。

共通の推論基盤を自社で持っている場合は、固定的な基盤費と変動的な消費分を分けます。基盤費は顧客数比例、消費分は利用量比例として、後者だけを顧客別に実測するのが現実的です。

④顧客別粗利——金額と率の両方を出します

③と顧客別売上の差が顧客別粗利です。率だけを見ると小口顧客の異常値が目立ち、金額だけを見ると大口顧客に埋もれます。両方を並べ、金額の絶対値が大きい顧客と率が極端な顧客を別々に拾えるようにします。次章で設例を使って具体的に計算します。

⑤出力の採用率——AI企業にしか存在しない価値指標です

AIが生成した提案・下書き・要約のうち、利用者が実際に確定操作をした割合です。従来型ソフトウェアには対応する指標が存在しません。ログインしている・利用量が多いことは、価値が出ていることを意味しません。生成されたが誰にも使われていない出力は、原価だけを発生させています。

分母は生成数、分子は確定数です。ここで注意が要るのは、自動確定や既定値のまま確定した件を分子に入れないことです。利用者が内容を見ずに通したものは、価値の証拠になりません。出力の内容そのものの正しさをどう評価するかは金融AIのEvals設計の領域で、ここで測っているのは使われたかどうかだけです。

⑥手戻り・修正率——品質の代理指標として使います

採用された成果物のうち、人が編集を加えた割合です。採用率が高くても手戻り率が高ければ、「使えるが、そのままでは使えない」状態であることが分かります。分母は採用数、分子は編集ありの確定数です。

体裁の修正と内容の修正を分けて数えることを推奨します。前者は改善余地の小さい定型作業、後者は品質そのものの問題で、対策が異なるためです。なお手戻り率は品質の代理指標であり、品質の直接的な測定ではありません。編集されなかったことが正しさの証明にならない点には注意が必要です。

設例：顧客5社を数える——全体は黒字でも2社が赤字です

架空のAI企業ミナト・インテリジェンス株式会社を置きます。業務文書の要約・下書きを生成するプロダクトを、月額固定料金で提供しています。単位はすべて円・月次で統一します。数値はすべて架空の設例です。

前提を2つ置きます。推論コストは1リクエストあたり30円、顧客数に比例する原価（クラウド基盤・カスタマーサクセス配賦）は1社あたり20,000円とします。

検算します。推論コストは 31,000件 × 30円 = 930,000円で、顧客別の合計 150,000 + 180,000 + 180,000 + 240,000 + 180,000 = 930,000円と一致します。顧客比例原価は 5社 × 20,000円 = 100,000円。売上原価合計は 930,000 + 100,000 = 1,030,000円。粗利は 1,450,000 − 1,030,000 = 420,000円。粗利率は 420,000 ÷ 1,450,000 = 0.28966、小数第2位を四捨五入して29.0%です。

全社の粗利率29.0%だけを見ていれば、「利用が伸びていて粗利も出ている」と読めます。しかし顧客別に分解すると、5社のうち2社（D社・E社）が赤字です。この2社の売上は合計300,000円で全体の20.7%にすぎませんが、粗利を160,000円押し下げています。検算：60,000 + 100,000 = 160,000円、300,000 ÷ 1,450,000 = 0.2069 = 20.7%。

この2社を除いた3社だけの粗利率は 580,000 ÷ 1,150,000 = 0.50435 = 50.4% です。検算：330,000 + 200,000 + 50,000 = 580,000円、500,000 + 400,000 + 250,000 = 1,150,000円。平均で見た29.0%と、健全な顧客層の50.4%では、事業の見え方がまったく違います。

さらに直感に反する点があります。売上が最大のA社の利用量が半減したら、全社の粗利率は上がります。A社の利用量が5,000件から2,500件になると、A社の粗利は 500,000 − (2,500 × 30 + 20,000) = 500,000 − 95,000 = 405,000円へ増えます（定額課金なので売上は動きません）。全社粗利は 420,000 + 75,000 = 495,000円、粗利率は 495,000 ÷ 1,450,000 = 0.34138 = 34.1%。利用量は 31,000件から28,500件へ8.1%減ったのに、粗利率は29.0%から34.1%へ改善します。検算：405,000 − 330,000 = 75,000円、(28,500 − 31,000) ÷ 31,000 = −0.0806 = −8.1%。

これが「利用量が両側に効く」ということの意味です。粗利率が上がったという報告だけを受け取ると改善に見えますが、実際には主力顧客が製品を使わなくなっており、次の更新で失う可能性が高い状態です。だから粗利率と利用量・定着を必ず並べて見る必要があります。なぜ利用量が原価に比例するのかという構造そのものと、投資判断のためにその構造を検証する手順はAI企業のVC・グロース投資DDを参照してください。

同じ実績でも、数え方を変えると指標が変わります

ここが本記事のもう1つの核心です。上の設例とまったく同じ月の、まったく同じ実績を使います。利用量31,000件はリクエスト単位の数字でした。1文書あたり平均2.5リクエストで処理しているとすると、文書単位では 31,000 ÷ 2.5 = 12,400文書です。そのうち利用者が確定操作をしたのが7,440本だとすると、採用率は 7,440 ÷ 12,400 = 60.0%、成果物単位の利用量は7,440本になります。

この3つの単位で「1件あたり売上」を出すと、次のようになります。

検算：1,450,000 ÷ 31,000 = 46.774、1,450,000 ÷ 12,400 = 116.935、1,450,000 ÷ 7,440 = 194.892（いずれも小数第3位を四捨五入）。同じ月の同じ実績が、単位の取り方だけで46.77円にも194.89円にもなります。その差は約4.2倍です。検算：194.892 ÷ 46.774 = 4.167。

3つとも間違っていません。問題は、資料ごとに違う単位が使われ、それがどれなのか書かれていないときに起こります。取締役会資料が成果物単位、原価管理表がリクエスト単位、営業のパイプライン管理が文書単位——という状態は珍しくありません。

定義を変えると、増加が減少に反転します

さらに深刻なのは経時比較です。前月の利用量が25,000リクエストだったとします。単純に比べると 31,000 ÷ 25,000 − 1 = +24.0% の増加です。

ところが当月から、長い文書を細かく分割して処理する仕様変更を入れ、1文書あたりのリクエスト数が2.0から2.5へ増えていたとします。文書単位に直すと、前月は 25,000 ÷ 2.0 = 12,500文書、当月は 31,000 ÷ 2.5 = 12,400文書です。前月比は (12,400 − 12,500) ÷ 12,500 = −0.8%。

同じ2か月の同じ実績が、リクエスト単位では24.0%増、文書単位では0.8%減になります。方向が逆です。この場合、顧客の業務量は実質的にほぼ横ばいであり、増えたのは自社の内部処理の細かさだけです。にもかかわらずリクエスト単位のグラフだけを見せれば、成長しているように読めてしまいます。予測値と実績を比べる際のバイアスの測り方は着地見込みと予測精度の管理と同じ考え方で、ずれの原因が実態なのか測り方なのかを分離することが出発点になります。

実務成果物：KPI定義書の様式

ここまでの問題は、指標を増やすことでは解決しません。定義を書面にして、変更を記録することで解決します。本記事が提案する様式は次の7欄です。

定義変更履歴を必須欄にすることが、本記事の主張です。他の6欄は多くの会社が何らかの形で持っていますが、7欄目を持っている会社は多くありません。しかし経時比較を壊すのはほぼ常にこの欄の不在です。

この考え方は会計の実務から借りています。会計基準では、会計方針を変更した場合には原則として過去の財務諸表に遡及適用し、期間比較可能性を確保することが定められています（企業会計基準第24号）。KPIには同等の強制力を持つルールがないため、自社で同じ規律を課すしかありません。すなわち、定義を変えたら過去も新定義で再集計し、再集計できない場合はその旨と影響量を注記する、という運用です。これは編集部の提案フレームであり、制度上の要求ではありません。

経時比較を壊す5つの落とし穴

定義書を作ったうえで、月次の運用で実際に起きる崩れ方を5つに整理します。

①定義変更——数え方を変えたのに遡及修正しない

最も多く、最も検知されにくい崩れ方です。前章のとおり、方向が反転することさえあります。対策は、定義変更のたびに過去12か月を新定義で再集計し、グラフの該当箇所に縦線と注記を入れることです。再集計できない場合（古いログに必要な項目がない等）は、比較不能である旨をグラフ上に明示します。

②無料試用の混入——母数と分子で扱いが揃っていない

無料試用アカウントを利用量には含め、売上には含めない、という状態が典型です。この場合、1件あたり売上が実態より低く出ます。さらに試用が増えた月ほど数字が悪化するため、営業活動が活発なほど指標が悪く見えるという逆転が起こります。対策は、有償・試用を必ず分けて2系列で出すことです。

③大口顧客1社での歪み——全体の数字が1社の挙動になる

設例のA社は売上の34.5%を占めており（500,000 ÷ 1,450,000 = 0.3448）、A社の利用量が半減しただけで全社粗利率が29.0%から34.1%へ動きました。全社の数字が実質的に1社の数字になっている状態です。対策は、上位顧客の売上構成比を毎月併記し、必要に応じて上位1社を除いた系列も出すことです。

④集計期間の不揃い——月次と4週の混在

暦月は28〜31日、4週は常に28日です。1日あたりの利用が完全に一定でも、31日の月は4週集計より 31 ÷ 28 − 1 = +10.7% 多く出ます。営業日ベースでも同様で、営業日20日の月と22日の月では 22 ÷ 20 − 1 = +10.0% の差が出ます。対策は定義書の集計期間欄を1つに固定し、どうしても混在させる場合は1営業日あたりに正規化した系列を併記することです。

⑤機能追加で利用量の意味が変わる——プロダクト側と指標側の断絶

前章の分割処理の例がこれにあたります。プロダクトのリリースが指標の定義に影響することを、プロダクト側が認識していないことが原因です。対策は、リリース判定のチェック項目に「この変更はKPIの定義に影響するか」を入れることです。影響する場合は、リリース前に定義書の変更履歴欄を更新します。

AIに任せる範囲と、人が判断する範囲

KPI定義の整備そのものにも生成AIを使えますが、任せられる範囲は限定的です。AIが得意なのは、既存の定義文の穴を機械的に洗い出すことと、定義文から集計クエリの下書きを作ることです。どの単位を主指標にするかという意思決定は、事業モデルの選択そのものなので人が決めます。

下は、既存のKPI定義を監査させるためのプロンプト例です。入力・出力形式・禁止事項まで含めた完成形にしています。生成AIの一般的な使い分けは生成AI×ファイナンス実務を参照してください。

【役割】あなたはSaaS/AIプロダクトの事業管理担当です。KPI定義の不備を指摘する監査役として振る舞ってください。

【目的】添付のKPI一覧について、経時比較（前月比・前年同期比）が成立しない原因になりうる箇所を洗い出す。

【入力】
- KPI一覧（指標名／現在の定義文／直近13か月の実績値）
- プロダクトのリリース履歴（日付・変更概要）

【必ず7欄で評価すること】
指標名／定義（分子・分母）／集計単位／集計期間／除外条件／データの出所／定義変更履歴

【出力形式】表を1つ。列は次の6つ。
指標名｜欠けている欄｜経時比較が壊れるシナリオ｜検知方法｜補うべき記載の文案｜重大度（高/中/低）

【計算方法】
- 比率は「分子÷分母」を必ず文章で明示すること。式だけを書かない。
- 前月比は (当月−前月)÷前月 と定義し、小数第1位まで%表示。

【禁止事項】
- 一覧に無い指標を新たに追加しないこと。
- 実績値の背景や原因を推測して書かないこと。指摘は定義の不備に限る。
- 「業界平均」「一般的には」といった、入力に無い外部数値を持ち込まないこと。

【不明情報の処理】
- 定義文から分子・分母が特定できない場合は「特定不能」と書き、推測で補わない。
- リリース履歴と指標の関係が不明な場合は「要確認」と書く。

【出典表示】
- 各指摘について、根拠とした入力箇所（指標名・リリース日）を必ず併記すること。

【検算】
- 出力の最後に、入力したKPIの件数と、表の行数が一致しているかを自分で数えて報告すること。

【レビュー項目】人間が確認する観点を3点、最後に列挙すること。

出力はそのまま採用せず、必ず実データで突き合わせます。AI出力の一般的な検証手順は生成AI出力の検証手順に譲ります。

KPI定義・集計の検証方法

この業務に固有の検証項目は次の5点です。

1. 合計の突合：顧客別に集計した売上・原価・粗利の合計が、会計上の売上高・売上原価と一致するか。差異がある場合はその金額と理由を必ず記録します。設例では推論コストの顧客別合計930,000円が 31,000件 × 30円 と一致することを確認しました。
2. 分母の重複と欠落：同じ利用者・同じ成果物が二重に数えられていないか。生成ログと確定ログを突合する場合、成果物IDの一意性を確認します。
3. 境界日の扱い：月末23:59の処理がどちらの月に入るか。タイムゾーン設定がログ側と集計側で一致しているか。ここは実際にずれる箇所です。
4. 定義変更の再集計テスト：旧定義と新定義の両方で直近3か月を集計し、差分の絶対値と方向を記録します。差が説明できない場合は、定義文がまだ曖昧です。
5. 逆算による検算：発表した比率から分子・分母を逆算し、公表した実数と一致するか確認します。設例では 60.0% × 12,400 = 7,440 で採用数と一致します。

機密情報・個人情報の注意

KPIの集計対象となる利用ログには、誰がいつ何を処理したかという情報が含まれるため、個人情報や顧客の営業秘密に該当しうる点に注意が必要です。個人情報保護委員会は、生成AIサービスの利用に関して、入力する情報の取扱いについて注意喚起を行っています（令和5年6月2日）。KPI分析のためにログを外部のAIサービスへ投入する場合は、顧客名・個人が特定できる識別子・処理対象の本文を含めない設計にしたうえで、社内規程との整合を確認してください。詳細な社内ルールの作り方は生成AIに入れてよい情報・いけない情報を参照してください。

日本企業・日本市場での留意点

日本では、KPIの定義を書面で固定しておくことが、社内管理だけでなく開示の局面でも効いてきます。

金融庁「記述情報の開示に関する原則」（平成31年3月19日公表）では、経営上の目標の達成状況を判断するための客観的な指標等（いわゆるKPI）について、「目標の達成度合いを測定する指標、算出方法、なぜその指標を利用するのかについて説明することが考えられる」とされ、セグメント別のKPIがある場合はその内容も開示することが望ましいとされています。算出方法まで説明することが想定されているという点が、本記事の定義書と直接つながります。

また東京証券取引所のグロース市場では、上場会社に「事業計画及び成長可能性に関する事項」の開示が求められており、その進捗状況の開示にあたって前回開示していた経営指標・KPIの変更・取りやめをどう扱うかがFAQとして整理されています。上場を視野に入れている段階から定義変更履歴を残しておけば、この局面で過去の説明を再構成する必要がなくなります。

加えて、日本の事業会社に導入する場合の実務的な論点として、会計年度と集計期間の関係があります。3月決算の会社では、決算月である3月の利用量が期末処理で跳ね上がることがあり、これを季節性として扱うか一時的な増加として扱うかで、前年同期比の読み方が変わります。定義書の集計期間欄に、季節性の扱いを1行入れておくことを推奨します（編集部の提案です）。

よくある失敗

1. 定義を書かずにKPIを共有する：数値だけがスライドに載り、定義は作った人の頭の中にあります。担当者が変わった瞬間に、同じ名前の指標が別の数え方で出てきます。
2. 平均粗利率だけを見る：設例のとおり、全社29.0%の裏で2社が赤字になっていることがあります。平均は赤字顧客を黒字顧客の利益で覆い隠します。
3. 無料利用を利用量に含めたまま前期比を語る：試用が多い月ほど1件あたり売上が悪化し、営業が頑張るほど指標が悪く見えます。
4. SaaS指標をそのまま流用して満足する：ARR・解約率・LTV/CACだけを揃えても、使われていない顧客と使われすぎている顧客は同じ「継続中」に見えます。指標の意味はARR・MRRを確認したうえで、AI固有の指標を追加してください。
5. 採用率を分子の水増しで良く見せる：自動確定や既定値のままの確定を分子に入れると、採用率は簡単に上がります。指標が評価に連動しているほど、この操作は起きやすくなります。

実務チェックリスト

• 利用量の単位を、リクエスト／処理対象／成果物のいずれか1つに固定した
• 主指標にしなかった2つの単位も、補助指標として毎月併記している
• アクティブを「接触」と「定着」の2段階に分け、それぞれ定義を書いた
• 推論コストを顧客IDつきログから実測しており、頭割り按分にしていない
• 顧客別粗利を、金額と率の両方で出している
• 赤字顧客の一覧を毎月作成し、契約条件・価格の見直し対象として管理している
• 出力の採用率について、自動確定・既定値確定を分子から除外している
• 手戻りを、体裁の修正と内容の修正に分けて数えている
• KPI定義書の7欄すべてが埋まっている（特に定義変更履歴）
• 定義を変更した際、過去12か月を新定義で再集計した
• 再集計できなかった期間について、グラフ上に比較不能である旨を明示した
• 有償と無料試用を、必ず分けた2系列で出している
• 上位顧客の売上構成比を毎月併記している
• 集計期間を暦月・4週・営業日のいずれかに統一し、混在時は1営業日あたりに正規化した
• プロダクトのリリース判定に「KPI定義への影響」の確認項目を入れた
• 顧客別の売上・原価の合計が、会計上の売上高・売上原価と突合している

よくある質問（FAQ）

Q. 指標は何個まで増やしてよいですか。役員会に出す数を絞りたいのですが。

A. 数の上限に一般解はありませんが、「定義書を維持できる数」が実質的な上限です。定義変更履歴を更新し続けられない指標は、いずれ経時比較が壊れて意思決定に使えなくなるため、増やしても価値がありません。役員会向けには、利用量・定着・顧客別粗利の3つを主指標に置き、残りは付表に回す構成が扱いやすくなります（編集部の提案です）。

Q. 過去のログに必要な項目がなく、新定義で遡及再集計ができません。どうすればよいですか。

A. 無理に推計値で埋めないでください。推計で埋めた系列は、後から「実績」として一人歩きします。実務的には、再集計可能な期間だけを新定義の系列として出し、それ以前は別系列として色と凡例を分けるのが安全です。そのうえで、切り替え時点の1か月だけは旧定義と新定義の両方を出し、差分の金額または件数を注記します。ログ側に不足項目がある状態そのものは、AIに読ませる財務データの作り方で扱うデータ設計の課題として、別途解消する必要があります。

Q. 顧客別粗利で赤字と分かった顧客は、解約してもらうべきですか。

A. 単月の粗利だけで判断すべきではありません。導入初期は利用量が一時的に膨らむことがあり、また参照顧客としての価値や、将来の増席可能性を持つ場合もあります。実務では、①赤字が3か月以上続いているか ②利用量が減る見込みがあるか ③価格改定または利用上限の設定が可能かを確認してから対応を決めます。なお、これは事業運営上の一般的な整理であり、個別の契約対応は契約条件と法務の確認が必要です。

まとめ

AI企業のKPIが難しいのは、指標が足りないからではなく、利用量が収益と原価の両側に同時に効くため、契約の指標だけでは事業の状態が読めないからです。ARR・CAC・LTVは引き続き必要ですが、それだけでは、使われていない顧客と使われすぎている顧客が同じ「継続中」に見えてしまいます。

本記事では、追加すべき6指標（利用量／アクティブ率・定着／顧客あたり推論コスト／顧客別粗利／出力の採用率／手戻り率）を定義・数え方・注意点の3点セットで整理し、顧客5社の設例で全社29.0%の黒字の裏で2社が赤字であることを検算つきで示しました。さらに、同じ実績が単位の取り方だけで1件あたり46.77円にも194.89円にもなること、定義を1つ変えるだけで前月比が+24.0%から−0.8%へ反転することを示しました。

だからこそ、KPI定義書の7欄目に定義変更履歴を置きます。会計では会計方針を変更した際に遡及適用して期間比較可能性を確保することが定められていますが、KPIには同等の強制力がありません。その規律は、自社で課すしかありません。まずは、いま社内で最も使われている指標を1つ選び、7欄を埋めてみるところから始めてください。

出典・参考（2026-08-16確認）

• 金融庁「記述情報の開示に関する原則」（平成31年3月19日公表）1-3「経営上の目標の達成状況を判断するための客観的な指標等」——KPIについて「目標の達成度合いを測定する指標、算出方法、なぜその指標を利用するのかについて説明することが考えられる」旨、およびセグメント別KPIの開示が望ましい旨の記載を確認。公表ページ／本文PDF
• 企業会計基準委員会（ASBJ）企業会計基準第24号「会計方針の開示、会計上の変更及び誤謬の訂正に関する会計基準」——会計方針を変更した場合に過去の財務諸表へ遡及適用し、期間比較可能性を確保する枠組みが定められています。本記事ではKPIの定義変更時に遡及再集計を行うことの類推として参照しており、KPIに同会計基準が適用されるという意味ではありません。基準本文は企業会計基準委員会が公表しています（改正企業会計基準第24号の公表ページ、2026-08-16確認）。
• 東京証券取引所「上場会社向けナビゲーションシステム」——グロース市場の「事業計画及び成長可能性に関する事項の開示」に関するFAQ群。進捗状況の開示にあたり、前回開示していた経営指標・KPIの変更・取りやめを扱うQ&Aが掲載されていることを確認。FAQカテゴリ
• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（令和5年6月2日）報道発表
• 本記事の設例（ミナト・インテリジェンス株式会社の顧客5社の売上・利用量・推論コスト、アカウント数と採用率の数値）、AI企業固有の6指標という分類、KPI定義書の7欄様式、経時比較を壊す5つの落とし穴の整理は、いずれも編集部が作成した架空の設例および提案フレームです。実在企業の実績値ではありません。AI製品の料金・性能に関する数値は、変動が大きく一次情報で確認できる形にならないため、本記事では記載していません。市場規模・普及率等の推計値も、一次情報で確認できたものがないため記載していません。

※本記事は教育目的の一般的な解説であり、法務・税務・会計・投資に関する助言ではありません。実際の判断は専門家にご確認ください。設例は理解のための仮設例です。AI製品の仕様・料金は変更されることがあるため、利用前に各社の公式情報をご確認ください。