「全社でAIを導入した」と言える企業は、もう珍しくありません。問いは次の段階へ移っています——導入した結果、実際に何が生まれ、何に詰まり、いくらかかっているのか。そこに答えられる企業は、まだ少ない。MITが2025年に公表した調査（State of AI in Business）では、生成AIの実証の約95%が損益への測定可能な効果を生んでいないと報告されました。成果が出ていないのではなく、多くの場合「何を成功とするかを決めないまま走り、測れていない」のです。
2026年9月、Anthropic が Claude Enterprise 向けに Smart Reports（ベータ） を投入しました（Get started with smart reports / 管理者向け可視化・コスト統制の強化）。これは単なるダッシュボードの追加ではありません。AI活用の「測定」が製品機能として引き取られ、測る単位が『席数・トークン』から『セッションとその成果』へ移った——その変化を示すリリースです。homula はエンタープライズ向けAIエージェント・インテグレーターとして、この「測定の製品化」が統制とROI証明にどう効くかを実務目線で整理します。
Smart Reports は「何を」測るのか
従来の利用分析は「誰が・どれだけ使ったか（WAU、採択率、トークン量）」が中心でした。Smart Reports はそこから一歩踏み込み、セッションを単位に、その中身と結果を要約します。公開情報で確認できる主なセクションは次のとおりです。
- Task outcomes（成果）: 各セッションが実際に何を生み出したか。
- Most expensive sessions（高コストのセッション）: 支出がどこに集中しているか。
- Most common frictions（よくある摩擦）: うまくいかなかった要因をカテゴリ別に集約。
- Reusable skills and workflows（標準化できる反復作業）: 繰り返し現れるパターンのうち、共有スキル（Agent Skills）として束ねると全員が同じ成果を速く出せる候補。通話メモからのフォローアップ作成、アカウント・ブリーフの作成、QBR（四半期レビュー）アウトラインの下書きなどが例として挙げられています。
さらに、何も有用なものを生まなかったセッションや、私用・本題から外れたセッションを、そのコスト付きで可視化します。「使われている」の先にある「何を生み、何を無駄にしたか」に初めて解像度が当たる設計です。
とくに実務で効くのが「摩擦のカテゴリ化」です。公開情報では、次のような分類が示されています。
| 摩擦のカテゴリ | 典型的な中身 | 企業側の打ち手 |
|---|---|---|
| コネクタ未設定 | 必要な接続が用意されていない | 接続の事前プロビジョニング／棚卸し |
| 出力が要求に合わない | 指示と成果のズレ | プロンプト定型化・スキル化 |
| 承認／サインインの待ち | 認可ゲートで停止 | 承認フロー・IdP連携の設計見直し |
| ツール失敗 | 連携先のエラー | 接続の信頼性・権限設計の改善 |
| やり直しループ | 同じ作業の反復 | スキル化・テンプレ化で再発防止 |
「摩擦」は、これまで個々のユーザーの体感に埋もれていました。それをカテゴリと頻度で集計できると、改善は「気合い」から「運用課題のトリアージ」に変わります。どのコネクタを先に整えるべきか、どの承認ゲートが生産性を削っているか——投資判断の材料になります。
測定の単位が変わった、という本質
2026年7月に大きく拡張された Claude の管理者ダッシュボードは、4つの問い——誰が使っているか／どう使っているか／どんな結果が出たか／いくらかかっているか——に沿って整理されています（Enterprise Analytics API は2026年1月1日以降のデータを提供）。Smart Reports はこの延長線上にありながら、重心を明確に「結果」と「コスト」へ寄せました。
ここが本質です。AI活用の評価指標は、この数年で次のように移り変わってきました。
- 席数（シート）: 何人に配ったか。導入の初期指標。
- トークン／利用量: どれだけ使われたか。エンゲージメントの指標。
- セッションと成果: 1回のやりとりが何を生み、いくらかかり、どこで詰まったか。
席数は「配った」しか語らず、トークンは「活発さ」までしか語りません。成果とコストを同じ粒度（セッション）で並べて初めて、ROIの議論が成立します。Smart Reports が「最も高コストなセッション」と「成果を生まなかったセッション」を並置したのは、この粒度変化の象徴です。
日本企業で「AIのROIが説明できない」と言われるとき、多くは指標がまだ席数・利用量に留まっています。経営に説明するなら、「成果（何が出たか）×コスト（いくらで）×摩擦（何が妨げたか）」を同じ単位で語れる状態を、早い段階で作ることが近道です。
いちばん効く一手は「摩擦 → スキル標準化」のループ
Smart Reports のなかで、homula が最も注目するのは 「反復作業をスキルとして束ねる候補」を自動で拾い上げる機能です。これは測定が単なる可視化で終わらず、改善ループに接続されることを意味します。
ループはこう回ります。
- 測る: 繰り返し現れる作業パターンと、そこで起きる摩擦を検出する。
- 束ねる: 頻出パターンを Agent Skills（手順・知識・出力様式をパッケージ化したもの）として標準化する。
- 配る: 標準化したスキルを全員が使える状態にし、同じ成果を速く・ブレなく出す。
- また測る: 摩擦が減ったか、成果が増えたか、コストが下がったかを再計測する。
属人的な「うまい使い方」を、組織の資産に変える流れです。AI活用の複利は、モデルの性能ではなくこの標準化ループの回転数から生まれます。測定はそのループの起点であり、燃料でもあります。
homula が支援の型として掲げてきた「PoC → 実装 → 運用 → 内製化」も、本質はこのループの内製化です。最初のスキルは支援で作っても、測って・束ねて・配る運転を自社で回せるようになって初めて、AI活用は定着します。
測定それ自体が、新しい統制課題になる
一方で、セッションの中身を要約・可視化できるということは、新たなガバナンス論点を抱え込むということでもあります。導入前に必ず設計しておきたい点を挙げます。
- プライバシーと労務: 「私用・本題外のセッションをコスト付きで可視化」する機能は、監視と受け取られかねません。目的（改善・標準化）と範囲を明文化し、労務・法務と合意してから運用するべきです。測定は人を評価するためではなく、仕組みを改善するために使う——この線引きを制度として持つ。
- 測定データ自体の保護: 成果・摩擦・コストの要約は、業務の機微を凝縮したデータです。誰がレポートを生成・閲覧でき、どこに保存され、どれだけ保持されるかを、通常の業務データと同じ厳格さで統べる必要があります。
- ベータと環境制約: Smart Reports はベータで、組織あたり月10本まで無料（毎月1日にリセット）とされ、CMEK（顧客管理鍵）・HIPAA構成・Access Transparency を使う組織では利用できないと案内されています。機微データ要件の強い企業ほど、当該機能が使えない前提で「自前の測定」を考える必要があります。
測定機能は、単一ベンダーの一製品の利用状況しか見ません。実際の業務は Claude だけでなく、複数のLLM・自動化基盤・社内システムにまたがります。ベンダー横断で「成果・コスト・摩擦」を一貫して測れる土台を自社側に持たないと、測定がサイロ化し、全体最適の判断ができません。
homula の観点——測定ループを「自社の基盤」で回す
測定は、特定ベンダーのダッシュボードに閉じるものではありません。homula は、測定→標準化→統制のループを自社のデータ主権の内側で回す設計を推奨します。
- 速く始め、最初から測る: AIエージェント・ブートキャンプ（業務棚卸し・プロトタイプ構築・ROI試算を3〜5日で完結）で、「何を成功とするか」の基準値を着手と同時に決めます。測定設計を後付けにしないことが、ROI証明の出発点です。
- 横断して束ねる: Agens（MCPを活用したエンタープライズ向け統合プラットフォーム。200以上のツールと構築ゼロで接続）と、n8n / Dify / LangGraph といった基盤を使い、ベンダーをまたいで反復作業をスキル・ワークフローとして標準化します。測定で見えた摩擦を、そのまま改善に接続できます。
- 測定と実行を統べる: Agens Control が承認フロー・DLP・5年分の監査ログ・RBAC を提供し、「誰が・何を・いつ実行／承認したか」に加え、誰が測定データを生成・閲覧したかまで統制下に置けます。監視ではなく改善のための測定であることを、仕組みとして担保します。
測定の製品化は、追い風です。ただし指標を握り、データを自社に残し、改善ループを内製化する主導権までベンダーに預けてはいけません。処理時間を大幅に削った（例: 93%削減）ような成果も、測って・束ねて・配る運転が自社に根づいて初めて再現可能になります。小規模検証は月額30〜80万円規模から設計できます。
まとめ
Claude Smart Reports は、AI活用の景色を一段進めました。
- 測定の単位が、席数・トークンから『セッションとその成果』へ移った。何を生み、いくらかかり、どこで詰まったかを同じ粒度で見られる。
- 最も効くのは可視化そのものではなく、「摩擦 → スキル標準化 → 再計測」のループ。AI活用の複利は、この回転数から生まれる。
- 一方で、セッションの可視化はプライバシー・労務・データ保護という新しい統制課題を連れてくる。ベータの環境制約（CMEK/HIPAA/Access Transparency 非対応、月10本）もある。
- homula の型は変わらない——速く始めて最初から測り、横断して束ね、測定と実行を自社の統制下で回す。
「使っているか」の次の問いは、「何を生み、いくらで、何に妨げられたか」です。測定はベンダーに任せてよい。だが指標と改善ループは、手放さない。
AI活用の測定設計とROI証明を、自社のデータ主権の内側で回したい方は、まずは現状の要件を持ち寄る無料相談からご相談ください。