
#059|KPMG米国:7,000時間の削減推計。排出量データの仕事はどう変わる?
取引データをAIで分類すると、環境報告の仕事はどこまで減るのでしょうか。KPMG米国は、手作業の分類・確認を累計7,000時間削減したと推計しています。ただし、集計期間や計算方法は示されていません。入力するデータを変える試みも含め、減った作業と、なお確かめたい仕事を分けて追います。
取引の分類を自動化し、次は元のデータへ
KPMG米国の公式ページによると、同社は排出量の計算に使う購買取引をカテゴリーに分けるAIモデルを開発しました。これまでに減らせた手作業の分類・確認を7,000時間と推計し、複数の顧客にも導入したと説明しています。
この数字は、計測した勤務時間の集計とまでは確認できません。導入前の標準時間を件数に掛けた推計なのか、担当者の申告なのかも不明です。開始日と終了日、処理件数、担当人数が示されていないため、年間の削減量や一人当たりの効果には換算しません。顧客先の削減分を含むかも、記述だけでは確定できません。
同じページには、支出額のデータに代わって製品情報を分析し、供給元データの精度を高める別のAI技術を試しているとあります。分類を速くする話から、計算の材料を詳しくする話へ進んでいます。ただし、こちらは試行段階です。先の7,000時間を、この別の試みの成果として数えることはできません。
仕事を考えるうえでは、ここに違いがあります。カテゴリーを付ける手間が減っても、製品の情報を集め、不足や食い違いを確かめる仕事まで減るとは限らないからです。製品情報の確認が実際に増えたか、その担当が誰かは、今後の観測事項です。
米国のスコアカードは、欠けている数字も残す
今回の対象は米国の取り組みです。米国の採用サイトの人数と照合しましたが、業務の導入前後をそろえた比較には至っていません。
従業員数:米国の従業員とパートナーを合わせて約36,000人超との表示。基準日と比較可能な前年値は未確認。
採用・求人:対象部署の採用数、募集中の求人件数は未取得。
売上:今回確認した資料では、期間のそろう米国の前後値は未確認。
営業利益:同じ範囲・期間の値は未確認。
売上/従業員:売上と人数の範囲・基準日がそろわず、算出しない。
AI利用:このモデルの利用者数、利用率、処理した取引件数は未確認。
時間・コスト:分類・確認の累計7,000時間削減という企業推計。集計期間、計算式、削減金額は未確認。
AI投資:この取り組みに使った開発費・運用費は未確認。
世界全体の2025年度発表には売上や人数がありますが、独立した各国のメンバーファームを合算した数字です。これを米国の人数で割って、一人当たり売上を作ることはできません。部署の仕事の変化を知るには、対象部署の人数や残業、外部委託も必要です。
時間の寄与はB、雇用への寄与は判定不能
業務時間へのAI寄与はBとします。公式の定量報告はあるものの、今回は企業による推計であり、第三者の比較測定ではありません。データの整理、分類ルールの変更、担当者の習熟、処理する取引の難しさといった要因も分離されていません。
7,000時間は、人数の削減や排出量の削減を表す数字ではありません。 対象部署の雇用の前後値がないため、雇用への寄与は判定不能です。減った時間を詳しい確認や顧客への展開に使った可能性はありますが、使い道を確かめた事実としては扱いません。
また、正しい分類に近づいたという説明と、温室効果ガスの排出が減ったという結果は別です。精度が上がって過去の計算が修正されれば、報告する排出量が増える場合も考えられます。これは一般的に考えられる可能性で、KPMGで起きたと確認した話ではありません。時間に加え、分類の正しさと修正の負担を追います。
次は、分類の後に使う時間を測る
次回に確かめたい数字は四つです。
7,000時間の集計期間、対象取引件数、計算式と、社内・顧客先の区分。
自動分類を人が直した割合、修正理由と、その確認・修正時間。
製品情報の収集・照合に使う時間と、欠けたデータの割合。
担当部署の人数、残業、外部委託、採用・異動と、時間の使い道。
初回観測日は2026年11月11日。次回は3か月後の2027年2月11日、6か月後の5月11日、12か月後の11月11日です。公式ページの公表日は未確認で、今回の閲覧日を発表日には置き換えません。新しい測定結果が出れば前倒しします。
職場で同様の仕組みを試すなら、AIの分類結果だけでなく、人が直した理由も残しておく。入力不足による修正が多ければ、次に直すべきはデータの集め方です。自動化する前後で、報告に使えるデータができるまでの人の作業を測ると、速さと確かさを一緒に評価できます。