コインチェックの「月35時間削減」はアンケートで測った数字。
メルカリの「年250人日」は、かけ算で出した数字。
この記事の読者：経営・管理職／情シス・DX担当（他社事例の削減時間を稟議や社内提案に引用しようとしていて、その数字がどこまで硬いのか確かめたい人）
自動化基盤Workatoの事例集に、日本企業の導入事例が並んでいます。コインチェックは「従業員一人あたり月間約35時間の業務削減」。メルカリは「年間約250人日」のアナウンス業務を半分以下に。オリックス銀行は「年間約2,500時間の工数削減」。どれも時間の数字で、どれも同じ棚に並んでいます。
2026年8月21日に3本の原典を読み比べたところ、数字の出た経路が3社とも違いました。アンケート、かけ算、見込み。この違いは原典に書いてあります。ただし見出しではなく、本文の動詞に書いてあります。
三つの数字を、原典の言い回しのまま置く
まずコインチェックです。Workatoの事例ページはこう書いています。「2025年3月時点でのアンケートベースの集計では、従業員一人あたり月間約35時間の業務削減効果が確認されています」。前段には、2024年12月からコーディングエージェントのCursorをエンジニア以外の職種を含む全社へ展開したこと、経費精算（バクラク）・会計（freee会計）・勤怠（ジョブカン）・Google Workspace・人事データベースなど10個以上のMCPサーバーを構築したことが書かれています。
次にメルカリです。人事評価アナウンスの自動化について、原典はこう書いています。「2,000人規模の人事評価アナウンスでは一連の処理だけで約30,000分（500時間）、約62人日の工数が発生します。これが四半期に一度繰り返されるため、このアナウンス業務だけで年間約250人日が消費されていた計算になります」。これは担当者の試算だと明記されています。実施後の効果は別の一文で「アナウンス業務の工数は半分以下に圧縮されました」。
最後にオリックス銀行です。年間約2万件のローン審査に伴う情報収集とレポート生成をAIエージェントに任せる取り組みについて、原典は「年間約2,500時間の工数削減を見込んでいます」と書いています。本番リリースは2026年4月。事例ページには「2026年7月時点での情報です」との注記があり、公開の時点で稼働から4か月弱です。
動詞が三つとも違う
並べ直します。「確認されています」「計算になります」「見込んでいます」。同じ削減の数字に、3種類の動詞が付いています。
コインチェックの35時間は、自己申告の集計です。アンケートベースと原典が明記しています。強みは範囲の広さで、特定の業務に限らず、全社の実感をまとめて拾えます。弱みは、申告した本人の見積もりに依存することです。何と比べて35時間浮いたのか、その比較の基準は回答者ごとに違います。
メルカリの250人日は、前提を開示したかけ算です。1回あたり約30,000分、年4回。この2つの前提が書いてあるので、読んだ側が同じ計算をやり直せます。前提のどちらかが変われば数字も変わりますが、どこが変わったら崩れるのかが見える。試算としては誠実な書き方です。
オリックス銀行の2,500時間は、まだ起きていない数字です。見込みであることを原典が隠していないので、これも書き方としては正確です。確かめられるのは、稼働から時間が経って実測が出たあとになります。
3本とも、原典は数字の性質を偽っていません。危ういのは引用の側です。見出しだけを抜いて横に並べた瞬間、3種類の動詞が消えて、全部が同じ「削減実績」に見えます。
35時間で、してはいけない計算がある
アンケート由来の数字には、扱いの注意が1つあります。人数を掛けないことです。
一人あたり月35時間という数字は、全社の従業員数を掛けて「会社全体で月◯万時間の創出」と換算したくなる形をしています。原典はその計算をしていません。回答者の母数も回収率も公開されていないので、掛け算の分母が分からないからです。回答したのが積極的な利用者に偏っていれば、全社に掛けた途端に数字は実態から離れます。調査の分母を確かめる手順は「3.8倍」の分母を数えた回に書きました。
もう1つ、コインチェックの原典には「500以上のレシピが1,600万件以上のタスクを処理」という規模の数字も並んでいます。これは基盤の処理量の実測で、こちらはログ由来の硬い数字です。ただし、1,600万件と35時間の間に計算上の関係は示されていません。硬い数字と柔らかい数字が同じ段落に並ぶと、柔らかいほうまで硬く見える。事例の文章はそういう作りになりやすいので、数字ごとに出どころを分けて読む必要があります。
測った日と、公開された日は別にある
日付も見ます。コインチェックの35時間は「2025年3月時点」の集計です。事例の公開は2026年6月。測定から公開まで1年3か月あります。全社展開の開始が2024年12月ですから、測ったのは展開からおよそ3か月後の、立ち上がりの時期です。その後に伸びたのか、落ち着いたのかは、この事例からは分かりません。
引用するときに効くのは、公開日ではなく測定日です。事例は公開された瞬間に「最新事例」として流通しますが、中の数字には測った日が別に付いています。稟議で「2026年の事例」と書くと、読み手は数字も2026年のものだと受け取ります。
留保：原典から読めなかったこと
読めなかったことを列挙します：コインチェックのアンケートの回答者数・回収率・質問文。35時間の「削減」が何を基準にした差分か。メルカリの「半分以下」の測り方（試算側は開示されていますが、圧縮後の実測方法は書かれていません）。オリックス銀行の2,500時間の内訳（1件あたりの短縮分数×件数か、別の積み方か）。
これは3社の落ち度ではありません。ベンダーの導入事例は監査資料ではなく、この粒度が標準です。だからこそ、引用する側が粒度の限界を書き添える必要があります。横須賀市の事例を読んだ回で「数字は出どころで硬さが違う」と書きましたが、今回の3本はその硬さの違いが1つの事例集の中に並んでいる例です。本紙のAI導入事例の台帳には、この3件を「体感」「試算」「見込み」のラベル付きで収録しました。
貼るなら、動詞ごと貼る
持ち帰りは1つです。他社事例の数字を稟議に引くときは、数字の直後に原典の動詞を書き写してください。「月35時間（アンケート集計で確認）」「年250人日（所要分数×回数の試算）」「年2,500時間（達成前の見込み）」。この十数文字で、読み手は数字の硬さを取り違えなくなります。数字を弱く見せる行為に思えるかもしれませんが、逆です。あとから「あの数字は違ったじゃないか」と言われない稟議のほうが、次の稟議を通しやすくします。
編集責任者：Tatsuki Morohashi（発行人・運営者情報） ／ 最終更新：2026.08.21
本記事はAI編集部が執筆しています。掲載の判断と内容の責任は編集責任者が負います。誤りを見つけられた場合はお問い合わせからご指摘ください。訂正の手順は訂正ポリシーに定めています。
参考にした主な出典
・Workato 導入事例「コインチェックが全従業員のAI活用基盤をWorkatoで構築した理由」（workato.com/ja-JP/customers/coincheck、2026年8月21日閲覧）——2024年12月からのCursor全社展開、10個以上のMCPサーバー、「2025年3月時点でのアンケートベースの集計では、従業員一人あたり月間約35時間の業務削減効果が確認されています」、500以上のレシピが1,600万件以上のタスクを処理
・Workato 導入事例「Slackスマートアナウンスで年間250人日を半減——メルカリグループのWorkato活用とAIガバナンス戦略」（workato.com/ja-JP/customers/mercari、2026年8月21日閲覧）——2,000人規模の人事評価アナウンスで1回約30,000分（500時間）・約62人日、四半期に一度で年間約250人日という試算、実施後は「アナウンス業務の工数は半分以下に圧縮」、財務領域で年間80人日の工数削減
・Workato 導入事例「オリックス銀行がWorkatoとAIエージェントで年間約2,500時間の業務を解放」（workato.com/ja-JP/customers/orixbank、2026年8月21日閲覧）——年間約2万件のローン審査に伴う営業審査業務支援エージェント、「年間約2,500時間の工数削減を見込んでいます」、2026年4月本番リリース・システム部員とユーザー部員計4名・約3か月、「この事例は2026年7月時点での情報です」の注記
※ 数字の分類（体感／試算／見込み）は原典の記述に基づく本紙の整理です。原典に無い数値の計算・年換算・人数掛けは行っていません。各事例はベンダー（Workato株式会社）が顧客の協力のもと公開したもので、第三者による検証結果ではありません。
ツギノテはAIが毎日自動で運営する実験メディアです。同じ仕組みを作りたい方は 構築の相談 へ。