業務自動化のAI導入費用を完全解説｜初期費用・運用コストは？

業務自動化にAIを導入したいものの、実際にどれくらいの費用がかかるのか見通しが立たず、投資判断に踏み切れない企業は少なくありません。人手不足が深刻化する中、AIによる業務効率化は競争力維持に不可欠な施策となっていますが、初期費用だけでなく継続的な運用コストも発生するため、総合的な予算計画が求められます。規模や対象業務によって費用は大きく変動し、適切な投資計画なしに進めると予算超過のリスクがあります。

本記事では、業務自動化AI導入の費用について、初期費用から運用コストまで網羅的に解説します。小規模PoCから全社レベルの基盤構築まで、規模別の費用目安や、ツール費用・システム構築費・データ整備費といった詳細な内訳を紹介するとともに、RPAとの比較、投資回収期間の考え方、よくある疑問への回答まで実践的な情報を提供します。業務自動化AI導入の予算策定を進めている企業担当者の方は、ぜひ参考にしてください。

業務自動化が求められる背景

業務自動化へのニーズは、労働人口の減少と技術の進化という2つの大きな要因により、急速に高まっています。従来の手作業に依存した業務運営では、人材確保が困難になり、組織の成長が制約されるリスクが顕在化しています。

AIエージェント技術の登場により、これまで自動化が困難だった非定型業務にも対応可能となりました。ここでは、業務自動化が求められる背景を詳しく解説します。自社の課題と照らし合わせながら、導入の必要性を確認しましょう。

生産年齢人口の減少と採用難の深刻化

日本の生産年齢人口は減少を続けており、企業の採用環境は年々厳しさを増しています。特に、事務処理やデータ入力といった定型業務を担当する人材の確保が困難になっており、既存社員への業務負荷が増大している状況です。求人を出しても応募が集まらない、採用できても定着しないという課題に直面する企業が増えています。

人材不足は単なる一時的な現象ではなく、構造的な問題です。今後も生産年齢人口の減少は続くため、人手に依存した業務運営を続けることは持続可能ではありません。限られた人材を付加価値の高い業務に集中させ、定型業務や単純作業はAIに任せるという業務配分の見直しが求められます。

また、採用コストの上昇も深刻な課題です。人材獲得競争の激化により、給与水準の引き上げや採用広告費の増加が避けられません。業務自動化への投資は、長期的には人件費抑制にもつながるため、経営戦略上の重要な選択肢です。

「AIエージェント」による非定型業務の自動化が可能に

従来のRPAは定型的なルールベースの業務には有効でしたが、判断や文脈理解が必要な非定型業務には対応できませんでした。しかし、生成AIとエージェント技術の進化により、メール内容の理解と返信、資料の要約、データ分析といった知的作業の自動化が現実のものとなっています。

AIエージェントは、自然言語を理解し、状況に応じて適切な判断を下すことができます。例えば、顧客からの問い合わせ内容を理解して適切な回答を生成したり、複数のシステムから情報を収集して分析レポートを作成したりすることが可能です。人間の監督下で動作させることで、信頼性を担保しながら業務効率を向上させられるでしょう。

この技術革新により、自動化の対象範囲が劇的に拡大しました。単純な繰り返し作業だけでなく、これまで人間の判断が必要とされていた業務にもAI活用の可能性が広がっています。早期に導入を進める企業は、競合他社に対して競争優位性を確立できます。

業務自動化AI導入の初期費用の目安

業務自動化AI導入の初期費用は、プロジェクトの規模や対象業務の複雑さによって大きく変動します。小規模PoCから全社レベルの基盤構築まで、段階に応じた費用目安を理解することで、適切な投資計画が立てられます。

各規模における費用相場とデータ整備費を把握することが重要です。ここでは、規模別の初期費用目安を詳しく解説します。自社の導入計画に応じた予算を見積もりましょう。

小規模PoC(概念実証)・試験導入：50万円〜200万円

小規模PoCや試験導入の初期費用は、50万円から200万円程度が目安です。限定的な業務範囲で技術的な実現可能性と効果を検証するフェーズであり、本格導入前のリスク軽減が目的です。既存のAPIやツールを最大限活用することで、開発工数を抑えることが可能です。

この規模では、特定の部門や業務プロセスに絞った検証を行います。例えば、経理部門の請求書処理、営業部門の日報作成、カスタマーサポートのFAQ回答といった具体的なユースケースを選定し、2か月から3か月程度で効果を確認します。

PoCの費用には、要件定義、プロトタイプ開発、テスト、効果測定、報告書作成などが含まれます。外部ベンダーを活用する場合は、コンサルティング費用も加算されます。成功すれば本格導入への投資判断材料となり、失敗しても損失を最小限に抑えられます。

特定業務に絞った小規模導入：100万円〜300万円

特定業務に絞った小規模導入の初期費用は、100万円から300万円程度が目安です。PoCで効果が実証された後、実運用に耐えるシステムを構築するフェーズであり、一部門または一業務での本格稼働を目指します。業務フローへの組み込みや、既存システムとの連携も含まれます。

この規模では、数十人から100人程度のユーザーが利用する想定です。例えば、営業部門全体の見積書作成自動化、人事部門の応募者スクリーニング、総務部門の契約書チェックといった具体的な成果が求められます。

費用には、詳細設計、システム開発、データ準備、テスト、トレーニング、マニュアル作成などが含まれます。また、業務フローの見直しや、従業員への説明会開催といった間接コストも発生することもあります。小規模であっても、確実な成果を出すことで、次の拡大フェーズへの道筋が開けます。

業務システム・SaaS連携型AI自動化：300万円〜1,500万円

業務システムやSaaSとの連携を伴うAI自動化の初期費用は、300万円から1,500万円程度が目安です。会計システム、CRM、ERPなど、既存の業務システムとAIを統合し、データの自動連携や処理の自動化を実現します。複数システムにまたがる業務プロセス全体を最適化することが目的です。

この規模では、システム間のデータフォーマット変換、API連携、セキュリティ対策、エラーハンドリングなど、技術的な複雑さが増します。また、既存システムの改修が必要になる場合もあり、その費用も考慮すべきです。

費用には、システム分析、連携設計、開発、テスト、移行作業、並行運用などが含まれます。さらに、既存システムのベンダーとの調整や、データ移行に伴うリスク管理も重要です。複雑なプロジェクトとなるため、専門的な知見を持つパートナーの選定が成功のカギです。

全社レベルのAI基盤構築：1,000万円〜数千万円

全社レベルのAI基盤構築の初期費用は、1,000万円から数千万円規模が目安です。複数部門にまたがる業務を自動化し、組織全体のAI活用基盤を整備するフェーズであり、長期的な視点での投資です。標準化されたプラットフォームを構築することで、今後の拡張が容易になります。

この規模では、AI基盤となるインフラ整備、データ基盤の構築、ガバナンス体制の確立、全社的な業務プロセス再設計などが含まれます。また、複数の業務システムとの連携、セキュリティポリシーの策定、監査体制の整備も必要です。

費用には、要件定義、アーキテクチャ設計、開発、テスト、段階的な展開、全社トレーニングなどが含まれます。プロジェクト期間は1年から2年程度に及ぶこともあり、専任のプロジェクトチームの編成も大切です。初期投資は高額ですが、組織全体の生産性向上により、中長期的な投資回収が期待されます。

データ整備・学習用データ作成費：数十万円〜数百万円

データ整備と学習用データ作成の費用は、数十万円から数百万円程度が別途発生します。AIの性能はデータの品質に大きく依存するため、この工程への投資を怠ると、システム全体の効果が損なわれます。既存データのクレンジング、フォーマット統一、アノテーション作業などが含まれます。

データ整備では、古い情報の削除、重複の排除、誤りの修正、欠損値の補完といった作業が必要です。また、AIの学習に適した形式への変換や、テストデータの準備も重要です。データ量が多いほど、作業工数が増加します。

学習用データ作成では、正解ラベルの付与、カテゴリ分類、評価データセットの構築などを行います。専門知識を持つ人材による作業が必要となる場合もあり、外部専門家への委託費用も考慮すべきです。データ整備への適切な投資が、AI導入の成否を左右します。

業務自動化AI導入費用の内訳

業務自動化AI導入費用は、複数の要素で構成されています。ツール・ライセンス費、システム構築費、データ整備費、導入支援費、業務フロー調整費という5つの主要な内訳を理解することで、詳細な予算計画が可能です。

各費用項目の特性を把握することが重要です。ここでは、費用内訳を詳しく解説します。見積もりを受け取った際の妥当性判断に活用しましょう。

ツール・ライセンス費用

ツール・ライセンス費用には、AIプラットフォームの利用料、開発ツールのライセンス、サードパーティAPIの利用権などが含まれます。サブスクリプション型の場合は月額または年額で課金され、買い切り型の場合は初期に一括で支払います。使用するツールの種類と数によって費用が変動します。

主要な費用項目として、生成AI APIの利用料、RAG構築ツール、ワークフロー自動化プラットフォーム、開発環境のライセンスなどがあります。また、セキュリティツールや監視ツールのライセンスも必要となるかもしれません。

ツール選定では、機能と価格のバランスを慎重に評価しましょう。高機能なツールほど費用は高くなりますが、必要以上の機能にコストを払う必要はありません。自社の要件に合ったツールを選択することで、コストを最適化できます。

AIシステム構築・カスタマイズ費用

AIシステム構築・カスタマイズ費用は、自社の業務に合わせたシステムの設計・開発にかかるコストです。既製品をそのまま使用できる場合は少なく、多くの場合、業務フローや既存システムに合わせたカスタマイズが必要です。開発工数に応じて費用が変動します。

この費用には、要件定義、設計、プログラミング、テスト、デバッグ、チューニングなどの工程が含まれます。また、ユーザーインターフェースの開発、既存システムとの連携開発、エラーハンドリングの実装なども必要です。

開発を外部に委託する場合は、エンジニアの単価と工数で費用が算出されます。内製する場合でも、社内エンジニアの稼働時間に応じたコストが発生することがあります。複雑な要件ほど開発工数が増加するため、スコープを適切に管理することが重要です。

データ整備・学習用データ作成費用

データ整備・学習用データ作成費用は、AIの学習や動作に必要なデータを準備するコストです。前述の初期費用の項目でも触れましたが、この作業への投資が不十分だと、システム全体の品質が低下します。データの状態によって必要な作業量が大きく変動します。

具体的な作業として、既存データのクレンジング、フォーマット統一、カテゴリ分類、ラベル付け、評価データセットの作成などが含まれます。また、OCR処理が必要なスキャン文書がある場合は、その費用も加算されます。

データ整備は地道な作業であり、多くの工数を要します。外部の専門業者に委託する場合は、処理するデータ量に応じた課金となることが一般的です。品質の高いデータを準備することで、AIの精度が向上し、長期的なメンテナンスコストも削減できます。

導入支援・コンサルティング費用

導入支援・コンサルティング費用は、外部の専門家やベンダーから受けるサポートにかかるコストです。社内にAI導入の知見がない場合、専門家の支援を受けることで、効率的かつ確実にプロジェクトを進められます。プロジェクトの規模や支援期間によって費用が変動します。

現状分析、課題抽出、ソリューション提案、導入計画策定、プロジェクト管理、技術支援、トレーニングなどは支援内容の1部です。また、定期的なレビュー会議やアドバイザリーサービスも提供されることもあります。

コンサルティング費用は、月額固定型、時間単価型、成果報酬型など、契約形態によって異なります。信頼できるパートナーを選定し、明確な契約条件を設定することで、予期せぬ追加費用を防げます。専門家の知見を活用することで、試行錯誤のコストを削減できるでしょう。

業務フロー変更に伴う調整コスト

業務フロー変更に伴う調整コストは、AI導入により既存の業務プロセスを見直す際に発生します。システム導入だけでなく、業務の進め方、役割分担、承認フローなどの変更が必要となり、その調整に時間とコストがかかります。組織的な変革を伴うため、見落とされがちな費用項目です。

具体的には、業務プロセスの再設計、マニュアルの改訂、従業員トレーニング、説明会の開催、抵抗感の解消などが含まれます。また、並行運用期間中は、従来の方法とAI活用の両方を実施するため、一時的に業務負荷が増加することもあるでしょう。

調整コストを最小化するには、早期から現場を巻き込み、スムーズな移行計画を策定することが重要です。変革管理の専門家を活用することも選択肢です。業務フロー変更への適切な投資が、AI導入の成功率を高めます。

業務自動化AI運用の継続コスト

業務自動化AIの導入後は、継続的な運用コストが発生します。サブスクリプション・API利用料と保守・メンテナンス費用という2つの主要なコストを理解し、長期的な予算計画に組み込むことが重要です。

運用コストを適切に見積もることで、総所有コストの正確な把握が可能です。ここでは、継続コストの詳細を解説します。持続可能な運用体制を構築しましょう。

サブスクリプション・API利用料

サブスクリプション・API利用料は、AIサービスやプラットフォームを継続利用するために毎月または毎年発生するコストです。ChatGPT APIやClaude APIなどの生成AI、ワークフロー自動化ツール、データベースサービスなど、多様なサービスの利用料が含まれます。使用量に応じた従量課金のため、利用が増えるほどコストも増加します。

主な費用項目として、AI APIのトークン処理費用、ベクトルデータベースの維持費、クラウドインフラ費用、セキュリティサービス費用などがあります。また、ユーザー数に応じたライセンス費用が発生するツールもあります。

コスト管理では、利用状況の定期的な監視が重要です。不要なサービスを停止したり、プランを最適化したりすることで、無駄なコストを削減できます。また、利用量の急増に備えた予算バッファも確保しましょう。

保守・メンテナンス・改善費用

保守・メンテナンス・改善費用は、AIシステムを継続的に運用し、改善していくためのコストです。定期的な精度評価、プロンプトの調整、データの追加、バグ修正、機能追加などが含まれます。技術の進化や業務変化に対応するため、継続的な投資が必要です。

具体的な活動として、月次または四半期ごとの精度評価、ユーザーフィードバックへの対応、新しいユースケースへの拡張、パフォーマンスチューニング、セキュリティアップデートなどが挙げられます。また、LLMのバージョンアップへの対応も定期的に発生します。

保守費用の目安として、初期開発費の15%から25%程度が年間で発生することが一般的です。専任の運用担当者を配置する場合は、その人件費も考慮すべきです。適切なメンテナンスにより、システムの価値が長期的に維持されます。

AI自動化とRPAの費用・効果の比較

業務自動化を検討する際、AI自動化とRPAのどちらを選択すべきか迷う企業は少なくありません。初期費用・ランニングコスト、対応可能な業務範囲、メンテナンス負荷という3つの観点から比較することで、自社に適した選択ができます。

両者の特性を理解し、適材適所で活用することが重要です。ここでは、AI自動化とRPAの費用・効果を詳しく比較します。最適な投資判断を行いましょう。

初期費用とランニングコストの構造的な違い

AI自動化とRPAでは、初期費用とランニングコストの構造が異なります。RPAは比較的低コストで導入でき、初期費用は50万円から200万円程度が一般的です。一方、AI自動化は100万円から500万円以上と、初期投資が高くなる傾向があります。しかし、長期的なコスト構造を見ると、AI自動化の方が有利になる場合もあります。

RPAのランニングコストは、ライセンス費用とメンテナンス費用が中心です。ただし、業務プロセスが変更されるたびにロボットの再設定が必要となり、メンテナンス工数が継続的に発生します。画面レイアウトの変更やシステムのアップデートにより、ロボットが動作しなくなるリスクもあります。

AI自動化のランニングコストは、API利用料が従量課金で発生しますが、プロンプトの調整のみで対応できるケースが多く、メンテナンス工数は比較的少なくなります。初期投資は高いものの、柔軟性の高さにより、長期的な総所有コストは抑えられるかもしれません。

対応可能な業務範囲（定型 vs 非定型）の比較

RPAとAI自動化では、対応可能な業務範囲が大きく異なります。RPAは定型的でルールが明確な業務に適しており、データ入力、転記、集計、レポート作成といった繰り返し作業の自動化に強みがあります。手順が固定されている業務であれば、高い精度で確実に処理できます。

一方、AI自動化は非定型業務にも対応できる点が最大の特徴です。文書の内容理解、問い合わせ対応、データ分析、判断を伴う作業など、従来は人間の知的活動が必要とされた業務も自動化できます。状況に応じた柔軟な対応が可能です。

自社の自動化対象業務が定型業務中心であればRPAが適しており、非定型業務が含まれる場合はAI自動化を検討しましょう。両者を組み合わせることで、定型業務はRPA、判断が必要な業務はAIと使い分ける戦略も有効です。対応業務範囲の違いを理解し、適切に選択することが求められます。

メンテナンス負荷（ brittle（壊れやすい）なRPA vs 柔軟なAI）

RPAは壊れやすい(brittle)という特性があり、メンテナンス負荷が高い傾向があります。システムのUIが変更されたり、画面レイアウトが少し変わったりするだけで、ロボットが動作しなくなることがあります。定期的なメンテナンスが必要であり、運用工数が継続的に発生します。

具体的には、月次でのロボットの動作確認、エラー発生時の修正、業務プロセス変更時の再設定などが必要です。メンテナンス担当者の確保や、ベンダーへの保守委託費用も考慮しましょう。RPAが多数稼働している環境では、メンテナンス負荷が組織の負担です。

AI自動化は、自然言語やAPIベースで動作するため、画面の変更には影響を受けにくい特性があります。プロンプトの調整で対応できるケースが多く、柔軟性が高いです。ただし、AIモデルのバージョンアップや、API仕様の変更には対応が必要です。長期的な運用を考慮すると、メンテナンス負荷の違いは重要な比較ポイントです。

投資回収期間とROIの考え方

業務自動化AI導入の投資判断では、投資回収期間とROI(投資対効果)の適切な算出が不可欠です。人件費削減効果、業務時間短縮効果、投資回収期間の目安という3つの観点から評価することで、経営層への説明や予算承認がスムーズになります。

定量的な効果測定により、客観的な投資判断が可能です。ここでは、ROIの考え方を詳しく解説します。説得力のある投資計画を策定しましょう。

人件費削減効果の試算方法

人件費削減効果は、AI導入により削減される人件費を試算する方法です。完全な人員削減だけでなく、残業時間の削減、派遣社員の削減、採用抑制なども効果に含めます。年間の削減額を算出し、初期投資額と比較することで、投資回収期間を見積もれます。

試算では、まず自動化対象業務に現在かかっている人的工数を把握します。例えば、月間100時間の業務をAIで80%削減できる場合、月間80時間の工数削減となります。この時間に時給または月給を掛けることで、削減される人件費を算出しましょう。

注意点として、削減された工数が必ずしも人員削減に直結するとは限りません。削減された時間を他の付加価値業務に振り向けることで、売上向上や品質改善につながる場合もあります。人件費削減だけでなく、生産性向上の効果も総合的に評価しましょう。

業務時間短縮効果の金額換算

業務時間短縮効果は、AI導入により短縮される業務時間を金額に換算する方法です。時間削減により、従業員がより重要な業務に注力できるようになる価値を定量化します。削減時間に従業員の時間単価を掛けることで、効果を金額で表現できます。

例えば、月間200時間の業務時間を50%削減できる場合、月間100時間が削減されます。時間単価を3,000円と設定すると、月間30万円、年間360万円の効果です。この金額が初期投資と運用コストの合計を上回れば、投資対効果が得られると判断できるでしょう。

金額換算では、単純な時間削減だけでなく、品質向上やエラー削減による手戻り工数の減少も考慮しましょう。また、従業員の満足度向上や離職率低下といった間接的な効果も、長期的には組織に価値をもたらします。多角的な評価により、真の投資価値が明らかになります。

投資回収期間の目安：小規模で6ヶ月〜1年、中規模で1年〜2年

投資回収期間の目安は、プロジェクトの規模によって異なります。小規模な導入では6か月から1年程度、中規模な導入では1年から2年程度が一般的です。対象業務の効率化効果が高いほど、回収期間は短くなります。全社レベルの大規模導入では、2年から3年程度を見込みましょう。

投資回収期間を短縮するには、効果の高い業務から優先的に自動化することが重要です。手作業に多くの時間がかかっている業務、エラーが頻発している業務、繁忙期に負荷が集中する業務などを選定することで、早期に効果が現れます。

また、段階的な導入により、初期投資を抑えながら効果を積み上げる戦略も有効です。小規模な成功を積み重ね、得られた効果を次の投資に回すことで、リスクを管理しながら拡大できます。適切な期待値設定と、現実的な投資計画が求められます。

よくある質問：業務自動化AI導入費用の疑問

業務自動化AI導入を検討する際、多くの企業が共通して抱く疑問があります。どの業務から始めるべきか、中小企業の予算規模、追加費用のリスク、内製と外注のコスト比較という4つの質問に答えることで、導入計画の具体化を支援します。

実践的な疑問への回答により、スムーズな導入が実現されます。ここでは、よくある質問を詳しく解説します。自社の状況に当てはめながら、参考にしてください。

どの業務から始めるのが費用対効果が高いか

費用対効果が高い業務から始めることで、早期に成果を示し、組織の信頼を獲得できます。優先すべき業務の特徴として、作業時間が多い、繰り返し頻度が高い、エラーが発生しやすい、属人化している、従業員の不満が高いといった要素が挙げられます。これらに該当する業務を選定しましょう。

具体例として、データ入力、書類作成、メール対応、レポート集計、請求書処理、問い合わせ対応などが候補です。また、繁忙期に負荷が集中する業務を自動化することで、残業削減や人員の柔軟な配置につながります。

業務選定では、技術的な実現可能性も考慮すべきです。データが整備されている、プロセスが標準化されている、既存システムとの連携が容易といった条件が揃っている業務は、導入がスムーズに進みます。効果と実現性のバランスを見極めることが重要です。

中小企業でも導入可能な予算規模は

中小企業でも、50万円から300万円程度の予算があれば、業務自動化AIの導入は可能です。小規模なPoCから始め、効果を確認しながら段階的に拡大する戦略が適しています。全社的な大規模投資ではなく、特定業務に絞った導入により、リスクを抑えながら成果を出せるでしょう。

中小企業向けの導入アプローチとして、既製品のSaaSツールを活用する方法があります。カスタム開発よりも低コストで、導入期間も短縮できます。例えば、チャットボット、文書自動生成、データ分析といった用途別のツールを組み合わせることで、費用を抑えられます。

また、補助金や助成金の活用も選択肢です。IT導入補助金、ものづくり補助金など、中小企業向けの支援制度を活用することで、初期費用の負担を軽減できます。自治体や業界団体が提供する支援プログラムも調査しましょう。限られた予算でも、工夫次第で効果的な導入が実現されます。

追加費用が発生しやすいケースとは

追加費用が発生しやすいケースを事前に理解することで、予算超過を防げます。典型的なケースとして、要件の曖昧さによるスコープ変更、既存システムの想定外の改修、データ品質の低さによる追加整備、ユーザートレーニングの不足による再教育などが挙げられます。

スコープ変更は、一般的な追加費用の原因です。プロジェクト途中で新しい要件が追加されたり、当初の想定と異なる仕様が必要になったりすると、開発工数が増加します。要件定義を丁寧に行い、変更管理プロセスを確立することが重要です。

また、既存システムとの連携が想定より複雑だった場合、追加の開発費用が発生します。事前に技術調査を十分に実施し、リスクを洗い出すことが求められます。契約時に、追加費用が発生する条件と単価を明確にしておくことで、後のトラブルを防げます。

内製と外注でコストはどう変わるか

内製と外注では、コスト構造が大きく異なります。内製の場合、外部への支払いは少なくなりますが、社内エンジニアの工数が必要となり、その機会費用を考慮すべきです。また、専門知識の習得やスキルアップにかかる時間とコストも発生します。

外注の場合、初期費用は高くなりますが、専門家の知見により効率的に進められ、品質も担保されやすくなります。プロジェクト管理、技術サポート、トレーニングなどが含まれるため、社内の負担は軽減されるでしょう。ただし、ベンダー選定を誤ると、期待した成果が得られないリスクもあります。

最適な選択は、自社の状況によります。社内にAI人材がいる場合は内製も選択肢ですが、初めての導入であれば外注が無難です。また、ハイブリッドアプローチとして、初期は外注で導入し、その後は内製で運用・改善するという方法もあります。自社の能力とリスク許容度を踏まえて判断しましょう。

まとめ｜段階的な投資で業務自動化AIの費用対効果を最大化しよう

業務自動化AI導入を成功させるには、まず費用対効果の高い業務を特定しましょう。明日、現場にヒアリングを行い、作業時間が多く、繰り返し頻度が高い業務をリストアップしてください。最初の1か月で小規模PoCの予算を確保し、50万円から200万円程度で効果を実証することが重要です。

成果が確認できたら、段階的に対象業務を拡大し、3か月から6か月で投資回収を目指しましょう。内製と外注のバランスを見極め、自社に最適な導入方法を選択することで、コストを最適化できます。今日から予算計画の策定を始めましょう。