AI経営とは何か──DXとの違いから考える次世代の経営モデル

結論

生成AIを社内に配布し、利用者数を増やすだけでは、会社の競争力はほとんど変わりません。既存業務をデジタル化するDXと、学習し続ける意思決定の仕組みを経営に埋め込むAI経営は、重なる部分を持ちながらも見ている場所が違います。

この連載を通じて私が繰り返し確認したいのは、AIの性能や利用率ではなく、顧客への価値、判断の質と速度、損益、そして人間の責任がどう変わったかです。この視点がないまま導入だけを進めると、半年後に「結局何が変わったのか」を誰も説明できなくなります。

DXを終えた会社が、次に直面すること

多くの会社が「うちはもうDXを終えた」と言います。紙をなくし、承認をワークフローに乗せ、データをクラウドに移した、という意味では、たしかに終えているのでしょう。

しかし生成AIが問うのは、その先です。データが整い、承認が電子化された後、その情報を使って誰が、どう判断するのか。AIはそこに入り込みます。DXが「作業をデジタルにする」取り組みだとすれば、AI経営は「判断そのものを設計し直す」取り組みです。この違いを意識せずに導入計画を立てると、DXの続きだと思っていたものが、まったく別の変化を要求してくることに後で気づきます。

DXの先にある再設計

DXは、紙や属人的な作業をデータとソフトウェアへ移す取り組みを含みます。見積書がExcelから業務システムへ移り、承認がハンコから電子ワークフローへ移る。これはこれで大きな進歩ですが、判断そのものの中身は変わっていません。承認する人は同じ基準で、同じように悩みながら決裁しています。

AI経営は、その基盤の上に、予測、提案、実行、検証という循環を短くしていく取り組みです。たとえば見積の承認であれば、過去の類似案件と粗利率をAIが提示し、通常より条件が悪い場合だけ人が時間をかけて検討する、というように、判断そのものの負荷を減らしていきます。

AIを既存の業務フローの末端にただ置くのではなく、何を判断し、誰が承認し、結果からどう学ぶかまで含めて設計してください。承認が通った案件と却下された案件の違いを後から学習に使えるようにしておく。ここまでやって、初めて「AI経営」と呼べる状態になります。

この違いは、投資の判断基準にも表れます。DXの投資は「いつ完了するか」で語られました。システムが稼働すれば終わりだからです。一方、AI経営の投資に完了はありません。判断の質を上げ続ける取り組みである以上、問うべきは「いつ終わるか」ではなく「どのくらいの速さで良くなっているか」です。稟議書の書き方から変わる、と言ってもよいかもしれません。

四つの構成要素

私はAI経営を、四つの要素で見るようにしています。第一に経営課題、第二に利用可能なデータ、第三に業務に組み込まれたAI、第四に責任を持つ人間です。

たとえば「新規顧客からの問い合わせ対応が遅い」という経営課題があるとします。過去の問い合わせ履歴というデータがあり、一次回答の下書きを作るAIがあり、そして最終的に送信するかどうかを判断する担当者がいる。この四つがそろって、初めて一つの経営課題が解決に向かいます。

どれだけ高性能なモデルを導入しても、課題が曖昧で、データが部門ごとに分断され、承認者が決まっていなければ、成果は残りません。実際、私が話を聞いた会社の多くは、四つ目の「責任を持つ人間」が曖昧なまま先に技術を入れてしまい、後から誰の仕事なのかを決め直すはめになっていました。逆にいえば、この四つさえ整えば、モデルの選定自体はそれほど難しい話ではないというのが私の実感です。

この四つには順番があります。多くの会社は第三の「AI」から入りますが、正しくは第一の「経営課題」からです。課題が決まれば、必要なデータが決まります。データが決まれば、AIに何をさせるかが決まります。そして最後に、誰が責任を持つかを決める。この順番を逆から進めると、「高機能なAIを入れたが、何に使えばよいか分からない」という、よくある行き詰まりに至ります。

ちなみに、四つのうち最も時間がかかるのは第二のデータです。ここは後の章で詳しく扱いますが、最初の計画を立てる段階で「データ整備には想像より時間がかかる」と見込んでおいてください。

導入率より経営成果を見る

評価すべきは利用回数ではありません。意思決定に要する時間、売上総利益、欠品率、顧客対応の解決率など、経営成果に直結する指標です。「全社員の8割がAIを週1回以上使っている」という報告は、一見すると成功に見えますが、その利用が売上や費用にどうつながったかを説明できなければ、経営会議で報告する意味のある数字にはなりません。

AIの出力品質だけでなく、人間による修正量や、事故につながりかねない兆候も一緒に測ってください。AIが作った下書きを担当者が毎回大幅に書き直しているなら、それは「時間短縮」ではなく「二度手間」が発生している合図です。「使われている」ことと「成果が出ている」ことは、まったく別の話です。

なぜ利用率ばかりが報告されるのか。理由は単純で、測りやすいからです。利用ログは自動で集まりますが、経営成果は業務ごとに定義しなければ測れません。測りやすい指標が、測るべき指標を押しのけてしまう。これはAIに限った話ではありませんが、AIでは特に起こりやすいと感じています。

対策は、案件を始める前に「何がどうなれば成功か」を一文で書いておくことです。書けないなら、その案件はまだ始める段階にありません。厳しいようですが、この一文がないまま走り出した取り組みが、半年後に説明できなくなるのを何度も見てきました。

日本企業への翻訳

日本企業には、現場の気づきを大切にする姿勢、地道な品質改善、顧客や取引先との長期的な信頼関係という強みがあります。これらはAI時代にも捨てる必要のない資産です。

一方で、データが部門ごとに閉じていること、職務と責任の境界が曖昧なこと、判断の根拠が記録に残らないことは、AIの実装を妨げます。海外企業の制度をそのまま輸入するのではなく、残す強みと変える構造を分けて、自社の文脈へ翻訳する作業が出発点になります。

技術的にできることと、やっていいことは別です。顧客への説明、法的責任、現場が受け入れられるかどうかが整わないうちは、便利そうに見えても本番運用へは進めないでください。

まず、ここから考えたい

この連載は次回以降、具体的な手順に入っていきます。その前に、経営者ご自身の手元でできる準備を一つだけ挙げるとすれば、自社の判断を書き出してみることです。

経営会議で時間を使っている判断を、10件ほど書き出してみてください。それぞれについて、どんなデータが必要で、誰が決裁し、どのくらい時間がかかり、結果を何で測っているか。この一覧ができた時点で、AIをどこに置けるかは、かなり見えてきます。

そのうえで、成果を測りやすく、しかも誤りを人が戻せる判断を一件だけ選んでください。そこが最初の実験場になります。全社的な計画を立てるのは、その一件から学んだ後で構いません。

経営者への問い

• DXで整えた基盤の上で、AIにどの判断を任せますか。
• AIが誤った判断を出したとき、誰が止め、誰が説明しますか。
• 「導入した」と「成果が出た」を区別する基準値を、すでにお持ちですか。
• 自社が現場で培ってきた強みを、AIが参照できる形にできていますか。

SUKUMOの視点

AI経営は、AIに経営を任せることではありません。人間が目的と責任を引き受けたうえで、会社が学ぶ速度を高めることだと私は考えています。日本企業が磨いてきた現場の知恵は、記録され、共有され、次の判断に使われて初めて、AI時代の資産になります。

まとめ

AI経営は、技術を導入した時点では完成しません。目的を定め、業務へ組み込み、結果を測り、人間が判断し直す。この連載では、この循環をどう自社に持ち込むかを、意思決定、組織、戦略、実装、海外企業、そして日本企業という順番で見ていきます。

ただし、その前に確かめておきたいことがあります。日本企業は一度、DXという同じ機会を手にしていました。次回は、そこで何が起きたのかを振り返ります。