事業とプロダクトをAI前提で作るとはどういうことか

「AIを使っている会社」と「AIネイティブな会社」の違い

多くの会社がAIを「使っている」。しかしAIネイティブな会社はその先にいる。

「AIを使っている会社」の特徴:

• AIはツールの一つで、使わなくても業務は回る
• AIの活用は個人や特定チームの裁量に委ねられている
• AIのコストは「IT費用」として計上されているが、ROIは曖昧

「AIネイティブな会社」の特徴:

• AIなしでは事業の主要プロセスが回らない状態
• AIの成果が四半期経営報告に定量値で載っている
• 自社固有のデータとAIの組み合わせが競争優位の源泉

McKinseyの調査では、AI活用でEBIT 5%以上の改善を達成している企業はわずか6%だ¹。残り94%との差は、AIを「使っているか」ではなく「経営に組み込んでいるか」にある。

典型的失敗1: tokenmaxxing（使用量自慢）

AIネイティブ経営を目指す企業が最初に陥る失敗がtokenmaxxingだ。

典型例: ある大企業がAI推進の成果として「ClaudeをこのプロジェクトでN万回呼んだ」と報告。しかし損益インパクトはゼロ。活用量の多さは「AI熱心な会社」に見えるが、事業成果への接続がなければ意味がない。

DIsney関連プロジェクトでは9日間で46万コールのClaude呼び出しが記録されたが、ROIの説明ができなかったという事例がある²。

典型的失敗2: CoE孤立（AI専門部門の孤立）

AI推進のために「AI推進センター（CoE: Center of Excellence）」を作る企業が多い。しかしCoEが孤立すると何が起きるか。

CoE孤立の症状:

• CoEが技術的に優れたPoC（概念実証）を作るが、現場には届かない
• 現場はCoEに依頼しないと何もできないと感じ、待ちになる
• CoEの成果が経営アジェンダに乗らず、予算が削られる

解決策: ラインに所有権を置く

成功しているAIネイティブ企業の共通点は、AI活用の主体がCoEではなく各事業ライン（現場）にあることだ。CoEは「支援・標準化・ナレッジ共有」を担い、実行主体はラインが持つ。

3階層KPIで吸収（absorption）を測る

なぜ94%の企業がAIのEBIT改善を達成できないのか。計測の設計が間違っているからだ。

L2（吸収）の計測例:

• 提案書作成時間: 平均4時間 → 1.5時間（62.5%削減）
• 顧客問い合わせ初回解決率: 71% → 84%
• バグ修正サイクル: 平均3日 → 1.5日

L3（事業成果）への接続:

• 提案書作成速度向上 → 提案量が増加 → 成約数が増加 → 売上○%増加
• 問い合わせ解決率向上 → 顧客満足度改善 → 解約率0.3%減 → LTV○%向上

この接続を定量で示せるようになることが「AIネイティブ経営」だ。

データと改善の自律ループ設計

AIネイティブ経営の核心は「データ収集→AI分析→改善実行→計測」が自律的に回るループを事業に組み込むことだ。

重要なのは「D: 人が判断」のステップだ。完全自動化ではなく、人が意思決定の主体である状態を保ちながら、情報収集・分析・選択肢生成をAIに担わせる。

Klarnaの事例: ROIを財務報告に明示する

Klarnaは2024年、AIが700人分の顧客対応を担い平均対応時間を11分から2分に短縮したことを財務報告に数値として明示した³。

しかし同社は2025年に過剰削減した人員の再雇用を発表した。ここに重要な教訓がある。

教訓1: AIの成果を財務報告に明示できるレベルで計測する（Klarnaはここが正しかった）

教訓2: AIを人員削減の口実にすると、顧客体験の品質が落ちてリカバリーが必要になる（Klarnaはここで失敗した）

AIネイティブ経営の目的は「同じ成果をより少ない工数で出す」または「より大きな成果を同じ工数で出す」であって、「人を削減する」ではない。

経営の意思決定にAIを組み込む

最後のステップは「経営の意思決定プロセス自体にAIを組み込む」ことだ。

取締役会・経営会議でAIを使う例:

• 市場データの要約と競合動向の週次ブリーフィングをAIが自動生成
• 四半期業績のドリルダウン分析をAIがリアルタイムで提供
• 戦略オプションのシミュレーションをAIが即時生成

これは「経営会議にAIツールを持ち込む」ということではなく、「経営の情報収集・分析・選択肢生成プロセスにAIが組み込まれている」状態だ。

まとめ: 6%に入るための条件

現在AIでEBIT 5%以上の改善を達成しているのはわずか6%の企業だ。その企業に共通すること:

1. AI成果を財務指標に接続できる計測体制がある
2. 経営が四半期ごとにAI投資のROIを判断できる
3. CoEではなく各ラインがAI活用の主体になっている
4. データと改善の自律ループが少なくとも1つの事業機能に組み込まれている

これらは今日から設計できる。技術の問題ではなく、経営の意思決定の問題だ。

出典・参考

1. McKinsey: State of AI 2024 — EBIT 5%以上改善は6%のみ
2. MIT Sloan: The AI Divide — tokenmaxxingの事例と吸収計測の重要性（2024）
3. Klarna: AIで年間4,000万ドル削減を財務報告に明示（2024）