【No.6】経営者／事業リーダーが自分のAIを持つということ　〜「買う」から、「つくり、育てる」へ〜

前回の記事まで、5回にわたって経営戦略の全体像を描いてきました。

今回は、経営戦略においてAIがどう活用できるか、私の現時点での考えを共有させていただきます。

2026年1月、Anthropic 社が Claude Cowork というものを出しました。私が本格的に触りはじめたのは2月に入ってからです。触ってみて衝撃を受けたのは、非エンジニアを意識したUX（ユーザー体験）と、自分の言葉で「こういうものが欲しい」と伝えるところから、ある程度AIと対話を進めるだけで、実際に動くソフトウェアができあがることと、その精度の高さでした。

これによって、非エンジニアの人でも、仕事で必要な仕組みをソフトウェア化できる可能性が開けました。

そして、ソフトウェア化できる対象も広がりました。数値やコードのような、あらかじめ形が決まっているデータを入力し、処理し、蓄積するだけではありません。契約書をチェックする、問い合わせの意図を汲んで返す、提案書や報告書の下書きを作るといった、形の決まらないドキュメントワークも、ソフトウェア化できるようになってきました。

私は、AIが次の二つの観点で経営戦略を支える武器になると考えました。

一つ目は、AIで、事業活動に競争優位を築くことです。これは、これまで以上に武器になると思っています。二つ目は、AIで、事業戦略を描き、実践し、検証することです。

ただ、この二つを経営者や事業リーダーの方にお話ししてきて、途中で気づいたことがあります。この二つをすぐに実践していただくよりも、先に始めたほうがよいことがあると気がつきましたので、それを本日、三つ目としてお伝えさせてください（後述いたします）。

① AIで、事業活動に競争優位を築く

今では、受注も、生産も、請求も、在庫管理も、人事も、何らかのソフトウェアの上で動いています。このようなバックオフィスの業務に限らず、顧客に価値を届ける行為そのものが、いまやソフトウェアを介して行われています。

業種によって濃淡はありますが、顧客が自社の製品やサービスを知り、比較し、申し込み、使い、つまずき、問い合わせするといった一連の体験の多くが、デジタル上の画面と通知とメッセージの上で起きています。顧客が受け取る価値の質は、ソフトウェアの出来にかなりの部分が依存するようになりました。

これまでのソフトウェアの多くは、競合他社も同じようなものを買えるのではないでしょうか

ソフトウェア開発の多くは、外部に開発を委託したり、業界で標準的に使われているパッケージソフトウェアやSaaSを活用したりすることが多いのが実態だと思います。

同じ業界にいる会社は、たいてい同じ課題を抱えています。同じベンダーの、同じソフトウェア製品を検討します。そして多くの場合、同じもの、類似のものを導入します。

マイケル・ポーターは、1996年のHBR論文 "What Is Strategy?" で、この構造を 競争の収斂（competitive convergence） と呼んでいます。

（ベンチマーキングをすればするほど、企業は互いに似てくる。競合が同じような外部の事業者に活動を委ねれば委ねるほど、その活動は特色のないものになっていく）

（Michael E. Porter "What Is Strategy?", Harvard Business Review, November–December 1996）

ポーターがここで書いているのは外部委託の話で、ソフトウェアの話ではありませんが、私はこの構造がそのままソフトウェアの購買にも当てはまると考えています。同じ製品を同じ業界の各社が入れれば、業務の形も、顧客への価値の届け方も同質化してきます。

ポーターは同じ論文で、業務の卓越性（競合と似た活動を、競合より上手にやること）と、戦略的ポジショニング（競合とは違う活動をやる、あるいは似た活動を違うやり方でやること）を、はっきり分けて論じています。同じソフトウェアを入れて業務をそれに合わせるのは、前者にあたります。それは競争の土俵に立つために必要ですが、後者、つまり競争優位を築く戦略にはなりません。

同じソフトウェアを使っているだけでは、差別化にはなりません。むしろ、業務の形と、顧客への価値の届け方を揃えていく装置です。

業界標準を追うこと自体は、悪いことではありません

業界のベストプラクティスを、業界標準のソフトウェアで取り入れるといった選択自体は悪いことではなく、むしろ必要だと思います。自社だけが非効率なやり方を続けていては、競争の土俵に上がれません。ポーター自身、業務の卓越性を絶えず改善することは優れた収益性のために必要と述べた上で、それだけでは通常は十分ではないと書いています。

私がいつも思い出す事例（パレードの比喩）で趣旨をお伝えさせていただくと、ウォーレン・バフェットが、1985年のバークシャー・ハサウェイの株主への手紙で、繊維事業の設備投資を振り返っています。個別に見れば各社の投資判断は合理的だったが、業界で各社が揃って設備投資をした結果、全体では互いを打ち消し合って不合理だった。それは、パレードを見ている一人ひとりが、つま先立ちをすればもう少しよく見えると考えるときに起きることと同じだ、と。

自分ひとりがつま先立ちをしているあいだは、たしかによく見えます。その判断は、まったく合理的です。けれど、同じことを考えるのは自分だけではありません。後ろの人も、そして前の人も、つま先立ちをします。前の人が背伸びをした分だけ、自分の視界はまた塞がれます。やがてパレードを見ている全員がつま先立ちになります。見え方は元に戻り、疲れた足だけが残ります。

誰もが同じように追える優位性は、一時的なものにとどまります。 卓越の度合いで差がつくことはありますし、模倣されるまでに時間がかかることもあります。けれど、業界の全員が水準を上げていけば、絶対的には良くなっているのに、相対的な位置は誰も変わらないという状態に近づきます。

業界のベストプラクティスを、業界標準のソフトウェアで取り入れつつ、その先に自社独自の差別化された優位性を創る意図と戦略がなければ、このつま先立ちと同じ状況に陥ってしまいます。

LLM が変えたのは、「形の決まっていない仕事」です

では、いま何が変わったのでしょうか。どのような可能性が開けたのでしょうか。

冒頭で触れた変化を支えているのは、大規模言語モデル（LLM：Large Language Model） と呼ばれる仕組みです。膨大な量の文章を学習して、言葉の並びの確からしさを予測するように作られています。

従来の業務システムが得意としてきたのは、あらかじめ形が決まっているデータでした。この範囲であれば、昔から自動化できました。一方で、文章を読み、意味を汲み、判断して、また文章を書くという仕事は、人が手で処理するしかありませんでした。LLMを組み込むことで、この領域を自律的に処理するソフトウェアをつくることができるようになりました。

そして、この形の決まらない仕事のなかにこそ、その企業ならではのノウハウが埋まっています。 顧客にフィットするサービス提供方法、見積・積算の勘所、トラブル発生時の対処手順、問い合わせ対応時に参照している虎の巻など。長年かけて現場に蓄えられてきたのに、人の頭の中や、アナログ対応しているために、引き継ぐことも、広げることも難しかったものです。

それをソフトウェアとして形にできるなら、AIは自社の競争優位を加速させ、強化する装置になります。同じ品質を、競合より低いコストで届ける。競合には出せない価値を、顧客に届ける。そうした自社独自の事業活動をAIで再現し、複製し、進化させ、スケール可能にしていきます。

効率化と、顧客価値の向上を、同時に狙ってほしい

AIを入れようとするとき、業務効率化から入る企業が多いのですが、私がお勧めしたいのは、その同じ打ち手で、顧客価値の向上も同時に狙うことです。

たとえば問い合わせ対応でAIを活用する場合、効率化だけを狙えば、AIで自動応答し、人を減らす、という話になります。けれど同じ仕組みを、単純な自動応答ではなく、顧客との過去の取引状況や応対履歴、顧客の好みなど、その顧客のあらゆる文脈を踏まえた適切で気の利いた答えが即座に返るように設計したらどうでしょうか。待たされず、たらい回しにもされず、知りたかったことがその場ですぐに分かるようになり、顧客が感じる価値が上がります。そのうえで、対応にかかるコストも下がります。

経営学では、価値の側とコストの側に同時に効くこうした打ち手を 二重の優位性（Dual Advantage） と呼びます。

効率化は当然のこととして、同時に顧客価値の向上も狙います。 この両取りを、最初から意識していただきたいと思っています。

理由は二つあります。

一つは、それがいま、実際にできるようになったからです。 これまでは、顧客への価値を高めようとすると、たいていコストが増えました。手間をかける、人を増やす、時間をかける。だからどちらかを選ばざるをえない場面が多かったのだと思います。進化したAIを使えば、コストの低減と顧客価値の向上を、同時に狙える場面が確実に増えています。

もう一つは、順序を間違えないためです。 そもそも業務とは、顧客に価値を創り、届けるために行うものです。その目的から目を離したまま効率化だけを追いかけると、間違った方向へ進んでしまう恐れがあります。顧客体験に照らして見直してみたら、その業務自体がそもそも要らなかった、ということも起こりえます。効率化する前に、顧客目線で考え、やめるべき対象がないか、本来はどうあったら良いかを問う。 この順序を、忘れないでいただきたいと思います。

非競争領域は買う。競争領域は、自分たちでつくり、自分たちで育てる

大事なのは、どこを買い、どこを自分たちでつくるかを、意図して決めることだと思っています。

会計、給与計算、勤怠管理。こうした非競争領域は、業界標準のものをうまく採り入れればよいと思います。自社で作る意味は薄く、むしろ標準に合わせたほうが速く、安く、安全です。

ただ、単純に部門の名前で線を引けるとは限りません。会計の基盤は標準でよくても、与信の判断や、請求方法が、顧客に選ばれる理由に効いているなど、個別判断が必要です。

問われるのは、競争領域を自分で定められているかです。自社が競合に勝つ場所はどこか、顧客が自社を選ぶ理由はどこにあるのか、そこを言葉にできていれば、その領域だけは自分たちでつくる、という判断ができます。

ここで、ひとつ注意が要ります。自社のやり方が独自だから、そのままソフトウェア化すればよい、という話ではありません。

長年続けてきたやり方の多くは、単に非効率なだけ、ということもあります。むしろ、そちらのほうが多いかもしれません。属人化していたり、昔の制約に合わせただけだったり、誰も理由を説明できないまま続いていたり。それをそのまま実装すれば、非効率を固めることになります。

見極めるべきは、そのやり方のどこが、顧客に選ばれる理由につながっているのか、もしくは競合と比べてコスト優位につながっているのかです。そこが特定できているなら、その部分は残す価値があります。特定できていないなら、標準に合わせたほうがよいと思います。独自であること自体に価値があるのではなく、優位性につながっている独自性にだけ、価値があります。

そのうえで自分たちが設計し、実装したソフトウェアには、自社の顧客の癖、自社の現場の判断、自社が大事にしている順序などが組み込まれます。汎用の製品では削ぎ落とされてしまいがちな、その会社にしかない文脈が残ります。

ポーターは、競争優位は活動どうしの噛み合わせから生まれると論じています。そして、噛み合った活動の連なり全体に追いつくことは、特定の営業手法や工程技術や製品機能を個別に真似るよりも、ずっと難しいとも述べています。

「Fit to Standard」をどう考えるか

ここまでの話は、「Fit to Standard」（業界標準のソフトウェアをなるべく手を加えずそのまま使い、自社の業務のほうを標準に合わせる）という考え方を大事にしてこられた方には、逆のことを言われたように聞こえるかもしれません。

私は、Fit to Standard を否定していません。非競争領域においては、そのとおりだと思っています。標準に合わせたほうが速く、安く、安全で、保守も続きます。自社流にこだわって独自改修を重ね、身動きが取れなくなった現場を、私は何度も見てきました。

ただ、競合に対して優位を築きたい領域には、同じ考え方を適用できないと思っています。標準に合わせるということは、競合と同じ形になるということだからです。

そして、これまでは、それでも仕方のない面もありました。自社独自のソフトウェアを開発するハードルが、あまりに高かったからです。要件を書き、開発会社を選び、費用と月日をかけ、できあがったころには前提が変わっているといったリスクも想定されます。それならやはり標準を使ったほうが良い、という判断をされる企業も多いと思います。

その前提が、いま変わりつつあります。冒頭に書いたとおり、競争領域のソフトウェアを自分たちの手でつくるという選択肢が、現実的なコストとスピードで実現できるようになってきました。ここが、いちばん大きな変化だと思っています。

そして、これは一度作って終わりではありません。使いながら直し、直しながら育てていきます。自社のオリジナリティが、継続的に磨かれていくということです。

この「育てる」は、AIそのものを学習させ直すという意味ではありません。指示の出し方、覚えさせておく情報、参照する資料、つなぐ道具、判断の基準を、使いながら更新し続けるということです。

つま先立ちの競争から降りて、自社にしかない優位を、自分たちの手で磨き続ける。その主導権を、取り戻していただきたいと思っています。

具体的には、非競争領域はSaaSなどの標準を使いながら、競争優位を作りにいくところはAIで自社開発する。この組み合わせが、これからの有力な選択肢になると思っています。

ここでいう自社開発は、AIの基盤やクラウドまで自前で用意するという意味ではありません。汎用的な基盤は買ったうえで、自社の業務プロセスの中で優位につながる層を自分たちで設計し、直し続けるということです。本番環境構築で動かすには、エンジニアやセキュリティ専門家の知見も必要となります。

② AIで、事業戦略を描き、実践し、検証する

No.2 の記事で、私は「戦略は仮説である」と書きました。描いて、実践して、検証して、また描き直す。この循環を回し続けることが、重要です。

ただ、正直に申し上げると、この循環が実際に回っている会社は多くありません。 描くところまでで止まってしまいます。描いたロジックが日々の判断に生きているか、立てた仮説が合っていたのかを確かめる作業は、たいてい行われないままです。

なぜでしょうか。私は、3つの限界があると思っています。

一つ目は、情報量です。 戦略仮説を立案するには、外部環境と自社の双方について、膨大な情報から意味のあるものを抽出し、ロジックとして組み立てる必要があります。そして、その仮説を検証する材料は、日々の商談メモ、議事録、顧客の声、現場の声といった、散らばった一次情報のなかにあります。経営者や事業リーダーの数人で調べて、読み切れる量ではありません。

二つ目は、時間です。 仮説の答え合わせは、半年後、一年後にしかできていないのではないでしょうか。そのころには、当初どんな仮説を立てたのかが曖昧になっていますし、外部環境（顧客や競合）も変化している可能性があります。

三つ目は、忘れることです。 人は、自分が何を考えていたかを驚くほど早く忘れます。半年前の判断の理由を正確に思い出せる人は、多くないと思います。

これらは、人間の認知と処理能力の、構造的な限界です。

AIは、ここを支えられると考えています。膨大な情報から、戦略策定に必要な問いに答えるべく必要な情報を選び抜き、分析します。そして、頭の中の曖昧なもの、言語化できていないことを、壁打ちを通じて構造として外に出します（描く）。日々の意思決定が、描いたロジックと食い違っていないかを見ます（実践する）。散らばった一次情報と仮説を突き合わせ、リアルタイムに確かめます（検証する）。

つまり、人間の認知の限界を押し広げて、仮説検証のサイクルを伴走してもらうということです。

仮説を支持する材料だけでなく、仮説と食い違う材料も同時に探してもらいます。最終的な判断は人で、AIには判断の材料を提供してもらいます。

私自身も、そういうAIを作ることに取り組んでいます。またタイミングを見て、この連載でご紹介させてください。

③ でも、その前に。まずは自分のAIを持つ

この①と②を、いろいろな経営者や事業リーダーの方にお話ししてきました。

多くの方が「なるほど、あると良さそうですね」とおっしゃいます。関心は持ってくださいます。ただ、「本当にうまくいくのかな」という、半分の疑いもあります。

ところが、三つ目の話をすると、反応が変わります。

「それ、やってみたい」と、声のトーンが違います。

三つ目は、こういう話です。

経営者や事業リーダーは、日々多忙を極めています。同時に複数のことが走っていて、判断が途切れず、ストレスもかかります。そこに自分専用のAIがいることは、それ自体で価値があると思います。

私がこれをお勧めしている理由は、3つあります。

一つ目は、自分の生産性が格段に上がることです。

二つ目は、自分の幸福度が上がるように、AIに動いてもらえることです。（これは意図的に、そう設計します！）

三つ目は、AIにできること、できないこと、そのリスクが、身体で分かるようになることです。 経営者や事業リーダーにとっては、三つ目がとりわけ効いてくると思っています。

AIを経営に入れるかどうかを判断する立場にある人は、その限界と可能性を知っている必要があります。どこまで任せられて、どこからは任せることが難しいか。どんなときに間違えるのか。何を渡すと危ないのか。そして、どこまでできるようになったのか。

これは、本を読んでも、専門家の説明を聞いても、部下に任せても分かりません。自分で作ると、段々と分かるようになります。

自分で回してみると、①のイメージが湧いてきます

育てていると、小さなサイクルが毎日回ります。思ったような答えが返ってこない、指示を直す、判断の基準を渡してみる、また使う、今度は良くなっている、ここは任せられる、ここは任せられない、と分かってきます。

自分の体験が、目の前で良くなっていきます。

この経験をすると、①の話が急に具体的に聞こえてきます。顧客の体験も、同じように良くしていけるのではないか。 ①で書いた「使いながら直し、直しながら育つ」を、自分の身体で一度回すと、体感できます。

だから私は、①②を急いで実践していただくよりも先に、③をお勧めしています。

私が、自分のAIに何をやらせているか

参考までに、いま私が実際にパーソナルAIエージェントに任せているものを、いくつか挙げてみます。こんなことまで任せられるのかという感覚が伝わればと思います。

• 朝、その日の予定と、外出先の天気（傘の要不要も）、電車の運行状況、気になる分野のニュースなどをまとめて伝えてくれます

• 人と会った記録を残し、必要なタイミングでお礼を促したり、しばらく連絡していない人を教えてくれたり、今度会うときに前回した話を教えてくれます

• 週に一度、自分の状態をウェルビーイングの指標で採点してくれて、下がっている項目についてアドバイスをくれます

• 予定のリマインドだけでなく、「父の日のプレゼントは買いましたか。昨年は◯◯を送って喜んでいましたよ」と教えてくれたり、「読みたい」と言った本の購入ページ（URL）まで探してくれます

• 自分の好みにあった旅行ルートや、良さそうな場所を、定期的に提案してくれます

• 読んだ本や会話メモを溜めておいて、忘れたころに「これ、前にこう考えていましたよ」「こんな話をしていましたよ」と教えてくれます

私は、人と話をしたこと、本から学んだことを、もっと記憶に留め、もっと活かせるようにしたいと、ずっと思っていました。思っていながら、できていませんでした。

それをいまは、私のパーソナルAIエージェントに支援してもらっています。

（注意点としては、最初から、機密性の高い情報や個人情報をすべて渡す必要はありません。私は、ローカルのパソコンで専用のフォルダを決めて、渡す情報は機密性の低いものから少しずつ広げてきました。メールの送信、購入、削除、外部への共有といった、取り消しにくい操作は、必ず自分で承認するようにしています。会社の環境と個人の環境も分けています。）

判断できる人になる、ということ

3つの話をさせて頂きましたが、この3つは、一本の線でつながっています。

自分でAIを作ってみた人は、AIと人との協働の未来像を描き、AI活用の判断ができるようになると思っています。

そして、判断できる経営者や事業リーダーが増えたとき、①と②が進んでいくと思っています。つま先立ちの競争から降りて、自社にしかない優位を、自分たちの手で磨き続ける世界です。

私は、日本企業がそこに向かえるように、経営戦略×AIの伴走支援を続けていきます。

お知らせ：この連載と、もう一つの連載について

私自身、いま自分のためのAIを作って、育てている最中です。うまくいっていること、いっていないこと、その過程を、もう一つの連載として書いていくことにしました。完成したものの解説ではなく、作っている途中を、そのまま書こうと思います。

これからは、この経営戦略の連載と、AIを育てている記録の連載を、交互に書いてみたいと思っています。もちろん、経営戦略の中でAIをどう活用できるかも書いていきたいと思います。よろしければ、お付き合いいただけたら嬉しいです。

最後まで読んでくださり、ありがとうございました。

よろしければ、Xものぞいていただけると嬉しいです。

X：@hasebe_strategy　https://x.com/hasebe_strategy