Mike Lukianoffは、意思決定インテリジェンス企業SignalFlare.aiの創業者兼CEOである
筆者が支援するあるレストランチェーンは最近、レポーティングを高速化するためにAIツールへ6桁ドルの投資を行った。数週間も経たないうちに、マネジャーは売上データや人件費レポート、食材コストのサマリーを、何時間もかける代わりに数秒で引き出せるようになった。経営陣は大いに喜んだ。だが、同じ誤った意思決定が、以前と変わらず下されていることに気づくまでは。
これは筆者が業界を問わず目にするパターンである。企業は変革を期待してAIに資金を投じ、結果として手にするのは「加速」だ。答えをより早く得られるようにはなるが、そもそも正しい問いを追っているのかを立ち止まって考えない。こうして生まれるのは、平凡な成果へ至る道筋を、より効率化したにすぎない。
スピードの罠
現在のAIをめぐる議論は、スピードに支配されている。このデータをどれほど速く分析できるか。このレポートをどれほど早く生成できるか。何時間節約できるか。いずれも妥当な目標ではあるが、AIを既存プロセスに後付けするターボチャージャーとして扱っているに等しい。既存プロセスが質の低い意思決定を生むのなら、ターボチャージャーは誤った目的地に、より早く到達させるだけだ。
多くのビジネスインテリジェンス（ダッシュボード、レポート、KPIトラッカー）は、設計上「過去を振り返る」ものである。何が起きたのかは教えてくれる。しかし、それだけでは、次に何をすべきかは教えてくれない。観測と行動の間にあるこのギャップこそ、多くの企業が競争優位を失う場所であり、そしてスピードだけでは埋められないギャップでもある。
筆者は何十年も予測モデルを構築してきたが、繰り返し学び直す教訓がある。あらゆる分析アウトプットの質は、それを生み出した「問い」の質によって上限が決まるということだ。曖昧な問いに対する速い答えは、結局のところ曖昧な答えにすぎない。
AIがもたらす価値の3つのレベル
ビジネスにおけるAIは、3つの異なるレベルで機能すると考えると理解しやすい。
1. クエリ・インテリジェンス
この段階は、AIを使って情報を検索し要約することを指す。「前四半期の売上は？」「拠点別の人件費を見せて」といった質問を投げるだろう。ほとんどの企業はここから始め、そしてここで止まる。役に立つが、限界もある。本質的には、非常に高価な検索エンジンを使っているだけだ。
2. 分析インテリジェンス
このレベルでは、AIを使ってデータセット間の関係性やパターンを見出す。「価格変更は来店動向とどう相関するか」「商圏の人口統計と比べて、相対的に業績が振るわない拠点はどこか」といった具合だ。統合されたデータと領域固有の文脈が必要になるため実装は難しいが、人間が日常的に見落とす洞察が浮かび上がり始める。
3. 意思決定インテリジェンス
ここではAIを用いて、トレードオフを評価し、シナリオをモデル化し、制約条件の下で具体的な行動を推奨するようになる。「コスト構造、競争環境、顧客の人口統計を踏まえ、この市場でこの商品をいくらに設定すべきか」といった問いを立てる。真の価値が宿るのはここであり、筆者の見立てでは、この段階で既に運用できている企業はごく少数である。
レベル1とレベル3の隔たりは、主としてテクノロジーの問題ではない。フレーミングの問題である。多くの企業は、AIが実際にできることに見合うよう問いの立て方を組み替えていない。
より良い問いが難しい理由
企業が中身よりスピードを優先しがちな理由はある。より良い問いを立てるには、何を最適化するのかを明確にする必要があり、それは不快な作業だからだ。「前四半期の既存店売上は？」と問えば数字が返ってくる。だが、「人口増加率を10ポイント上回るペースで出店数が増える市場において、利益率と来店の間で適切なトレードオフを取れているか？」と問えば、既存店売上という数字が都合よく覆い隠してきた構造的現実と向き合わざるを得なくなる。
意思決定の質を高める問いには、統合されたデータも必要だ。売上データ、市場データ、消費者データが別々のサイロにあるなら、競争上のポジショニングをモデル化することはできない。多くの企業は何年もかけてデータを蓄積してきたが、データセット同士をつなぐ結合組織を築いてこなかった。AIはそのギャップを埋める助けにはなるが、アウトプットを「レポート」ではなく「意思決定」に据えてシステムを設計する場合に限られる。
あらゆる経営者に必要な実践的シフト
AI投資を評価している、あるいは既に行った投資からより多くを引き出したいなら、まず自社がデータに対して投げかけている問いを監査することから始めるとよい。書き出してみるのだ。大半は「何が起きたか」「いくらか」といった類いの問いだろう。これらはレベル1の問いである。
次に、自問してほしい。自社が繰り返し行う意思決定のうち、最も重要なものは何か。レストラン運営者なら、価格設定、人員配置、新規出店地の選定かもしれない。小売業者なら、品ぞろえ、販促のタイミング、在庫の配置だろう。どの事業にも、成果を不釣り合いに左右する意思決定の短いリストがある。
そして、その意思決定を中心にAI投資を設計し直す。トレードオフをモデル化するために、どのデータを統合する必要があるのか。コミットする前に、どのシナリオをシミュレーションしたいのか。有用な推奨を行うために、システムは自社固有の競争環境について何を知る必要があるのか。
この再定義に新しいテクノロジーは必ずしも要らない。テクノロジーに何をさせるのかについて、新しい考え方が必要なのだ。筆者は、これをいち早く見極めた企業は、単に速くなるのではなく、競合とは根本的に異なる、そしてより良い意思決定を下すようになると考えている。
結論はこうだ。AIの軍拡競争は、多くの企業をスピード競争に駆り立てているが、それは誤ったレースである。リーダーが注力すべきは意思決定の質だ。テクノロジーは準備できている。問われているのは、リーダーシップの側である。
