全社員に「ChatGPT」を配っても差がつかない…AIで稼げる会社が「汎用ツール」に頼らない決定的理由

生成AIを使う企業は珍しくなくなった。にもかかわらず、それが売り上げの話として語られることは少ない。導入したのに何かが起きない。この感覚の正体はどこにあるのか。AI開発企業Laboro.AIの椎橋徹夫氏と田辺遼氏による『日本企業はAIでどう稼ぐか』から、一部を抜粋･再構成してお届けする。なお本稿で紹介する事例は、内容を維持したうえで業種や商品を一部変更している。 ■AIを導入すべき領域はどこか 　全社員にChatGPTのアカウントを配ったものの、使われ方は効率化のレベルにとどまっている。汎用的な議事録作成ツールを導入したが、肝心の意思決定プロセスは何も変わっていない。こうした話は珍しくありません。「AIを活用している」状態と「AIで事業成果を出している」状態の溝は、思いのほか深いようです。

生成AIを使う企業は珍しくなくなった。にもかかわらず、それが売り上げの話として語られることは少ない。導入したのに何かが起きない。この感覚の正体はどこにあるのか。AI開発企業Laboro.AIの椎橋徹夫氏と田辺遼氏による『日本企業はAIでどう稼ぐか』から、一部を抜粋･再構成してお届けする。なお本稿で紹介する事例は、内容を維持したうえで業種や商品を一部変更している。 ■AIを導入すべき領域はどこか 　全社員にChatGPTのアカウントを配ったものの、使われ方は効率化のレベルにとどまっている。汎用的な議事録作成ツールを導入したが、肝心の意思決定プロセスは何も変わっていない。こうした話は珍しくありません。「AIを活用している」状態と「AIで事業成果を出している」状態の溝は、思いのほか深いようです。

　ここで、企業の業務を「土台」と「味付け」に分けて考えてみたいと思います。 　土台とは、どの企業にも共通する基本的な業務プロセスです。経理処理、人事管理、一般的な顧客対応、問い合わせへの回答など、企業活動のインフラにあたる部分で、業種や規模を問わず似たようなやり方で行われています。ここは汎用ツールの得意領域です。わざわざゼロから作る必要はありませんし、そのほうが導入コストも圧倒的に低くなります。 　一方の味付けとは、その企業が独自に積み上げてきたノウハウであり、暗黙知に基づく判断のことです。経営学でいうコア・コンピタンスにあたります。なぜこの工程を、なぜこの順番で行うのか。なぜこの顧客にはこの提案をするのか。なぜこの材料をこの温度で処理するのか。こうした判断の背景には長年の試行錯誤の蓄積があるため、標準化できず、マニュアルに書き尽くすこともできません。

　汎用ツールの開発会社は、できるだけ多くの企業に使ってもらうために最大公約数的な機能を実装する必要があり、個別企業の暗黙知を組み込む余地は限られます。つまり、共通している部分を共通のやり方で処理する以上、同じツールを導入した競合とは差がつかないということです。売上に直結する味付けの領域まで汎用ツールで済ませようとすると、本来活かすべき独自性が埋もれてしまいます。 ■熟練者しか読めなかった「波形」 　ある検査専業企業の例を紹介します。

　プラントや工場の電熱管は、壁が摩耗や腐食で薄くなる減肉が進むと穴が開き、重大な事故につながります。そのため管を壊さずに劣化を判定する非破壊検査が欠かせません。この企業は独自の検査技術を持ち、データの高速採取に強みがありました。ところが、採取したデータの解析には高度な専門知識が必要で、読める人材が限られていたのです。データを取るのは速いのに、読むのに時間がかかる。将来的な検査件数の増加を見据えたとき、このギャップが事業拡大の制約になることは明らかでした。

　波形の読み方には、長年の経験に基づく暗黙知が多分に含まれます。マニュアル化だけでは引き継げません。まさに味付けの領域であり、汎用ツールで代替できる種類の仕事ではありませんでした。 　そこで取り組んだのが、解析工程に組み込むカスタムAIの開発です。減肉信号は瞬間的に現れて振幅も変動するため、一般的な異常検知手法をそのまま流用することはできません。複数のニューラルネットワークモデルを開発し、それぞれの判定を組み合わせることで、単一モデルより安定した精度を実現しました。同時に、既存の解析ソフトウェアとの連携方法や人との役割分担も最初から設計に含め、最終的な不良判断は熟練者の目で確認する工程を残しつつ、AIが一次的なスクリーニングを担う形に着地させています。

　試験運用の結果、同社によれば解析処理数量を倍近く増やせる見込みが示されました。検査は受注して報酬を得る事業そのものですから、処理数が倍になることは、同じ体制でより多くの案件を受けられる、つまり売上拡大の余地が広がることを意味します。熟練者でない担当者も検査業務に参加しやすくなり、対応できる人材の幅も広がりました。 ■暗黙知は、対話で初めて言葉になる 　興味深いのは、味付けの中身がしばしばクライアント自身にも言語化できていないことです。AIで特定の業務を置き換えようとしても、いきなり人と同じ質でこなせることはまずありません。「なぜできないのか」を掘り下げていくと、「実は我々はこういうことをやっている」「こういう独自のノウハウがある」というように、暗黙知が対話を通じて初めて表面化してきます。カスタムAIの開発は単なる技術導入ではなく、自社の競争優位を再発見し、言語化するプロセスでもあるのです。

　どこを汎用ツールに任せ、どこを作り込むか。判断の目安は3つあります。その業務に自社独自の暗黙知や競争優位が絡んでいるか。汎用ツールでその課題が本当に解けるのか。そして、投資に見合うリターンが見込める領域か。1つめがNOであれば汎用ツールで十分ですし、月額数万円のツールでクイックに成果が出るならそれを選ぶべきです。 　この発想は、大企業よりもむしろ中小企業にとって大きな意味を持つかもしれません。世界屈指の材料技術を持つ企業、町工場の製造クオリティ、特定分野に特化した深い専門知識。こうした匠の技は世界的に見ても極めて高い優位性を持ちますが、効率性では大企業に及ばないことがほとんどです。裏を返せば、汎用AIツールでは代替できない暗黙知の結晶だからこそ、それを固有のカスタムAIで増幅できれば、規模の不利を独自性の優位で覆せる可能性が拓けます。効率化で満足せず、AIで自社をさらに唯一無二にできるかどうかが、勝負の分かれ目です。