AIはどのようにリサーチとビジネスを進化させるか？（第3回：意思決定の自動化）

AIの進化は、マーケティングリサーチの業務効率化だけでなく、企業の意思決定や価値創造のあり方にも大きな変化をもたらそうとしています。本コラムでは、市場調査会社と事業会社の双方でリサーチおよび組織マネジメントに携わってきた高橋直樹氏が、豊富な実務経験と国内外の事例をもとに、AI時代のリサーチとビジネスの未来を考察します。

執筆者プロフィール

---

AIはどのようにリサーチとビジネスを進化させるか？

このコラムは、AIの活用を5つの進展段階で捉え、AIの機能と役割がどのように進化するか、それに応じて人間の役割はどのように変わっていくかを推測を交えて論じている。

Stage	AIの役割	概要
Stage1	業務代替・効率化	調査を遂行するプロセスの一部をAIが代替・自動化して高速化・省力化する
Stage2	リサーチそのものの代替	コンシューマーペルソナなど、消費者理解そのものを生成する
Stage3	意思決定システムへの統合	マーケティングプロセス全体を統合して最適化し、その意思決定を支援・自動化する
Stage4	企業認知の進化	経営者が問うべき問いを発見し、未認識の機会・脅威・価値観を提示する
Stage5	企業統治の進化	複数のAIが相互に牽制・協調しながら、企業統治の制度自体を動的に設計・改善する

AIによるリサーチとビジネスの進化5段階仮説

第1回と第2回では、そのプロローグとなる事例、5つの段階の概要、Stage1と2を紹介した。
5回シリーズの第3回では、Stage3について議論する。

---

Stage3：意思決定システムへの統合：マーケティングプロセスを統合して意思決定を自動化する

この段階は現在進行中であり、AIのビジネス活用のあり方は大きな転機を迎えることになるだろう。第１回で中国企業におけるAIによるマーケティングプロセス全体の自動化の事例を紹介したように、AIによる自動化・高速化はビジネス全体で進行する。当初個々バラバラに開発・活用されているAIは、遠からず大きな業務領域単位で統合されていくことになる。問題は、何を中心に統合されることになるのかという点である。筆者は、この段階では、ビジネス判断が統合の中心となり、AIが支援する意思決定システムによってビジネスが駆動されていくと考える。

リサーチ機能は意思決定システムに組み込まれていく

ではリサーチという機能やその業務はどうなるのか。リサーチの存在意義は意思決定を支援することにある。いや、情報提供やアイデア発想だって調査の目的だという異論もあるかもしれないが、そこにとどまっていてはビジネスにインパクトは与えられない。意思決定がなされ、企業が何らかの行動を起こさなければ、調査はなかったのと同じである。企業の意思決定や行動にインパクトを与えられなければ、リサーチ機能は存在意義を失い、予算も人も削られ縮小していくだけだ。そういう例は残念ながらたくさんある。

したがってリサーチ機能は必然的に意思決定システムに統合されていくことになると考えられる。しかも、意思決定のあり方も進化していくので、一様に捉えることはできない。

意思決定を「頻度」と「インパクト」で整理する

そこで、意思決定を、頻度とインパクト（間違った場合のリスクの大きさ）で４つに分類し、さらに今後5〜10年程度の変化の予想を加えて下記のように整理してみる（図１）。

タイプA）頻度大・インパクト小：既存商品のオペレーションなど　
　→ テクノロジーによる自動化が進みそう

タイプB）頻度中・インパクト中：既存商品の改善やライン拡張など　
　→ ツールを用いた内製化が進みそう

タイプC）頻度小・インパクト大：ブランドのカテゴリー拡張、新規コンセプト商品開発など　
　→ 消費者理解が主軸となった外注が続きそう

タイプD）頻度極小・インパクト極大：ブランドのM&A、ビジネスモデル変革など　
　→ 外注が続きそうだが消費者理解は脇役

タイプAは、プロセス進捗のシステム化・自動化の度合いが最も大きいが、意思決定案件一件あたりのコスト単価は最も安い。タイプDはその逆の傾向となり、BとCはその中間に位置付けられる。

頻度が高い意思決定はコモディティ化していく

こうした類型化・変化の背景にあるのは、どの産業においても進行するビジネスのアジャイル化、商品のコモディティ化、ビジネスモデルの高度化などのマクロトレンドである。食品・雑貨などコモディティ化が進む市場では、分析・予測テクノロジーの進化などにより、どういう場合にどのようなアクションを打つべきかという最善策がかなり絞り込まれており、打ち手やそのための意思決定の枠組みは定型化してきている。つまり、AやBに分類される意思決定そのものがコモディティ化してきていると言える。

こうした意思決定に求められるのは、「速い」「安い」「間違わない」という要素であり、（勝つというより）「負けない意思決定」をすることがゴールとなる。こうした意思決定はなるべく人手をかけずに行ない、浮いた貴重な時間やリソースを、より戦略的に重要なCやDタイプの「勝つこと」がゴールの意思決定に振り向けることになる。

ビジネスプロセスの進化は意思決定のタイプによって異なる

図２は、この分類と私見に基づいて、近い将来におけるビジネスプロセスの進め方を俯瞰したものである。どのように意思決定が行われるかを、タイプごとに見ていこう。

タイプA（頻度大・インパクト小）：既存商品のオペレーションなど

市場は日々変動している。市場の既存商品の売り上げが落ちてきた、新たな競合商品が投入された、などの状況に際して、どのようなアクションを取るのか・取らなくていいのか、という意思決定は毎月あるいは毎週という頻度で求められる。しかもスピーディーな意思決定と実践が大事である。

しかし、その意思決定の内容は、新奇性のある斬新な対策というより、ある程度定型化されたものである。市場投入された時に、その商品の役割や目的などのマーケティング上の基本戦略は決定されているので、日常のオペレーションの判断に求められるのは、それを維持・達成していくためのものであり、こういう場合にどうするかという打ち手は、広告投入量、メディア配分、価格調整、店頭プロモーションの種類など、自ずと絞られる。前述したように日用雑貨などのコモディティ商品ではなおさらである。

一方、判断が間違っていたり効果が上がらなかったりしても、それに対する対応策も比較的スピーディーにとることができるのでリカバリーも比較的容易である。よほどの屋台骨を担う基幹商品でない限り、この対応の巧拙で企業業績が大きく左右されることは少ないだろう。したがって判断を間違えた時のリスクは比較的小さいと言える。

こうした高頻度・高速・定型・低リスクの意思決定に求められるのは、前述したように「速い」「安い」「間違わない」を実現する「負けない意思決定」である。これは、まさにAIによる自動化・高速化が得意とするところだ。

タイプA（頻度大・インパクト小）：運用の具体例

ではどのようなオペレーションが行われるのか考えてみよう。

市場や消費者に関する定常的なモニタリングは、データ収集・分析の仕組みを作ってしまえばほぼ自動的に運用できるであろう。そうした情報の中から、「自社商品の売り上げが低下してきた」「競合商品が投入されてある程度の売り上げを上げている」など、意思決定を始めるトリガーとなる事象と閾値（「売り上げが何%以上低下」など）を事前に定義しておき、そうしたことが起きた時に自社の打ち手の選択と意思決定が自動的に行われるようにシステム化しておく。するとAIが、「今こういうことが市場で起きている」「放置しておくとこういうことが起きそう」「こういう対策を打つべき」「そのための期間と費用はこれだけ」「それによってこういう結果が見込める」という提案を自動的に出してくるので、担当者がその承認可否を判断するだけになる。承認された対策はシステム的につながっている外注企業と連携され、AIが広告や販促などの機能ごとの実行案をKPI/KGIの予測値とともに提案し、担当者の承認を得て実施される。

現在、こうしたオペレーションに多くの人手と時間がかけられているが、こうした自動化・高速化で削減できた人・時間はもっと付加価値の高い、既存ビジネスを変革するような活動に振り向けることができるのである。

この運用においては、調査会社は、ルーチン化されたモニタリングや分析のために、データの種類ごとに固定され、定型化されたデータをシステムに定常的にインプットする役割を担うことになる。

タイプB（頻度中・インパクト中）：既存商品の改善やライン拡張など

マーケティング部門において、担当する既存商品群の機能の改善やライン拡張など、商品そのものを改変するタスクは毎年のように発生する。その際に求められる意思決定は、自動化は難しいがある程度定型化することは可能だと考えられる。既存商品のおおもとの商品コンセプトの変更を伴わない、機能の追加・変更、成分の変更、フレーバー追加、パッケージや広告の刷新などの課題に際して、取り得る選択肢はある程度限られている。またそうした変更の市場性の判断に際しての評価軸は、ある程度の一貫性が保たれていることが多いし、もしそうでなければそうすべきである。「販売予測シミュレーションでROIいくつ以上」「使用テストにおいて購入意向率◯◯%以上」などの指標の種類とその合否レベルは、商品の役割ごとに異なっていても良いが、脈絡なくバラバラであればマネジメントの観点で問題である。

つまり、取り得る選択肢と、意思決定の際の評価のしかたは、ランダムでも無限でもなく、メニュー化が可能だということだ。したがって、システム的なツールを用いて担当者による内製でカバーできる範囲が広がる。

タイプB（頻度中・インパクト中）：運用の具体例

具体的な運用イメージを考えてみよう。

タイプAで見たような日常的なオペレーションによって、当該商品の問題がある程度明らかになったとする。ベネフィットの認知が進まない、リピート購入が伸びないなど、定例的なオペレーションでの対応に限界がある問題が認識されたら（あるいはその認識そのものをAIにさせても良いかもしれない）、それに応じて、競合とのイメージの棲み分けやベネフィットのリピート購入貢献など分析すべきテーマをAIが提案する。テーマに応じた分析メニューの中から担当者が選んだ分析を実施して、例えばパッケージ変更が必要などの対策を特定する。そこで、AIがパッケージ案を提案させ、それを担当者がパッケージ制作の外注先と一緒にフィードバックを繰り返して、AIによるシミュレーションで問題解決できそうないくつかの案を実際に作成し、AIが設計した消費者テストを実施して評価し、目標値を超えたものを採用する。

実際のパッケージ作成や消費者調査は外注先に発注することになるが、その際それまでの経緯や評価基準などを共有しておくことが望ましい。したがって課題に応じて外注先の会社を固定しておくことがオペレーション上もナレッジの蓄積上も得策である。

タイプC（頻度小・インパクト大）：ブランドのカテゴリー拡張、新規コンセプト商品開発など
タイプD（頻度極小・インパクト極大）：ブランドのM&A、ビジネスモデル変革など

この２つのタイプが扱うような、ブランドのカテゴリー拡張や新規コンセプト商品の開発、ブランドのM＆Aやビジネスモデルの変革などは、毎年行われるようなものではなく、タイプCは何年かに一度くらい、タイプDは10年に一度あるかないかという頻度だと想定される。しかし、そのビジネスインパクトは甚大であり、間違えるわけにはいかないだけでなく、勝つための意思決定をしなければならないのだ。タイプCとDの違いは、リサーチの役割の大小である。タイプCは消費者理解が戦略策定に大きな影響を与えるもの、タイプDは、財務体質の改革など、消費者以外の要素が目的や要因となる意思決定である。

こうした意思決定のしかたは完全にカスタマイズであり、定型化されたものはない。情報収集から分析、意思決定、実践に至るまで、課題や目的によって全く異なるアプローチが必要である。人間がプロセス全体を主導し、AIは部分的なサポート役に留まることになる。

AIの機能と役割：意思決定を支援・自動化する意思決定エンジンになる

AIは、商品企画、広告、プライシング、営業などのマーケティングプロセス全体を統合して最適化し、その意思決定を支援・自動化することで、判断をサポートする意思決定エンジンとなる。

人間の役割：意思決定の仕組み構築を担う制度設計者になる

人間は、AIに意思決定させる範囲、判断する仕組み、そのためのデータとそれらを連携させるシステム全体、それらを用いるための制度などを決定・構築する。つまりAI意思決定の制度設計者としての役割を果たすことになる。

その際に明示的に決めておかなければならないのは、企業の目的変数である。企業活動には様々な目的・目標が存在するが、それらの中には互いに相反する組み合わせが必ず複数存在する。例えば、「四半期・年度などの短期的な販売」対「長期的な利益や企業価値の増大」などが典型である。こうした目的・目標の矛盾は、見ないふり・棚上げ・先送りをされたり、関係者間の腹芸や人間関係などで個別判断されたりすることが多い。しかし、AIの機能原理は最適化である。目的・目標が互いに矛盾したままでは機能できない。

したがって、企業活動の目的の定義、複数ある目標の間の関係とその際の条件を、整合性をもって決めておかなければならない。そのためには各組織や機能の目標を棚卸しし、それらの間の関係を決め、それに対して誰も反対しない状態にしておかないといけないのだ。少なくとも、販売、利益、ブランド価値については時間軸条件のついた定量的な整理が不可欠だと考えられる。

リサーチ機能に新たに求められる能力

企業の意思決定の仕組みをシステムと制度によって構築・統治する能力が必要となる。具体的には、経営戦略、マーケティング全体設計、経営データ統合、意思決定理論、最適化、業務プロセス設計、ERP・CRM等との統合など多岐にわたる能力が必要となるため、リサーチ機能だけでそれら全てを持つことは現実的でなく、他の部門や企業と連携して相互補完することが不可欠となろう。

リサーチ機能は、その出自となる能力・責務に鑑みると、こうした取り組みを単独でリードすることは難しく、他部門との共同リーダーシップを取るという形態が現実的だと思われる。

既存の能力で対応できる部分領域

タイプAやBで用いられるような仕組みでも、意思決定そのものの内容やその効果は第三者的な視点で検証する必要がある。自動化された仕組みでは一つ一つの検証は、時間的にも費用的にも、また自動化・高速化という目的そのものからも見合わないため、行なうべきではないが、定期的な検証は、システムへの信頼度を確認するためにも必要だろう。そのための検証方法の設計・実施は、リサーチ機能が持っている能力を活かせる領域である。

またタイプCやDに求められる消費者情報やインサイトは、AIからのアウトプットを活用するとはいえ、プロセスとしてはこれまでのリサーチとほぼ同様のものとなり、リサーチ機能の強みはそのまま活かせると考えられる。

よくある質問

AIによる意思決定に、リサーチ機能はどう関与すべきか

リサーチは意思決定をサポートして初めてその役割を全うする。そして、企業における意思決定はAIのサポートを得て自動化・高速化が進んでいく。リサーチがこの変化に対応するには、意思決定の自動化・高速化に関与し、単なるデータではなく消費者理解として組み込まれるように自己進化する必要がある。

次回はStage４について議論を始める。

執筆者プロフィール

---