AIはどのようにリサーチとビジネスを進化させるか？（第4回：企業認知の進化）

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1〜3回では、そのプロローグとなる事例、5つの段階の概要、Stage1から3までを紹介した。
5回シリーズの第4回では、Stage4について議論する。

---

Stage4：企業認知の進化：AIが問うべき問いを発見する時代

AIによるビジネスの進化はStage2から3の間で大きく飛躍したが、Stage3から4の間でも、また大きく飛躍すると考えられる。それはリサーチの役割そのものの進化である。

「問いに答える」のがリサーチの役割ではない

Stage2では、人間からの問いに対してAIがリサーチを代替して回答する。しかし、リサーチという、時間とお金がかかる割りには限定的な知見しか提供してくれない不完全なツールを、なぜ模倣する必要があるのだろうか？　Stage3では、意思決定のために必要な情報が自動的に収集・生成され、自動化された意思決定が行われる。しかし、リサーチには、なぜ意思決定が必要としている情報しか求められないのだろうか？　これらの段階は、リサーチは人の問いに答えるものだというコンセプトを前提にしているのである。

世界トップのリサーチ部門は先んじて問いを考える

十数年前のことになるが、前職で統括していたリサーチ機能を世界トップレベルにすることを目標に据えた時、世界トップのリサーチ組織は何を考えて何をやっているのかを知りたくなった。そこでアメリカに出張して、グローバルなトップマーケティング企業のリサーチ部門の責任者に会って意見交換した。

P&Gグローバル本社のリサーチ部門のトップだったKim Dedekerさんと議論した時、彼女の言葉で最も印象的だったのは「Learning Organizationでは遅い。Knowing Organizationにならなくてはいけない」だった。誰かから問われる前にすでにその答えを持っているくらい、社内のビジネスクエスチョンをリードするのだという趣旨だった。「やはり、そこまでやらないといけないのか」と、ぼんやりとしたイメージしかなかった方向性が明確に形になった。以来、「会社のビジネスをリードするリサーチ」の実現を目指して、さまざまな改革に手をつけることになった。

一般的なリサーチ機能においては、こういうことが知りたい、こういう問題を解決したい、という依頼が起点となって調査がスタートする。つまり、ビジネスクエスチョンが先にあって、それに対する回答や提案を提供するという役割だ。しかしそれを待っていては、もはや遅いのだ。マーケティングなど関係するビジネス部門のビジネスクエスチョンを彼らに先んじて考え、それに答える調査や分析を誰に頼まれなくても実施し、そこから得られる提言を当該部門に持って行き、「あなた方はこういうビジネスクエスチョンを考えるべきです。それに対する答えがこれです。さあこれをやってください。」と迫るのである。

リサーチ機能は誰よりも将来が見えている

なぜリサーチ機能がそこまでしないといけないのか？　また、そうする能力があるのか？　それは、リサーチ機能にはそれらが見えているはずだからだ。リサーチは過去と現在の知見に基づいて、将来のための提言を行なう機能である。過去の事実を記録したり、要因を特定して終わりではない。それらは全て、「だから次はこうすべき」を導き出すためにやっていることだ。すると自ずから将来を見通すというスタンスで仕事をすることになる。会社の中の誰よりも将来を遠く・広く見渡しているのがリサーチ機能なのである。だから見えてくるのだ。会社が将来のために当然準備すべきなのにしていないことが。これまでこうやって実績を出してきたというだけで、早晩ダメになる今のやり方にこだわってしまっている様子が。見えているのに声を上げず、後になって「実はわかっていたんだけど…」などと言い訳するのは背任行為に等しい。

Agenda Setting：ビジネスクエスチョンを先導する

ビジネスクエスチョンそのものをリードするのが、真に会社に貢献するリサーチ機能のあり方なのだ。いわゆるAgenda Settingである。これは、重要な会議で議論すべき議題を決めること、つまり企業の関心や焦点を誘導することで、その方向に企業を導くことである。だから、リサーチ機能は呼ばれて会議に行くのではない。呼ばれてもいない会議の事務局に話をつけて、出席者に知らせたいことや議論してほしい議題をねじ込んでそこに乗り込んでいくのである。

リサーチ機能の存在意義に関することなので、つい熱が入ってしまい、話が長くなってしまった。これは、AI活用の有無に関わらずリサーチ機能として持つべきスタンスなので、Stage4というより、Stage1からでもいつでも目指せるものである。ここでのポイントは、Stage4では同じスタンスをAIに求めようというものだ。

AIに“聞かれていない問い”を提言させる

リサーチがKnowing OrganizationになりAgenda Settingできるよう、AIが後押しをしてくれても良いはずだ。Stage3までのAI活用思想は、必要な情報と人間が認識するものをAIにアウトプットさせるというものだったが、リサーチが「聞かれてもいない答えを提言する」のであれば、AIにも同じことを求めても良いのではないか。つまり、人間から聞かれなくても、当該企業にとって重要だと思われる情報、それに基づいた提言を、AIが勝手にどんどんアウトプットするという姿である。例えばこんなアウトプットをしてくれたとしたらどうだろう。

●既存商品のオペレーションへの示唆
「競合商品Aの購入者プロフィールが当社商品Bと重なってきています。今のところAのシェアはそれほど伸びていませんが、彼らがプロモーションに力を入れてくるとこちらの顧客層を大きく奪われかねません。Bの認知や店頭接触を増やす施策を先んじて打つべきです。」

●商品のマネジメントに関して通常のオペレーションの範囲を超える施策への示唆
「カテゴリーの異なる他社サービスCの利用者が伸びてきています。このサービスの利用オケージョンは当社商品Dに近いので、サービスCのユーザー向けに広告を配信したり、Cのメーカーとのコラボを企画すべきです。」

●収益モデル転換への示唆
「当社商品Eのユーザー層の高年齢化が進んでいます。若返りが必要ですが、Eの価格は若年層にとっては高すぎるので、購入を躊躇するケースが多いです。なぜこの商品をユーザーに購入・所有してもらわないといけないのでしょう？　彼らの初期費用を低くするために、現在は提供していないサブスクでの利用を始めるべきです。若年層の中でも潜在ターゲットとユーザーの重なりが多いF社のサブスクプラットフォームの利用を検討すべきです。」

●商品ポートフォリオへの示唆
「当社商品Gは売り上げ・利益とも落ちてきていますが、Gへの投資削減や廃番を検討していませんか？　逆にテコ入れをすべきです。同じカテゴリー内で、エントリーユーザーは低価格商品Hを買い、次に中価格のGへと買い進み、最終的に最も高額の商品Jを買ってくれるようになります。もしGがなくなったら、Hから一足飛びにJを買うのはハードルが高いので、Jの売り上げも落ちてしまいます。Gは利益率が低いですが、利益率の高いJ購入への架け橋の役割を果たしているので、なくしてはいけません。」

●ビジネスモデル転換への示唆
「当社の商品カテゴリーKには多くの強力な競合が存在し、あと数年で慢性的な赤字に転落することが予想されます。投資を追加する戦略ばかり検討しているようですが、そんなことをしても充分な利益は見込めず、工場の稼働率が低下して固定費が利益を大きく圧迫します。したがって、自社商品の製造・販売は諦めて他社製品のOEMに特化することを提案します。そうすれば工場の稼働率は採算ベースを維持でき、将来新規カテゴリーに参入する際の製造能力とノウハウの継続という可能性を残すことができます。」

AIの機能と役割：問題設定をサポートする認知進化エンジン

AIは、意思決定者が問うべき問いを発見し、未認識の機会・脅威を提示する。いわば、問題設定をサポートする認知進化エンジンとなる。

人間の役割：企業の提供価値を定義する価値提供定義者

この段階では、人間側も進化しなければならない。人間の役割は、企業の価値観・目的・アイデンティティを定義し、AIが提示する新しい認知モデルを採択・棄却する提供価値定義者ということになるだろう。少し長くなるが、その根拠を解説したい。

企業の提供価値が決まらなければAIは動けない

ビジネスの方向性までをAIが提案すると、当該企業にできそうなことは何でもありになる。既成概念にとらわれずに選択肢を探索・検討できるのは良いのだが、AIは過去データからの学習に基づいて提案するので、出てくるアイデアは成功している企業の戦略の踏襲になりやすいのではないかという危惧がある。プロンプトでそれを回避したとしても、もう一つ残る大きな懸念は、企業の提供価値である。

企業戦略は究極的には、販売という量の追求と利益という質の追求をどのような時間軸で実現するかということに集約される。その実現方法は多種多様であるが、ではどんな方法を取っても良いのか？　一方、企業活動は膨大な社会資源を投入して行われる。資本、人、取引先の時間と機会コストなどである。それらを投入して、同業他社より劣る販売と利益しか上げられないのであれば、社会資源の無駄遣いである。競合に買収してもらった方が社会資源的にはよほど効率が良い。何のためにそれだけの資源を投入してビジネスをする意義があるのかという企業の提供価値が問われるのである。

つまり、社会に対する企業の提供価値が決まらないと、「何のために販売と利益を上げるのか」「販売と利益を上げるためには何をやってもいいのか」という２つの大きな問いに答えられない。これはAIにとっては、目的変数とその制限条件がない状態であるため、回答不能になったり相互に矛盾する提案を出力し始めるのではないだろうか。

企業の提供価値を決められるのはその会社の人間だけ

企業の提供価値を定義するには、当該企業の価値観・目的・アイデンティティも決める必要がある。それができるのは、その会社の人間だけである。AIのみならず、コンサルなど外部の企業にもできないし、任せるべきでもない。なぜならそれは会社の信念であり存在意義そのものだからだ。

とはいえ、こうした定義ができたとしても、内容としてかなり抽象度が高いものだし、その具体的な姿や実現方法は一通りではない。そうした指示を受けたAIのアウトプットはかなり多様なものになるだろうし、その「正しさ」を何らかのルールに基づいて評価するのも困難だ。したがって一つ一つ、人間が「それはうちの会社のやりたいことではない。なぜなら…」といったフィードバックをしなければならない。

意思決定者の受容性を人間がAIにフィードバックする

さらに考慮すべきは、人間側の受容性だ。こうした高度なビジネス案件は難易度が高いことが多いため、その検討・承認には意思決定者の主体的意思が関わってくる。「AIが人間が考えるよりベストな提案をしてくれたのだから、これをやろう」などということにはならない。意思決定者が自分ごととして受け止めないとGOは出せないであろう。

そうなると、AIに提案を作らせる際には、単にビジネス的な多角的な検討だけでなく、意思決定者の人格や判断の癖なども考慮することも必要になる。しかしこうしたものはAIの学習データに入っていないので実質的にAIには考慮不可能である。したがって人間がサポーターとしてAIにフィードバックして意思決定者が受け入れられる内容にブラッシュアップしていかないといけないだろう。もちろん、意思決定者のペルソナをAIエージェント化してフィードバックさせるという方法もあるかもしれないが、その作成・検証に当たっては、やはり人間が「これは確かに意思決定者の◯◯さんだ」と思えるまでフィードバックして育てる必要があるのではないか。

リサーチ機能に新たに求められる能力

仮説生成、異常検知、システム思考、未来洞察、経営哲学、デザイン思考、認知科学、ファシリテーション、マルチAIエージェントによる探索など、非常に高度な能力が求められるので、「リサーチ機能に求められる能力」とは書いたものの、企業の頭脳を総動員する必要が出てくる。

既存の能力で対応できる部分領域

このレベルになると、リサーチ関連の能力が役立つ領域はかなり狭くなってくる。AI仮説のリアリティチェックやそのための定性的洞察を生かして貢献することぐらいに限定されてくるのかもしれない。

よくある質問

AIが問いを広げ、人間が提供価値を決める

リサーチやAIは「聞かれたことに答える」にとどまっていてはいけない。まだ問われていない問いを発し、聞かれてもいない問いにどんどん答えていく。人間はその問いに対峙し、「うちはこれを大事にしている。だから何でもやるわけではなく、この方向で行くのだ。」という提供価値を定義する必要に迫られる。なぜならそれこそが人間にしかできないことだからだ。

次回はStage5について議論を始める。

執筆者プロフィール

---