AIの導入インパクトを最大化するには、AI施策を適切に評価する必要がある。SCANは、「AI価値の獲得」と「企業戦略への接続」に焦点を当てた分析フレームワークである
AI戦略を検討する際には、少なくとも二つの難しさがある。一つは、AIと人間の労働の関係が極めて動的で、その捉え方・構造の整理しだいで施策の方向性が大きく変わりうることだ。もう一つは、これからの企業、ひいては市場全体に対してAIのインパクトが極めて大きいと見られ、これまで築き上げてきた企業戦略が、必ずしもAI施策と整合するとは限らないことである。
そこで本稿では、AI施策を分析するフレームワーク「SCAN」を提案したい。SCANは、①AIによる価値の創出(Surplus)、②その価値の獲得(Capture)、③獲得した価値の配分(Allocation)、④その針路と企業戦略との整合(Navigation)、という四つのレンズを連動させて分析する手法である。これにより、各AI施策のインパクトを客観的に評価するとともに、企業戦略とのギャップも中立的にフィードバックできる。
SCANの概要
- Surplus (創出)：AIと労働の関係を分析し、代替・拡張のどこで、どの型(コスト/時間/能力/生産量)の余剰が、どの程度の規模で生まれるかを見極める
- Capture (獲得)：生んだ余剰を自社に残せるか。内部のリーク(社内でキャッシュ化されず消える)と外部のリーク(市場・顧客へ渡す)を見極め、結局どれだけ残るかを測る
- Allocation (配分)：獲得した余剰をどこへ振り向けるか。明日の優位を生む資産が積み上がる(compound) 先か、一度きりで使い切る(consume) 先かを判定する
- Navigation (針路整合)：その分析の針路が企業戦略と合っているかを確認する。ずれる場合は、施策側を見送るか戦略側を見直すかを、中立的に経営へフィードバックする
SCANは、価値の「見極め(S→C)」から「活かし方(A→N)」までを貫いて捉える。注意したいのは、最後の N(整合) が、結論を裁いて却下する判定ゲートではない点だ。針路が戦略と整合するかを問い、ずれがあれば「施策を見送るか、戦略を見直すか」をギャップとして経営に返す。競争優位、すなわち「堀(Moat)」の頑健さは C、価値の積み上げは A で判定済みであり、N は針路との整合評価を担う。
ここからの議論を分かりやすくするために、一つの仮想的なビジネス事例を取り上げよう。
「イチマルラーメン」は、創業20周年を迎える、地域チェーンである。現在は地域に80店舗を展開し、自家製の麺とスープの味で地元に愛され、多くの常連客に支えられている。社長は「3年以内に100店舗へ拡大し、営業利益を30%伸ばす」という戦略目標を掲げている。社長からのメッセージは明確だ ―― 安売りに走らず、独自の味とブランドで選ばれ続けることを是とする。
1. Surplus（余剰の創出）
AIは人間の労働を代替するのか、拡張するのか、あるいはその両方か。純粋な代替であれば、作業時間やコストの削減にはつながるが、生産量そのものは増えない。一方の拡張は、社員の能力(ケイパビリティ)を引き上げ、一人当たりの生産性を高めて生産量を伸ばす、いわば「パイを広げる」側に効く。少し硬い経済学の用語だが、こうしてAIの導入が新たに生み出した便益を、本稿では「余剰(Surplus)」と呼ぶ。
余剰の型を特定できたら、次は、AIが生み出す余剰の規模を見積もる。ここはケースバイケースで、定量的に測りやすい場合もあれば、そうでない場合もある。重要なのは、後からAI施策同士のインパクトを比較できるよう、せめて Low / Mid / High の3段階に整理しておくことだ。その際、各施策を同じものさし(たとえば全社売上)で測れば、レベルを横並びで比較できる。
イチマルラーメンはセントラルキッチン方式を採用している。2つの工場で麺・スープ・具材を集中生産し、各店舗へ配送する。4人のエリア長は、週次の配送計画について前週に初案を作成し、前日に翌日の配送量を確認・修正・確定する。しかし従来は、過去実績と勘に頼った計画のため実績とのブレが大きく、エリア長1人あたり週平均10時間を費やしても精度は高くない。結果として廃棄コストは生産コストの5%に達し、高い水準にある。
ここで、需要予測と配送計画作成を自動化するAIの導入を検討したい。これにより、エリア長の計画作成・修正の時間は50%削減できる。さらに、機械学習による需要予測に加え、AIエージェントで天候やイベントなどのリアルタイム条件を加味する機能によって、廃棄コストを5%から3%へ引き下げることが期待できる。
つまりこのAIは、エリア長の「時間の余剰」と、廃棄削減という「コストの余剰」の二つを生む、いずれも代替型・社内向けの余剰だ。
2. Capture（余剰の獲得：リーク分析）
AIが生んだ余剰は、どれだけ自社に残せるのか。
これは「獲得可能性(Appropriability)のテスト」である。多くの分析は AI の創出ばかりに注目し、この点を見落として判断を誤る。問いの本質はこうだ：「誰がAIを使うか」、「AIでどれだけ余剰を生み出せるか」ではなく、「生み出した余剰を、誰が確実に手元に残し、価値に変えるか」にある。
なぜ、余剰がそのまま価値になるとは限らないのか。乗り越えるべき2種類のリーク(漏れ)があるからだ。
内部のリーク ―― AIで作業時間を削減するケースを考える。たとえば社員1人あたり平均0.3人分の時間を浮かせても、0.3人分の人件費(固定費)は減らせない。各人が少しずつ時間を浮かせても、人件費の総額も生産量も変わらないなら、AIが生んだ余剰はキャッシュ化されないまま消えてしまう。
外部のリーク ―― AIで生産量を増やすケースを考える。市場が飽和していたり価格弾力性が高かったりすると、増えた分を同じ価格では売り切れず、値下げを迫られる。つまり、余剰は顧客の財布へ渡ってしまう。
そして、その値下げを迫る正体が競合だ。もしAI施策が差別化につながらない、あるいは導入でかえって自社の強みが薄まれば、競合に追随されて価格を維持できず、競争優位は長期的に侵食されていく。つまり競合は、市場価格を通じて余剰を外へ押し出す圧力として効く。
こうして、内部・外部のリークを切り抜け、AIが生み出した余剰をどこまで自社に残せるか、これこそ、AI施策分析における最も重要なチェックポイントの一つである。
イチマルラーメンで、AI導入によって生まれる二つの余剰を確かめてみよう。一つはエリア長の配送計画づくりの時間削減、もう一つは廃棄コストの削減だ。
まず廃棄コストの削減は、仕入れがそのまま減るため損益に直接効く、素直にキャッシュとして残る、獲得しやすい余剰だ。
一方、エリア長の時間は、そのままでは”0.3人分”問題で社内にリークしやすい。だがイチマルには、その時間を注ぐべき高価値の仕事がある。残業に追われて手が回っていない管理業務の改善、とりわけ出店計画の立案だ。浮いた時間をここへ振り向ければ、時間の余剰は消えずに「より良い出店判断」という価値に変わる。つまりこの時間は、”振り向け先があるからこそ”獲得できる。
3. Allocation（余剰の配分）
獲得できた余剰は、どこへ振り向けるのか。
ここで重要な論点が一つある。獲得した余剰を「今日」のために使い切る(consume)のか、「明日」のために投じて積み上げる(compound)のか、ということだ。ただし、どこにいくら・どの順で投じるか、という精緻な決定は後工程に属する。この段階ではまず、配分できる余剰は何でどれくらいあり、振り向け先の候補が「今日」の使い切りと「明日」の積み上げのどちらに当たるかを整理する。
イチマルの余剰には、複数の振り向け先がある。
既存店の一時テコ入れ：浮いた廃棄コストをリノベや席数拡充に充て、エリア長の時間を繁忙店・低収益店の支援に回す。今期の収益には効くが、放置すれば一度きりで終わりやすい、つまり、使い切り寄り。
新規出店の準備：物件取得・店舗工事の資金、そして出店計画・交渉・人員配置にエリア長の時間を投じ、店舗網という資産を厚くする、つまり、積み上げ寄り。
データ・AI基盤の整備：今回見えてきた基盤の課題を直し、次のAI施策の「獲得力」そのものを底上げする。これは、最も明確な積み上げであり、次サイクルの余剰を生むフライホイールだ。
4. Navigation（針路整合）
これまで、AIが生み出した余剰、その獲得、そして配分先の状況を分析してきた。では、この結果は企業の戦略目標と整合するのか。
状況に応じて、概ね三つのパターンがある。
- 整合：AI施策から、戦略目標へ明確に繋がるロードマップがあり、獲得・配分された余剰が戦略目標に直接寄与する。
- 条件付き整合：そのままでは戦略目標からある程度乖離するが、適切な条件を付ければ目標に寄せられる。
- 乖離：戦略目標への明確な寄与の道筋が見つからない。ただし、ここで即却下はしない。後述のとおり、戦略見直しの契機として経営層へ返す。
なお、ここまでの分析において、企業の戦略目標はほぼ純粋な外部変数である。とはいえ、企業戦略はあらゆる事業活動にトップダウンで働きかけるため、その文脈の中で行う分析である以上、すでに何らかの影響を受けていてもおかしくない。ただし、留意点が一つある。AI、特に生成AIのビジネスインパクトはごく最近の社会現象であり、従来型の企業戦略では、AIを十分に織り込んでいない可能性が高いと考えられる。
したがって、ここではSCANの分析結果を企業戦略に無理に合わせるのではなく、中立・客観的にギャップを評価し、もしギャップがあれば、それを戦略見直しの機会と捉えて経営層にフィードバックすることが重要である。
イチマルのAI施策を針路整合で評価すると、主要な部分は「整合」だ。廃棄コスト削減で改善したキャッシュフローと、再投入できるようになったエリア長の時間は、いずれも店舗拡張戦略の実現に強く寄与する。
ただし一点のギャップがある。データ・AI基盤の整備は、これまでの戦略議論ではほとんど言及されていない。
だが、100店舗にとどまらず、さらなる拡張を目指すなら、データ・AIに下支えされたスケールアップは戦略的に重要になる。しかもそれは、データとAIで味の再現性や顧客理解を高め、ブランドで選ばれ続けるという、社長の掲げる「安売りではなく独自の味とブランドで市場を獲得する」という戦略の核心とも重なる。
この見立てを、中立・客観的に社長へフィードバックする。即断で切り捨てるのではなく、戦略を一段広げる契機として返すのだ。
おわりに ―― 見極めの次は、実装へ
SCANは、AI施策を「獲得できる価値」と「戦略との針路整合」で見極めるフレームワークだ。創出(S)→獲得(C)→配分(A)→整合(N)の四つのレンズで、各施策が、本当に自社へ価値を残すのか、それが会社の向かう先と重なるのかを客観的に評価する。逆にSCANは、構築コストも実現可能性もROIも、あえて測らない。それらは「やるか、やらないか」という第一歩を決めた後の世界だからだ。
だからこそ、見極めは旅の半分にすぎない。残せると分かった価値を実際に刈り取るには、それを担うAIエージェントを選び、支えるデータを整え、成果を測って回し、人と組織を動かし、既存の業務から移行しきる ―― という「実装の本体」が必要である。次稿では、この後半の旅を、もう一つのフレームワークとして論じたい。
まずは手元にある本命のAI案を一つ選び、SCANの四つのレンズ ―― 何が浮く? 本当に残る? 積み上がる? 向きは合う? ―― に通してみてほしい。AIの価値は、生み出した分ではなく、獲得できた分だけ。そしてその価値は、実装し切って初めて、企業の中に残る。