最近まで、人工知能（AI）は、実現しない期待を抱かせる核融合に似ていた。長い歴史がありながら、誕生当初に予見された目覚ましい高みには到達していなかった。しかし今、AIは人間に近い能力を実現する可能性を発揮しつつある。そこで問うべき時が来た。ビジネスリーダーは、人間と機械それぞれの強みを生かすために、AIをどう活用できるだろうか。
AIは、自動運転車から金融取引まで幅広い分野で、急速に基盤技術となりつつある。自己学習アルゴリズムは、今やモバイルサービスやオンラインサービスに日常的に組み込まれている。研究者たちは、処理能力の飛躍的な向上や、デジタル機器および接続センサーから流れ込むデータを活用し、AIの性能を高めてきた。また機械は、音声や視覚の認識、さらには人間のコミュニケーション全般を実質的に理解できるようになった。その影響は計り知れない。
機械は話し、文章を読み、百科事典的な知識を取り込み保持できるため、幅広い話題について、かなり深いレベルで人々と直感的かつ自然にやり取りできる。
機械は物体を識別し、光学的なパターンを認識できるため、仮想世界を離れて現実世界に加わることができる。
かつて支持者を失望させた分野は、一般に人間が行う活動へと広がり、今では私たちの身近なところに驚くほど迫っている。（図表1および囲み記事を参照。）たとえばAIプログラムは、特定のがんを放射線科医より正確に診断した。金融、小売、医療などの従来型企業が、この分野に数十億ドルを投じ始めたのも不思議ではない。
AIシステムは思考し、やり取りするため、必然的に人間と比較される。しかし人間は並列処理（パターン認識）が速く、逐次処理（論理的推論）が遅い一方、コンピューターは狭い分野では前者を習得し、後者を超高速で行う。潜水艦が泳がないのと同じく、機械は独自の方法で問題を解決し、作業を遂行する。
処理能力がさらに飛躍的に向上しない限り、機械が汎用人工知能（AGI）に到達することはない。AGIとは、人間の知能を特徴づける、著しく異なる種類の問題解決能力の組み合わせである。たとえば現在の自動運転車には、常識と呼べるものが見られない。自転車から落ちた子どもを助けるために、予定していた外出を中断するような判断はできない。しかしAIは適切に活用すれば、多くの業務を迅速かつ賢明に、徹底してこなすことに優れている。
人工知能は、もはや選択肢の一つではない。企業が競争優位を築くには、人間とコンピューターが一体となってそれぞれの強みを発揮する方法を見極めることが不可欠だ。
競争優位の進化
もっと単純だった時代には、1980年代のウォルマートの物流追跡システムのような技術ツールが、優位性の源泉となり得た。AIは異なる。アルゴリズムそのものが優位性をもたらす可能性は低い。その多くは公開されており、企業はGoogleのTensorFlowなどのオープンソースソフトウェア基盤を利用できる。イーロン・マスクらが設立した非営利団体OpenAIは、AIツールや研究成果を広く公開している。また著名なAI研究者の多くは、百度、Facebook、Googleなどの企業に入社する際も、研究成果を公表する権利を保持することにこだわってきた。
AIは、地位や能力といった従来の競争優位の源泉を捨て去るのではなく、捉え直す。（図表2を参照。）そのため企業は、自社の強みを流動的かつ動的に捉える必要がある。たとえば地位による優位性は一般に、企業が市場シェアを獲得できる比較的静的な要素、すなわち独自資産、流通網、顧客へのアクセス、規模に注目する。こうした信条も、AIの時代に合わせて再考しなければならない。
AIが競争優位に関する従来の考え方をどう変えるのか、3つの例を見てみよう。
データ。 AIの最も強力な用途には大量のデータが必要だ。Facebook、Google、Uberなど、この分野の先駆企業は、AIの原材料である現在および将来のデータに、ユーザーなどから従来のデータ収集をはるかに超える方法でアクセスし、それぞれ「特権的な領域」を確保してきた。その規模により、より多くの訓練データをアルゴリズムに通して性能を高められる。たとえば完全な機能を備えた自動運転車の実用化をめぐる競争では、Uberはドライバーから毎日1億マイル分の車両データを収集できる点で優位に立つ。このデータは、いずれ同社のモビリティサービスに役立つだろう。FacebookとGoogleは、規模とデータの厚みを生かして広告ターゲティングを磨いている。
すべての企業が現実的にFacebook、Google、Uberを目指せるわけではない。しかし、その必要はない。共有、賃借、あるいは補完的なデータセットを構築、利用、活用すれば、競合他社との協業が必要な場合でも、独自資産を補完し、自社の特権的な領域を築くことができる。共有は恥ずべきことではない。重要なのは、優位性をもたらし、容易には崩されない、オープンとクローズド双方のデータソース群を築くことだ。
顧客へのアクセス。AIは顧客へのアクセスのあり方も変える。立地の良い実店舗や、多くのアクセスを集めるオンライン店舗に代わり、AIが生み出す顧客インサイトが重要になる。たとえば大手小売企業は、ロイヤルティ、販売時点情報、天候、位置情報のデータをAIエンジンで分析し、パーソナライズされたマーケティングや販促の提案を作れる。顧客自身が気づく前に、行き先や好みを予測し、なじみのある商品、関連商品、あるいはまったく新しい購入の選択肢を便利に提示できる。こうした提案の多くが持つ誘引力は、限界費用がほとんどかからない新たな収益を生み出してきた。
能力。従来、能力は知識、スキル、プロセスなど、個別の優位性の源泉に分けられていた。AIによる自動化は、これらの領域を実行、探索、学習が続く循環の中に統合する。アルゴリズムに取り込まれるデータが増えるほど、出力の質は高まる。同様に人間の側でも、アジャイルな働き方によって従来の能力間の区別が曖昧になる。部門横断チームが迅速にプロトタイプを作り、顧客やエンドユーザーから素早く得たフィードバックをもとに改善するからだ。
AIとアジャイルは、本質的に反復を重ねる。どちらも提供物とプロセスが継続的な循環となる。アルゴリズムは経験から学び、企業は新たな機会を幅広く迅速に探索することと、既知の機会を活用することを組み合わせられる。これにより企業は、不確実性が高く変化の速い状況でも成長できる。
AIは競争優位の個別の源泉を捉え直すだけでなく、意思決定の速度と質を高める。特定の業務では、機械が扱う入力の数と処理速度は、人間の数百万倍にもなり得る。多くの意思決定を主導する要素として、勘や経験に代わり、予測分析と客観的なデータが用いられるようになった。株式取引、オンライン広告、小売のサプライチェーン管理や価格設定は、いずれもこの方向へ大きく移行している。
誤解のないように言えば、産業革命期と同様の（ただし、より急速とも考えられる）混乱が生じるとしても、人間が不要になるわけではない。第一に、システムを構築する人が必要だ。たとえばUberは自動運転車の専門家を数百人採用し、そのうち約50人はカーネギーメロン大学ロボティクス研究所の出身者である。また、AIの専門家はウォール街で最も需要の高い人材だ。第二に、人間は機械に今のところ欠けている常識、対人スキル、直感を提供できる。定型業務がコンピューターに委ねられたとしても、品質を確保するため、人間は長い間その過程に関与し続けるだろう。
優位性の源泉が変化したこの新たなAI時代には、戦略上の課題が組織、技術、知識に関する課題へと姿を変え、その逆も起こる。変化の速度と度合いに対応するには、人間と機械の双方にとって、構造上の柔軟性と俊敏性が不可欠となる。
拡張可能なハードウェアと適応性のあるソフトウェアが、規模と柔軟性を生かすAIシステムの基盤となる。よくある方法の一つは、中核となるインテリジェンスエンジンと、分散型の半自律エージェントを構築することだ。たとえばTeslaの自動運転車は中央ユニットにデータを送り、中央ユニットは定期的に分散型ソフトウェアを更新する。
勝ち抜く戦略では、俊敏性、柔軟な雇用、継続的な訓練と教育が重視される。AIに注力する企業が、従来型の従業員を大勢雇用することはほとんどない。オープンイノベーションや業務委託契約が広がっている。革新的なモバイル銀行の最高執行責任者は、経営陣を人とロボット双方の熟練した管理者へと変えることが、最大の課題だったと認めた。
取り組みを始める
AIを通じて競争優位を得ようとする企業は、学習し、人間とやり取りし、その他の高度な機能を、比類ない規模と速度で実行する機械がもたらす影響に向き合う必要がある。機械が人間より得意なこと、その逆に人間が得意なことを特定し、それぞれを補完する役割と責任を定め、それに応じてプロセスを再設計しなければならない。たとえばAIの導入には、中央集権型と分散型の活動を組み合わせた新たな体制が必要となることが多く、その導入は容易ではない。最後に、企業はスタートアップやAIの先駆企業に一般的な、適応力と俊敏性のある働き方や戦略策定の方法を受け入れる必要がある。どの企業にもこのアプローチは有益だが、人間と機械双方が絶えず学習し適応するAI活用プロセスには欠かせない。
経営幹部は、AIが最も大きく持続的な優位性を生み出せる領域を特定する必要がある。大まかに言えば、小売のように膨大なデータがある領域や、価格設定のような定型業務にAIは適している。しかし、この経験則では競争の場を単純化しすぎている。企業活動のあらゆる領域にデータがあふれ、単純な作業に分解できるようになっている。（図表3を参照。）AIを次の4つの視点から検討することを提案する。
顧客ニーズ
技術の進歩
データソース
プロセスの分解
第一に、顧客のニーズを定義する。AIは華やかな分野かもしれないが、事業を築くうえでは基本に立ち返ることが常に重要だ。現在または将来の顧客が、明示的あるいは潜在的に満たされていないニーズを抱えているのはどこだろうか。UberやAirbnbなど、近年の最も破壊的なビジネスのアイデアでさえ、人々の根本的なニーズに応えている。
第二に、技術の進歩を取り入れる。AIにおける最も重要な進展には一般に、新たなデータソースの収集と処理、部分的に自律した意思決定が含まれる。データベース、光学信号、テキスト、音声から流入するデータを取り込めるサービスやプラットフォームは数多くある。こうしたシステムを自社で構築する必要はおそらくない。デジタルエージェントやロボットなど、出力技術が利用しやすくなっているため、バックエンドでも同じことが言える。こうした技術を使って、プロセスや提供物をどう変革できるかを考えよう。
第三に、既存のデータと、新しいデータやこれまで使われていなかったデータソースを、外部由来のものも含めて組み合わせる包括的なアーキテクチャを構築する。AIサービスのスタックは相当に標準化され、直感的なツールを通じてますます利用しやすくなっている。専門家でなくても大規模なデータセットを活用できる。
最後に、プロセスや提供物を比較的定型化された独立要素に分解し、技術の進歩とデータソースを活用して自動化する。その後、顧客のニーズによりよく応えられるよう、それらを再構成する。
多くの組織にとって、これらの手順は容易ではない。4つの視点を体系的に適用するには、企業は技術の現在および今後の能力と、必要なインフラに精通している必要がある。専門性を高める中核組織を設ければ、技術とビジネスの知見を育み、AIの専門知識を組織全体に広める場となる。しかし最終的に、AIを実際に活用すべき事業や機能の中にこそ、AIは位置づけられるべきだ。
人間と機械が協力して問題を解決し、互いに学び合うときに初めて、AIの可能性を最大限に引き出せる。
