生成AIGenerative AI

第1回のセッションで、外注や専門部署に頼らず、現場が自前で業務の道具を用意して内製化へ踏み出せる足がかりを作りました。JR九州の取り組みも、専門知識のない社員が生成AIを使って自ら業務アプリを作る環境を整えており、同じ内製化への道筋を全社規模で実証しています。

第2回のセッションで、キャッチコピーやチラシ、画面試作をAIに作らせ、良い案を取り込みながら審査員役のAIに評価させました。SMNの発表にある広告運用の内製化も、AIが制作や分析を担い人が判断に集中することで少人数運用と獲得増を両立しており、作業をAIに委ねて人が選ぶ実務体制の有効性を裏付けています。

セッションでは、蓄積済みのテキストではなく現場のデータが競争資産となり、IT化しにくいとされた産業こそが主戦場になると語られていました。自然言語からロボット指示を生成し、導入が難しかった食品工場などへ挑む動きは、価値がモデル自体から現場の独自データや業務文脈へと移る兆候と言えます。デジタルで出遅れた現場を持つ企業に反撃の機会が訪れつつあります。

利用禁止の外部AIに大量の個人情報が投入された事案は、単なるルール違反というより組織内の分断を浮き彫りにしています。セッションでは、未来を予測すること以上に、いかにコミュニケーションし共有と納得を作るかという側のほうが大きな問題になり得ると語られていました。禁止や統制を一方的に敷くだけでは現場との乖離を生みやすく、安全な活用へ向けた共通理解をどう組織全体で築くかが問われています。

セッションでは、AIを使うと大量に考えさせているだけなのでかぶりや矛盾が生じ、それらを束ねていく後始末の工程が必要になると語られていました。制作の現場でも同様に、大量生成が可能になったからこそ、既存物との類似や重複をスクリーニングする後工程の仕組み化が不可欠になります。生成そのもののスピードだけでなく、出力されたものを束ねて安全に精査するガバナンス体制こそが、企業の競争優位を左右する局面に入りつつあります。

セッションでは「これまで専門家でなければ作れなかったものが、もう素人でも作れてしまう。つまり、競争優位性の源泉そのものがシフトしているということです」と語られていました。生成AIの普及が進む中、ソフトウェア層の作成ハードルが下がる一方で、価値の源泉はそれを支えるデータセンターの電力制御など物理インフラ層へシフトしています。自社の強みがどのレイヤーで活きるのかを再定義することが問われています。

広告制作を15倍に増やす内製化の動きは、深度指標におけるD0生産性の段階と言えます。業務のAI化で効率は上がりますが、商品や事業モデルそのものが変わらない限り、競合も追随し優位性が薄れる可能性があります。単なる制作量の拡大にとどまらず、提供価値が変わるD1接点やビジネスの仕組みが変わるD3へと転換を進められるかが、今後の競争優位を左右する論点となります。

Metaによる新モデル発表のように、生成AI市場での主導権争いは激化し、基盤モデルの優位性は目まぐるしく変化しています。セッションでは「基盤モデルは日々入れ替わるため、全部をクロスして使いながら常に一番いいものを使えるポジションを取るのがいい」と語られていました。単一の提供元に依存せず、各社の強みを取り入れながら自社システムや管理体制に柔軟に組み込むアーキテクチャこそが、組織の持続的な競争優位につながります。

生成AI需要を受けたデータセンター融資への注視は、セッションで確認した「続くか ― 一時的な優位と構造的な優位の分かれ目はどこか」という問いを突きつけます。巨額のインフラ投資が活況を呈する一方、金利上昇や採算性悪化といったリスクのなかで持続的な価値を生み出せるのかが問われています。単なるインフラ供給にとどまらず、将来にわたる構造的な優位を見極める視点が重要になります。

AIによる低品質コンテンツの大量生成に対し、プラットフォーム側がAIを用いた高度な検知で対抗する「軍拡競争」が本格化しています。今後は安易な自動化による露出獲得が完全に通用しなくなり、人間固有の知見や一次情報を持つ発信者だけがアルゴリズムに評価される構造的選別が進みます。