第19章「何を売る会社か」で描いているのは、新規事業の立ち上げではありません。より本質的には、AIによって既存事業の境界が崩れたとき、会社そのものを何によって定義するのかという問題です。
従来、企業は「何をしている会社か」で説明されてきました。
運送会社。
メーカー。
小売会社。
銀行。
ソフトウェア会社。
コンサルティング会社。
こうした業種分類は今後も残ります。しかし、AI、デジタルツイン、ロボティクス、API、データが組み合わさると、一つの企業が扱える領域は急速に広がっていきます。
第19章の羽田物流がまさにそうです。
物流会社として顧客から求められたのは、物流費を二十％下げることでした。
従来の発想であれば、運賃交渉、共同配送、配車効率化、倉庫作業改善などを考えます。
しかし、それだけでは二十％には届きません。
そこで羽田物流は、物流の外へ出ます。
工場を見る。
在庫を見る。
生産ロットを見る。
商品包装を見る。
物流拠点配置を見る。
販売需要を見る。
そして最終的には、「どう運ぶか」ではなく、
そもそも、何を、どこから、どこへ、どれだけ運ぶべきなのか
を問い直します。
ここに大きな転換があります。
従来の物流会社は、条件が決まった後に呼ばれます。
工場はここ。
倉庫はここ。
商品サイズはこれ。
生産ロットはこれ。
納品頻度はこれ。
その条件の中で、「もっと安く運んでください」と依頼されます。
しかし、AIやデジタルツインを使えば、その条件自体を動かせます。
倉庫を減らす。
在庫を減らす。
包装を小さくする。
生産ロットを変える。
納品頻度を変える。
場合によっては、運ばない。
つまり、物流を最適化するのではなく、
物流が発生する構造そのものを最適化する
ところまで踏み込めるようになります。
これは物流だけの話ではありません。
製造業でも、AIによって設計、調達、生産、物流、販売、サービスの境界が薄くなります。
小売業でも、店舗運営、商品企画、在庫、物流、マーケティングを個別最適するより、一つの需要供給システムとして見る方が合理的になります。
金融、建設、医療、サービス業でも同様です。
AIは、従来組織図で分かれていた業務を横断して考えることができます。
その結果、企業に求められる改革も、
部門改善から、価値創造システム全体の再設計へ
変わっていきます。
第19章で象徴的なのが、包装サイズの変更です。
一見すると、包装設計は物流会社の仕事ではありません。
しかし箱を数％小さくすれば、一台のトラックに積める商品が増える。
倉庫の保管効率も上がる。
輸送回数も減る。
物流費も下がる。
CO2も減る。
つまり、物流価値を最大化しようとすると、物流部門の外へ出ざるを得ません。
ここで重要なのが、
顧客が求めているのは、自社の商品やサービスそのものではなく、その結果として生まれる価値である
という考え方です。
顧客はトラックが欲しいわけではありません。
荷物を目的地へ届けたい。
倉庫が欲しいわけでもありません。
必要な商品を、必要なときに供給できる状態を作りたい。
AIが欲しいわけでもありません。
意思決定を良くしたい。
コストを下げたい。
売上を増やしたい。
リスクを下げたい。
企業は、自分たちが提供している手段と、顧客が欲しい結果を混同してはいけません。
第19章では、この問題がさらに収益モデルへつながります。
羽田物流が物流を効率化すると、輸送量が減ります。
倉庫面積も減ります。
人手も減ります。
従来型の収益モデルでは、
運んだ量。
使った倉庫面積。
投入した人数。
作業時間。
これらが増えるほど売上が増えます。
しかし、AIによる最適化が成功すればするほど、その数量は減っていきます。
ここに大きな矛盾があります。
顧客を効率化すると、自社の売上が減る。
これはAI時代に多くの企業が直面する問題です。
例えばコンサルティング会社がAIによって必要工数を半分にできたとします。
従来の人月課金を続ければ、効率化によって売上が減ります。
システム開発会社も同じです。
AIで開発期間を短縮すれば、人月ベースでは収益が減ります。
BPOも同様です。
業務をAIエージェント化して人員を減らせば、人数課金モデルとの矛盾が生まれます。
つまり、AIは業務を変えるだけではありません。
価格体系そのものを壊す可能性があります。
そこで第19章では、羽田物流が成果報酬へ踏み込みます。
運んだ距離ではなく、顧客に生まれた経済価値。
物流費削減。
在庫削減。
設備投資回避。
キャッシュフロー改善。
リードタイム短縮。
それらに対して報酬を受け取る。
これは、
Input Based PricingからValue Based Pricingへの転換
と言えます。
人、時間、設備、作業量といった投入量に価格を付けるのではなく、生み出した価値に価格を付ける。
AIによって生産性が大きく上がるほど、この考え方は重要になります。
なぜなら、AI時代には「少ない作業で大きな価値を生む」ことが可能になるからです。
一時間で百万円の価値を生み出せる仕事を、一時間働いたから一万円という価格で売れば、AIによる生産性向上を自社の利益へ変換できません。
逆に、顧客に価値が出なかったのに大量の人月を投入したから高額請求するというモデルも、受け入れられにくくなっていきます。
そのため、AI時代には、
何をしたかではなく、何を変えたか
が価格の基準になっていく可能性があります。
第19章で羽田物流が始めるLogistics Space Designも、その象徴です。
売っているのは3Dモデルではありません。
AIでもありません。
デジタルツインでもありません。
顧客企業の、
工場。
倉庫。
在庫。
輸送。
ロボット。
人。
商品。
道路。
それらを一つの物理空間として捉え、より良い状態へ再設計する能力を売っています。
だからこそ、この事業は単純なAIコンサルティングとは異なります。
羽田物流には、自分たちで物流を実行している現場があります。
ここが重要です。
設計する。
現場で実行する。
結果がデータになる。
AIが学習する。
次の設計が良くなる。
設計 → 実行 → データ → 学習 → 再設計
という循環が回ります。
第15章で描いた「データの複利」が、ここではビジネスモデルそのものになっています。
これはAI時代の企業にとって、非常に重要な競争優位です。
AIモデルそのものは、いずれ多くの企業が使えるようになります。
同じAIを使えるだけでは、差別化は難しくなります。
一方で、
自社だけが持つ現場。
自社だけが持つ顧客接点。
自社だけが持つ実行結果。
そこから生まれるデータ。
これらをAIへ戻し続ける企業は、他社とは異なる学習ループを持つことができます。
つまり、競争優位はAIそのものから、
AIと実業の間を回るLearning Loop
へ移っていく可能性があります。
この意味で、第19章の羽田物流が輸送事業を残していることには重要な意味があります。
輸送は古い事業だから捨てるのではありません。
現場を持つことそのものが、データ生成装置であり、AIの検証環境であり、顧客価値の実行基盤になっています。
AI企業になるために、実業を捨てる必要はありません。
むしろ、
実業をAIによって知性へ変換する
という道があります。
これは製造業、建設業、小売業、物流業など、Physicalな事業を持つ企業にとって大きな可能性です。
設備。
顧客。
現場。
オペレーション。
これらはAI以前の時代には、単なる事業資産でした。
しかしAI時代には、それらが継続的にデータを生み、モデルを改善する学習資産になります。
一方で、第19章では社内から、
「物流会社なのにトラックを持たない仕事を増やしていいのか」
「AIコンサル会社になるのか」
という反発も描いています。
これは自然な反応です。
企業にはアイデンティティがあります。
長年続けてきた仕事。
専門性。
誇り。
顧客からの見られ方。
それを簡単に変えることはできません。
しかし、過去の仕事を会社の定義にしてしまうと、技術や顧客ニーズが変化しても、その仕事を守ること自体が目的になってしまいます。
例えば、
鉄道会社だから鉄道だけ。
銀行だから預金と融資だけ。
メーカーだから製品販売だけ。
コンサル会社だから人月提供だけ。
というように定義すると、環境変化への対応領域が狭くなります。
そこで必要なのが、第19章のPrincipleです。
仕事で会社を定義するな。生み出す価値で定義する。
これは、「何でもやればよい」という意味ではありません。
むしろ逆です。
何をやるかの基準を、業種ではなく価値に置くということです。
羽田物流の場合であれば、
「顧客や社会のモノの流れをより良くする」
という価値が軸になります。
そのために輸送が必要なら輸送する。
倉庫が必要なら倉庫を運営する。
AIが必要ならAIを使う。
ロボットが必要ならロボットを使う。
商品包装を変える必要があれば、そこまで提案する。
逆に、物流量を減らすことが最善であれば、運ばないことを提案する。
この考え方は、企業の自己破壊を伴います。
自分の既存売上を減らす可能性があるからです。
しかし、自社がやらなければ、いずれ別の企業がやります。
AI時代には、
自社の既存事業を守る会社より、自社の既存事業を自ら再設計できる会社の方が強い
可能性があります。
これは、第14章の資本市場との議論にもつながります。
会社の形を守ることと、会社の価値を守ることは違います。
そして第16章の、
境界を、決めつけない。
という考え方ともつながります。
物流と製造。
物流と商品設計。
AIと現場。
コンサルティングと実行。
従来の業界境界を疑う。
ただし、どこへでも拡大するのではなく、自社が継続的に価値を生み出せる範囲を見極める。
つまり、企業の境界は、
業界分類ではなく、能力と価値創造の連続性によって決める
必要があります。
第19章「何を売る会社か」で羽田物流が最後にたどり着いたのは、輸送、倉庫、AI、デジタルツインといった個別の商品ではありません。
羽田物流が売っているのは、
より良い流れそのもの
です。
モノの流れ。
情報の流れ。
在庫の流れ。
意思決定の流れ。
そして、それらを継続的に改善する仕組み。
ここまで来ると、会社を「物流会社」と呼ぶか「AI会社」と呼ぶかは、それほど重要ではなくなります。
重要なのは、
誰に、どんな価値を、どのようなLearning Loopによって継続的に生み出すのか。
ということです。
AI時代には、企業の境界も、事業の境界も、収益モデルも動いていきます。
だからこそ経営者は、「自社は何業か」という問いだけではなく、
「自社は、何を良くするために存在しているのか」
を問い直す必要があります。
第19章で描いている変革の本質は、そこにあります。