第20章「2035」はここまでの総括ですが、羽田物流の変革が完成した章ではありません。むしろ、ここまでの十九章を振り返ったときに見えてくるのは、羽田物流が「正しい未来を予測した会社」ではなく、未来が分からないままでも、自分自身を更新し続けられる会社へ変わったということです。二〇二六年の経営危機の時点で、Physical AIも、日本物流レジリエンス・ツインも、物流空間設計も計画されていませんでした。最初にあったのは、利益が残らない、業務が複雑である、人が疲弊している、システムが分断されているという現実的な問題です。採算を見ると業務の問題が見え、業務を変えるとシステムの問題が見え、システムをつなぐとAIへ作業を渡せるようになり、AIへ作業を渡すと権限と責任の問題が見えました。データが増えると学習の問題が見え、AIが物理空間を扱えるようになると倉庫が見え、倉庫をつなぐと日本が見え、日本をモデル化すると顧客の物流空間を設計する事業が見えてきました。つまり、この物語を通じて繰り返されてきたのは、問題解決 → 新しい能力の獲得 → 視野の拡張 → 次の問題の発見という連鎖です。
経営学の言葉を使えば、これは「ダイナミック・ケイパビリティ」に近い考え方です。企業の競争力は、現在持っている工場、ブランド、人材、システムといった資源だけでは決まりません。環境の変化を察知し、機会を捉え、自社の資源や組織を組み替える能力そのものが競争力になります。羽田物流が二〇三五年に持っている最も重要な資産は、トラックでも倉庫でも、特定のAIモデルでもありません。自分たちが持つ資源を、新しい環境に合わせて再結合できる能力です。第16章「緊急会議」でAstraの登場を見たとき、経営陣は「このAIを導入するか」ではなく、「この能力によって自社の境界をどこまで広げられるか」を考えました。これは技術導入ではなく、経営資源の再構成です。既存の物流データ、倉庫、顧客、現場知、AIエージェントを3D、デジタルツイン、Physical AIと組み合わせることで、それまで存在しなかった能力を作っています。AI時代の競争優位は、優れたAIを買えるかどうかより、自社固有の資源とAIをどのように組み合わせるかへ移っていくと考えられます。
ここには「両利きの経営」の考え方もあります。企業には、既存事業を効率化して現在の利益を生む「深化」と、新しい可能性を探索する「探索」の両方が必要です。羽田物流は、経営危機の最中に未来事業だけを追いかけたわけではありません。まず採算を改善し、間接費を削り、既存業務を標準化し、キャッシュを生み出す基盤を作りました。その一方で、AIエージェント、データ、3D、Physical AI、物流空間設計へ探索領域を広げています。これは第14章で描いた資本配分ともつながります。未来は重要ですが、「未来」という言葉を使えばどんな投資でも正当化できるわけではありません。投資額を決め、検証期間を置き、撤退条件を持つ。つまり、既存事業から生まれるキャッシュを未来へ賭けながらも、探索を無期限の夢にしない。AI時代ほど、このバランスが重要になります。
さらに、第18章の「未来を当てるな。選択肢を増やせ。」は、リアル・オプションという考え方にも近いものがあります。不確実性が高い環境では、最初から一つの未来へ巨額投資するより、小さく実験し、情報を得た段階で拡大、変更、撤退を選べる状態を作る方が合理的です。未来予測の精度を上げることだけではなく、未来がどちらへ動いても対応できる選択肢を持つことに価値があります。AIによって、この考え方はさらに実践しやすくなります。シナリオを大量に生成する。デジタルツインで試す。投資案を比較する。小さなPoCを短期間で行う。その結果を次の判断へ戻す。つまり、AIの重要な経営価値は、「未来を答えてくれること」ではなく、試せる未来の数を増やし、試行錯誤のコストを下げることにあります。企業が持つ選択肢を増やし、学習速度を上げることが、AI時代のリスクマネジメントになります。
羽田物流の十年間をもう一つの理論で見るなら、「組織学習」の物語でもあります。第15章で描いた「仕事 → データ → AI → 予測 → 判断 → 実行 → 結果 → データ」、第19章で描いた「設計 → 実行 → データ → 学習 → 再設計」は、そのまま学習する組織の構造です。ただし、データを貯めれば学習するわけではありません。重要なのは、結果が次の行動を変えることです。間違ったAIプロジェクト、期待通りに動かなかったロボット、撤退した事業、顧客を失った経験、現場で起きた予定外の事象。それらが記録されず、仕組みに反映されなければ、経験は経験のまま消えます。逆に、失敗まで含めてデータへ戻し、原因を理解し、次の判断ルールを変えることができれば、失敗そのものが学習資産になります。したがって、強いAI企業とは「AIが間違えない会社」ではありません。AIも人間も間違えることを前提として、その間違いを次の能力へ変換できる会社です。
この点を考えると、第20章に登場する中日ドラゴンズは良いメタファーになります。二〇三〇年代前半、新しいファーム拠点に球場、練習場、屋内施設、トレーニング環境、選手寮をまとめ、デジタル基盤を前提に若手育成を行うようになったという未来を描いています。一球投げる。一回スイングする。身体が動く。疲労が蓄積する。試合に出る。その一つ一つがデータになり、AIが分析し、コーチや選手が翌日のトレーニングを変える。重要なのは、「AIを導入したから優勝できる」ということではありません。相手球団もAIを使います。データを使います。技術そのものは時間とともにコモディティ化します。だから、ようやくクライマックスシリーズの常連になった程度、という描写に意味があります。「AIは勝利を保証しない。しかし、AIやデータを使わなければ競争の土俵から落ちていく。差がつくのは、それをどれだけ速く学習の循環へ変えられるかである。」これは企業でも同じです。
生成AIを全社員へ配布することと、AIネイティブな企業になることは違います。前者はツール導入です。後者は、業務、組織、意思決定、責任、価格体系、顧客価値、データ構造そのものを、AIが存在することを前提として作り直すことです。中日ドラゴンズの例で言えば、分析ソフトを一つ入れることがDXではありません。ファーム施設、育成プログラム、スカウティング、コンディション管理、コーチング、試合評価までが一つのLearning Loopとしてつながって初めて、組織そのものが学習し始めます。羽田物流も同じです。AIエージェントを導入した時点では、まだAIエージェントカンパニーではありません。AIが作業し、その結果がデータとなり、次の判断や業務設計が変わり、さらに物理空間まで再設計されるようになったところで、会社の構造そのものが変わっています。
この変化は、企業の境界についても新しい問いを生みます。経済学では、企業はどこまでを社内で行い、どこから市場へ任せるのかという境界を持っています。しかしAI、API、クラウド、ロボティクスが普及すると、その境界は動きやすくなります。羽田物流は、運送会社でありながら商品包装へ踏み込み、製造ロットへ踏み込み、国土データを扱い、Physical AIを設計し、社会インフラのレジリエンスに関わっています。これは「何でもやる会社」になったという意味ではありません。第19章の「仕事で会社を定義するな。生み出す価値で定義する。」というPrincipleが示すように、業種による境界から、価値創造能力による境界へ移っているのです。顧客のモノの流れを良くするために必要であれば、運ぶ。倉庫を作る。AIを使う。ロボットを使う。包装を変える。逆に、運ばないことが価値なら運ばない。過去の仕事を守ることではなく、価値を作る能力を守ることが企業のアイデンティティになります。
そして、AI時代に最も難しいのが責任です。第13章から最後まで残る「作業を渡す。責任は渡さない。」というPrincipleは、単なるAI利用ルールではありません。これは、AI時代のガバナンス原則です。AIは判断案を作れます。価格を決められます。人員配置を考えられます。投資案を比較できます。物流ネットワークを設計できます。二〇三五年には、社会インフラの優先順位すら提案できるでしょう。しかし、AIが能力を持つことと、AIが責任主体になることは別です。何を最適化するのか。利益なのか、安全なのか、顧客価値なのか、地域公平性なのか、従業員なのか、環境なのか。その「目的関数」を設定することは経営そのものです。AIが高度になるほど、人間の判断が消えるのではなく、人間の判断はより上位の目的設定へ移動すると考えられます。
この観点から見ると、「SaaSの死」という本作のタイトルの意味も明確になります。SaaSそのものが消えるわけではありません。会計、顧客、契約、在庫、従業員など、企業活動の事実を記録するSystem of Recordは今後も必要です。死んでいくのは、人間が一つずつ画面を開き、検索し、入力し、コピーし、承認し、別のSaaSへ転記することで会社が動くという前提です。人間がシステムを操作することが業務だった時代から、AIエージェントがシステムを横断して作業し、人間は目的、例外、価値、責任を担う時代へ移ります。そして第17章以降、そのAIエージェントは画面の外へ出ます。倉庫を理解し、ロボットと協働し、道路や地盤を含む日本をモデル化し、顧客の物理的な物流空間まで設計します。二〇三五年のAIエージェントカンパニーとは、AIエージェントが大量にいる会社ではありません。人間、AI、ソフトウェア、ロボット、データ、物理資産が一つの学習システムとして動いている会社です。
ここまで考えると、企業の競争優位についても見方を変える必要があります。従来は、規模、ブランド、設備、特許、顧客基盤など、模倣しにくい資源を持つことが競争優位の源泉とされてきました。これらは今後も重要です。しかしAIモデルそのものが広く利用可能になり、同じような能力を多くの企業が使えるようになれば、「AIを持っている」ことだけでは差別化できません。差が生まれるのは、独自の現場から独自のデータが生まれ、そのデータが独自の判断を改善し、改善した判断が再び現場で実行される循環です。物流企業なら物流現場。製造業なら工場。小売なら店舗と顧客。スポーツ球団なら選手育成と試合。AI時代には、実業そのものがデータ生成装置になり、Learning Loopの速度と質が競争優位になります。だから羽田物流は、AI企業へ変わったからといってトラックや倉庫を捨てません。それらは古い資産ではなく、現実から学び続けるための接点だからです。
ただし、学習速度だけを上げればよいわけでもありません。速く間違えるだけでは意味がありません。そこで重要になるのが、羽田物流が各章で獲得してきたPrinciplesです。採算を切る。間接費を削る。時間を買う。戻さない。人を配線にしない。作業を渡す。責任は渡さない。値段と価値を、混同しない。データを貯めるな。流れをつくれ。境界を、決めつけない。人と機械を分けるな。役割を分けろ。未来を当てるな。選択肢を増やせ。仕事で会社を定義するな。生み出す価値で定義する。これらは最初から経営理念として作られた言葉ではありません。現実の問題に直面し、一度痛い目を見て、そこから導き出された判断原則です。経営理論で言えば、企業の意思決定を支える「ヒューリスティクス」に近い役割を果たしています。未来の答えを固定するのではなく、未来に新しい問題が起きたとき、どう考えるかの方向を与えます。
だからこそ、第20章の最後で杉崎は新しいPrincipleを書きません。「まだ分からないから」です。これは、この物語の重要な結論だと思います。Principlesとは、未来をすべて説明する教典ではありません。環境が変わっても問い直すための足場です。優れた経営とは、すべての答えを持つことではありません。何をまだ知らないのかを認識し、仮説を持ち、試し、必要なら自分の考えまで更新できることです。第16章でAIの推定と観測事実を分けたように、経営もまた、確定した事実と仮説を区別しながら進む必要があります。
二〇二六年、羽田物流にとって未来は恐怖でした。何が起こるか分からない。会社がなくなるかもしれない。不確実性とは、自分たちに降りかかってくる危険でした。二〇三五年にも不確実性はなくなっていません。AIがどこまで進むのか。会社という形が残るのか。人間がどんな仕事をするのか。誰にも分かりません。しかし意味が変わっています。不確実性の中に複数の可能性を見つけ、試せるようになったからです。
未来が分かるようになったのではありません。
未来が分からなくても、進める会社になった。
その状態を経営理論の言葉で表現すれば、ダイナミック・ケイパビリティ、組織学習、リアル・オプション、両利きの経営、あるいはAIネイティブ経営と呼ぶことができるかもしれません。
しかし、羽田物流の十年間をもっと単純に言えば、
問題を解くたびに、次の一歩が前より少し見えるようになった。
それだけなのだと思います。
AI時代に最も強い企業とは、未来を正確に予測できる会社でも、最も多くAIを導入している会社でもありません。変化を察知し、学び、試し、失敗し、組み替え、再び進む。その循環を止めない会社です。
変革とは、一度実行して終わるプロジェクトではありません。
変革できること自体を、会社の能力にすること。
それが、この物語で描いてきた変革の到達点であり、同時に次の変革の出発点なのです。