AI時代のビジネス変革、その本質と要諦

まず、変化しているものを理解することから始めましょう。AIは、これまで何度も起こってきたビジネスオペレーションのパラダイムシフトに続く「次の波」と言えます。例えば、グローバリゼーションはバックオフィス業務の提供方法を変革しました。デジタルトランスフォーメーション（DX）は企業の顧客接点や市場との関わり方を再定義しました。これらのシフトは既存のビジネスのあり方を大きく変えました。

近年の AI ブームは、LLM（大規模言語モデル）や GPT（Generative Pre-trained Transformer）を中心に盛り上がりを見せています。しかし、業界関係者たちは次の2点を指摘します。1つは、LLMの前身であるニューラルネットワークを含め、AIは何十年も前から存在していたということ。そしてもう1つは、現在のLLMができることは限られているということです。

私たちが GPT-3.5 以降の LLM にこれほど興奮しているのは、誰もが気軽に体験でき、その性能に驚かされ、変革の可能性を想像できるようになったからではないでしょうか。1990 年代のインターネットや 2000 年代のスマートフォンの登場時と同じく、多くの人々の想像力を一気に掻き立てた現象と言えます。

その結果、多くの企業が LLM を中心とした「テクノロジー先行型」の実験に過剰な時間や資金、労力を注ぎ込んできました。しかし、ビジネスインパクトという観点で見ると、期待外れだったと言っても過言ではありません。S&P Global Market Intelligenceが2025年に発表した調査「Voice of the Enterprise: AI & Machine Learning, Use Cases 2025」（*1）によると、この 1 年で AI 施策の大半を打ち切った企業の割合は 17％ から 42％ へと急増しています。なぜこのような事態になっているのでしょうか。

第一に、LLM は変革を支える AI 機能のごく一部に過ぎないからです。AI 全体を俯瞰すると、機械学習や強化学習といった多様なモデリング手法や、コンピュータビジョン・音声認識といった処理技術が幅広く存在します。さらにAIは、UI/UX ベースのトランジション処理から IoT、ロボティクスまで、既存・新興のテクノロジー群と並んで存在しています。

IoT センサーやコンピュータビジョン単体では大きなビジネスインパクトを生み出せないのと同じように、LLM だけを活用しても目覚ましい成果は期待しづらいでしょう。有意義なインパクトをもたらすには、エンドツーエンドのユースケースを解決できるよう、最適なテクノロジーを組み合わせることが不可欠です。ユースケース、つまり「インパクトテーマ」が複雑になるほど、それに対応するために必要なソリューションの組み合わせも複雑になります。

例えば、業務上のトランザクション処理であれば、比較的シンプルな UI／UX ベースのアーキテクチャで実現できますし、RPA（ロボティック・プロセス・オートメーション）やモビリティを組み合わせれば、さらに効率が高まります。しかし、自動運転車のように複雑な物理プロセスを自動化したい場合には、UI／UX、モビリティ、機械学習（ML）、コンピュータビジョン、IoT、ロボティクスを全て連携させる必要があります。複雑さが増す分、解決できるビジネス課題のインパクトも飛躍的に大きくなるという、トレードオフの関係です。

以下のヒートマップは、テクノロジー同士をどのように組み合わせれば、より複雑で高度なビジネス機会を解決できるのかを概念的に示したものです。

ここでは、これまで語ってきた原則が実際にどう機能するのかを見ていきましょう。富士通グループの GK Software（以下、GK） は小売業界のリアルな課題を解決するために、幅広いテクノロジー・エコシステムを結集している好例です。GK の中核となるのはレジ業務、顧客エンゲージメント、店舗運営といったSaaS 型の小売向けテクノロジーです。同社はグローバルにビジネスを展開するリテール業者に35年以上にわたってこれらを提供し、市場をリードしてきました。

GK はPOSソリューションで築いた強みを土台に、AI、業務ワークフロー、各種センサー、IoTなどを統合した高度なソフトウェア群を小売り向けに展開し、リテールオペレーションに変革的なインパクトをもたらしています。

たとえばGKは、小売各社が既存セルフレジにAI機能を後付けし、手軽なコストで利便性を高められる選択肢を提供しています。大手小売業者にとって大きな課題の一つは、セルフレジ利用客が商品をスキャンし忘れたり、故意にスキャンしなかったりすることによる不正の防止です。従来、この課題に対応するためにはハードウェアを総入れ替えするか、監視スタッフを増員するかという多大なコストを覚悟せざるを得ませんでした。GKの「Vision」テクノロジーは、AIを既存のセルフレジに後付けで統合することを可能にし、コンピュータビジョン技術を活用して、全ての商品が正しくスキャンされているかを顧客および従業員が確認できるよう支援します。この後付け方式により、小売業者は新技術を効果的な価格帯で、かつスケーラブルに導入することが可能となり、今日の店舗運営に非常に適した、真の価値を持つソリューションが実現しました。さらに、年齢推定機能でアルコール販売時の店員の呼び出しを減らし、果物や野菜のような手入力が必要な商品を自動的に識別することで顧客体験も向上します。

上記のヒートマップを振り返ると、ここではUI、コンピュータビジョン（CV）、OCR、MLが一体となり、不正やロス防止というインパクトテーマを実現しているのです。重要な点として、このソリューションを実際の現場環境に展開する際に生じる運用上の課題についても綿密に検討し、対策を講じました。

もう１つの例は、GKの「価格最適化ソリューション」です。小売業にとって大きなコスト要因は、需要と供給の変動への対応、つまり「適切な在庫水準」を保つことにあります。過剰在庫は保管コストを押し上げ、在庫の年間価値の 30％ に達することさえあります。一方、在庫が不足すると突発的な需要変化に対応できず、売り逃しだけでなく顧客の信頼を損なうリスクも高まります。例えば、突然の天候の変化でスーパーの商品構成が一気に変わる場面を想像してみてください。品切れは収益の逸失だけでなく、顧客ロイヤリティの低下にも直結します。

GKは、こうした課題を解決する価格最適化ソリューションを提供しています。需要と供給のギャップをなだらかにし、過剰在庫や在庫不足に伴うコストを削減できるのです。このテクノロジーは各商品の最適価格を算出し、店頭の棚にリアルタイムで反映します。ここでも在庫管理システム、ML、店舗内のスマートラベルといった複数のコンポーネントが連携し、価格最適化というインパクトテーマを実現しています。

実際、このソリューションは 50 万点を超える SKU （Stock Keeping Unit、在庫管理の最小品目単位）の日次価格計算を処理し、多くのケースで売上を 3〜5％ 向上させています。

こうした機能は顧客接点や物理的なフロントエンド、店舗での体験から、バックエンドの基幹システム、物流、そして小売業者のサプライチェーンにまで広くまたがっています。富士通は、AI 活用基盤、サイバーセキュリティ、マネージドサービス、プラットフォーム構成、継続的なイノベーションなど様々なテクノロジーによってGKのソリューションを強力に補完しています。

AI は確かに画期的なテクノロジーですが、ソリューションの中心ではなく構成要素の一つにすぎません。これらの例は、たくさんの PoC（概念実証）を乱立させるのではなく、AI をビジネスのコアプロセスに深く統合することで真の力が発揮されることを示しています。

今後私たちはこの基盤をさらに拡張し、AI で強化されたワークフロー管理、コンテンツ最適化、LLM トレーニングサービスを提供していきます。GK と富士通の力を結集し、現代の小売業向けのためのエンドツーエンド型インテリジェントデジタルプラットフォームを構築しています。

ここまでで、必要なテクノロジーの全体像と、それらを活かしてインパクトを生み出すために求められる要件をご理解いただけたかと思います。これにより、どの機会をどう選び、どう優先順位を付けるべきかを判断する土台が整いました。それでもなお、明確なビジョンを掲げたとしても正しい選択を下すのは容易ではありません。より良い意思決定と賢明な投資を導くために、念頭に置くべき3つの視点、「関連性」「実現性」「実用性」についてまとめましょう。

関連性があるか？ - 重要なビジネス課題に対処しているか？

イノベーションを考えるときは、テクノロジー起点の発想を持ちつつ、ありたいビジネスを実現するにはどんなテクノロジーを実装すればいいか、という視点を重視しましょう。まずは、AI時代に自社のコスト構造、製品・サービス、顧客価値がどのように書き換わるのかを時間をかけて構想し、議論してください。

注力するのは“大きな課題”であるべきです。インパクトの大きいソリューションは、それだけ多大な労力を要します。投資に見合うテーマに集中することが肝心です。総花的なアプローチでは、多くが結実しないまま終わるでしょう。ゲームチェンジを起こし得る 5～10 件のソリューションを見極め、優先順位を付けて取り組んでください。もちろん、小規模なPoCやパイロットテストから始めるのも有効ですが、初めに大きな成果目標をしっかりと定めておく必要があります。

現実的か？ - そのソリューションを経済的に提供できるか？

アイデアを出す段階では、理論上はできるかもしれないという議論に陥らないよう注意しましょう。「可能性にとどまる」ソリューションを追いかけるあまり迷走する例を、私たちは数多く見てきました。注目すべきは「実行可能な」ソリューションです。選択肢を検討する際には、実際にソリューションを提供するのに必要なコストや時間、人材を具体的に見積もり、ビジネスの知見とテクニカルな知見を組み合わせて現実的に評価してください。

優先順位を付けるうえでは、市場投入までに何が求められるかを予測する必要があります。エッジケースや想定外の事象がソリューションを台無しにする可能性はないか。タイムラインとコスト構造は許容できる ROI をもたらすか。導入後の保守運用はどうするのか。アップデートや改修にかかる負荷を事前に見込んでおくことが、長期的な成功のカギとなります。そしてこれを達成するには、新しいプロセスやシステムを継続的に革新できる文化的な基盤を組織内に根付かせることが不可欠です。