シリコンバレーから指南役が教える　大企業のＤＸを阻む「三つの壁」＜中＞

ＤＸを阻む第２の壁…ＰＯＣの壁

多くの課題が見つかったら、次は、そのなかからＤＸにつながる課題は何か、何を最優先すべきかを絞り込んでいきます。そのために行うのがＰＯＣですが、ここにも罠が潜んでいます。

ＰＯＣは「Ｐｒｏｏｆ　Ｏｆ　Ｃｏｎｃｅｐｔ」の略で、「概念実証」などと呼ばれます。プロジェクトが実現可能かどうか、効果や技術的な問題を検証するプロセスです。しかし、さまざまなプロジェクトで小規模な実証実験や仮説検証を繰り返す（よく「ＰＯＣを回す」といいます）ことばかりをやって、成果につながる事業化に至らないことがよくあります。実行力はあるものの、改善すべき課題を把握する能力が足りない企業が陥りやすい罠です。

絞り込んだ課題が正しいかどうかを、まず小さな規模で実証実験して確かめること自体は間違っていません。例えば新しいアプリで消費者との接点をつなげようという時も、アプリを一気に全社的に実装することはできませんから、自社の商品やサービスを顧客へ届ける営業戦略（ＧＴＭ＝Ｇｏ－ｔｏ－Ｍａｒｋｅｔ）のひとつとして、新しいアプリを開発するといった局所的なものをやってみるわけです。

何のため検証するのかを明確に

ＰＯＣを始める前には、最低限検証しなければいけない項目は何かを明確にして、最小限の実験で最大限の検証ができるやり方を考え、戦略的に実行しなければいけません。項目の選択を間違うと、数か月で出すべき検証結果がいつまでも出せず、最小限の実験のつもりがいつの間にか「がっつり」としたプロジェクトになってしまいます。予算がどんどん膨れ上がったあげく、「あれ？　そもそも何を検証するんだっけ」と本来の目的が忘れられてしまうようでは、いつまでも本格的に事業化する段階には移れません。

ＰＯＣは、その先の大きなプロジェクトのために行うもので、その先に何をするかが描けていないとやる意味はありません。デザインがしっかりできていないと、ＰＯＣという名前の空白期間ができるだけで、ＤＸは目的を見失って頓挫してしまうのです。

しかし、ここがトレードオフ（注１）になるのですが、着手する前から考えを煮詰めるところにあんまり時間をかけてもいけません。ＤＸはスピードが命ですし、事例や前例の調査は時間の空費だというのと似ていて、まずやってみないと何が課題かわからない、ということもたくさんあります。

製造業なら実際にものをつくる前から具体的なつくり方がわかっています。アダム・スミスは『国富論』の中でピン（裁縫用の針）工場の話をしていますが、ピンの作り方は明確に定義づけされ、ピンの完成品は明確に項目化していて、それを分業によって効率化する考え方です。データサイエンスはそれとは真逆で、やる前に完成品の絵図が明確に描けず、データを見ないと何ができるかがわからないところがあります。だからサンプルデータを得て、なるべく完成品のイメージにつながるものをつくっていく「ＬＥＡＲＮ　ＡＳ　ＹＯＵ　ＧＯ（やりながら学ぶ）」のためにＰＯＣをやるわけです。

このため、データサイエンスを理解している人がいない状況でＰＯＣを回すと泥沼にはまってしまうことがよくあります。プロが入るとＰＯＣの誤りを見つけ、早期に軌道修正ができて、結果的にコストも抑えることができます。

四つの観点を軸にＡＩ導入の是非を判断

一つひとつのプロジェクトが成功しなければ、その集合体としてのＤＸも成功しません。前回お話ししたようにＤＸ推進にはＡＩの導入が不可避ですが、課題解決のためにＡＩを導入するのに適したプロジェクトは何かを見つけ、どこに投資すればＤＸにつなげられるかを判断する「目利き力」が試されます。

私の会社、パロアルトインサイトでは、Ｆ（Ｆｅａｓｉｂｉｌｉｔｙ＝実現可能性）、Ｏ（Ｏｐｐｏｒｔｕｎｉｔｙ＝応用性）、Ｍ（Ｍｅａｓｕｒａｂｉｌｉｔｙ＝検証性）、Ｅ（Ｅｔｈｉｃｓ＝倫理性）の四つの軸で検証します。具体的には、「実現可能性（Ｆ）」とはそもそもデータはあるのか、その質は高いか。「応用性（Ｏ）」とは、他の部署に横展開できるか、改善を施して外部に販売できるか。「検証性（Ｍ）」とは、客観的な数値で効果が検証できるか。そして「倫理性（Ｅ）」とは、データの扱いなどに倫理的な問題はないか。個々のプロジェクトをＦＯＭＥ別に分析する「プレＡＩ診断」によって、どのプロジェクトが最も将来のＤＸに結びつくか、どのプロジェクトの優先順位が高いかを提案しています。Ｆ、О、Ｍ、Ｅの観点からどれを優先すべきか、早い段階で精査するのは大事なポイントです。

もちろん、何から始め、何を最優先するかは、その会社の経営戦略にかかわります。これからの事業のコア（核）を決め、１０年後にどんな会社になるのかは、経営陣が最終決定すべき話です。その会社が持っている戦略的インプットと，ＡＩビジネスデザインカンパニーが持っている知識や分析力をかけ合わせて，プロジェクトを選んでいくことが大切です。

不二家は何から始めたか

洋菓子大手の不二家は、たくさん出てきた課題の中から、３か月ぐらいかけてまずやるべきことを絞り込み、ケーキなど洋菓子の出荷予測にＡＩを導入する方針を決めました。洋菓子はクリスマスなど期間限定の新商品が多く、製造個数が多すぎて売れ残れば廃棄ロスが出て、少なすぎて売り切れれば機会損失を招いてしまうため、洋菓子事業の売上高は全体の約２割なのに、長年赤字が続いていました。われわれは、どの問題の解決にＡＩが役立つかを「プレＡＩ診断」を通じて助言し、円滑に課題を絞り込む手助けをしました。

洋菓子の出荷予測は一見、洋菓子事業部だけの話に思えます。しかし、はじめから他の事業部の人も巻き込んで議論したことで、「データを統合し、新商品開発のデータに使えないか」とか「ケーキをひとつ買ったらもうひとつを割引するプロモーション（宣伝）をやろう」といったアイデアが次々に出てきました。「プロモーションが売り上げを左右する」という社内のマーケティングの発想が、「商品の売り上げ予測データをもとにプロモーションを企画する」ように逆転していったわけです。

マーケティングの方法が変われば、洋菓子以外の事業のワークフロー（仕事の手順）や意思決定のプロセスも変わります。不二家のＤＸは、まだデジタイゼーションとデジタライゼーションの「サイローステージ」の間の段階ですが、その先の展開も見据えたプロジェクトになっているので、継続した変革につながると思います。企業の価値観を変えるには、データの統合が必要なのです。まだＤＸの成果とはいえないと思いますが、不二家の２０２１年上半期（１～６月）連結決算は大幅な増収増益となっています。

ＤＸを阻む日本企業の人事評価制度

多くの企業がＰＯＣの壁に阻まれる原因には、そもそもＤＸ推進室や担当者の評価基準ができていないことがあると思います。ＤＸ推進室や担当者が何をしたら株が上がるのかについて、ＫＰＩやＯＫＲ（注２）に基づいたゴールが明確になっていないから、「私はＤＸ担当者として社内の１００の課題を抽出し、そのうち３０でＰＯＣをしました」という定量的な数値で評価してもらおうとするわけです。その３０個のうち何個事業化できたかが肝心なのに、そこは「事業化は時間がかかる」という理由で評価の対象にならないのです。

日本の会社は、プロジェクトに失敗すると、それを言い出した人にバツがついて、左遷されたり出世できなくしたりという形で責任を取らせます。それが怖くて思い切ったことが言えない。さまざまな声を吸い上げ、大事にすることはＤＸを進めるには非常に重要なことだと思うのですが、それができていません。

失敗を評価するネットフリックス

今、急速に業績を伸ばしている米ネットフリックス（Ｎｅｔｆｌｉｘ）は、ＤＸに成功した企業としても知られています。同社では社員ひとりひとりに決裁権を持たせ、稟議を通さずに結構大きなプロジェクトができる仕組みにしているのですが、プロジェクトが失敗しても、提案した社員は謝罪を求められることはありません。その代わり、失敗を社内で共有するために、提案者は失敗したプロジェクトの情報をメモにし全社に流します。「こういう理由でこう考え、こういうデータに基づいてこういうプロジェクトをしましたが、結果的に撤退しました。なぜこうなったか、理由は以下の３点です」というように、プロジェクトの顛末を科学的、客観的、論理的に伝えなければならないのです。

結果的に失敗であっても、社内で共有することで、提案者は上層部に仕事ぶりをアピールでき、プロジェクトを立案中の他の社員は大いに参考になります。ネットフリックスでは、何もしないで静かに座っていることが一番大きなリスクなのです。日本もＤＸを進めるためには、評価制度を変える必要があるのかもしれません。

（注１）トレードオフ（ｔｒａｄｅ　ｏｆｆ）　何かを達成するためには何かを犠牲にしなければならない関係のこと。
（注２）ＫＰＩやＯＫＲ　ＫＰＩ（Ｋｅｙ　Ｐｅｒｆｏｒｍａｎｃｅ　Ｉｎｄｉｃａｔｏｒ＝重要な業績評価指標）は組織の目標を達成するための重要な業績評価となる指標のこと。達成状況を継続的に点検しやすい。ＯＫＲ（Ｏｂｊｅｃｔｉｖｅｓ　ａｎｄ　Ｋｅｙ　Ｒｅｓｕｌｔｓ＝目標と主要な結果）は定性的な目標と数字が伴う定量的な目標を組みあわせて業績を評価すること。両方とも論理的で評価される側も納得できる評価方法とされる。

シリコンバレーから指南役が教える　大企業のＤＸを阻む「三つの壁」＜上＞は こちら