AIのニュースを追っていると、基盤モデルを開発する企業ばかりが目に入ります。
性能、計算資源、データ、研究者、資金。これらを大規模に持つ企業と、地域の中小企業が同じ土俵で競う必要はありません。
大切なのは、モデルの勝敗をそのまま自社の勝敗にしないことです。
自社で基盤モデルを開発しなくても、顧客が触れる業務アプリケーション、独自の知識やデータ、使い続けたくなる体験を組み合わせれば、事業上の価値は設計できます。
この記事では、AI基盤を持たない会社がアプリケーション層で価値をつくるときの5つの視点を整理します。特定のモデルや国の優劣を予測する記事ではなく、モデルが変わっても使える事業設計の話です。
1. 基盤モデルの競争と、自社の競争を分ける
AIをめぐる話は、いくつかの層に分けると考えやすくなります。
- 基盤層: 大規模なモデルを開発・提供する領域
- 業務層: 既存の仕事に接続し、入力や判断を整える領域
- 体験層: 顧客や従業員が実際に触る画面、会話、手順の領域
- 資産層: 自社の知識、顧客との関係、ブランド、運用データの領域
中小企業が最初から基盤層の競争に入ると、必要な投資と運用負荷が大きくなります。一方、業務・体験・資産の層なら、すでに持っている顧客理解や現場の知識を使えます。
「自社モデルがないから不利」と決める前に、どの層で顧客に選ばれるのかを決めます。モデルを借りることは、競争から降りることではありません。顧客に近い場所へ投資するための選択にもなります。
2. 最初に固定するのは、モデルではなく顧客の行動
AIアプリケーションの企画で最初に「どのモデルを使うか」を決めると、機能の説明は増えても、価値がぼやけます。
先に、次の一文を埋めます。
誰が、どの場面で、何を一つ変えられるようになるのか。たとえば、次のような粒度です。
- 問い合わせ担当者が、過去の回答を探す時間を短くする
- 営業担当者が、顧客ごとの提案の抜けを確認できるようにする
- 現場責任者が、日報から次に確認すべき項目を一つ選べるようにする
- 利用者が、複雑な申込条件を自分に合う順番で確認できるようにする
「AIで業務を効率化する」では広すぎます。行動が一つに絞られて初めて、必要な入力、画面、出力、確認者が決まります。
3. 差別化はモデルより、組み込む資産でつくる
同じモデルを使っても、アプリケーションの価値が同じになるとは限りません。差がつくのは、何を入力し、どの順番で処理し、どんな体験として返すかです。
組み込める資産には、次のようなものがあります。
- 顧客が実際に使う言葉と、問い合わせの履歴
- 自社だけが持つ業務手順、判断基準、専門知識
- 既存顧客との関係や、現場で積み重ねた信頼
- 商品・サービスの選び方や、購入後の支援手順
- 自社のブランドや、利用者が戻ってくる体験
ただし、顧客情報や社内機密をそのままAIへ渡してよいわけではありません。入力範囲、匿名化、保存先、権限、利用目的を先に決めます。資産を組み込む設計と、情報を守る設計は同時に行う必要があります。
4. モデルは交換できる部品として扱う
アプリケーションの価値を一つのモデルだけに結びつけると、料金、提供条件、性能、利用制限の変化に影響を受けやすくなります。
最初から、次の部分を分けておきます。
- モデルを呼び出す接続部分
- AIへ渡す指示と前処理
- 返してほしい出力の形式
- 人が確認する項目
- 失敗したときの代替手順
たとえば、問い合わせ分類のアプリなら、モデルが変わっても「分類項目」「確認者」「顧客へ返信する前の承認」は残ります。モデルの交換性を考えることは、技術のためだけではありません。自社の業務ルールを、特定サービスの変更から守るためです。
5. 面白い発想を、事業の仮説へ変換する
AIによって、これまでより多くのアイデアを短時間で形にしやすくなっています。しかし、変わったアイデアを出せることと、事業になることは別です。
アイデアを試す前に、次の5問を通します。
- その体験を必要とする人は、具体的に誰か
- その人は、どの場面で繰り返し使うか
- AIを使うことで、今より何が軽く、速く、分かりやすくなるか
- 価値を感じた人が、次の利用や支払いへ進む理由は何か
- 権利、個人情報、誤回答、運用負荷の問題をどう止めるか
ここで答えられないなら、アイデアが悪いのではなく、まだ事業仮説に変換されていません。発想を狭めるのではなく、顧客の行動と運用条件を足して、試せる形にします。
6. 高性能モデルは、費用対効果が合う仕事に限定する
高性能なモデルを使えば、複雑な作業を任せやすくなる場合があります。一方で、すべての処理に同じ性能を使う必要はありません。
業務ごとに、次の費用を分けて見ます。
1件の総コスト
= AI利用料
+ 前処理・後処理の時間
+ 人による確認時間
+ 保存・連携・保守の費用そして、AIを使うことで増える価値も一つにします。作業時間の削減、取りこぼしの減少、提案の質、対応可能な件数など、対象業務に合う指標を選びます。
高価な処理を使うべきなのは、難しいからではありません。結果が事業上の価値に結びつき、確認コストを含めても採算が合うからです。採算が合わない処理は、より軽い方法へ切り替えるか、人手のまま残します。
7. 最初の検証は「一つの体験」に絞る
アプリケーションを作るとき、最初から多機能にすると、どの機能が価値を生んだのか分からなくなります。
最初は次の範囲に絞ります。
- 対象者を一つにする
- 変える行動を一つにする
- 入力データの種類を一つにする
- 出力形式を一つにする
- 成果指標を一つにする
- 人が止める条件を一つ以上置く
検証後は、結果を3つに分けます。
- 続ける: 価値と採算が確認でき、対象を少し広げる
- 修正する: 価値はあるが、入力・体験・確認方法を直す
- 止める: 利用が続かない、採算が合わない、リスクが大きい
「作れた」だけでは、事業の検証になりません。使われたか、役に立ったか、続けられるかまで確認します。
8. 上位レイヤーを取るとは、顧客の責任まで引き受けること
アプリケーション層に価値をつくるというと、画面を作ることだけを想像しがちです。しかし、顧客に近い層を担当するほど、責任も増えます。
- AIの出力を誰が確認するか
- 誤った回答をどう訂正するか
- 顧客情報をどこまで扱うか
- モデルや料金が変わったとき、何を切り替えるか
- 利用を止めたときに、従来の業務へ戻せるか
上位レイヤーの強さは、派手なアイデアだけでは生まれません。顧客の不安や例外処理まで含めて、使い続けられる仕組みにすることが差になります。
Optiensの見方
Optiensでは、AI活用を「最強のモデルを選ぶこと」ではなく、「顧客や現場の課題を、検証できる一つの業務へ切り出すこと」として考えます。
まず、誰のどの行動を変えるのかを決めます。次に、独自の入力資産、確認者、成果指標、停止条件を整理します。そのうえで、既存ツールで足りる部分と、個別に設計する部分を分けます。
AI活用をどこから始めるべきか迷っている場合は、まず AI活用診断（無料） で、既存業務のどこがAIパッケージ化しやすいかをご確認ください。実装まで進めたい候補が見えた場合は、導入前スコープ整理 で対象業務、含む範囲、費用感、5営業日で初期版にできるかを整理します。
まとめ
AI基盤を自社で持たないことは、価値をつくれないことと同じではありません。
- 基盤モデルの競争と、自社の競争を分ける
- 顧客の行動を一つに固定する
- 独自資産をアプリケーションに組み込む
- モデルを交換できる部品として扱う
- 発想を顧客行動・採算・安全性の仮説へ変換する
- 一つの体験で検証し、続ける・直す・止めるを決める
モデルの進化を待つだけでは、顧客に近い価値は生まれません。自社が理解している顧客、業務、体験のどこにAIを組み込むかを決めることが、最初の事業設計です。