会計

AIは会社を救わない – 経営者が握るべき、人・顧客・資本の再設計

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。 

AIの新機能を追うと、妙な焦りが生まれる。

昨日まで使っていたサービスが、今日はもう古く見える。新しいモデルが出れば、触っておかないと置いていかれる気がする。

でも、会社の業績は、経営者が何種類のAIを使えるかでは決まらない。

どの市場に張るか。誰を仲間に迎えるか。どの顧客の、どの痛みを解くか。限られた資金と時間を、どこへ振り向けるか。未来を変えるのは、この判断だ。

この記事を読むと、AIに振り回されない経営の見方が手に入る。経営者がAI操作に時間を使いすぎるコスト、導入費用を利益とキャッシュへ変える条件、財務諸表に載らない組織力の扱い方まで掘り下げる。

AI活用の議論は、すぐ便利なツール紹介へ流れる。

だが、経営で問われるのは便利かどうかではない。売上、粗利、顧客との関係が変わり、その効果が翌期以降も続くのか。

経理屋の目で見ると、AIは魔法ではない。導入費用、教育コスト、業務変更の混乱を越え、その先でようやく利益が出る。投資家は、AIを競争優位へ変換できる会社を選ぶ必要がある。

似ているようで、全く違う。

経営者はAIエンジニアになる必要はない。ただし、AIを誰かに任せ、自分は人間にしかできない仕事をする、と言うだけでも足りない。

何をAIへ渡し、何を人に残し、浮いた時間をどこへ再投資するか。

そこまで決めて、初めて経営になる。

経営者の時間は、会社で最も高価な資本である – 忙しい経営者ほど、手段に逃げやすい

経営者の仕事は目に見えにくい。

資料を作れば成果物が残る。AIで文章を生成すれば、仕事をした感覚も得やすい。一方、優秀な人と会い、顧客の本音を聞き、社内を説得する仕事は進捗率で測りにくい。

だから人は、測れる作業へ逃げる。

問題は、代替可能な作業に入り込み、経営者にしかできない判断を後回しにすることだ。

経営者の一時間には、巨大な機会費用がある

経営者の時間は、給料を時給換算しただけでは測れない。

その一時間で、大口顧客との関係が進み、採用候補者の意思が固まり、赤字事業から撤退する決断ができるかもしれない。

1,114人のCEOの日誌データを分析した研究は、経営者の行動様式と企業の生産性との関係を検証している。単純な因果を断定する研究ではないが、経営者の時間配分が会社の成果と無関係ではないことを示す材料になる。

会計でいえば、経営者の時間は希少資源だ。

なのに財務諸表には載らない。低付加価値業務へ浪費しても、損失計上されない。見えないからこそ、雑に使われる。

経営者本人がAIで議事録を整えることより、その会議を本当に続ける必要があるかを決める方が価値は大きい。

AI活用率というKPIは、かなり危ない

AI利用者数、生成回数、研修受講率、削減時間。どれも測りやすい数字だ。

だが、測りやすい数字と、企業価値を生む数字は別物だ。

AIで資料作成時間が半分になっても、資料が倍になれば会社は変わらない。メールを書く時間が減っても、不要なメールが増えれば組織全体ではマイナスになる。

経理の現場でも、部分最適はよく起きる。一つの作業は速くなったのに、前後工程との連携が崩れ、確認と手戻りが増える。担当者は効率化できたと報告するが、決算全体の日数は縮まらない。

AIでも同じだ。

見るべきは利用回数ではなく、商談化率、商品投入までの日数、顧客対応品質、手戻り、そして浮いた時間の行き先だ。

AI利用率が高くても、粗利が落ちているなら経営としては失敗である。

投資家が見るべきは、AIではなく模倣困難性

AIモデルは、多くの企業が同じものを使える。

同じAIを契約し、似た資料を作るだけでは、長期的な競争優位は生まれにくい。

見るべきは、AIと組み合わされる資産だ。

独自の顧客データ。長年蓄積した業務知識。現場で使えるプロセス。顧客との信頼。優秀な人が残る文化。部門を越えて判断できる組織。

情報技術の研究では、ITだけでなく、職場の再編や新しい商品・サービスと組み合わせたときに補完関係が生まれることが示されている。

AI単体は堀になりにくい。

AIを自社固有の資産へ接続する力が、堀になる。

決算説明資料でAIという言葉が何回出たかより、販管費率、従業員一人当たり売上、顧客継続率、開発期間がどう変わったかを見る。投資では結局、言葉より数字だ。

経営者は作業者ではなく、資本配分者である

経営者がAIを触る意味はある。

ただし、操作を極めるためではない。会社のどこが変わり、どこでは使えず、何を専門家へ任せるのかを判断するためだ。

経営者の役割は、すべてを自分でやることではない。

自分がやらないことを決め、会社の資本を最も効く場所へ置くことである。

AIはツールではなく、組織変更を要求する投資である – AIを入れれば儲かる、は設備を買えば生産性が上がると言うのに似ている

高性能な機械を工場へ置いても、工程、教育、保守、品質管理が変わらなければ利益は出ない。

AIも同じだ。

契約しただけでは生産性は上がらない。業務分解、データ整備、教育、評価制度、責任分界まで変えて、ようやく数字へつながる。

月額利用料だけを見ていると、本体を見落とす。

生産性向上は本物。ただし、得意領域には偏りがある

生成AIによる生産性向上には、すでに実証研究がある。

文章作成業務を対象にした実験では、ChatGPTを使った参加者の作業時間が平均40％短くなり、成果物の品質が18％高まった。

顧客サポートの研究では、AI支援を受けた担当者の生産性が平均で約14％上がり、とくに経験の浅い担当者で効果が大きかった。一方、経験豊富な担当者への効果は小さいか、わずかにマイナスだった。

AIは全員を同じ割合で強くしない。熟練者の暗黙知を若手へ移す一方、熟練者には余計な助言になることもある。全社一律では済まない。

コンサルタントを対象にした研究でも、AIが得意な範囲では速度と品質が上がったが、能力範囲の外では、もっともらしい誤りに人間が引っ張られた。研究者はこの不規則な境界を、ギザギザした技術フロンティアと表現している。

隣り合う仕事でも、一方はAIが強く、もう一方は弱い。

だから業務を分け、任せる場所、支援にとどめる場所、人が責任を持つ場所を設計しなければならない。

AI投資は、最初に利益を悪化させることがある

AI導入では、利用料、システム連携、データ整備、セキュリティ、社員教育などの費用が先に出る。失敗する実証実験もある。

会計上、多くは当期の費用になる。一方、社員の習熟、業務知識の蓄積、部門間の連携改善は資産として見えにくい。損益だけを見ると、導入初期は悪化して見える可能性がある。

新しい汎用技術では、業務再設計や人材育成などの無形投資が必要となり、生産性が後から立ち上がるJカーブが生じ得ると研究されている。

投資家にとって厄介なのは、費用増加が浪費なのか、将来利益を生む先行投資なのか、P/Lだけでは判別しづらいことだ。

だから経営者の説明を見る。

何の業務を変えるのか。削減した時間をどこへ移すのか。どの数字が、いつ改善するのか。実証実験を続ける基準と、やめる基準は何か。

AIという言葉で説明をぼかす会社は危ない。

投資には、回収仮説が必要だ。

専門家へ任せるべきは実装であって、経営判断ではない

モデル選定、API連携、データベース構築、精度検証、運用保守は専門家へ任せればいい。

ただし、どの顧客価値へAIを使うか、何を自動化するか、浮いた余力を人員削減と成長投資のどちらへ回すか、事故の責任を誰が負うか。これは技術ではなく経営の話だ。

経営者が細部へ入りすぎると、本来業務を失う。

逆に、分からないから担当者へ任せると言って離れすぎると、会社の業務設計まで丸投げすることになる。

必要なのは、専門家と会話できる最低限の理解だ。

CFOがすべての仕訳を切らなくても、会計方針と利益構造を理解しているのと同じである。経営者も全プロンプトを書く必要はないが、能力、限界、コスト、リスクは理解しておかなければならない。

AI導入の成否は、ソフトウェアより組織図に出る

AI導入というと、画面や機能へ目が向く。

だが、本当に変わるのは人の仕事だ。

誰が判断し、確認し、責任を負うのか。どの仕事が消え、どの仕事が増えるのか。浮いた時間を顧客へ向けるのか、追加資料へ使うのか。

AIの性能差はいずれ縮まる。

組織設計の差は、簡単には縮まらない。

財務諸表に載らない資産が、AI時代の勝敗を決める – 仲間や信頼は費用処理される。でも会社を強くする

採用費も研修費も費用になるが、そこから生まれた信頼、共通言語、暗黙知は貸借対照表にほとんど載らない。

会社を強くするものほど、会計上は見えにくい。

AI時代には、この見えない資産の差がむしろ大きくなる。

組織力とは、優秀な人の合計ではない

優秀な人を集めれば強い組織になる。

半分は正しい。半分は違う。

個々の能力が高くても、失敗を隠し、部門間で情報を抱え、困っても相談できない組織は弱い。知識が一人の頭に閉じるからだ。

ソーシャル・キャピタル研究では、人と人との関係、共有認識、信頼が、知識の創造と交換を促すと論じられている。

心理的安全性の研究でも、対人リスクを取れるという共通認識が、学習行動と関連していた。製造業の51チームを対象に、質問、助けを求める行動、失敗からの学習との関係を調べている。

AIを使う組織では、これが効く。

AIの回答がおかしいと感じた若手が上司へ言えるか。試した方法の失敗を共有できるか。別部門の便利な使い方を持ち込めるか。

AIの性能より、この空気で止まる会社は多い。

パソコンへ向き合うこと自体が組織を弱くするわけではない。ただ、個人作業だけを最適化すると、人をつなぐ接点は減り得る。米マイクロソフトの61,182人を分析した研究では、全社的なリモートワークへの移行後、協働ネットワークがより固定化し、サイロ化した。

個人の作業速度と、組織の強さは同じではない。

顧客との会話は、AIへ渡せない市場調査である

AIは大量の顧客データを要約できる。だが、顧客がまだ言葉にできていない不満は、データに残っていない。

商談の沈黙。決裁者が妙にこだわった一言。現場担当者と経営層の温度差。予算はあるのに契約が進まない理由。

こうした情報は、関係の中から拾うしかない。

経営者が顧客を巻き込む意味は、要望をそのまま聞くことではない。言葉の奥にある構造を読むことだ。

その要望は一社だけの特殊事情か。市場全体の痛みか。本当にお金を払う問題か。自社が解くべき課題か。

御用聞きになれば、既存顧客の細かな希望に引っ張られ、未来の市場を失う。

逆に、AIの市場分析だけを信じれば、まだデータになっていない変化を逃す。

AIで広く見て、人間関係の中で深く掘る。

この往復が、新しい事業を生む。

AIの成果は、P/LだけでなくB/Sとキャッシュフローで測る

AI施策を削減時間だけで評価してはいけない。会計と投資の視点を入れ、三つの財務諸表へ落とす。

P/Lでは、売上、粗利、人件費、外注費、システム費、事故対応費を見る。

B/Sでは、売掛金の回収が速くなったか、在庫が減ったかを確認する。データ整備や業務標準化で将来の運営能力が高まっても、会計上の資産には載りにくい。この見えない蓄積も無視できない。

キャッシュフローでは、導入に使った現金が、いつ、どの経路で戻るかを見る。

ここまで考えると、使い道は変わる。

文章を速く書くより、見積作成を早めて受注までの日数を縮める。議事録を整えるより、請求漏れを防いで回収を早める。社内資料を増やすより、顧客の待ち時間を減らして解約を防ぐ。

同じ一時間の削減でも、キャッシュにつながるかで価値は違う。

AIで浮いた時間を削減に使えば短期利益は出やすい。顧客訪問、商品開発、人材育成へ回せば、将来売上を作れる可能性がある。

どちらを選ぶかは戦略次第だ。

ただし、選ばず自然発生へ任せるのが一番まずい。空いた時間は、放っておくと新しい会議と資料に吸われる。

人間にしかできない仕事は、放っておいても増えない

AIが作業を引き受ければ、人は自動的に創造的な仕事へ移る。

そんなに都合よくはいかない。

仕事を再設計しなければ、AI生成物の確認に追われる。会議が増える。資料が増える。速くなった分だけ仕事量が増え、誰も顧客へ向かわない。

だから経営者が必要になる。

浮いた時間を、会社の未来へ配り直すためだ。

結論　AIを任せても、未来まで任せてはいけない

AIは手段でしかない。

この言葉は正しい。

ただし、手段だから経営者は関与しなくてよい、とはならない。

船を動かすエンジンを、船長が自分で作る必要はない。整備も専門家へ任せればいい。

それでも、どこへ向かうのか。どの荷物を載せるのか。嵐の中で進むのか、港へ戻るのか。その判断まで機関士へ任せる船長はいない。

経営者も同じだ。

AIの実装は任せていい。

だが、AIによって誰の仕事を変え、誰の時間を生み、その時間をどの顧客へ向けるのか。その設計は手放せない。

AIは放っておいても進化する。

けれど、仲間との信頼は放っておいても深まらない。顧客との関係も、組織の共通言語も、会社の未来も、勝手にはでき上がらない。

財務諸表には、仲間の覚悟は載らない。

顧客が託してくれた期待も載らない。

何度も失敗しながら積み上げた組織の勘も、資産の部には出てこない。

それでも最後に会社を支えるのは、そういう見えない資産だ。

AIが賢くなるほど、経営者は人間に戻らなければならない。

未来を描く。人を信じる。顧客の声を聞く。責任を引き受ける。

そして、機械が生み出した余白を、人がもう一度、誰かのために使えるようにする。

AI時代に経営者が守るべき仕事は、おそらくそこにある。

このテーマをさらに深く考えるための5冊

AIを使うべきか。

人間にしかできない仕事へ集中すべきか。

この問いに、どちらか一方だけで答えようとすると、たぶん本質を外す。

ここから紹介するのは、AIの操作方法だけを覚える本ではない。AIを経営資源としてどう扱い、人と組織をどう変え、最終的に企業価値へつなげるのか。

この記事の続きを考えるための5冊を選んだ。

1．『CEOのためのAIの教科書 「AI資本経営」を実現する90日ロードマップ』林達

AIを便利な業務ツールではなく、会社の競争力をつくる資本として捉え直す一冊。

市場や業務プロセスへの影響だけでなく、組織、人材、データ、経営者の意思決定まで扱っている。AIを現場の効率化で終わらせず、経営戦略へ組み込みたい人には、最もこの記事と相性がいい。

とくに面白いのは、人的資本にAIという新しい資本をどう加えるか、という発想だ。

AI導入を担当者へ丸投げしてはいけない理由が、経営者の視点から整理されている。何から手を付けるかを考えるロードマップも収録されているため、AIの可能性は分かった。でも会社をどう動かせばいいのか分からない、という人に刺さるはずだ。


2．『AI経営講座 スーパーエッセンシャル版』東京大学 松尾・岩澤研究室、PwC Japanグループ

AI経営について、まず全体像をつかみたい人に向いている。

生成AIの技術動向だけでなく、ガバナンス、顧客体験、マーケティング、バックオフィス、人材育成、企業間の共創までを横断している。東京大学の社会人向け講座から要点を抽出しているため、AIと経営の論点を短時間で見渡しやすい。

AIの本は、技術へ寄りすぎるか、未来予測へ寄りすぎることが多い。

本書は、その間を埋めてくれる。

経営者はどこまでAIを理解すべきなのか。どこから専門家へ任せるのか。判断するための地図が欲しいなら、最初に手に取りやすい一冊だ。


3．『AI時代の人的資本経営 従業員価値向上のためのこれからの人材戦略』日本総合研究所 ポスト人的資本経営研究会＆先端技術ラボ

AIが進化するほど、人間の価値は下がる。

そんな単純な話ではない。

本書は、AIによって人の知識やスキルの評価方法が変わる一方、人間の感情、価値観、洞察、関係構築力がどう位置づけ直されるのかを掘り下げている。

人材をコストではなく資本として見るだけでなく、企業価値の向上と、働く人の価値向上をどう結びつけるかまで踏み込む。AIと人間を競わせるのではなく、AIと人間の知性をどう組み合わせるかを考えたい人に向いている。

この記事で触れた、財務諸表には載らない人と組織の価値を、さらに深く考えるための一冊だ。


4．『生成AI時代を勝ち抜く事業・組織のつくり方』梶谷健人

AIの可能性を語る本は多い。

だが、実際にサービスや事業へ落とし込もうとすると、急に手が止まる。

本書は、生成AIを使った事業づくり、サービスづくり、組織づくりを一つの流れとして扱っている。ツールを導入して終わりではなく、顧客へどんな価値を提供するのか、その価値を継続的に生み出せる組織をどうつくるのかまで視野に入る。

AIを触っているのに、売上や顧客価値へつながっている感覚がない。

そんな違和感がある人ほど、読む意味がある。AI活用を小さな業務改善から事業へ広げたい人に、具体的な足場を与えてくれる本だ。


5．『人的資本経営ストーリーのつくりかた 経営戦略と人材のつながりを可視化する』一守靖

人が大事です。

社員を育てます。

多くの会社がそう語るが、経営戦略とのつながりが見えなければ、きれいな言葉で終わる。

本書は、経営戦略と人材戦略を一枚のストーリーとして結びつける方法を、企業事例とともに解説している。どんな人材を採り、育て、配置することが、どの事業の成長や企業価値につながるのか。その因果関係を言語化するための本だ。

会計や投資の視点を持つ人にも面白い。

人的資本は、数字を開示すれば終わりではない。その数字が、戦略や将来キャッシュフローとどう結びつくのかを説明できて、初めて意味を持つ。

AI時代にも残る組織の強さを、ふわっとした精神論ではなく経営の言葉で捉えたい人におすすめしたい。


一冊だけ選ぶなら、経営者の立場からAIを捉えたい人は『CEOのためのAIの教科書』。

AI経営の全体像を手早くつかみたいなら『AI経営講座 スーパーエッセンシャル版』。

人と組織の価値を深掘りしたいなら『AI時代の人的資本経営』が合う。

AIを事業へ落とし込みたいなら『生成AI時代を勝ち抜く事業・組織のつくり方』。人材投資を企業価値のストーリーとして説明したいなら『人的資本経営ストーリーのつくりかた』だ。

AIの進化は速い。

だからこそ、機能を追い続けるだけでは疲れてしまう。

手元に置くべきなのは、次の新機能を教えてくれる本だけではない。技術が変わっても、何を顧客へ届け、誰と会社をつくり、どこへ資本を配るのか。その判断軸を鍛えてくれる本である。

気になる一冊から、この記事の続きを読んでみてほしい。

それでは、またっ！！

引用論文・参考文献

  1. Bandiera, O., Hansen, S., Prat, A., & Sadun, R. “CEO Behavior and Firm Performance,” Journal of Political Economy, 2020.
  2. Noy, S., & Zhang, W. “Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence,” Science, 2023.
  3. Brynjolfsson, E., Li, D., & Raymond, L. R. “Generative AI at Work,” Quarterly Journal of Economics, 2025.
  4. Dell’Acqua, F. et al. “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality,” Organization Science, 2026.
  5. Brynjolfsson, E., Rock, D., & Syverson, C. “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, 2021.
  6. Bresnahan, T. F., Brynjolfsson, E., & Hitt, L. M. “Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence,” Quarterly Journal of Economics, 2002.
  7. Nahapiet, J., & Ghoshal, S. “Social Capital, Intellectual Capital, and the Organizational Advantage,” Academy of Management Review, 1998.
  8. Edmondson, A. C. “Psychological Safety and Learning Behavior in Work Teams,” Administrative Science Quarterly, 1999.
  9. Yang, L. et al. “The Effects of Remote Work on Collaboration among Information Workers,” Nature Human Behaviour, 2022.

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。