ビヨンドウェブ開発の背景

AI時代の経営

これまでの資本主義では労働者の管理や人材の活用が企業経営の重要な要素でしたが、AI時代はデータの活用と才能の活用も重要な要素となるでしょう。 労働集約型・資本集約型だけではなく、才能集約型、データ集約型経営という新たなカテゴリーが出現、拡大していくと思われます。

また、ChatGPTに代表される高度なLLMの台頭により、各個人の能力、組織の能力は格段に拡張されてきていますし、この流れは更に加速することでしょう。これからは、「何が出来るか」だけではなく「何をやるか」を決める力」が重要になり「ビジョン集約型」とも言える経営がこれまで以上に優位性を持つと私達は考えています。

ビヨンドウェブ開発の背景

今はどのメディアをみてもAIという言葉を見ないことはありません。

まさにAI革命が進行中ですが、AIで利益を上げているのはビッグテックと言われる大手テクノロジー企業ばかりです。なぜAIは大手テクノロジー企業に集中しているのでしょうか？その理由の一つは、多くのAIプロジェクトが高額なコストを要するからです。これらのプロジェクトには、多くの高度な技術を持つエンジニアが必要であり、AIシステムを構築するのに数億円、あるいは数十億円がかかることがあります。

大手テクノロジー企業はこれらの高額なAIシステム構築のための投資を回収することに他のどの企業よりも優位性があります。「汎用型」のAIシステムは、非常に大きなユーザーベースに適用可能で、莫大な収益を生み出します。たとえば、ウェブ検索を改善するシステムや、オンラインショッピングでより良い商品を推薦するシステムなどがそれに当たります。

しかし、このAIのアプローチは、インターネットセクターの外に出ると機能しません。多くの場合、1億人以上の人々に適用できるプロジェクトや、同等の経済効果を生み出すプロジェクトがほとんどありません。
この状況を打開し、大手テクノロジー企業でなくとも、複雑なIT技術スタックや、行動なシステム運営のノウハウがなくともAIを活用できる方法はないか？

実際に小さなAIが効果を出すシナリオは多くあり、中小企業でも取り組める方法はないか？と考えはじめたのがビヨンドウェブを開発する背景になります。

例えば、うどん屋に需要予測AIを導入する

具体的な例を挙げて説明しましょう。
私たちはよく、高松ラボの近くにあるセルフ式のうどん屋に食事に行きます。そのうどん屋が提供するうどんは素晴らしいのですが、しばしば冷めた天ぷら類しか店内に残っていなかったり、ランチ終了時間にも作り置きの日替わりメニューが残っていたりという光景を目にします。

このお店の運営を見ていると、私はいつも興奮してきます。なぜなら、うどんやサイドメニューを売ることで、お店は常にデータを生成しており、そのデータを活用できれば、そしてAIへのアクセスがあれば、本当に役に立つと思うからです。AIシステムは、適切なデータにアクセスすることでパターンを見つけるのが得意です。例えば、もし”エビ天”が金曜のランチに他の曜日よりよく売れ、月曜日のランチにはあまり売れないことがわかれば、金曜のランチの際にはもっと作るように、そして月曜日のランチの際には一度に揚げすぎないように、お店に提案できるかもしれません。

そんなことが、可能ですか？と感じるかもしれませんが、実際には可能です。
AIが膨大なデータセットを必要とするという多くの誇張がありますが、データが多い方が助けになることは確かです。しかし、その誇張に反して、AIは一つのうどん屋が生成するような控えめな量のデータでも十分に機能することがよくあります。

または、小さいうどん屋では、そんなことまで必要ないと感じるかもしれません。しかしながら、これは年間数十万円の収益向上に役立つ可能性があり、そうだとすればうどん屋のオーナーにとっては大したことですし、アツアツの天ぷらを出すと評判になれば、２店舗目、３店舗目と展開可能になるかもしれません。

本当の問題は、うどん屋にデータが足りないわけではなく

• データが蓄積されていない、もしくは活用できる形にない
• 小規模なうどん屋がAIチームを雇うコストを正当化するために十分な顧客を確保できないこと

が、AI活用の障壁となってるのです。

一つのAIシステムが全ての企業に適合するのは難しい

日本には336万社の中小企業があり（2021年中小企業庁調べ）、これらの中小企業は全体企業数の９９％を占めています。

しかし、各中小企業は異なる業務プロセス、異なる顧客、異なる売上の記録方法を持っており、一つのAIシステムがすべてに適合するわけではありません。

つまり、ここにAIの「ロングテール問題」があるのです。
汎用型のAIは恐竜の胴体の部分です。しかし、それと同等、もしくはそれ以上のマーケットがこの「恐竜の長いしっぽ」つまり、ロングテールに存在するにもかかわらず、この例に挙げたうどん屋のように、一般的な中小の製造企業、小売業者、学校、農場などは需要予測や品質管理、教育にAIを全くと行っていいほど使用していません。ほとんど、ゼロです。本当にゼロなのです。

うどん屋は他の飲食業や他業種とは当然異なるため、すべてに適合するAIソリューションは存在しません。それぞれの業者に特有のニーズがあり、AIの適用も個別に考慮する必要があります。このギャップを埋めるために、AI技術をよりアクセスしやすくし、カスタマイズ可能なソリューションを提供することが求められています。

株式会社レガシスではAIカメラ事業も行っておりますが、うどん屋に安価なAIカメラを設置するだけで、天ぷらの需要を予測してくる時代までは、もう少し時間がかかりそうです。映像を正確にデータ化する技術がまだまだ複雑だからです。

しかしながら、データへの変換が難しくない分野では、このギャップを埋めることができると考えています。うどん屋ならば、売上明細データがそれに値します。

残念ながら、そのデータエンジンを持っているのはレガシスではなくPOSシステム業者や、決済サービス業者ですが、彼らがこのロングテールにビジネスを展開することは無いでしょう。だからと言っても我々がPOSシステムや決済システムを独自に開発して市場へ参入することも、ほぼ不可能といえます。

一石二鳥でDX促進・AI導入を進める

このうどん屋の例では、レジ入力という日常業務をDXの起点として活用できれば大きなメリットがあります。

すでに必須業務として行われているレジ処理に、需要予測などのAI機能を組み込むことで、次のような効果が期待できます。

• データの2重入力や誤動作を防ぎ、スムーズな運用が可能
• コスト最適化と在庫管理の精度向上
• 業務改善意思決定と経営判断のサポート

つまり、うどん屋の場合、日常業務として定着している「レジうち業務」を起点に、DXを効果的に推進できるのです。

ビヨンドウェブではナレッジマネジメント、ECサイトやウェブサイトを起点にDX・AI活用を促進

ECサイト、ウェブサイト、情報サイト、ナレッジマネジメント、社内外SNSを起点とすることで以下のような利点が生まれます。

• データ生成を業務に取り組むことでDXプロジェクトしても取り組める
• ウェブサイトやECサイトとして公開されるデータをもとにAIを活用するので、複雑な情報セキュリティ問題を回避できる
• 情報サイトやECサイトは集客のために２４時間仕事をしてくれる広告塔・営業マンでもあり、それ単体でも価値がある
• ナレッジマネジメントは新人教育・顧客サポート・業務効率化・意思決定支援に活用、それ単体でも価値がある
• 社内SNSではオープンなコミュニケーション環境が社員のエンゲージメントを高め、組織全体の活性化に寄与
• スマートフォン世代やデジタルネイティブ世代への親和性が高く、採用にも有利に
• ユーザー（顧客）行動を自動で蓄積するデータエンジンとなれる

これらの利点を活かしながら、中小企業でも、大手テクノロジー企業ではカバーすることが難しい自社の専門領域でAIやデータを活用する手助けになればという思いで開発されています。