-
Xでシェア
-
Facebookでシェア
-
LINEでシェア
-
LinkedInでシェア
-
記事をクリップ
-
記事を印刷
AI導入で既存企業が新興企業に後れを取っている
AI導入の難しさに、多くの既存企業が焦燥感を募らせている。こうした企業は、既存のワークフローにAIを組み込み、個々のタスクを自動化し、新たな生産性向上ツールを採用するなど、テクノロジーを幅広く展開している。それにもかかわらず、小規模な新興企業に後れを取っている。
これはよく見られるパターンだ。有望なテクノロジーが登場し、既存企業が多額の投資を行い、合理的な戦略を明確に打ち出す。しかし、結果として漸進的な効率性の向上に留まり、最終的には小さな新興企業に優位性を譲り渡してしまう。
既存企業がこのように行き詰まると、経営陣は実行力不足を責める傾向がある。スキル不足、技術革新に後れを取る研修、中間管理職の惰性といったよくある課題を指摘する。しかし、それらは都合のよい解釈にすぎず、説明になっていない。問題はそこではなく、既存企業が失敗するのは、新しいテクノロジーが仕事の連携のあり方を刷新できることを認識していないからだ。
たとえばAIは、知識労働を細分化し、迅速に完了させ、新たな方法で再構成する。既存企業がAIを効果的に活用できずにいる場合は、たいていは既存の役割やプロセスを効率化するためにその機能を利用しているに過ぎない。同じ仕事を少し効率的に行っているだけなのだ。しかし、より大きな機会は別のところにある。
企業はAIを活用して、チーム間の業務の分担や順序、連携といった仕事の組み立て方を再構築することができる。これを行うと、緻密で達成可能に見える戦略であっても通用しなくなるものもあるが、同時に、新しい戦略が可能になり、それらこそが競争優位の源泉となる。
フィグマ vs. アドビ
共同編集デザインプラットフォームのフィグマがこの10年で台頭したことは、製品の機能や実行力の問題以前に、新たな連携のアーキテクチャがいかに戦略的成果を決定づけるかを示している。
デザイン業界を牽引してきたアドビは、デジタル・トランスフォーメーション（DX）の成功モデルとして広く目されている。2010年代初頭、クラウドベースのテクノロジーが登場すると、アドビはパッケージソフトのモデルを捨て、サブスクリプションモデルへの移行を成功させた。従来の基準から見れば、同社はまさに先進的な既存企業が取るべき行動を忠実に実行した。
だが同じ時期に、当時は小規模な競合相手だったフィグマは、チームのコラボレーションと意思決定の方法を塗り替える共有デザインの環境を構築した。それはアドビには対抗できないものであり、最終的にアドビが2022年に200億ドルで買収を試みるほどの大きな戦略的脅威となった（買収は、欧州と英国の規制当局による1年以上の調査を経て、撤回された）。
フィグマの成功は、リアルタイムの共同編集、ブラウザベースのアクセス、迅速なユーザーオンボーディングといった優れたユーザーエクスペリエンスが理由だと一般的に考えられている。しかし、アドビも同様の機能の多くを構築していた。フィグマの優位性の真の源泉であり、両社の明暗を分けたのは、それぞれがデザインワークの本質をどう理解し、その理解に基づいていかに組織を構成したかにあった。
アドビは、デザイナーが個別にファイルを編集し、それを受け渡し、後で変更を統合するという、古いモデルに縛られていた。このモデルでは、クラウドは保存と配布の利便性は高めたが、ファイルベースの作業と逐次的な編集スタイルは残り、それが顧客企業のワークフローやチーム構造を形づくる前提となっていた。作業の連携には、バージョンが異なるファイル間での変更箇所の管理や調整が不可欠だった。
こうした制約に縛られなかったフィグマは、デザインワークの連携のあり方を再定義した。クラウドを活用することで、複数の人が共有環境で同じデザインプロジェクトに同時に取り組むことを可能にした。ファイルの受け渡しを待つ必要がなく、フィグマを使用するチームは他者の変更をリアルタイムで確認しながら、より迅速に意思決定を集約できるようになった。
アドビがファイルを「仕事の基本単位」として扱ったのに対し、フィグマはファイル内の要素（テキストブロック、スタイル、再利用可能なコンポーネント）を仕事の基本単位、つまり独立して編集・管理できる最小のパーツとして扱った。ある人がテキストを書き換え、別の人がフォントや色を変更し、3人目が画面構成を組み替え、4人目がそれらの画面をワークフローにつなぎ合わせる。これらすべてを同じデザイン内で同時に行うことができ、バージョンの不整合に悩まされることもない。各要素が一意に識別されているため、一度変更が加えられれば、それを使用しているすべての場所、およびそのデザインに携わるすべての人に対して自動的に反映される。
最も重要なことは、ファイル内の要素を仕事の単位としたことで、ファイルベースのツールの最大のボトルネックが解消されたことだ。デザインワークは多くのチームを経て進められるが、ファイルを介して管理する以上、変更箇所の整合性を取ったり、それを他に反映させたりするたびに摩擦が生じる。フィグマは、組織全体のチームが利用する共有ライブラリでデザイン要素を管理することで、この問題を完全に排除した。
テキスト、スタイル、再利用可能なコンポーネントが個別のファイルにひもづくのではなく、共有の再利用可能な要素として扱われるため、そのプロパティを一度定義すれば組織全体で再利用できる。その要素を管轄するチームがフォント、色、レイアウトの規則を変更すれば、ファイルを手動で開いたりコピーしたり更新したりすることなく、それに依存するすべてのデザインに自動的に反映される。
この変化は、組織全体のガバナンスにも重要な影響を及ぼした。フィグマにおけるデザインの標準は、事後のレビューによって強制されるものではなく、デフォルトで組み込まれている。チームは、作業がガイドラインに準拠しているかどうかをたえずチェックする必要はない。作業自体が、それに準拠しているコンポーネントを使用して構築されているからだ。チームが共有コンポーネントを使用してデザインを組み立てるため、レビューや整合性の確認による連携をあえて行わずとも、自然と一貫性が生まれるのだ。
フィグマがデザインワークの組織化とガバナンスの新しい方法をもたらしたと市場が認識した頃には、両社の差はシステムの深部にまで及んでいた。アドビは時代遅れのファイル中心のアーキテクチャに固執していたが、フィグマはそうではなかった。それによってフィグマは市場シェアを獲得し、同時にデザインワークの性質そのものを変容させた。
シーインの優位性
AIの恩恵を真に受けている企業は、レガシーシステムの上にAIを重ねるだけではない。中国の小売業者、シーインのケースを考えてみよう。
シーインは表面上、低コスト生産を武器にするファストファッション企業に見える。しかし、その真の優位性は、ファッションにおける仕事の単位を再編したことと、それに伴う連携の構造、新たに手に入れる能力、さらには競争戦略にある。
伝統的なファッションブランドは、依然としてシーズンを仕事の単位として運営している。デザイン、需要予測、買いつけ、マーチャンダイジング、生産のすべてが、長期サイクルのカレンダーを中心に連携している。これらの企業がデザイン画を高速化するために生成AIを採用したとしても、その根底にある逐次的な仕事の構造は変わらない。
対照的にシーインは、仕事の単位をシーズンから、新しい製品コンセプトを用いた市場内での継続的な実験へと縮小させた。すべてのデザイン指示書は、市場でテスト可能な一つの製品コンセプトを提示する。数カ月先の顧客の需要を予測しようとするのではなく、ソーシャルメディアのトレンドやエンゲージメント指標を捉え、それに基づいて即座に新しいデザイン指示書を作成する。
しかし、シーインにおける真の革新は、仕事の組み立て方そのものだ。アルゴリズムが手動の買いつけ決定に取って代わり、製品コンセプトごとに小規模な生産ラインを稼働させる。これにより、市場で数千のテストを並行して実施できる。特定の製品の生産規模が拡大されるのは、テスト販売における実際の市場データを使用して需要が確認された場合に限られる。
これらはすべて、仕事の単位がシーズンごとのコレクションから、テスト可能な製品コンセプトへと転換したからこそ可能になった。シーズンカレンダーに固執した既存企業は、長い生産サイクル全体で仕事を連携するために、多層的な承認プロセスに依存している。一方、シーインはトレンド検知、デザイン、生産の領域でAIを活用し、需要の変化に応じてすべての部門が連携するようになっている。デザインと生産の仕事はもはや逐次的ではなく、ファッションコンセプトを感知し、生成し、テストし、洗練させるという継続的なループの中で機能している。
フィグマのケースでは、仕事の単位を変えたことで組織全体のガバナンスを変容させ、監視ではなく共有コンポーネントを通じてそれが強制された。シーインの転換はさらに進み、新しい学習システムを構築している。各製品コンセプトが小さく、テスト可能で、独立して拡張可能であるため、あらゆる市場との相互作用が活用可能なフィードバックを生み出す。そして、連携はカレンダーベースではなく継続的であるため、フィードバックは即座に次のデザインや生産の決定に反映される。
AIは最適化ツールとして、このプロセスの最上層に位置するのではない。感知、意思決定、行動を一つの学習サイクルに結びつける中心的メカニズムとして機能している。組織は、定期的なレビューを通じてではなく、業務中の絶え間ない低コストの実験を通じて学習するのだ。この継続的な学習は次第に、既存企業が対抗できないほどの優位性へと発展していく。それは既存企業にデータやモデルが欠けているからではなく、仕事の単位と連携の構造が効果的な学習を阻害しているからだ。
新しいワークフロー
組織に新しいワークフローが確立されると、それは徐々に組織そのものを再構築していく。新しい連携のパターンによって、チームを互いにどこに配置すべきか、どの役割が影響力を増し、あるいは失うかが決まる。こうした調整が積み重なることで、仕事の構造をより正確に反映した新しい組織アーキテクチャへと結実する。
この再構築が進む過程で、2つの側面が連動して変化していく。一つは仕事の単位で、ファイルなのかコンポーネントなのかといった生産の基本となる対象だ。もう一つは連携のメカニズムで、仕事が逐次的な承認を経て進むのか、あるいは継続的に同期されるのかを決定するものである。
既存企業は通常、これらの側面のうち一度に一つしか変更しない。古い仕事の単位を維持したまま新しいツールを採用するか、あるいは逐次的な連携を維持したままタスクを分解するかだ。対照的に、新興企業は両方を斜めに突き進む。彼らは仕事の単位を再定義すると同時に、連携の方法を刷新し、既存企業が容易に模倣できないワークフロー、役割、意思決定の構造を創り出す。
この連携方法の変化は、チームの運営方法を刷新し、ひいては会社の製品やその周囲のエコシステムを形づくる。リーダーがディスラプションの到来を察知しながらも対応に苦慮する場合、その原因は多くの場合、異なる働き方のために構築された組織アーキテクチャの中で活動しているからだ。
今後の展望
フィグマやシーインと既存企業との真の違いは、ビジョンではなく、ボトルネックにある。フィグマはデザインの決定に対するボトルネックだった「ファイル」を取り除き、シーインは市場のニーズを学習するうえでのボトルネックだった「シーズン」を排除した。既存企業がこれらのボトルネックを放置している限り、迅速なイテレーションや継続的な学習、緻密な連携を必要とする戦略を追求することは不可能だ。リーダーが大胆な戦略を語ったとしても、組織は「最も狭いボトルネック」を通り抜けることができる戦略しか実行できない。
今日、エグゼクティブが自問すべきは、AIを十分に積極的に採用しているかどうかではなく、AIが可能にしたことを踏まえて、組織内の仕事の基本構造が依然として合理的かどうかだ。もし仕事の単位が大きすぎたり、一括りにされていたり、変化が遅すぎたりすれば、いかなるツールを導入しても、わずかな利益しか得ることができない。
問題は、仕事の単位が組織内の役割、専門性、地位を定義していることにある。単位を変えれば、影響力は、承認権限を持つ人から、仕事の仕組みを設計する人へとシフトする。リーダーは抵抗に直面すると、文化的な惰性と誤解しがちだが、実際にはそれは、構造的な自己防衛反応に他ならない。
"Why New Technologies Don't Transform Incumbents," HBR.org, February 09, 2026.
