その「様子見」が教科書に載っている負け方になる——生成AIは新規事業の「出島」から始める
経営会議では「生成AIの活用を進めろ」と号令がかかる。ところが現場に下ろすと、情シスの審査で止まり、基幹システムとの整合で止まり、「事故が起きたら誰が説明するのか」で止まる——多くの会社でいま起きていることだと思います。
そして結論はたいてい同じところに落ち着きます。「他社の事例が揃ってから、あらためて判断しよう」。
この記事の主張はシンプルです。その「様子見」こそがいまいちばん高くつく選択肢になりつつある。そして既存事業に入れられないなら、守るものを最小にできる場所——**新規事業という「出島」**で、生成AIの社内事例を自分たちの手でつくる進め方が現実的だ、ということです。
「様子見」が最悪手になった4つの理由
1. 名前のついた負け方
優良企業は既存顧客と収益性の高い市場を優先する。その合理的な資源配分が、当初は小さく採算の低い「破壊的技術」の市場を取り逃す原因になる——クレイトン・クリステンセンが『イノベーションのジレンマ』で描いた構造です（Christensenらによる原論文）。愚かな企業が負けるのではなく、合理的な企業が合理的な判断の積み重ねで負ける。これが同書の核心です。
生成AIが同じ型に当たるかはまだ確定していません。ただ「事例が揃うまで、既存事業の基準で投資を見送る」という判断には似た危うさがあります。事例を待つのは合理的です。しかし事例が揃ったと誰もが確信できる頃には、作った側と待った側の差が固定されかねません。
2. 「導入効果◯%」の稟議に乗らない汎用性
生成AIは特定業務のツールではなく、部門を問わず横断的に効く基盤技術です。だから「このツールを導入したら何%改善」という単発の稟議フォーマットに乗りにくい——ここが厄介なところです。
乗りにくいから後回しにされる。しかし効き始めると、企画にも、開発にも、営業資料にも、問い合わせ対応にも一斉に効いてくる。個別ツールの費用対効果を精査している間に競合が手に入れるのは「AIを前提にした仕事の設計」そのものです。この差はあとから個別ツールを何本導入しても埋めにくい。
3. 「1人＋AI」の実例——Base44
創業者が1人で立ち上げ、外部資金を調達せずに成長させたAIサービス「Base44」は、創業から約半年、買収時点で6人のチームという規模のまま、Wixに当初対価約8,000万ドル（条件付き追加対価あり）で買収された、と報じられています（Wix発表・Calcalist/CTech）。ローンチ約1ヶ月でサブスクリプション収入が約150万ドルに達していた、という報道もあります（Inc.）。
図1：1人で始まったサービスが、約半年・6人のまま大手に買収されるまで。
この一例だけで一般化はできません。ただ、少人数でも短期間に大きな成果へ到達しうることは示しています。競争の単位が人数では測れなくなりつつある——これが私たちの読みです。同じことは、あなたの会社の市場に入ってくる新興企業の「開発速度」「検証速度」として現れます。相手は稟議を書きません。
4. 「使えなかった」という判断の賞味期限
生成AIの性能は数週間から数ヶ月の単位で塗り替わり続けています。「去年PoCをやったが精度が足りなかった」——そのうちモデル性能がボトルネックだった部分は現在の条件で再評価する価値があります。一方、データ品質・セキュリティ・業務適合について当時得た知見は今も有効です。
つまりこれは「一度評価して終わり」にできない技術だということです。年に1回の評価ではこの更新速度に追いつけません。触り続ける人と場所が組織の中に不可欠です。
それでも既存事業に入れられない「正しさ」
ここまで読んで「分かっている。それでも入れられないのだ」と思われた方が大半だと思います。その慎重さは間違っていません。
- 顧客データを扱う以上、情シス・法務の審査が重いのは当然です
- 基幹システムと現行業務への影響範囲が読めないまま進められないのも当然です
- 「事故が起きたら誰が説明するのか」で止まるのも、守る資産がある会社として当然です
問題はこの正しさと「使わないと負ける」が両方同時に成立してしまうことです。「入れられない」も正しく、「待てば負ける」も正しく見える。この膠着こそ、いま多くの会社の生成AI活用で起きていることの正体です。
「出島」という解——守るものが最小の場所
この膠着には正面突破ではない解き方があります。2018年の経団連提言でも、新規事業の創出に向けて「出島」のように組織を立ち上げる方策が挙げられています——会社本体と意思決定や評価制度を切り離した組織です（提言本文PDF）。
断っておくと、本稿の「出島」はこの考え方の縮小適用です。経団連が言う出島は権限・人材・資金まで本体から切り離した本格的な組織ですが、そこまで作らなくても構いません。新規事業テーマを1つ選び、扱うデータ・接続先・影響範囲を本体から切り離して設計する——この単位でも、出島の利点は再現できます。
生成AIにこそこの構えが効きます。理由は単純で、新規事業は扱うデータ・接続先・影響範囲を限定した設計から始めやすいからです。
大事なのはセキュリティや法務の審査を「省く」ことではありません。守る対象を区切って検証可能な単位に落とす。だから速く回る。
図2：出島は「セキュリティを気にしない場所」ではなく、「守る対象を最小に設計できる場所」です。
新規事業の工程別・生成AIの使いどころ
出島の中で、生成AIは具体的にどの工程で効くのか。代表的な使いどころと、人が確認すべきことを整理します。
- 市場調査・デスクリサーチ——公開情報の収集・要約・比較表づくりをAIが下書きする。人が確認するのは出典の実在と数字の裏取り
- アイデア発散——数十件で止まる検討会をやめ、数百件規模を出し切ってから絞る方式に変える。人が握るのは評価軸の設定と「自社がやる理由」の判断
- 仮説と検証論点の整理——事業仮説から「何を・どの順で・どう検証すべきか」の構造化をAIが支援する。人が握るのは優先順位の最終判断
- 顧客インタビュー——質問設計と事後の整理・分類をAIが担う。対話そのものと解釈は人の仕事
- プロトタイプ——要件の言語化から実装までをAI駆動で短縮する。人が確認するのは品質と安全性
どの工程でも型は同じです。AIが下書きし、人が判断する。 そしてこの分担の記録が、そのまま次の節で述べる「自社のAI活用事例」になります。
なお、ここに挙げたのはあくまで現時点での例です。性能が更新されるたびに使いどころも増えていく——ここで新しい活用方法を先に見つけた会社が勝者になれます。
「事業」と「事例」の二毛作
出島で生成AIを使う最大のリターンは実は新規事業そのものではないかもしれません。そこで出た成果が**「わが社の生成AI活用実績・第1号」**になることです。
本体に生成AIを持ち込むとき、自社事例ほど強い説得材料はなかなかありません。自社の名前で、自社の人間が、どの工程で・何のAIを・どう使い、人だけの場合と何が違ったか——この記録は、一般論の導入提案書よりはるかに説得力を持ちやすい材料です。
だから出島のプロジェクトは最初から二毛作で設計することをおすすめします。
- 事業の検証——アイデアの発散、検証すべき論点の整理、顧客への検証、プロトタイプ
- 事例の記録——各工程での生成AIの使い方と、人だけの場合との差分の記録
進め方の一例として30日を一つの区切りに置き、テーマ設定とアイデア発散から顧客検証までを回します。テーマと検証結果によってはプロトタイプまで進みます。重要なのは、事業の継続を見送る場合でも検証過程を自社のAI活用の学習資産として整理して残す設計にしておくことです。
最後に私たちのことを書いておきます。新規事業の支援そのものは運営会社のSun Asteriskが長く続けてきた仕事です。ただ、生成AIを使う新規事業では話が一段変わります。技術の前提が短い間隔で動くので、事業の作り方そのものを更新し続ける必要があります。
だから私たちは相反するような二つを現場で磨き続けています。これまでの支援で積み上げてきた定石は明らかな失敗を避ける知恵としていまも効きます。同時に、事業の作り方そのものには既存の常識を持ち込まず、生成AIを前提に組み直し続けています。この二つを行き来するためのサービスとしてAI*deation（発散）・Ailla（β）（検証の設計）・HEART Development（開発）を提供し、社内のAI活用事例も蓄積を続けています。組み合わせや体制はテーマに応じて個別に設計します。生成AIの基礎から学びたい方は生成AI学習ガイド、業務での実践を体験したい方は実践ワークショップもあわせてどうぞ。
事例を待たず、作る側に回る——この記事で書いたことを私たち自身も実践し続けています。動くなら事例が揃ってからではなく、いまです。「うちなら出島で何ができるか」を一緒に整理したい方は、30分の無料相談でお話しできます。最先端の事例を一緒につくりませんか。