企業のAI（人工知能）イニシアチブが概念実証（PoC）を超えて前進できない理由について、経営層が誤診するケースは少なくありません。制約となるのは、ほとんどの場合、アルゴリズムの処理能力ではありません。むしろ、問題の本質は経営上の構造的欠陥にあります。すなわち、専門性を持つプロフェッショナルを汎用的なプロンプト操作者に変えようとするのではなく、人間のセンスとドメイン専門知識を活用してAIの実行を指揮すべきという点です。
資生堂ジャパンの取り組みは、この点において示唆に富む事例と言えます。同社が約40の事業部門に約130名のAIアンバサダーを配置した結果、従業員のGoogle Geminiの能動的利用率は80%を超えました。しかしながら、Google Cloud Next Tokyoに続いてBusiness Insider Japanが2026年8月に報じたように、この広範な普及は間もなく運用上の壁に直面しました。
草の根的な利用は拡大しましたが、ビジネスへの深いインパクトは依然として制約されたままでした。営業分析やキャンペーン効果指標に関する要請が中央データチームに殺到し、構造化された業務文脈や統一されたデータ定義がない限り、生のチャットプロンプトでは複雑な企業運営の分析ニーズを満たすことができなかったのです。
資生堂が直面した課題は、企業において広く見られる盲点を反映しています。オープンエンド型のAIチャットインターフェースを配布し、従業員のログイン数を単純なKPI（重要業績評価指標）として追跡しても、運営上の進展はほとんど生じません。ワークフローの再設計やドメインの整合性なしに、組織はAPI（アプリケーションプログラミングインターフェース）トークンを浪費し、デジタルノイズの山を生成するだけです。
合成ジェネラリストの幻想
生成AIは、コーディング、文章生成、ビジュアル合成、データクエリなどにおいて顕著な汎用性を備えています。しかし、現代の企業は分業体制の上に成り立っています。すべての従業員を万能なAIジェネラリストに変えることを期待することは、企業組織の基本経済性に反します。
熟練したソフトウェアエンジニアに対し、AI画像生成ツールを使ってSNS（ソーシャルネットワーキングサービス）向けプロモーション画像を作成させることは、この問題を端的に示しています。エンジニアは数秒で高解像度の画像を生成できますが、消費者向けマーケティングに必要な視覚的階層、タイポグラフィの判断、ブランド直感を欠いています。出力物は技術的には機能しますが、商業的には無機質なものに過ぎません。
逆の期待も同様に欠陥があります。小売店の美容アドバイザーやフィールド営業担当者に対し、統計的なPOS（販売時点情報管理）データ分析を行うための多段階プロンプトエンジニアリングを記述することを求めることは、高価な人的資本の誤配分にほかなりません。
効果的な商業分析には、次の2つの異なる能力が必要です。
- 仮説設定：重要な具体的な商業課題、市場変数、および事業前提条件を定式化すること。
- 検証と誤りの検出：ハルシネーション（虚偽情報）を見抜き、論理的飛躍を監査し、偏ったあるいは不完全なソースデータを認識すること。
マーケティングのセンスを欠いたプロフェッショナルは、空回りするプロモーション資料を生み出します。統計学の訓練を受けていないチームメンバーは、もっともらしいAIのハルシネーションを事実に基づく市場洞察として受け入れてしまいます。テクノロジーは既存の能力を増幅しますが、欠如しているドメイン専門性を創出することはできません。
生成は豊富だが、人間のセンスは依然として希少
生成AIは、テキスト、画像、および初期段階のチャート作成コストを大幅に引き下げます。経済学的に言えば、生コンテンツの限界費用がゼロに近づくとき、そのコンテンツ単体の商業的価値は崩壊します。
価値は完全に、希少な補完財へと移行します。すなわち、人間のセンス、ドメインの識別力、および組織的な判断力です。合成ビジュアルがブランドの伝統を尊重しているか、あるいは自動化レポート内の商業的推論が信頼できるかを判断するには、長年の業界経験を通じて培われた人間の判断が必要です。
組織が明確な評価基準なしに無秩序なAI利用を推奨すると、従業員は社内チャネルをデジタル雑音で溢れさせます。未検証の報告書草案、画一的な顧客向けコピー、表面的なデータ要約などです。この未審査の大量の情報は、深刻な運営上の抵抗を生み出します。管理者や上級チームは、低品質な合成アウトプットのレビュー、ファクトチェック、および書き直しに数時間を費やし、時間と予算を消費するとともに、社内の摩擦を増大させます。
資生堂の転換：能力のパッケージ化による人間の判断力の解放
資生堂は、この運用上のボトルネックに対し、事業部門へのデータおよびAI能力の提供方法を変えることで対処しました。
同社はこれまで、2021年にアクセンチュアと設立した合弁会社である資生堂インタラクティブビューティ（SIB）を通じてデジタル施策を推進していました。2025年末、資生堂は同パートナーシップを終了し、2026年1月に完全子会社化、同年6月1日に吸収合併しました。この再編により、デジタル機能と専門人材は資生堂および資生堂ジャパンに直接統合され、トランスフォーメーション施策は、永盛達也氏率いるデジタルトランスフォーメーション（DX）およびAIトランスフォーメーション（AIX）戦略部が主導することとなりました。
Geminiの高い利用率により、李隆浩氏率いる中央データチームが対応に追われる事態となった際、同グループは受動的なヘルプデスクとしての機能から脱却しました。代わりに、Data as a Product（DaaP、プロダクトとしてのデータ）モデルを採用したのです。
この手法の下で、中央チームは明確な業務文脈、標準化された指標、および統一されたガバナンスに基づいてデータを整備しました。同社はGoogle Gemini Enterprise上に営業部門専用のデータエージェントを構築しました。主要なドラッグストア取引先を担当する営業担当者は自然言語で営業データを照会でき、手作業によるデータ抽出を数日待つことなく、顧客交渉の場で商業的仮説を検証できるようになりました。
データの複雑性を直感的なツールにパッケージ化することで、資生堂は現場のプロフェッショナルが小売関係構築、ブランドポジショニング、および商業交渉といった中核的強みに集中できる環境を整えました。
企業の構造化：先にセンス、次にAI実行
持続可能なAIトランスフォーメーション（AIX）を実現するには、人間のドメイン専門家、中央技術チーム、およびAIシステムの間に規律ある責任分担を確立することが不可欠です。
- ドメイン専門家（人間）：美的センス、ブランド基準、顧客共感、商業的仮説、および最終意思決定権を提供します。
- 中央技術チーム（人間）：直感的なインターフェースをパッケージ化し、データパイプラインを接続し、自動化されたセキュリティガードレールを維持します。
- AIシステム：重い計算処理を実行し、非構造化データセットを処理し、構造化された初期ドラフトを生成し、日常的な業務の引き継ぎを処理します。
人間のセンスとドメイン特化が業務を指揮し、AIシステムが舞台裏で実行を担うとき、人工知能はコストのかかる気晴らし的存在から、持続的な企業効率性の源泉へと変貌します。
参考文献
- Business Insider Japan：130人のAIアンバサダーで直面した壁とその次の一手、資生堂（Business Insider Japan、2026年8月5日、松本和大氏による記事）