『いまこそ知りたいDX戦略』石角友愛｜要約と書評。DXは道具よりコアの再定義から始まる

家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。

今回読んだのは、石角友愛さんの『いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する』です。2021年4月に、ディスカヴァー・トゥエンティワンから出た本です。

著者は、シリコンバレーのパロアルトでAIの会社を経営しています。その立場から、日本企業のDXがどこでつまずくのかを解きほぐしています。つまずく場所ごとに、章が分かれている作りです。

出てくる会社の例は、どれも刊行当時のものです。その後どうなったかは、ここでは追いかけません。借りるのは骨組みのほうです。

AIの道具は、ここ数年でめちゃ増えましたよね。文章も、画像も、作業を代わりに進めるエージェントも。

でも、道具を足したぶん、自分の仕事は減ったでしょうか。うーん、そう単純じゃない。

私がこの本を開く入口にしたのは、副題の「自社のコアを再定義し、デジタル化する」でした。

私は、仕事を委ねられるAIを育てたい。だからこの副題が、「委ねる前に、何を自分の手に残すのか」という問いに見えたんです。

いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する

石角友愛 著

Amazonで本書を見る

※Amazonアソシエイトのリンクです。リンク経由でご購入いただくと、当サイトに紹介料が入ります。

『いまこそ知りたいDX戦略』の背骨は「コアの再定義」

この本は、はじめにと5つの章、おわりにでできています。通っている考えは一本です。

コアは、その会社の強みの芯のこと。DXは、その芯を決め直して、そこにデジタルを入れることです。道具を入れるのは、その手前の一部にすぎません。

第2章から第4章は、DXが止まる場所を順に並べています。課題が見えない。検証で止まる。人が集まらない。

そして第5章で、壁を越えた先の姿が描かれます。この記事で追いかけるのも、コアの再定義という一本の考えです。

全容解説｜はじめにからおわりにまで、DX戦略を章ごとに要約し、私の受け止めを重ねた書評

ここからは、本の順番どおりに中身をまとめます。

各章のあとに「私の場合」として、その章をどう受け止めたかを書きました。本の要点と私の解釈は、箱を分けています。

章ごとに、AIが判断までこなす今の時代にどう捉えるかも添えました。

はじめに｜なぜ、あなたの会社のDXはうまくいかないのか

本は、著者の会社に近年寄せられる声から始まります。

DXを進めたいけれど、何から始めればいいのか。仮説検証をくり返しているのに、事業化に至らない。プロジェクトを始めたのに、社員が協力してくれない。

今後の経営に、DXは欠かせない。この認識は、どの業界にも広がりました。それなのに、DXで事業成績が格段に良くなった話は、ほとんど聞かない。かわりに聞こえてくるのは、プロジェクトの各段階での挫折の話だ、と著者は書きます。

著者が経営するパロアルトインサイトは、日本企業のAI導入とDXを手伝う会社です。AIの分野で先を行くアメリカや中国の事例をふまえて、現場に入っています。

その現場で見てきたつまずきを、DXに取り組む人が教科書のように使える一冊にまとめた。はじめには、この本の立ち位置を示す入口です。

私の場合｜道具を足すことと、自分を広げることを分ける

著者の会社に届く声を、一人で会社をやっている経営者の言葉に置き換えてみます。

AIの道具は入れた。使い方も覚えた。なのに、手元の仕事は減っていない。たぶん、こうなります。

私が分身AIについて大事にしている判断軸に、「自動化」より「分身化」という考えがあります。中身は「自分らしさを保ったまま拡張する」こと。

作業を一つずつ機械に置き換えるのが、自動化。分身化は、自分の判断の芯ごと広げていくことです。

はじめにに並ぶ声を、私はこの違いで受け止めました。道具を足す話と、自分を広げる話。似ているようで、出発点が違うんですよね。

AI時代に置き換えると、道具はますます手軽になりました。だからこそ、どの道具を入れたかより、何を広げたいのかから始める。そこを飛ばすと、道具の数だけが増えていく。私はそう見ています。

第1章｜そもそもDXとは何か？

第1章は、DXとは何かを決めるところから始まります。著者の定義はこうです。

背景にあるのは、第四次産業革命と呼ばれる変化です。クラウド、ビッグデータ、IoT、AIが混ざり合い、ネットワーク効果と急な変化が生まれている。

さらに、人間がやってきた判断や考え方を、機械が身につけていく。この変化を企業に当てはめたものがDXだ、という位置づけです。

次に出てくるのが、ジェフリー・ムーアの「コアとコンテクスト」という考え方です。マイケル・ジョーダンにとってのコアは、バスケットボール。エア・ジョーダンのような商品やドキュメンタリー作品は、周りのコンテクストです。

バスケがなければ、周りのビジネスはどれも成り立ちません。会社にとっての本当のDXは、このバスケにあたる部分をデジタル化すること。著者はそう書きます。

例えば自動車メーカー。今のコアは、自動車を製造することです。でも10年後には、モノや人を移動させることになっているかもしれない。コアをどう決めるかで、何をデジタル化するかが丸ごと変わります。

パタゴニアのコアを、アウトドアギアの製造販売と見ると、半分しか見えません。本当のコアは、サステナブルなサプライチェーン管理に基づく製造販売。だから食品の事業にも広がった。

コアは、事業そのものとは限らない。事業を分解した時に、強みになっている要素のことです。

見極め方の例が、モデルナです。CEOが就任した当初、開発者はデータを表計算ソフトに手で打ち込んでいました。そこでデータをクラウドに移し、ばらばらの管理をやめ、自動化した生産体制を目指します。

一方で、強みを持たない領域には、市販のツールを積極的に入れました。

逆に、自社の弱いところを守るためのDXもあります。業界の外から来た企業に、ルールを変えられること。アメリカでは、これを「ウーバナイズ」と呼ぶそうです。

きっかけになるのは、安い競合、より良い顧客体験、新しいビジネスモデル。ホテル業界をウーバナイズした例として、エアビーアンドビーが紹介されています。

言葉の整理も、大事な柱です。アナログをデジタルに移すのが、デジタイゼーション。データで仕事の進め方やビジネスモデルを変えるのが、デジタライゼーション。DXは、その先にあります。

だからDXは、経営者が自ら旗を振る構造改革になります。電子ハンコやマイナンバーの導入をDXだと思い込むと、目的と手段が入れ替わる。著者はそう注意しています。

さらに、トニー・サルダナの「DX5つのステージ」が紹介されます。部署の中の一部を自動化する基礎の段から、デジタルが会社のDNAになった最後の段まで。

基礎の段では、デジタル化の前にムダな工程を洗い出す作業が要ります。AIは、この段を上がるための部品、ビルディングブロックだと位置づけられています。

章の後半は事例です。マイクロソフトは、事業部ごとにばらばらだったデータを、全社横断のチームで一つにまとめました。

アマゾンは2002年の時点で、各チームが別々に作っていた社内の土台を一本化します。それがのちにAWSになりました。

段を一つずつ上がるカタツムリ型でも、段を飛ばす馬跳び型でもいい。どちらでも、最後の段から逆算してプロジェクトを選びます。

締めはワシントンポストです。ベゾスは地方紙を全国紙にするというビジョンを掲げ、エンジニアを3倍に増やしました。そして社内で作ったツールを、他の新聞社に売ったんです。

私の場合｜「いなくても回る」は、コアを言葉にしてから渡すこと

2026年10月26日、自律AIを育てることについて問われた時、私はこう答えています。俺がいなくても仕事してくれる自律AI。

第1章を読んで、この一言には読み方が2通りあると気づきました。

一つは、自分が抜けても作業が流れていく状態。もう一つは、自分の判断の芯を言葉にして、それを渡したから回る状態です。

本の言うDXに近いのは、後者です。ジョーダンのバスケにあたる芯を決め直して、そこをデジタル化する。私の場合、その芯は判断の軸です。何を良しとし、何を断るか。

芯を言葉にしないまま、いなくても回る状態を目指すと、どうなるか。何を任せたのか、自分でも確かめられなくなるんですよね。

モデルナの分け方も、そのまま自分に置き換えられます。判断の軸は、自分で育てる側。勝負しない作業は、手に入る道具に任せる側。

全部を自前で抱える必要はない。全部を外に出していいわけでもない。

3段の言葉も、一人の経営者に当てはめられます。メモをデジタルにするのが、デジタイゼーション。そのメモで仕事の回し方を変えるのが、デジタライゼーション。DXは、誰に何を任せるかまで変わるところ。

人と組織の変革という本の言葉を、私は、自分の委ね方が変わることだと受け止めました。

AI時代の視点で言うと、2021年の本では、コアのデジタル化は会社のデータとシステムの話でした。今は、判断そのものを言葉にしてAIに渡せる。

だから大きな会社だけでなく、一人の経営者にも、私のバスケは何かという問いが届きます。

自律を求めるなら、先にコアを決め直す。この順番が、この章からいちばん強く受け取ったことです！

第2章｜DXを推進するために超えるべき壁①「何から手をつければいいかわからない」

第2章から、具体的な進め方に入ります。著者の会社は、100社を超える企業とAI導入の話を進めてきました。その経験から、DXには3つの壁があるとまとめています。

課題をつかめず動けない、FOMOの壁。動けるけれど課題をつかめず、検証ばかり続くPOCの壁。課題はつかめているのに、人やお金が集まらないイントレプレナーの壁。

この章が扱うのは、最初のFOMOの壁です。

FOMOは、置いていかれることを恐れる気持ちのこと。著者は、発車間際のバスにたとえます。行き先も分からないまま、とりあえず乗り込んでしまう。

DX推進部が、社内のIT依頼を並べるだけの部署になる。情報システム部と調達部を足したような存在になる。これも、この状態だといいます。

刊行当時、デジタル庁は発足前の提言の段階でした。著者はその提言を読み、こう指摘します。データの一元化やシステムの共通化が、どんな場面で国民の役に立つのかが決まっていない。

比較に挙がるのは、IDひとつで行政手続きができるシンガポールです。

最初の一歩は、課題を出すこと。経営者にも、事業部にも、現場にも、同じことを聞きます。

粒度は気にしません。使いにくいシステムの不満でも、売上が落ちている話でもいい。

ただ、社内で聞く時は、言っても評価に響かないという安心が欠かせません。課題がたくさん出る会社と、ほとんど出ない会社。その差は社員の質ではない、と著者は見ています。

差を分けるのは、トップがゴールを伝えているかどうか。仕事が奪われるのではなく、快適になるというゴールです。

次は、その課題がAIで解けるかの見極めです。データが取れなければ向かない。他社に頼らないと取れないデータは続かない。

ただ、データがないと無理という考えは、半分だけ正しい。新しい工場を建てる段階で相談に来た会社では、センサーをどこに付けるかから一緒に決められた。そんな例が出てきます。

AIの種類も整理されます。どの会社でも入れられる既製のパッケージ型は、導入しやすい。その反面、競争の強みにはなりにくい。

人の気づきを広げる強化型か、手間を減らす自動化型か。既製か、特注のカスタム型か。この2本の軸で、事例が並びます。

帝王切開の出血量を測るアプリ、雑草だけに除草剤をまく機械、ルイ・ヴィトンが使うチャットボット、ホリプロのタレントの好感度の解析。有料会員になって1日以内の行動で、離脱が分かれるという予測もあります。

京都のジョーナンでは、目視検査を傷と泡に絞りました。200枚の写真から、2万枚以上の学習データを作っています。AI導入の8割はデータ集めと整備だ、と著者は書きます。

章の最後は、現実的な期待値の話です。紙で回っている会社が、2か月でフルデジタルになる近道はない。まず紙からデータにする。

仙台のベストパーツは、受注の9割がFAXでした。それでも顧客の発注の流れは変えず、届いたFAXをAIで処理する道を選びます。

現場の営業担当の質問を、UXデザイナーが画面に反映する。作業時間がどれだけ減るかから、投資利益率を出す。

節目ごとに使える成果物が出るように、計画を刻む。期待が膨らみすぎていないかは、ガートナーの2020年のハイプサイクルで確かめる。ここまでが第2章です。

私の場合｜置いていかれる不安より「何のため」、委ねると丸投げを分ける

FOMOの話を読んで、AIの世界もまったく同じだなと思いました。新しい道具が出るたびに、乗り遅れたら終わりのような空気が流れる。

私が業界に強く違和感を持っているのが、「誰でも簡単に」「今すぐ」という売り方です。判断軸として置いている言葉は、「AIは魔法じゃない」。

本の言う現実的な期待値は、この言葉とぴったり重なります。紙からデータへ、の一段を飛ばす近道はない。それを隠して売るのは、相手の焦りにつけ込むことなんですよね。

もう一つ引っかかったのが、丸投げはできない、という一文です。

私には、どれだけ積まれてもやらない仕事があります。その一つが、相手を依存させる仕事です。添えている言葉は、「全部やってあげます」は優しさじゃない、です。

委ねることと、丸投げは違います。委ねるには、何を委ねたいのかを自分の言葉で出す必要がある。

だから本の課題出しを、私は委ねる仕事の棚卸しとして受け取りました。粒度を気にせず全部出す。そのあとで、どれを手元に残し、どれを渡すかを分ける。

ベストパーツの選び方も、委ね方の参考になりました。顧客に流れを変えてもらうのではなく、受け取る自分の側をAIで整えた。相手の流れを壊さないから、続くんだと思います。

AI時代に置き換えると、生成AIが広がってから、「とりあえずAI」の焦りは強くなったように見えます。刊行当時のDXより、むしろ強いかもしれない。

委ねる先が賢くなっても、何を委ねたいかをこちらが言葉にしなければ、AIは何でもやってくれるのに、何も変わらない。だから最初の一歩は、道具選びより課題出しです。

第3章｜DXを推進するために超えるべき壁②「なかなか実現フェーズに進まない」

第3章は、2つめのPOCの壁です。

新しい企画が本当に実現できるのかを、小さく確かめる工程があります。これを概念実証、POCと呼びます。この壁は、検証をくり返すのに事業化まで進まない状態のことです。

大きな会社の少人数のDXチームでは、問題が起きやすいといいます。

まず、現場が少人数の部署に悩みを話したがらない。課題に優先順位がつけられず、何を見れば効果ありと言えるかの指標もない。そして、予算を持つ事業部は、見込みの段階のプロジェクトに厳しい。

そこで出てくるのが、著者の会社が使う「FOME分析」です。実現可能性、応用性、検証性、倫理性の頭文字。課題をそれぞれ数値で評価し、数値の高いものほどAI導入の価値が高いと判断します。

実現可能性では、データがあるか、質は高いかを見ます。

日常の仕事や人の行動から、自動で続けてデータを取れる仕組み。アリババのミン・ゾンは、これを「データフィケーション」と名付けました。年に1回の社員アンケートは、これに当たりません。

フジクラでは、ケアマネージャーが高齢者と交わす会話を自動で文字にしています。キーワードを抜き出して、一人ひとりの自立支援を組み立てる。

音声認識では、固有名詞は苦手でも、数字はほぼ正しく読めた。そんな手触りのある話も出てきます。

データの質は、量・種類・速度・正確性・価値で見ます。

価値のところで出てくるのが、「ドル密度」という言葉です。売上や利益に直結するデータほど、先に集める考え方です。

ただし、正確なデータを集めても、現場で使えなければ意味がない。例は、外出先から見られない営業システムです。導入の壁と定着の壁を両方越える設計が要る、と著者は書きます。

応用性では、横に広げられるか、外に売れるかを見ます。地域ごとに閉じるウーバーイーツ型と、世界でつながるネットフリックス型の違いも紹介されます。

検証性では、数字で効果を確かめられるかを見ます。「最適化」という言葉には要注意です。何をもって最適とするかを決めないと、検証できない。精度も、一つの数字では済みません。

倫理性では、リクナビの内定辞退率の問題が挙がります。人生を大きく変える判断にAIを使う時は、作る側も頼む側も、いっそう慎重に。

判断の理由を説明できるAIや、モデルカードという考え方も紹介されます。モデルカードは、モデルの使い道と限界を書き出したものです。

後半は事例です。不二家は、あえて赤字の洋菓子事業でAIを入れました。新商品の売上予測のために、2000種の材料のデータを解析するモデルを作っている、と書かれています。

物流のダイセーロジスティクスは、約300台のトラックの配車をAIにしました。それまで2人の配車担当が、毎日3、4時間かけて組んでいた仕事です。

導入後、2人はAIトレーナーになりました。AIが組んだ順番を確かめ、そのフィードバックでAIがさらに学ぶ。そこから、複数の配車センターをまたぐシステムや、止まっているトラックを減らす取り組みへ広がっていきます。

ネットフリックスについては、投資する場所の見極めが紹介されます。トレンドを読む力、透明性の高い文化、勝負する技術への投資です。

1998年のDVD郵送から、2007年のストリーミングへ。2013年のハウス・オブ・カードでは、原作と監督と俳優の組み合わせから、視聴をデータで予測していました。

さらに、事業化の道筋を分ける考え方が続きます。限定して出すか、一斉に出すか。完成品か、最小限の試作品か。

章の締めは、AI導入をやめるかどうかの二択で考えないことです。

検証を止めない。使いながら直し続ける。それがこの章の結論です。

私の場合｜結果だけでなく、AIがどう判断したかにも手を入れる

私は分身AIが判断したことへのフィードバックに加えて、「AI がどう判断してどう認識しているか？」というところを挙げています。そこを「ハーネスの部分」と呼んでいます。

ハーネスは、判断の周りの仕組みのことです。判断の手前で、AIに何を読ませ、どう確かめさせ、どこで止めるか。

ダイセーの話と並べると、違いがはっきりします。

本では、配車担当が見るのは、AIが組んだ配車の結果でした。結果が違えば直し、AIが学ぶ。

AIがどこを見て、そう判断したのか。

あ、本の説明できるAIやモデルカードは、同じ方向を会社の言葉で言っているんだ。そう思いました。

データフィケーションも、私の言葉にすると見え方が変わります。毎回の判断の理由が、次の育て方の材料として自然に残る。判断の過程まで見たいのは、そこが日々たまっていく材料だからです。

検証性の、最適化に注意という話も、自分ごとに置き換えられます。自律という言葉も同じです。何ができたら自律と呼ぶのか。それを決めないと、確かめようがないんですよね。

AI時代の視点で言うと、この本に出てくるAI導入の事例は、配車の割り付け、新商品の売上予測、会員の離脱の予測のように、出した答えが当たったか外れたかを数字で確かめられるものが中心でした。本が課題を選ぶときに大事にしているのも、KPIを置いて、客観的な数値で検証できるかどうかです。

判断までこなすAIエージェントでは、出力だけを見ても、なぜ間違えたのかが分かりにくい。だから、どう認識したかに手を入れる部分が要になります。

静止画でなく動画で見る。本のこの言葉は、今のエージェントにこそ当てはまると私は感じています。

第4章｜DXを推進するために超えるべき壁③「リソースが足りない」

第4章は、最後のイントレプレナーの壁です。

会社の中で、起業家のように自分の企画を進める人がいます。社内起業家、イントレプレナーです。この壁は、どこでDXを進めるかの焦点は合っているのに、社内外の資源が集まらない状態を指します。

資源の中でもいちばんの問題は、人です。

著者が真っ先に挙げるのは、経営者。毎回の会議にいなくてもいい。でも、予算を持つ決め手が加わっていることが大事だ、と書きます。

次が、課題を抱えている現場の人。早いうちから巻き込まないと、使われない、根づかない、という壁が生まれます。

そして、その部署の責任者。現場の人がプロジェクトに時間を割く理由を、責任者が分かっている必要があります。

人選にもコツがあります。情報システム部やIT担当の役員に丸投げしない。経営者が自ら頼む側に立つ。現場のメンバーは、日々の仕事を調整して時間を作る。

ダイセーでは、社長が窓口役を置いていました。仕事の半分ほどを、このプロジェクトに割ける人です。

推進チームに要るのは、プロジェクトを回す力、社内を動かす力、AIに前向きに取り組める度合い。

アメリカやフランスでうまくいっている会社の多くは、社長直下にチームを置いています。部署を横断するチーム、COEです。

日本では、外から来たIT経験者より、事業部出身のマネジャーをトップに置くほうが進みやすいかもしれない。社内の信頼と人脈があるからです。著者はそう書きます。

全体を見渡しつつ、現場とデータの場所も知っている人。著者は、そういう人を「AIシナジスト」と呼んでいます。

事例は対照的な2社です。

GEは、IT業界から大量に人を集めてGEデジタルを作りました。機器から集めたデータの土台を、商品にしようとしたんです。けれど、社内の抵抗や今のシステムへの慣れ、社内の人脈の弱さが重なり、2019年にスピンオフが発表されます。

フランスのエンジーは、COEを社内から作りました。社員にAIの教育をして、心理的な抵抗を減らす。そのうえで、事業部の具体的な課題を解くアプリという形で進めました。

社内にデータサイエンティストがいなければ、早めにAIの会社と組む。その時に大事なのは、自社に何が残るかです。

カタログのように決まったモデルを当てはめるだけの付き合いには、注意が要るといいます。データと、それを生かすノウハウが自社にたまる。AIを扱う人も、社内に育つ。そういう会社の資産になるAI開発を、著者は重く見ています。

AI導入は、仕様書を先に作れない仕事です。小さく作って試すのをくり返すのが前提です。

著者の会社は、決まった順で入ります。サンプルのデータを見る。使える状態かを確かめる。課題を確かめる。合う技術を選ぶ。

そして、データのラベル付けを、あえて相手の会社の人にやってもらいます。

理由は、現場の人がAIの現実的な期待値を持てるからです。AIは、人が一つずつ地道に教えた結果。そう分かれば、漠然とした不安も消えていく。

刊行当時の著者は、AIが人間を超えるはずはないと当たり前に思っている、と書いていました。これは2021年時点の著者の見方として受け取っておきます。

私の場合｜苦手を委ねるために、育てる過程ごと楽しむ

私はこう答えています。「苦手や嫌いを委ねてワクワク夢中になれる。その過程もワクワク夢中に楽しい」。

実は、この章でいちばん効いてきたのは、後半の「その過程も」でした。

本は、資源が足りない問題を、予算と人をどう集めるかとして書いています。私はこの答えから、同じ問題を別の角度で受け取りました。育てる過程を、誰がどう引き受けるか、です。

現場の人がラベルを付けて、AIトレーナーになる話。私にとっては、委ねる相手を自分で教える時間のことです。

そこが苦行なら、続かない。楽しいから続く。リソースの正体は、予算の大きさだけではない。育てる時間を楽しめるかどうかにもある、と思うんです。

一つ、引っかかる所もあります。

本は、経営者が丸投げせず自ら旗を振れ、と言う。私は、仕事を委ねたい。一見ぶつかるんですが、私はこう整理しました。

手元に残すのは、何を委ねるかを決めることと、育ち方を見ること。個々の作業は渡す。旗を振ることと、全部を自分で抱えることは別なんですよね。

GEとエンジーの対比も、分身AIに重なります。外から別の人格を貼り付けるより、自分の判断の言葉から内側で育てるほうが根づく。エンジーが社内からチームを作ったのと、同じ向きです。

AI時代の視点で言うと、人手が足りないなら、AIで人を減らそうと読みたくなります。でもこの章が求めているのは、むしろ人がAIを教える側の人材です。

AIエージェントが仕事を進める今も、人の役目は消えない。教える、直す、判断の仕方を見る、という形に変わっていく。私はそう考えています。

第5章｜成功するDXのあるべき姿

第5章は、壁を越えた先の姿です。ダイセーやベストパーツ、ホリプロ、不二家の例は、リーダーシップのある経営者に導かれたDXだった。そんな振り返りから始まります。

中心は、ネットフリックスです。

創業者のリード・ヘイスティングスは、借りたビデオの返却が遅れて、延滞料を払いました。その経験から気づきます。

客に「期限を守れなかった自分が愚かだった」と思わせて稼ぐ仕組みでは、客の愛着は生まれない。そこから延滞料をなくし、定額で借りられる仕組みを始めました。

その後、DVDの郵送事業を別会社に分けたところ、会員が離れ、株価も大きく下がります。

ヘイスティングスは、これをキャリアでいちばん苦しい時期と振り返りました。原因は、周りの意見を聞かなかったこと。そこから企業文化が大きく変わります。

柱は、反対意見を育てること。大きいアイデアは、テストから始めること。そして次の2つです。

上司の反対を押し切った社員が成功したら、上司が「自分が間違っていた」と社内に伝える。失敗しても減点しない。本人が書いた失敗の分析メモを公開する。

社員はほかの人の失敗から学び、自分もリスクを取れるようになります。

しかも、古いDVD郵送事業は、2020年の時点でも続いていました。

成功するDXは、古い事業を壊すことと同じではない。古い事業と新しい事業が共存できる仕組みと、それを支える制度や文化を作ることです。

経営者が知っておくべきこととして、著者はまず現実的な期待値を挙げます。つまり、AIリテラシーです。

技術の細かい仕組みより、事例から学んで自分の事業に落とし込む力。誰とチームを組むかを選ぶ力。そして、ルーンショットを見抜く目。周りからはクレイジーに見えて、実は世の中を変えるアイデアのことです。

売上の9割を一社に頼る、下請けの会社の話も出てきます。データも計画も、発注元が持っている。予測を作っても、現場を変えられない。

そこから著者は、DXに合うビジネスモデルの条件をまとめます。お金に近いデータを、高い頻度で取れること。予測をすぐ現場に反映して、確かめられること。AIで判断した結果が、収益の増加かコストの削減につながること。

この条件を満たす例が、ペロトンです。エクササイズバイクと配信を組み合わせた会社です。

バイクを売って終わりにせず、使われ方のデータを取り続ける。ソフトを更新して届ける。コロナ下では、トレーナーの自宅からの配信に切り替えた。在庫が足りないという課題も、そのまま書かれています。

さらに、回すほど勢いがつくはずみ車型が紹介されます。例はAWSやディズニー。対になるのが、作品を作って届ける一方通行の型です。

最後は、アメリカの通信品位法230条と、巨大IT企業への規制の議論です。規制は強まる流れにあり、日本企業も注視すべきだ。これが刊行当時の著者の見立てです。

私の場合｜範疇を渡して、ズレには光を当てて直す

範疇で決めてもらうことと、失敗に光を当てること。この2つを読んで、私の運用のルールと同じ形だなと感じました。

分身AIとの付き合い方に、私は「味見は卒業しない」というルールを置いています。並べている言葉は、ブレたら都度修正。

範疇を渡すとは、決めることそのものを渡すこと。ただし、渡しっぱなしではありません。

ズレたら隠さず光を当てて、なぜそう判断したかを見て直す。ネットフリックスの失敗メモは、人とAIの間にもそのまま持ち込める考え方なんですよね。

一方で、違和感もあります。この本の成功の物差しは、競争での強みです。私が大事にしているのは、「競争より共創」。

AWSやディズニーのはずみ車も、競争に勝つ仕組みとしてより、それぞれの強みが噛み合って回る循環として読みたい。同じ事例でも、どちらの物差しで見るかで、学び取るものが変わります。

AI時代の視点で言うと、この章の文化は、人と人の話として書かれています。でもAIに判断を委ねる今は、人とAIの間にも同じ文化が要る。

AIが出した別案を、反対意見として育てる。小さく試す。範疇を渡す。ズレた理由に光を当てる。

DXに合うビジネスモデルの条件も、自分の仕事に当てはめられます。AIの判断を、すぐ現場で確かめられるか。確かめた結果が、夢中になれる仕事へ返ってくるか。

おわりに｜ダイバージェンスの時代を迎えるにあたって

おわりにで著者は、時代の移り変わりの見方を紹介します。コロナのあとは、収束を意味するコンバージェンスから、発散を意味するダイバージェンスの時代に移る。

コロナの前は、市場も企業も人の選択も、一点に集まる流れだった。それが、あちこちに散らばっていく。

例に挙がるのは、学び方です。大学に行けば、将来がある程度約束される。その考えが揺らぎ、選択肢が広がっていく。

続くのは、ディズニー、HP、ハイアット、トレーダージョーズ、FedEx、マイクロソフトという並びです。共通点は、どれも不景気の中で生まれたこと。

不景気には、人材が市場にあふれ、機材も安く手に入る。クラウド化やリモート化で、手に入るものも増えている。著者は、日本にイノベーションを起こす人材が育つことを願い、こう結びます。

逆風を、変わるきっかけとして捉え直す。これが本の最後のメッセージです。

私の場合｜散らばる時代に、育てることで自分も育つ

著者が最後に願ったのは、人が育つことでした。私の判断軸には、「分身AIを育てる＝自分が育つ」という言葉があります。

AIに教えるために、自分の判断を言葉にする。すると、自分が何を大事にしているのかが見えてくる。育てているつもりで、育てられているんですよね。

AI時代に置き換えると、ダイバージェンスは、一人ひとりの選択肢が広がることでもあります。大きな会社でなくても、AIを使えば、自分の芯から仕事を広げられる。

だからこそ、散らばる時代ほど、自分のコアを決め直すことが出発点になる。私はおわりにを、そう受け取りました。

実践編｜コアの再定義から始めるAI導入、5つの手順

読んで終わりにすると、コアの話は抽象のまま流れていきます。

道具を増やしても、仕事が減らない。そんな時に、この本を自分の仕事に当てはめる手順を、5つにまとめました。

1｜自分の「バスケ」を一文で書く

ジョーダンにとってのバスケットボールにあたる、自分の仕事の芯を一文で書きます。事業名ではありません。事業を分解した時に、強みになっている要素です。迷ったら、10年後にも残っていてほしいものを考えます。

2｜抱えている課題を、粒度を気にせず全部出す

使いにくい道具の不満も、売上の悩みも、同じ紙に並べます。正解も間違いもありません。

出し終えたら、印を付けます。自分の手元に残す判断と、委ねてもいい作業です。

3｜データが続くか、効果を確かめられるかで並べる

印を付けた作業ごとに、見ることがあります。材料になるデータが続けて手に入るか。ほかの仕事にも使えるか。効果を数字で確かめられるか。人を傷つける使い方にならないか。

本のFOME分析を、自分の仕事の大きさに縮めた使い方です。「最適化」のようなあいまいな言葉は、何が起きたら成功かに書き直します。

4｜一つだけ選び、小さく試して、判断の理由も見る

いきなり全部を変えず、一つを選んで試します。

見るのは、結果の当たり外れだけではありません。AIがどこを見て、なぜそう判断したのかも確かめる。結果と過程の両方にフィードバックを返すと、次に直す場所がはっきりします。

5｜範疇を渡し、ズレたら光を当てて直す

うまくいった作業は、決めることごと範疇として渡します。ズレが出たら隠さず、なぜズレたかを書き残して直す。この記録が、次に範疇を広げる時の材料になります。

【記事のURL】 https://ai-kidou.jp/imakoso-dx-senryaku-book-review/
まず上の記事を読んでください。読めなかった時は「記事を読めませんでした」と私に伝え、下の【要点】だけを材料にしてください。

【要点】
・DXは道具の導入ではなく、仕事の芯（コア）を決め直し、そこをデジタル化すること
・最初の一歩は、抱えている課題を粒度を気にせず全部出すこと
・委ねる作業は、データが続けて手に入るか、効果を確かめられるか、人を傷つけないかで選ぶ
・AIに委ねたら、結果だけでなく、どう判断したかも見て直す
・決めることの範疇を渡し、ズレたら理由を書き残して直す

【目的】
私の仕事の芯を言葉にし、AIに委ねる作業と、自分の手元に残す判断を分けること。

【やってよいこと】
・私に短い質問を1つずつすること（一度に複数を聞かない）
・私が使っているAIエージェントや道具を、1問ずつ聞くこと（追加の依頼文を貼る先を決めるため）
・私の回答に合わせて、課題と委ねる候補を整理すること
・私の環境に貼れる追加の依頼文を作ること

【守ること】
・設定の変更、ファイルやデータの削除、メールやメッセージの送信、購入や申し込みはしない
・パスワード、鍵、口座番号などの秘密は、私に入力させない
・記事に書かれていないことを、記事の内容として話さない
・私の答えにないことを、私の事実として決めつけない

【進め方】
1. 最初に、私が使っているAIエージェントや道具を、1問ずつ聞きます
2. 次に、私の仕事の芯について、短い質問を1つずつします
3. 私の回答に合わせて、抱えている課題を一覧にします
4. 課題ごとに「手元に残す判断」か「委ねる作業」かの案を示し、私に確かめます
5. 委ねる作業から1つを選び、小さく試す手順をまとめます

【返す形】
・私が使っているAIエージェントや道具に貼れる、追加の依頼文を1〜3本作ってください
・どの依頼文にも、先頭に【記事のURL】 https://ai-kidou.jp/imakoso-dx-senryaku-book-review/ を入れてください
・各依頼文には、目的、やってよいこと、守ること、返す形を入れてください
・最後に、私が自分の目で読み直すべき所を1行で書いてください

よくある質問｜DX戦略とAI導入

読んだ人から出そうな疑問に、本の中身に沿って答えます。

まとめ｜コアの再定義から、委ねるAI導入へ

『いまこそ知りたいDX戦略』の芯は、コアの再定義でした。

DXは、道具を入れることではない。会社の芯を決め直し、そこをデジタル化すること。DXが止まる場所は、課題をつかむ力と実行する力のどちらが足りないかで、課題が見えない、検証で止まる、人が集まらない、という壁に分けられる。越えた先には、範疇を渡して決めてもらい、失敗に光を当てる文化がある。

私はこの本を、自律AIに委ねる前の手順書として読みました。

委ねる前に、自分のバスケを決める。委ねたら、結果と判断の理由の両方を見る。育てる過程ごと楽しむ。

道具を増やしても仕事が減らない時は、道具の手前にある芯から見直してみませんか？

いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する

気になった章から、手に取って確かめてみてください。

Amazonで本書を見る

COLUMN

委ねたあとに、手元へ戻ってくるもの

AIに仕事を委ねたら、自分の手元には何が残るんだろう。本文では本の話を追いかけましたが、最後にこの問いだけを、自分の答えから考えてみます。

2026年10月26日、私はこう答えています。「苦手や嫌いを委ねてワクワク夢中になれる。その過程もワクワク夢中に楽しい」。

前半で戻ってくるのは、空いた時間の量ではありません。夢中になれる状態です。苦手や嫌いを渡すのは、逃げることとは違う。自分の芯に戻るための段取りなんですよね。

後半の「その過程も」は、委ねる相手を育てる時間のことだと受け取りました。育てる時間が苦行なら、委ねる手前で止まってしまう。楽しいから続くんだと思います。

では、育てる時に何を見るのか。私は判断へのフィードバックに加えて、「AI がどう判断してどう認識しているか？」を挙げています。

結果だけを直していると、どこでズレたのかが見えにくい。どう認識したかまで見れば、直す場所がはっきりする。その分だけ、次に渡せる範囲も考えやすくなる。

何を委ね、何に夢中になるか。その線を自分で引くことが、私にとっての委ね方の出発点です。

分身AIと過ごした最初の100日の記録は、分身AIと歩んだ100日の全まとめにあります。分身AIについては、分身AI.comにまとめています。

参考リンク