AIを使っただけでは業績は伸びない 利益を生む人材を分ける「目的定義力」
生成AIの導入で業務時間は減った。だが、売り上げや利益まで伸びた企業はどれだけあるだろうか。AIで成果を出す人材と出せない人材は何が違い、組織はどうすればそうした人材を育てられるのか。
生成AIが業務に浸透してメールや資料、議事録の作成時間を圧縮する取り組みが多くの企業に広がった。だが、業務を削減すれば業績が伸びるとは限らない。削減した時間で何をするのかが決まっていなければ、社員が早く帰れるようになっただけで、売り上げも利益も変わらないという事態になりかねない。
AIを使って利益を生み出す人材とはどのような人材で、組織はどう育てればよいのか。グロースドライバーの三浦慶介氏(代表取締役)が、営業組織の1人当たり受注売上高を1.5倍以上に高めた事例などを交えて、その条件と育成の進め方を解説した。
削減した時間をどう使うか AIで利益を生んだ2つの事例
生成AIが一気に普及した2025年、AI活用の議論の中心はいかに業務を削減するかにあったと三浦氏は振り返る。「業務を削減したからといって、業績が伸びるとは限りません。皆が定時で帰れるようになったものの、売り上げも利益も下がっている、ということにもなりかねません」(三浦氏)
必要なのは、AIで業務を削減して浮いた時間や人、お金を、価値を生む仕事に再投資することだ。再投資がなければ、いくら効率化しても業績には効かない。
利益につながった例の一つが、三浦氏が手掛けた営業組織の改革(セールスイネーブルメント)だ。商談の音声をAIが記録し、SFA(営業支援システム)に自動で記入する。さらに、言語化した「良い営業の型」に沿って、AIが次の行動や不足点を指摘する。
「成果100の営業担当者と50の担当者がいたとして、50の人がAIを使えば80くらいの成果を出せるようになります。そのようなイメージです」(三浦氏)
良い営業の型を組織に浸透させた結果、1人当たり受注売上高は1.5倍以上に増えたという。
もう1つはマーケティングコストの最適化だ。散らばっていたプロモーションのデータをAIで1つのデータベースに統合してAIと対話しながら分析した。その結果、約1.5億円のコストのうち、投資しても売り上げがほとんど伸びない数千万円規模の支出が見つかった。以前なら4~5カ月間を要した分析を、AIの利用で約1カ月に短縮したという。
人間に残るのは「目的のために何が必要か」を問う仕事
では、なぜ利益が生まれるのか。三浦氏がまず確認したのは、利益の源泉だ。
三浦氏は、「仕事の目的は、顧客価値の創出だと考えています。だから利益が出るのです」と語った。誰に、何のために、何をするかという目的を決めて、作る、届けるといったオペレーションを経て成果が生まれる。この目的と成果をつなぐオペレーションを、「中間プロセス」と呼ぶ。
AIが登場するまでは、「Microsoft Excel」の処理や書類のチェックといった手間の掛かる中間プロセスに価値があった。しかし今、資料作成やデータ分析などの中間プロセスはAIが代行し、人の仕事としての価値を失いつつある。
「残業の温床になっていたような業務は、良くも悪くもAIによってなくなります。人間には『目的のために何が必要か』を問う仕事だけが残るのだと考えています」(三浦氏)
同じAIでも成果は変わる。指示の質を決める「目的定義力」とは
ではAIをどう使うべきか。鉄則として示されたのが、AIを「能力の増幅装置」と捉える考え方だ。高品質な指示を出せば、AIは高品質なアウトプットを大量に生む。低品質な指示を出せば、レビュー作業が膨らみ、生産性はかえって下がる。AIは良くも悪くも人間の能力を増幅するので、良い仕事だけでなく悪い仕事も増やす。
提案資料を例に取ると分かりやすい。単に「提案資料を作って」と指示すれば、見た目はきれいでも顧客の課題に合わない資料ができ上がる。顧客の課題と要望を把握して指示すれば、AIで作った資料でも課題に合った提案になる。
指示の質を左右するのは、目的を決める力だ。三浦氏はこれを「目的定義力」と呼び、顧客価値や事業成果から逆算して、何を実現すべきかを自ら設定できる力と定義する。この力が高い人は、課題を発見して目的を設定し、成果が出るまで自走する。
さらにAI活用力は、3つの軸で整理された。第1が目的定義力(Why/What)、第2が複数の専門領域を実務レベルで統合する領域横断力(Where)、第3がAI操作力(How)だ。営業しかできない人は、AIの使い道も営業に限られる。
「どうやってAIを使うか、運用するかという議論になりがちですが、それは実は最後の話です。一番大事なのは目的を決め、どの領域で使うかを決めること。AIの話はその後です」
目的定義力を形づくる「3+1の価値」とは
では、目的定義力はどうすれば身に付くのか。三浦氏は自著『AI時代に仕事と呼べるもの』(東洋経済新報社)で示した「3+1の価値」を挙げる。
1つ目は「経験知」だ。実際にやってみて初めて分かる、その人ならではの知識だ。経験知がなければ、仕事をどう進め、何をAIに支援させればよいのかが分からない。
2つ目は「決断」だ。この目的で正しいのか、周囲は動いてくれるのか、反対勢力にどう向き合うのか。責任を引き受けて自ら決められるかが問われる。
3つ目は「レビュー」だ。部下やAIの仕事を、自分の責任として引き受ける姿勢を指す。
「『部下がやった仕事です』『AIがやった仕事です』などというのは言語道断。この内容でいいと決断し、そのために必要なレビューをするのが、あなたの仕事です」(三浦氏)
これに加わる「プラス1」が、フィジカルな価値だ。人に会う、コミュニケーションを取る、現場に足を運ぶといった、身体があってこそ得られる価値と言える。ネットで調べたことしか知らなければ、決断の機会も厳しいレビューを受ける機会も乏しく、経験知はたまらない。
こうした力は、AIが登場して初めて必要になったものではない。「少しシビアな現実」と前置きした上で、三浦氏は次のように語る。
「AI時代に利益を生んでいるのは、もともと自ら目的を決めて利益を生み出せていた人です。利益の源泉は、AIを操作すること自体ではありません」(三浦氏)
良い提案をする、社内で合意を形成する、経営として選択する。そうした場面で失敗と成功を積み重ねてきた人が、AI時代にも利益を生み出す。AIで資料をいくら量産しても、この構図は変わらないという。
「学んでから実践」ではない。実案件そのものを育成の場に
こうした人材をどう育てるか。三浦氏の答えは、現場での「実践」と、伴走を含む「研修」の両輪だ。経験知や決断の経験は、現場でしか積めない。一方、実践だけでは、なぜうまくいったのかが言語化されず、他の人がまねできない。
「やりたいのは、そういう人材を、いかに再現性を持って育てるかです。そのためには、ただ実践するだけではなく、フィードバックしながら言語化し、その人の経験知として蓄えてもらう必要があります」(三浦氏)
その際、ロールプレイや仮の案件を使ったグループワークでは身に付きにくいという。示された手順は、まず育成対象者と実案件を1組だけ決め、成果テーマを1つ選ぶ。次に背景や目的、課題、成功要因(KSF)を言語化し、AIで実行して判断と成果を振り返る。どこをAIに任せ、どこを人が担うかも、実案件を通じて見極める。
実際にやってみて初めて分かる落とし穴は多い。AIの分析結果が誤っていることもある。何がまずかったのか、どうすればうまくいったのかを実践の中で振り返ることが、目的を言語化する力につながる。
主語はAIではなく事業。「ひとまずAI」から抜け出すには
講演の後半では、組織としてどう目的を定めていくかが語られた。よくあるのが「目的は分からないが、AIを導入しなければならない。ひとまずAI推進担当を立てた」というケースだ。
「AIを主語にして扱うのはやめましょう。いつまでたっても主役は事業であり、事業の主役は絶対に人です」(三浦氏)
推奨されたのは、対話とデータの両面から課題を見つける方法だ。現場のワークショップで暗黙知を引き出して言語化する。ただし、話し合いだけでは主張が根拠を欠いたままぶつかり、議論がまとまらないこともある。そこで、営業や商品、人事などのデータ分析を並行させる。
データと現場の知見を突き合わせ、自分たちは誰に向き合っているのかを問い直す。何十回商談しても成約しない相手も「顧客」と呼ぶのか、といった議論を経て、目的と行動計画に落とし込む。
ポイントは、外部のコンサルタントが作成した分析結果の納品ではなく、社内の知見と人材で戦略を作ることだ。自分たちの言葉で決めた戦略だからこそ、信じて動ける。経営層から「『Gemini』が入っているのだから使え」「『Copilot』を使え」と手段だけを指示されたときこそ、何の目的で使うのかを問うべきだと三浦氏は説く。
鉄壁のセキュリティはあり得ない。立ち返る先は「目的」
よく寄せられる相談として紹介されたのが、セキュリティへの懸念からAI活用に踏み出せないという悩みだ。三浦氏は、セキュリティはリスクとリターンのバランスで考えるべきだとする。
「鉄壁の防御はあり得ません。オンプレミスのシステムにも、攻撃する方法はいくらでもあります。情報漏えいの大半は人が原因で起きるので、人が介在する以上、必ず漏れます」(三浦氏)
その上で勧めるのが、データとリスクの種類を分類することだ。絶対に守るべき情報は紙で保管し、漏れても影響が小さいデータや匿名データはAIで活用する。それぞれのリスクに見合うリターンを見極めるのが健全だという。
リスクを多少許容してでも得たいリターンは何か。その議論は、結局は目的の議論に立ち返る。セキュリティも人材育成も、出発点は「何のために」という問いにある。
本稿は、2026年11月5日に開催された「AI World 2026 秋 東京」(主催:Bizcrew EXPO実行委員会)の講演「『AIで利益を生み出す人材』のAI活用手法と育て方」における内容を基に、編集部で再構成した。
Copyright © ITmedia, Inc. All Rights Reserved.
イベントレポートアーカイブ
この記事の著者
こんなメディアも見られています
キーマンズネットに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
「PHP騒動」大反省会 今振り返る脆弱性騒動の原因と、今後取るべき対策
-
2
デキるプログラマーほど「AI任せ」を嫌う、エージェント型開発のちょっと怖い話:904th Lap
-
3
「Microsoft 365」大規模障害、原因はサーバの正常性チェックか
-
4
ネットで話題の「C++」新仕様にまさかのストップ 決定目前で、一体何が?:905th Lap
-
5
JR九州の非IT部門がGeminiでPythonアプリを内製開発 2~3カ月で完成させた方法
-
6
廃れた「Visual Basic」が残した負の遺産 「プログラム以外」の厄介な問題とは
-
7
Outlookで深刻な脆弱性、ファイルを開くだけで情報漏えいの恐れか 悪用も確認
-
8
ライセンス更新を機に「脱マクロ」 オートバックスセブンがGeminiで目指す売上高5000億円
-
9
コードを直さず速くする、ズルい「Python高速化テク」と開発現場のウラ話
-
10
なぜBIを導入してもExcel集計から抜け出せないのか? AI搭載「Domo」で実現するデータ可視化
キーマンズネット SNS
インフォメーション
注目情報をチェック
キーマンズネットをフォロー