ストーリー
田
田中VPoE
機会分析、脅威分析、競争環境分析 — 3つのフレームワークを学んだ。ここからは実践だ。架空の企業シナリオを使って、AI活用の機会・脅威分析レポートを作成してもらう
あなた
CxO向けのレポートということですか
あ
田
田中VPoE
そうだ。取締役会でのAI投資判断の材料となるレベルのアウトプットを求める。データに基づいた分析、リスクの定量評価、戦略ポジションの提案 — すべてを含む包括的なレポートだ
あなた
分かりました。フレームワークを適用して体系的に分析します
あ
ミッション概要
| 項目 | 内容 |
|---|---|
| 演習タイトル | AI機会・脅威の分析レポート |
| 想定時間 | 60分 |
| 成果物 | AI活用機会・脅威分析レポート（経営会議提出用） |
| 対象組織 | 中堅製造業 TechManufact株式会社（架空） |
前提条件
組織の概要
会社概要:
会社名: TechManufact株式会社（架空）
事業: 精密機器の設計・製造・販売
社員数: 2,000名
売上: 年間300億円
顧客: BtoB（自動車メーカー、電機メーカー等）
設立: 1985年
拠点: 本社（東京）、工場3箇所（国内2、海外1）
組織構造:
CEO
├── CTO
│ ├── 製品開発部（200名）
│ ├── 生産技術部（150名）
│ └── IT部（80名）
│ ├── 基幹システムチーム（30名）
│ ├── インフラチーム（20名）
│ ├── データ分析チーム（10名）
│ └── DX推進室（20名）
├── COO
│ ├── 製造部（800名）
│ ├── 品質管理部（100名）
│ └── 物流部（120名）
├── CSO（営業担当）
│ ├── 国内営業部（150名）
│ ├── 海外営業部（80名）
│ └── カスタマーサポート部（50名）
└── CFO
├── 経理部（40名）
├── 人事部（50名）
└── 法務部（20名）現在のAI活用状況
| 項目 | 状況 |
|---|---|
| AI活用度 | Level 2（実験段階） |
| 既存AI施策 | 製品検査画像AI（PoC中）、営業向けChatGPT利用ガイドライン |
| データ基盤 | ERPシステム（SAP）、製造IoTデータ（一部収集中）、BigQueryにDWH構築中 |
| AI人材 | DX推進室にデータサイエンティスト3名、MLエンジニア2名 |
| AI予算 | 年間1.5億円（人件費含む） |
| 経営層の温度感 | CEO「3年以内にAI活用で業界トップになりたい」 |
競合の状況
| 競合企業 | AI活用レベル | 公開情報 |
|---|---|---|
| A社（業界最大手） | Level 4 | AI品質検査を全工場に展開済み、年間100億円のAI投資 |
| B社（同規模） | Level 3 | 需要予測AIを本番運用中、AIチームを30名体制に拡充 |
| C社（新興企業） | Level 3 | AI搭載スマートファクトリーを売りに急成長中 |
| D社（海外競合） | Level 5 | AI-Nativeな製造プロセス、デジタルツインを全面展開 |
業界動向
| トレンド | 影響 |
|---|---|
| スマートファクトリー | 製造業のAI活用が業界標準になりつつある |
| 予知保全 | IoT + AIによる設備故障の予兆検知が競争力に直結 |
| サプライチェーンAI | 調達・在庫・物流の最適化が業界全体で加速 |
| カーボンニュートラル | 製造プロセスのAI最適化によるCO2削減が求められる |
| 品質4.0 | AIによる品質管理の高度化が業界標準に |
Mission 1: バリューチェーン分析
要件
TechManufact社のバリューチェーンを分解し、各活動におけるAI活用機会を特定してください。
- 主活動5つ、支援活動4つについてAI活用機会を列挙
- 各機会のIMPACTスコアを算出（6軸評価）
- 4象限マッピングによる優先順位の可視化
解答例
バリューチェーン分析結果
| 活動 | AI活用機会 | Impact | Market | Prepared | Align | Complex | Time | 合計 |
|---|---|---|---|---|---|---|---|---|
| 製造 | AI品質検査 | 5 | 5 | 4 | 5 | 3 | 3 | 4.35 |
| 製造 | 予知保全AI | 5 | 5 | 3 | 5 | 2 | 2 | 3.95 |
| 営業 | 需要予測AI | 4 | 4 | 3 | 4 | 3 | 3 | 3.60 |
| サービス | AIチャットボット | 3 | 3 | 4 | 3 | 4 | 4 | 3.40 |
| 物流 | 配送ルート最適化 | 3 | 3 | 3 | 4 | 3 | 3 | 3.20 |
| 開発 | 設計支援AI | 4 | 4 | 2 | 5 | 2 | 2 | 3.35 |
| 品質管理 | 不良原因分析AI | 4 | 4 | 3 | 5 | 3 | 3 | 3.75 |
4象限マッピング
| 象限 | AI活用機会 |
|---|---|
| Quick Win（高インパクト×高実現性） | AI品質検査（PoCから本番化） |
| 戦略投資（高インパクト×低実現性） | 予知保全AI、設計支援AI |
| 効率化（低インパクト×高実現性） | AIチャットボット、配送最適化 |
| 見送り/保留 | デジタルツイン（データ・人材が不足） |
Mission 2: PESTEL + SWOT分析
要件
- PESTEL分析でAI活用に関わる外部要因を6軸で整理
- SWOT分析で内部要因と外部要因を整理
- クロスSWOTで4つの戦略方向性を導出
解答例
PESTEL分析
| 要因 | 機会 | 脅威 |
|---|---|---|
| Political | 政府の製造業DX補助金 | AI規制法への準拠義務 |
| Economic | AI活用による生産性向上の圧力 | AI投資コストの増大、ROIの不確実性 |
| Social | 労働力不足の解決手段としてのAI | 工場労働者のAI不安、組合の反発 |
| Technological | 製造業向けAI技術の成熟 | 技術変化のスピードに追いつけないリスク |
| Environmental | AIによるエネルギー最適化 | AI計算自体のCO2排出 |
| Legal | — | 製造物責任とAI判断の法的責任 |
クロスSWOT戦略
| 戦略 | 方向性 |
|---|---|
| SO（強み×機会） | 製造IoTデータとAIを組み合わせた品質管理の高度化 |
| WO（弱み×機会） | AI人材の集中採用とDX推進室の拡充 |
| ST（強み×脅威） | 技術力を活かしたマルチベンダーAI戦略 |
| WT（弱み×脅威） | レガシーシステムからの段階的移行計画 |
Mission 3: 戦略ポジションの提案
要件
競合分析を踏まえ、TechManufact社のAI戦略ポジションを提案してください。
- 競合ポジショニングマップの作成
- 戦略ポジションの選択と根拠
- 3年間のロードマップ（概要レベル）
解答例
戦略ポジション
推奨: ニッチAI戦略（品質管理AI特化）からファストフォロワーへ段階的に移行
| 根拠 | 説明 |
|---|---|
| 自社の強み | 40年の精密機器品質管理ノウハウ、豊富な検査データ |
| 競合との差 | A社・D社は汎用的なAI展開。品質管理に特化することで差別化 |
| リスクの低さ | PoCが進行中の品質検査AIを起点にするため実現性が高い |
3年ロードマップ
| フェーズ | 期間 | 目標 | 投資 |
|---|---|---|---|
| Phase 1: ニッチ特化 | Year 1 | 品質検査AIの全工場展開、予知保全PoCの開始 | 1.5億円 |
| Phase 2: 領域拡大 | Year 2 | 需要予測AI、サプライチェーンAIの本番化 | 2億円 |
| Phase 3: 全社展開 | Year 3 | AI CoE設立、全社AI活用基盤の確立 | 2.5億円 |
達成度チェック
| 観点 | 達成基準 |
|---|---|
| フレームワーク適用 | バリューチェーン、PESTEL、SWOT、5フォースのいずれかを正しく適用 |
| 定量評価 | IMPACTスコア等の定量的な評価指標で機会を比較 |
| 脅威分析 | 技術的・法的・組織的リスクを網羅的に洗い出している |
| 競合分析 | 競合のAI活用度を評価し、自社のポジションを明確にしている |
| 戦略提案 | 分析結果に基づいた論理的な戦略ポジションの提案がある |
| 実行可能性 | 予算・人員・期間の制約を考慮した現実的な提案 |
推定所要時間: 60分