第031章 AIは未来価値をどう変えるのか？
AIは、企業の未来価値を増やすのか。多くの経営者は、増やすと考えている。実際、AIは分析を速め、選択肢を広げ、実行の単価を下げる。しかし、AIを最も積極的に導入した企業が、最も未来価値を高めているとは限らない。同じ道具が、ある企業では未来を広げ、別の企業では未来を狭める。この非対称はどこから生まれるのか。本章は、AIと未来価値の関係だけに絞って、その構造を明らかにする。
1 なぜ、いまこの問いが立つのか
第III巻・第IV巻はここまで、未来価値そのものを扱ってきた。未来価値の定義、現在価値との違い、売上との関係を論じた。指標と経営様式も定めた。Purpose、Mission、ブランドとの関係も扱った。気づかれた読者もいるだろう。ここまでの議論に、AIはほとんど登場していない。それは意図的な省略ではない。未来価値の構造は、AIがなくても成立するからである。まだ存在しない価値を創る能力という概念は、AI以前から企業に存在した。
しかしAIは、この構造の外側にいるわけではない。Future Capital Equation を見れば分かる。その式の中に、AIは一つの項として明示的に置かれている。理論は最初から、AIを未来価値の構成要素として組み込んでいる。
問題は、その項が何を意味するのかが、実務ではほとんど理解されていないことである。
十年前、AIをめぐる経営の問いは「導入するかどうか」だった。五年前は「どこから導入するか」だった。2026年8月時点で、この問いはすでに過去のものになりつつある。多くの企業がAIを使い、多くの業務がAIに触れている。導入そのものは、もはや論点ではない。
そこで新しい乖離が生まれた。AIへの投資は増えている。業務の処理量も上がっている。にもかかわらず、自社の未来が広がった実感を持てない経営者が多い。
この乖離は、感覚の問題ではない。構造の問題である。AIは企業の何かを確実に変えている。しかし、変えているものが未来価値だとは限らない。
したがって、問いを三つに分解する必要がある。AIは未来価値のどこに効くのか。AIは未来価値の起点になれるのか。そしてAIは、未来価値を減らすことがあるのか。
三つ目の問いは、あまり語られない。しかし経営にとって最も重要である。増やす経路だけを見ている経営は、減らす経路を踏んでいることに気づけないからである。
なお本章は、AIと人間の役割分担そのものは扱わない。AI導入の成否も扱わない。それらは第I巻・第II巻で論じた。ここで扱うのは一点である。AIという資本が、未来価値という能力に対して、どのような位置を占めるのか。
2 通説とその限界
AIと未来価値の関係について、現在三つの答えが流通している。いずれも部分的には正しい。いずれも、そのままでは経営判断に使えない。通説1「AIを持つ企業が、未来を持つ」
最も素朴な答えである。AIは時代の中心技術であり、それを高度に使う企業が次の時代の勝者になる、という主張である。
この主張の弱点は、AIを能力と取り違えている点にある。AIは資本である。Future Capital Equation でも、Enterprise Redefinition の資本の次元でも、AIは資本の側に置かれている。
資本は、それ自体では価値を生まない。工場を持っていることは、良い製品を作ることではない。現金を持っていることは、良い投資をすることではない。同じように、AIを持っていることは、未来を創ることではない。
資本は、配分され、結合され、目的に向けられて初めて働く。AIも同じである。在庫としてのAIは、企業の未来価値を一円も増やさない。通説2「AIが未来を予測するので、未来価値の不確実性は下がる」やや洗練された答えである。AIの予測精度が上がれば、企業は未来を高い確度で見通せる。見通せれば、未来への投資判断は確実になる。そういう論理である。
ここには根本的な取り違えがある。予測は、既存のデータの延長線上でしか働かない。過去に一度も起きていない事象について、AIは予測の材料を持たない。
そして未来価値とは、まだ存在していない価値を創造する能力である。まだ存在しないのだから、データもない。予測の対象になりえないものが、未来価値の本体である。
さらに重要な点がある。予測の精度が完璧になったとしても、「どの未来を選ぶか」は決まらない。三つの未来がそれぞれ何%の確率で起きるかが分かっても、そのうちどれを自社が引き受けるかは、別の判断である。予測は未来を当てる。しかし企業がやるべきことは、未来を創ることである。この区別は、既刊『100の問い』#007でも述べたとおりである。通説3「AIが進化すれば、いずれAIが未来価値を創る」
三つ目は、時間の問題だとする答えである。いまはできなくても、性能が上がればAIが目的を設定し、事業を再定義し、価値を創るようになる、という予想である。
この答えを否定するために、技術の限界を論じる必要はない。むしろ、論じてはならない。技術の限界を根拠にした議論は、技術が進むたびに崩れるからである。
必要なのは、性能とは無関係に成立する論拠である。それは責任の構造にある。次節で正面から扱う。
三つの通説に共通するのは、AIを単独の主体として見ていることである。AIが持つ、AIが予測する、AIが創る。しかし理論が示すのは別の像である。AIは、単独では何にもならない。
3 再定義 — AI Capital は、人と結びついて初めて未来資本にな
るここで、本章の中核となる捉え方を示す。
Future Capital Equation を、一字一句そのまま置く。Future Capital = Financial × Human × Learning × Trust × AI × Knowledge ×Ecosystem × Purpose八つの項の掛け算である。このうち AI の項を、本章では AI Capital （AI資本） と呼ぶ。同様に Human の項を Human Capital と呼ぶ。いずれも新しい概念ではない。式の中にすでにある項に、呼び名を与えただけである。
掛け算であることの意味この式が掛け算であることは、装飾ではない。経営判断の基準そのものである。
足し算なら、AI Capital を大きくすれば、他が弱くても合計は増える。掛け算では違う。Human Capital がゼロなら、AI Capital がどれほど大きくても、Future Capital はゼロになる。Purpose がゼロでも同じである。Trust がゼロでも同じである。
つまり AI Capital は、単体では未来資本にならない。 他の項と結びついて初めて、未来資本の一部になる。
これは抽象的な話ではない。現場では次のように現れる。高性能なモデルを全社に配ったが、使う人間が自社の事業を深く理解していない。出力の当否を判断できる人間がいない。結果として、AIは大量のもっともらしい資料を生み、意思決定は何も変わらない。AI Capitalだけが増え、Future Capital は増えていない。
逆の像もある。モデルは標準的なものしか使っていないが、問いを立てる人間が鋭い。出力を事業判断に変換できる人間がいる。この企業では、同じAIがはるかに大きな未来資本を生む。
差はAIの側にはない。掛け合わされる項の側にある。
結合の三点AI Capital と Human Capital は、具体的にどこで結合するのか。三つの接点がある。
第一に、問いを与える点である。 AIは問われたことに答える。問われなかったことには沈黙する。何を問うかは、事業の構造と社会の課題を知る人間にしか決められない。問いの質が、出力の上限を決める。
第二に、出力を意思決定に変える点である。 AIの出力は、それ自体では提案にすぎない。提案が意思決定になるのは、誰かが採用を決めた瞬間である。この変換は、人間の側でしか起きない。
第三に、結果を引き受ける点である。 意思決定には結果が伴う。うまくいかなかったとき、誰かがそれを負う。この点が、次に述べる論証の核心である。
AIは、なぜ連鎖の出発点になれないのかFuture Value Chain は、次の順序で進む。
Purpose → Learning → Redefinition → Creation → Enterprise Value出発点は Purpose である。ではAIは、Purpose を設定できるのか。できない。ただしその理由は、AIの能力が足りないからではない。Purpose とは、無数にある可能性のうち、ある一つに「これには意味がある」と決めることである。この決定は、真偽で検証できない。他のどの選択が正しかったかを、事後にも確定できない。企業が二十年後に別の道を選んでいたらどうなったかは、誰にも分からない。
検証不能な決定を成立させるものは、証明ではない。引き受けである。誰かが「この選択の結果を自分が負う」と宣言することで、その選択は決定になる。
したがって、目的を設定するとは、責任を引き受けることと同義である。
AIは、責任を引き受けられない。これは計算能力の問題ではなく、帰属の問題である。AIは損失を負わない。職を失わない。信頼を失わない。株主に説明しない。従業員に頭を下げない。辞任できない。償えない。失うものを持たない主体は、賭けることができない。賭けられない主体は、未来を選べない。
ここで重要なのは、性能を上げてもこの構造が変わらないことである。モデルが百倍賢くなっても、失うものは増えない。責任は能力の関数ではない。だから、これは時間が解決する問題ではない。
ここで一つの反論がありうる。制度を作ればよい、という反論である。AIの判断に法人格を与え、損害を賠償する仕組みを設ければ、責任は成立するのではないか。
しかし、その制度が成立したとしても、賠償を負担するのは背後の人間か法人である。責任の帰属先は、AIの外側に移るだけである。制度は責任の所在を明示する装置であって、責任の主体をAIに移す装置ではない。もう一つの反論もある。人間の経営者とて、責任を十分に負っていないではないか、という指摘である。これは事実として正しい。しかし、負い方が不十分であることと、負う立場にないこととは違う。前者は改善の課題であり、後者は構造である。
第一原理の第四項が述べるのは、まさにこの構造である。
Principle 4 — AI Optimizes. Humans Define. AIは最適化する。人間は定義する。
ここでいう「定義する」とは、決めることだけを指さない。決めたことを引き受けることまでを含む。定義と責任は、同じ行為の二つの面である。
だからAIは、連鎖の第二段階以降に強く効く。しかし第一段階には触れられない。この非対称が、AIと未来価値の関係のすべての土台になる。
4 構造 — 五つの段階に、AIは何をもたらすのか
図IV-1 Future Value Cycle — 価値は循環する
では、連鎖の各段階でAIは具体的に何をするのか。段階ごとに見ていく。
Purpose（目的）。 AIは目的を作れない。しかし目的の周辺で三つの働きをする。第一に、社会課題の分布を可視化する。どこに未解決の課題が集積しているかを、大量の一次情報から整理できる。第二に、掲げた目的と実際の資源配分の乖離を検出する。言行の不一致は、予算と人員の配置に現れる。第三に、目的を各部門の言葉へ翻訳する。ただし、これらはすべて目的が先に置かれてからの作業である。AIの寄与は、起点を作ることではなく、起点を機能させることにある。
Learning（学習）。
AIの寄与が最も大きい段階である。情報の収集、要約、比較、仮説の生成が、桁違いに速くなる。ここで思い出すべき式がある。
Future Value = Future Time × Future Capability AIは経営者と組織から時間を回収する。回収された時間が Future Timeに充てられれば、未来価値は増える。会議資料の作成に費やしていた時間が、前提の問い直しに使われれば、学習は深くなる。しかし、回収された時間が既存業務の増量に使われれば、Future Time は増えない。AIは時間を返すが、その使い道は決めない。
Redefinition（再定義）。 AIは再定義の選択肢を広げる。自社の事業を別の切り口で定義した場合に何が起きるかを、多数の案として並べられる。この作業は人間には負荷が高く、AIには得意である。しかし再定義の本体は、選ぶことではない。捨てることである。長年支えてきた事業、育ててきた人材、築いてきた取引関係のうち、何を手放すかを決める行為である。AIは手放した場合の試算を出せる。手放す痛みは負えない。Creation（価値創造）。 試作と検証の単価が下がる。試せる回数が増える。これは創造の確率を確実に上げる。ただし、ここには非対称がある。AIはデータの多い領域で強く、データのない領域で弱い。そして、まだ存在しない市場にはデータがない。つまり、創造の対象が新しければ新しいほど、AIの寄与は小さくなる。最も未来価値の高い領域で、AIは最も頼りにならない。
Enterprise Value（企業価値）。 AIは、未来価値創造能力の可視化と説明を助ける。非財務情報の整理、投資家との対話の準備、指標の継続的な更新。VFI のような指標の運用も、AIによって現実的な負荷になる。ただし注意が要る。評価が上がることと、未来価値が増えることは別である。説明がうまくなっただけの企業も、市場では一時的に評価される。AI Integration は、七項の一つであるもう一つの式を置く。
FVCC = Purpose × Learning × Redefinition × AI Integration × Ecosystem ×Capital Allocation × Trust未来価値創造能力を構成する七項のうち、AI Integration は一項にすぎない。これも掛け算である。
ここから二つの帰結が出る。
一つ。AI Integration をどれほど高めても、Purpose がゼロなら FVCCはゼロである。AIに全社投資しながら、自社が何のために存在するのかを言えない企業は、未来価値創造能力を持たない。
もう一つ。逆方向の帰結である。AI Integration の向上は、他の六項の向上を自動的には生まない。それどころか、他項への注意を奪うことがある。経営の関心は有限だからである。AI導入が全社の議題を占めている間、Trust も Ecosystem も Capital Allocation も、誰も見ていない。AI Capital が掛け算の一項であるとは、そういう意味である。必要である。しかし、それだけでは決して足りない。そして、一項に注力しすぎることが他項を痩せさせる。
5 実像 — AIは未来価値を減らすこともある
ここまでは、AIが未来価値を増やす経路を見てきた。時間の回収、選択肢の拡張、試行回数の増加、可視化の精度。これらは実在する。
増やす側を、先に整理しておく。経路は四つある。
一つ目は、時間の再配分である。AIが定型業務を引き取り、その時間が未来の設計に回る。二つ目は、未来射程の延長である。長期の分析にかかる負荷が下がり、経営が視野に入れられる年数が伸びる。三つ目は、実験の本数である。試作と検証の単価が下がれば、同じ予算でより多くの仮説を試せる。四つ目は、エコシステムの拡張である。異分野の知識を短時間で扱えるため、これまで組めなかった相手と組める。
四つに共通するのは、いずれも自動的には起きないことである。時間は放置すれば別の業務に吸収される。射程は誰かが伸ばそうと決めなければ伸びない。実験の本数は、失敗を許す設計がなければ増えない。増やす経路は、すべて人間の設計を前提としている。
そして、設計がないとき、AIが未来価値を減らす経路が現れる。三つある。
経路1 — 短期最適化の加速AIは、与えられた目的関数に対して強い。目的関数が明確で、測定可能で、フィードバックが速いほど、性能を発揮する。
企業の中で、この条件を満たす指標は限られている。四半期の売上。今月の粗利。来週のコンバージョン率。いずれも測定可能で、フィードバックが速い。
一方、十年後に生まれる市場の可能性は、測定できない。フィードバックも十年後にしか返らない。
したがって、経営が目的関数を明示しないままAIを走らせると、AIは測定しやすい指標へ向かう。組織はそれを合理的な最適化として受け入れる。
結果として起きるのは、短期最適化の加速である。方向が正しければ、速いことは良いことである。方向が短期に向いていれば、速いことは、間違った方向へ遠くまで行くことを意味する。
AI以前は、短期最適化にも人手という制約があった。制約が外れたとき、偏りは増幅される。
経路2 — 既存事業の効率化への偏り第二の経路は、資本配分の歪みである。
AI投資の可否を、投資回収の見込みで判断する企業は多い。健全な規律に見える。しかし、この基準はAI投資の行き先を一方向に固定する。投資回収が計算できるのは、既存の事業だけである。既存事業には、現在のコスト構造がある。処理件数がある。人件費がある。だから削減額を試算できる。
まだ存在しない事業には、比較対象がない。試算できない。したがって、回収基準で選別すれば、AI予算は必ず既存事業の効率化へ流れる。その先に何が起きるか。企業再定義成熟度モデル（Enterprise Redefinition Maturity Model: ERMM）は、この状態をレベル2として明確に描いている。改善型企業は、オペレーショナル・エクセレンスを積極的に追求し、DXは体系的になり、AI導入も拡大する。しかし改善は漸進的で、既存のビジネスモデルが疑われることは稀である。原典の表現を借りれば、根本的には変わらないまま、ますます効率的になっていく。
AIは、この状態への到達を速める。効率化の成果が数字で見えるため、経営はそれを成功と認識する。成功の実感があるうちは、再定義の必要を感じない。
未来価値の観点では、これは減少である。効率は現在の企業価値を守る。未来価値は、そこからは生まれない。
経路3 — 同質化第三の経路が、最も静かに進む。
多くの企業が、同じ基盤モデルを使う。同じような社内データを与える。同じベンチマークで評価する。そして、同じような問いを投げる。出力は近づく。市場分析の結論が近づく。戦略の選択肢が近づく。優先順位が近づく。
競争優位とは差である。全員が同じ道具で同じ答えに到達するとき、差は消える。
ここで差が残る場所は一つしかない。問いの側である。何を問うか、どの前提を疑うか、どの未来を選ぶか。この部分は共通化されない。共通化されないのは、そこが責任の領域だからである。
逆に言えば、問いの設計に手を入れない企業は、AIを使えば使うほど平均に近づく。平均に近づくことは、未来価値の観点では後退である。未来価値とは、社会がまだ持っていない価値を創る能力だからである。誰もが到達する答えの中に、それはない。
増える側と減る側を、何が分けるのか三つの減少経路には共通点がある。いずれも、AIの性能とは無関係である。
短期最適化は、目的関数を人間が置かなかったから起きる。効率化への偏りは、資本配分の基準を人間が変えなかったから起きる。同質化は、問いを人間が設計しなかったから起きる。
つまり減少は、AIが引き起こしたのではない。AIが、人間の設計の不在を増幅したのである。
したがって、経営者が見るべき指標は「AI導入率」でも「AI活用人数」でもない。AIが返した時間が、何に使われたかである。
その時間が既存業務の増量に消えたなら、AI Capital は増え、Future Capital は増えていない。その時間が前提の問い直しと未来の設計に使われたなら、両方が増えている。同じ導入率の二社が、ここで分かれる。
6 経営者への問い
最後に、AIの進化が今後も続くという前提に立つ。2026年8月時点の趨勢を見るかぎり、AIの能力は向上を続ける可能性が高い。ただし、その速度も到達点も確実には予測できない。だからこそ、経営はこう設計すべきである。AIの能力線を前提にしない設計にすること。
構えは三つある。
第一に、AIと掛け合わされる項に投資する。
AIの性能は市場が供給する。放っておいても上がる。上がらないのは、Human Capital、Trust、Purpose、Ecosystem である。これらは自社でしか育てられない。AI予算を増やすとき、同時にこれらの項の予算が増えているかを確認する。増えていないなら、掛け算の全体は伸びない。
第二に、責任の所在を先に決める。 AIの適用範囲を広げるとき、その領域の結果を誰が引き受けるのかを、稼働の前に決める。これは統制のためではない。責任者のいない意思決定領域は、Purpose を持てないからである。持てなければ、その領域から未来価値は生まれない。
第三に、問いを資産として扱う。 同質化を避ける唯一の場所が問いである。誰がどの問いを立てているか、それは去年と変わったか。問いの更新を組織の営みとして設計する。
そのうえで、三つの問いを置く。
問い1—自社のAI予算のうち、既存事業の効率化ではない用途は何割か。 この割合が低いまま数年が続いているなら、その企業はレベル2に留まる設計をしている。意図的にそうしているのか、基準がそうさせているのかを、区別して確認する。
問い2 — AIが返した時間は、いま何に使われているか。 部門別に確かめる。処理量が増えたのか、考える時間が増えたのか。前者だけなら、未来価値は増えていない。
問い3—自社がAIに投げている問いは、競合が投げている問いと違うか。 違わないなら、出力も違わない。違いを作れるのは、事業と社会をどう見ているかという、自社固有の視点だけである。
三つの問いは、いずれもAIの性能を聞いていない。AIの周りに、人間が何を置いたかを聞いている。
AIは未来価値を大きく変える。増やす方向にも、減らす方向にも。方向を決めるのはAIではない。私たちである。
AI Capital は掛け算の一項である。それを未来資本に変えるのは、人間の側の項である。そして連鎖の出発点に立てるのは、結果を引き受けられる者だけである。
AIがどれほど進化しても、この位置は空かない。埋めるのは、経営者である。
本章のまとめ
- AIは未来価値を増やしも減らしもする。方向を決めるのはAIではなく人間である。
- AI Capital は掛け算の一項にすぎず、他の項と結んで初めて未来資本になる。
- AIは責任を引き受けられない。だから Purpose を置く連鎖の出発点には立てない。
- AI予算を増やすとき、人・信頼・目的への予算も同時に増えているかを確かめる。
重要概念
Future Capital（未来資本）／Future Value（未来価値）／Future Value Chain（未来価値連鎖）／Human-on-the-Loop Management／ Question Design（問いの設計）
関連概念
Purpose → AI × Human → Future Capital → Future Value → Enterprise Value
関連する第一原理
Principle 4 — AI Optimizes. Humans Define. Principle 2 — Future Value Precedes Enterprise Value. Principle 3 — Capital Exists to Create Possibility.
関連する章
- 第III巻 023「未来価値とは何か？」— 本章が前提とする未来価値の定義はこの章にある
- 第I巻 009「AIと人間はどう役割分担すべきか？」— 役割分離の原型を先に示している
- 第IV巻 036「未来価値を創る経営とは？」— 「創る」がAIに委ねられない理由を扱う
- 第IV巻 033「無形資産は未来価値なのか？」— 未来資本の八形態と会計の境界を論じる
関連論文・既刊
- Kadowaki, N. (2026). Future Value Theory: A Management Framework for Enterprise, Capital, and Society in the Age of AI. VURA Working Paper. SSRN: https://ssrn.com/abstract=7120980 ／ Zenodo: https://doi.org/10.5281/zenodo.21255662
- 『AI時代の経営100の問い』#052「AIには創れないものが、御社の価値になる」／#007「AIは未来を予測できるのか？」
次に読むべき章
→ 第IV巻 032「投資家は未来価値をどう評価するのか？」
第IV巻 未来価値の実践