Atlas Support
InsightsAI経営執筆・編集:

AI活用資本という経営課題

AIへの投資は、今日の仕事を進めると同時に、明日の仕事をよりよく進める能力を企業に残せるか。本稿では、人の専門性とAIを結び、知識・業務設計・評価を再利用できる形で蓄積する能力を「AI活用資本」と呼び、その投資と経営のあり方を考えます。

AIを使った後に、何が企業に残るのか

AIを使って提案書を仕上げる。顧客からの問い合わせに答える。社内の情報を探す。こうした一回ごとの仕事が速くなることには価値があります。さらに、その経験を次の担当者や次の案件でも使える形にできれば、投資の効果は繰り返し生まれます。

担当者が毎回、顧客の事情を説明し、同じ誤りを直しているとしたら、その経験は個人に残っても、組織では十分に再利用されていません。判断の理由を整理し、参照する情報や業務の手順、確認の基準を更新することで、次の仕事の出発点を変えられます。

本稿では、人の専門性とAIを結び、仕事の経験を知識・業務設計・評価の仕組みとして蓄積し、継続して成果へ変える組織の能力を「AI活用資本」と呼びます。既存の議論を経営の実務につなぐための、本稿での整理です。ここでいう資本は、繰り返し利用できる生産能力という意味で用います。

人的資本経営とAI資本経営をつなぐ

人的資本経営は、人の知識・技能・経験への投資を、経営戦略と企業価値の向上につなげる考え方です。中小機構のJ-Net21も、人材への投資と経営戦略を結びつけることを中心に据えています。

AIにも、蓄積する能力として投資するという議論があります。PwC Japanは「AI資本経営」の論考で、データや改善の知見、判断ロジックが組織内に残ることの重要性を指摘しています。

AI活用資本という視点では、人が学ぶことと、組織の仕組みが改善されることを接続します。専門家が新しい判断を生み、その判断が再利用できる形で運用に組み込まれる。AIを使う中で見つかった例外が、専門家の理解と業務の設計を更新する。この往復を、投資の対象として捉えます。それぞれの概念には重なる領域があり、以下は着目点の違いを整理したものです。

各概念を経営の実務へつなぐ整理(Atlas Support)
概念着目するもの経営で問うこと
人的資本経営人に備わる知識・技能・判断と、その成長事業戦略の実現に向け、誰のどの能力へ投資するか
AI資本経営AIに関わるデータ・モデル・知見・運用の蓄積AIへの投資が、将来も使える能力をどう残すか
トークン資本企業が自ら形成するAI能力と、学習を続ける仕組み自社の知識と改善の過程を、どこまで管理できるか
AI活用資本(本稿)人の専門性をAIの実行と結びつけ、再利用する組織能力一回の仕事で得た学びを、次の仕事の成果へどうつなぐか

トークン資本を、企業が持つ学習の仕組みとして読む

Microsoftのサティア・ナデラ氏は、2026年7月29日の決算説明会で人的資本とトークン資本の構築に言及し、企業が自ら学習を続ける設計を論じました。記憶や文脈、実行を支える仕組みを特定のモデルから分けるという説明も、その一部です。

この議論を企業の実務に引き寄せると、自社の知識をどのようにAIへ渡し、結果を確かめ、改善を自社に残すかという問題になります。外部のモデルを利用しながらでも、参照情報、判断の基準、評価用の事例、業務との接続を管理することはできます。モデルや提供会社が変わっても引き継げる範囲を広げることが、能力の継続性を高めます。

トークンを多く消費したという事実は、一定期間の利用量を示します。その支出から、検証済みの業務手順や評価基準が生まれ、次回も使える状態になったときに、蓄積を論じることができます。利用量と、企業に残った能力は、分けて把握する必要があります。

人の判断を、次の仕事が使える形にする

営業提案を例に考えてみます。担当者がAIに下書きを作らせ、上司が手直しして顧客へ送る。その際に上司が直した理由には、次の仕事にも役立つ情報が含まれています。顧客の業界によって説明の順序が違う。価格の提示には前提条件がある。提供できることと、追加の検討が必要なことを分ける必要がある。

こうした判断を、参照できる商品情報、提案の構成、価格条件の確認手順、上司へ判断を戻す条件へと具体化します。過去の提案は、正しさと再利用できる範囲を確かめたうえで、品質を評価する事例として持ちます。新しいモデルや指示文へ変更する際には、その事例で品質を比較します。

次の担当者は、整備された情報と手順を使って提案を始められます。上司は、同じ修正の繰り返しに加えて、新しい例外や顧客固有の判断に時間を使えるようになります。そのためには、改善した手順を実際の業務へ反映し、確認作業がどれだけ変わったかまで確かめる必要があります。

会話や修正履歴を保存するだけで、この変化が起きるわけではありません。何を採用し、どの条件で使い、誰が更新するかを決め、評価を経て運用へ戻す。AI活用資本は、この編集と検証を通じて形成されます。

人的資本とAI活用資本を、一緒に育てる

Brynjolfsson、Li、Raymondの2025年の研究は、5,172人の顧客対応担当者を分析し、AI支援によって一時間あたりの解決件数が平均15%増えたと報告しています。効果には経験・技能による違いがあり、熟練者では一部の品質指標が小幅に低下しました。

この研究は、人とAIの組み合わせを設計する重要性を示唆します。企業が新たに導入する業務でも同じ改善幅を見込めるわけではなく、誰が、どの仕事で、どの支援を使うかによって、確認すべき成果が変わります。

AI活用資本への投資では、専門家が判断の理由を伝え、例外を発見し、評価基準を更新する時間を確保します。これらは、システムが動き始めた後にも必要な仕事です。人が新しい知識を得る機会と、その知識を共有する動機も、組織の設計に含めます。

知識を共有した専門家の貢献を評価し、AIの提案を使う担当者が根拠と限界を理解できるようにする。人の学習と仕組みの改善が続く環境を整えることが、両方の資本を育てる経営になります。

利用の成果と、蓄積した能力を分けて測る

Brynjolfsson、Rock、Syversonの「生産性のJカーブ」の研究は、AIのような汎用技術に必要な無形の補完投資が、統計上の生産性に十分表れない問題を扱っています。業務の再設計や人の能力への投資にも目を向けるための手がかりになります。

企業の中でも、今期の成果と、将来の仕事に使う能力を分けて見ると、投資の内容が明確になります。今期の成果には、完了した仕事の量と品質、顧客の反応、確認・修正を含む所要時間がある。蓄積した能力には、別の担当者が使える手順、更新された知識、品質を再検証できる事例がある。

たとえば、提案一件を仕上げるまでの総費用と、同じ理由で発生する修正の割合を追います。加えて、担当者が変わっても品質を保てるか、情報更新やモデル変更後に品質を確かめられるかを見る。登録文書や事例の件数が増えた場合も、実際の仕事で再利用できることまで確認します。

費用には、モデルの利用料、開発・連携、知識の更新、評価、人による確認を含めます。時間が短縮できた場合には、その時間を何に振り向け、どの成果につなげたかを追います。能力の蓄積と事業上の成果の両方を確認してこそ、追加投資の判断ができます。

確認を含む作業時間と費用を自社の数値で比べるには、「AI導入の費用対効果とExcel試算シート」を使えます。

継続して価値を生む能力へ投資する

蓄積した能力も、環境が変われば価値が下がります。価格や商品情報が古くなる。顧客が求めることが変わる。モデルの更新によって以前の手順が合わなくなる。AI活用資本への投資には、知識と業務手順を保守し、品質を再評価する予算が必要です。

最初の対象は、事業上の価値があり、繰り返し発生し、品質を確かめられる仕事から選びます。その仕事を通じて何を蓄積するか、誰が更新するか、成果と費用をどう測るかを決める。改善を繰り返し、成果が確かめられた範囲から他の業務へ広げます。

経営者が設計するのは、人の専門性、AIが実行する仕事、そこから得られる学びのつながりです。人がよりよい判断を生み、その判断を組織が再利用し、次の仕事で確かめる。AIへの投資を、この継続的な能力の形成へつなげることが、AI活用資本を経営するということです。