どうも、みーくんです。
年も明け、気候も徐々に春を匂わせるようになってきましたね。本日は鏡開きの日ということもあり、朝食から鏡餅を食べました。今年も健康的に過ごせるよう祈るばかりです。
さて本日は、2020年とは言わずとも今後需要が高まっていくと個人的に予想しているテーマについて思いの丈を綴っていきたいと思います。
「貸し出す」というビジネス -シェアリングエコノミー-
使わずに眠っている遊休資産を有効活用することで、貸出者と利用者がWin-Winの関係を築くことができます。
初期投資で満額を払い、モノを所有するという従来のビジネスモデルは崩れつつあります。購入したとしても、実際にどの程度利用するのか不明確な上に、減価償却資産として扱わなければならないという欠点があるからです。そのため、今後は使いたいときに必要な分だけ使うという考え方が一般化していきます。身近な例で言えば、一時期流行っていた「レンタル彼女」や「レンタル彼氏」の感覚に近いでしょう。これらは心の寂しさを「若くて綺麗な女性」「高身長でイケメンな男性」を借りることで、一時的に埋めることができるサービスです。仮にこれが、実際に彼女や彼氏を持っていたらいかがでしょうか。出会った当初の魅力は時間経過と共に薄れていき、魅力が低減してしまうでしょう。このように、「自分の都合の良いタイミング」で「最高の状態」を借りる需要が高まっていくのです。シェアリングエコノミーの最たる例としては、UberEatsの宅配サービスが代表的です。このサービスは、「お腹が減ったが外出はしたくない」という消費者と、「宅配に嫌悪感がなく、お金を稼ぎたい」というドライバーが自動マッチングすることで実現されています。
「一定額で使い放題」というビジネス -サブスクリプション-
これは、先述した「モノの所有」に対する抵抗感という文脈の先に語られるものです。昨今、「所有から利用へ」のスローガンの下、ビジネスモデルの転換期に差し掛かっています。身近なもので例えるとするなら、AppleMusicが挙げられるでしょう。これは一定額を支払うことによって、音源を無制限にオンライン上からダウンロードすることができます。今までは、CDショップやレンタル店に赴いてCD円盤を購入する必要がありましたが、今やスマホだけあれば音源が手に入る環境にあるのです。この潮流はレコード会社には大きな痛手であり、実際に円盤の売り上げが落ち込んでいるという悲痛な叫びはよく聞きます。「便利の裏には犠牲が生まれる」は的を射た表現であると改めて感じますね。ビジネスにおいて、利害が一致することは珍しく、企業は社会の変化にその都度対応していかなければならなりません。サブスクリプションビジネスを飲食サービスに応用した焼肉チェーン店牛角は、月額1万1000円で「焼肉食べ放題サービス」を開始しています。今後はあらゆるモノがサービス化していき、サブスクリプションで利用することが主流となる社会が到来すると個人的には予想しています。蛇足ではありますが、サブスクリプションモデルとよく似たビジネスモデルとして、リカーリングモデルがあり、サブスクリプションは一定額を払うのに対して、リカーリングは使用した分だけ金額が変動するという特徴があります。
業務負担を軽減するビジネス -ERP、AI-
ERPとはEnterprise Resources Planningの略称で、一言で表現するならば、企業内に散在している情報を一元管理するためのパッケージのことです。これは業務処理を効率化し、生産性を上げるという目的の下利用されることがほとんどであり、昨今の労働人口減少社会では救いの一手となり得ます。しかし、情報を一括で管理するという特性上、必然的に大量のデータを保有している大企業向きのパッケージとなってしまいます。日本企業の9割以上を占める中小企業では、導入したとしてもその恩恵(=費用対効果)を感じられるのは一握りでしょう。また、各種データを統合することができるのは魅力的ですが、これを可視化し経営判断に用いるデータとして出力することはできません。そのため、BIシステムを併用して、ダッシュボード等で可視化することが必要になるケースもあります。BIとは、Business Intelligenceの略称であり、各種データを可視化し、経営の意思決定をサポートするためのシステムです。
少子高齢化社会に苦しんでいる我が国では、AIの需要も必然的に高まっていきます。しかし、このAIを「人間では成し得なかった事柄をこなせるスーパーマン」だと勘違いしている方が多いと実感しています。実際にはその認識は誤りであり、本来AIとは人間の思考プロセスを再現するものです。そのため、その活用方法は基本的には人間が今まで行ってきた単純作業を代替することに他なりません。人間がAIに仕事をとって替わられると議論されている焦点はここなのです。事務職やコールセンターはその対応をマニュアル化することが容易であり、だからこそAIに覚え込ませるテストデータとその出力を対応づけることが可能となります。従来のAIはテストデータから反復学習し、そこに法則性を見つけ、その法則に則り作業を自動化する機械学習が主流でした。しかし、昨今そのテストデータの特徴を自動で定義し、法則を自動化する「深層学習」が台頭してきています。更に細分化するなれば、学習の仕方を学習する「メタ学習」が該当するでしょう。カナダのアルバータ大学リチャード・サットン教授によると、今後はAI開発における開発者の関与は減っていくと示唆されています。
いかがでしたでしょうか。今は馴染みのない言葉でも、今後は一般常識化する可能性もあり得ますので、今のうちに勉強しておくのも良いかもしれませんね。