Blog

AIにビジネス戦略は考えられるのか？

最近時間があると考えてしまうのは、AIと人間の棲み分け、とりわけ人間に残される仕事とはなんであるのかということである。ちょっと前までは、私のような文系の人間がビジネスの世界で生き残れるとすれば、新しいビジネスを考えるであるとか、新しい戦略を考えるであるとかの知的生産業務であれば人間に残されるのではないかと考えてきたが、最近どうもそれも怪しい感じがしてきた。

例えばChatGPT4に、「友人がこれから独立して、起業をしようとしています。大学卒業後10年間IT業界で仕事をしてきた人です。何かよいスタートアップのビジネスアイディアはあるでしょうか？」というざっくりした質問を投げかけてみたところ、ちょっとしたコンサルティング会社に頼んで出てきたのではないかというくらい整理されたアイディアが返ってきた。何度か質問をして、AIがどうしてその答えを出してきたのかを確認し、こちらの能力とか経験の情報をなんとなく提供するなどやり取りを繰り返すと、提案するアイディアが相当な精度で絞られていき、なんとなくこのアイディアを実行したら本当に起業できてしまうのではないかと思うアイディアに絞り込むことができてしまった。そこまで話をすれば、そのあとは事業計画のプレゼンテーションの構成を考えてくれたり、こちらの考えた事業計画の内容をチェックしてくれたり、より詳細な検討ポイントを教えてくれたりと、かなり有能なコンサルタントに何千万円を払わないと出来なさそうな情報が、一瞬にして返ってくるような感じであった。

もちろん、このChatGPTとの議論はあくまで机上の空論であり、どれだけChatGPTの提案が「それっぽかった」としても、それが本当に実現できるかどうかはやってみなければ分からない。結果として上手くいかないこともあるであろう。では、もしChatGPTの意見が100%の正解ではないとして、それはChatGPTがダメで、やっぱり人間のほうが良いという話しになるのであろうか？私は残念ながらそうはならないと思う。なぜなら、マッキンゼーにしろ、ボストンコンサルティングにしろ、優秀な人間のコンサルティング会社に何千万、何億円のコンサルティング費用を支払って、ビジネスアイディアを考えてもらったとしよう。その結果出てきたアイディアを実行したら、100%成功するのであろうか？私の能力レベルともらっている金額は全く違うとしても、私自身も今はコンサルティングの仕事をしているので、悲しい現実であるが、残念ながらYesとは言えない。そもそも、ビジネスにおいて100%何かを予言することなどほとんど不可能である。また、そもそも、トップコンサルティング会社の優秀な人たちが集まってビジネスモデルを考えて、100%成功するアイディアを作れるのであれば、はっきり言ってその人たちは早々にコンサルタントなどやめてしまって、自分たちで考えついた最も可能性の高いビジネスモデルを自分たちでやってしまった方がよい。仮に今の年収が何億円であるか分からないが、それよりも遥かに大きな収入を確実に得ることができるはずだからである。もちろん、コンサルティングファームをやめて独立・起業する方もそれなりにいて、事実成功している人もいるけれども、全員がそうしているわけでもないことを考えれば、コンサルタントを（長く）している人自身も、自分たちの提案が100%ではないことが分かっていると考えるしか、論理的に説明がつかない。

このように考えれば、ChatGPTの提案が100%正しくないからと言って、ChatGPTには戦略立案のような作業は出来ず、それは人間の仕事として残されると考えるのは正しいとは思えない。上記のディスカッションや、具体的には申し上げられないが、私自身が起業しようと思っているアイディアをChatGPTとディスカッションしたより具体的かつ、詳細な内容を見ると、私の25年のビジネス経験で出会った数千人のビジネスパーソンと比較して、ChatGPT4の現在地はかなり上位のビジネスパーソンと同等程度の戦略構築力を持っていると考えてもおかしくはない気がしている。しかも、仕事を進めるスピード感ははっきり言って人間の数百、数千倍の能力なので、戦略立案、論理構成のような、身体的作業を伴わない論理的思考力に依存した仕事は人間が行う必要がないのではないかという危機感が増すばかりである。

なぜ100%正しい戦略の構築が不可能なのか？

ChatGPTのこのような現状を考えると、人間の行う知的労働の領域はどんどん限定されていく。では、何がAIにできないことなのであろうか？そのヒントも、今紹介した、人間とトップレベルの戦略コンサルタントとChatGPTの比較の話しに隠されている気がする。

まず、そもそも、大変頭の良いはずのトップクラスの戦略コンサルティングファームのコンサルタントや、人間には全く及びもつかない巨大な情報量から厳選して考えられたChatGPTが提案する新しい戦略や事業アイディアが100%成功しないのは何故なのだろうか？もちろん理由はいくつか考えられる。①戦略を検討した時点と、戦略の実行時点でビジネス環境に変化が生じている、②戦略のExecution、Operationの段階で想定した通りの実行能力がそのチームに備わっていない、③そもそも戦略の前提条件として考えていた仮説と現実に乖離があった。私の経験上よくあるパターンはこの3点程度である。二桁以上の新規サービスや新商品開発に関わってきた経験でいうと、現実的には①～③のどれかが起こるというよりは、程度の差こそあれ、①～③が同時に起こるケースがほとんどである。しかも、これは失敗するビジネスに限らず、成功するビジネスであってもStrategy以降の2段階において①～③の事象はほぼ確実に問題点として起こり、計画通りに事業が成功するかどうかは、その乖離の程度がリカバリー可能な範囲にとどまっているかどうかの違いである。

では、この3点についてなぜ事前に対応することが不可能なのであろうか？それぞれ個別に見ていくことにしたい。

①戦略を検討した時点と、戦略の実行時点でビジネス環境に変化が生じている

このケースが発生する理由は、一言でいえば、どんなに優秀な人間でも、AIでも、未来を正確に予測することが不可能だからである。ビジネスとは、究極的には、地球上に70億人の人間がいるとすれば、その70億人一人一人の瞬間毎の行動や意志決定の複合的な結果として環境が変わっていくので、未来永劫すべての情報を集めて、次の瞬間に起こることを予想することなど、不可能に近い。もちろん、この話は極端な未来予測のパラメーター数の話をしているが、現実的に個々の事業が直面する市場環境の未来予測をするために必要なパラメーター数ということで考えても、それが5個や10個ということは現実にはないであろう。どんなに精緻なリサーチであっても、戦略というのは必ず過去のデータの分析から未来を予測するものなので、結果的に100%正確な未来予測ができることなどほぼあり得ない分けである。

②Execution、Operationの段階で想定した通りの実行能力がそのチームに備わっていない

Execution、Operationの実現性を事前に正確に予測するためには、事前に下記の2つの項目について正確な情報を把握・評価できていなければならない。１）Execution、Operationを実行するために必要な詳細なタスク項目の洗い出しとその実現に必要な要件、２）実行に必要となる人的なリソースやその能力の把握とその確保の方法。分かりやすく言えば、何をしなければならず、それを実現できるための人員等を準備しなければいけないということである。しかし、現実的には、戦略立案の時点では、１）、２）を正確に網羅的に把握することが困難であるため、実際にはできると考えていたことの実現が想定通りに進まないということが発生するわけである。

③そもそも戦略の前提条件として考えていた仮説と現実に乖離があった

このケースは、未来予想の誤りというよりは、事前の分析精度の問題である。未来予想と同様に、現実の市場環境が分析時点の状況になっているすべてのパラメーターを理解して分析をすることは、未来予想同様に現実的には不可能であるため、目立たないが重要なパラメータの変化が見落とされているなどによって、過去の評価を誤ってしまうということが発生する。

最後に人間に残される仕事とは？

このように考えると、どんな精度の高い、優れた戦略であっても、その実現性が100%でない理由は、大きく分けると2つの理由に大別することが分かる。一つ目は、過去・現在、未来についての市場環境の理解をすべてのパラメーターを把握したうえで完ぺきに行うことが現実的には不可能であること。二つ目が、もし戦略が市場環境を正確にとらえられたとしてもその実行段階においては、個々の人間の能力と業務のマッチングなど数値化・言語化が困難な事象を事前に把握して、計画に織り込むことが不可能であることである。

この2点については、おそらく私が生きている間のコンピューターの発達レベルでは、おそらく解決しない問題な気がする。前者については単純にすべてのパラメーターを考慮して完ぺきな計算モデルを作ることなど不可能であろうし、後者については元データの数値化・言語化が困難である点で、AIが正確に予想することが困難であるからであろう。

ただ、ChatGPTに戦略を考えてもらう実験を通して感じるのは、この2つの課題への対応が、人間とAIのどちらが得意かという点では評価が分かれると思われる。まず、市場環境理解（前者）の課題についての精度向上のカギは、とにかく可能な限りの情報を収集し、その分析をして予測をすることなので、人間の能力が10－20年で飛躍的に向上することはあり得ないこともあり、将来にわたってAIが行うことのほうが精度向上を見込むことが可能だと思われる。

一方で、後者の人間の能力評価から適材適所の個人の配置のような領域についてはもうしばらくは人間に一日の長があるのではないかと思う（願望も含め）。なぜなら、この領域は実際のタスクを実行する人間個人毎のマネジメントを伴う領域だからである。人間の日々のマネジメントを細部にわたってAIがコントロールするためには、データ化できないエモーショナルな領域も含めて把握する必要があるからである（脳に半導体チップを埋め込んで、脳の電気信号をAIが細くできるみたいな話しになったら別かもしれないが）。もし、この仮説が正しければ、新しいビジネスを作るとか、新しいイノベーションを実現するという話をする場合に、人間がAIに勝る可能性のあるポイントは、StrategyよりもむしろExecution、Operationの領域であるのではないか。

さらにいえば、おそらく、会計や人事労務管理など、データを決まったルールに基づいて正確に処理するようなタスクについては、確実にAIの方が処理能力が高くなり、人為的ミスの可能性も排除しやすいので、Operationといっても人間の介在する余地は小さくなっていくであろう。

このように考えると、将来的に人間が付加価値を出すべき領域というのは、明文化されたルールが設定されておらず（範囲が限定されておらず）、タスクの進捗とそこから生み出される結果が、人間と人間の相互作用によって生み出される領域である可能性が高い。野中郁次郎先生のSECIモデルでいえば、Socialize（共同化）という人間同士が暗黙知同士を議論を通じて共有化していくプロセスとInternalization（内面化）という形式知の組み合わせによりできたマニュアル的なものを体験を通じて個人の暗黙知として蓄積していくプロセスに関わる部分になるであろうと思われる。

暗黙知が生まれる場所とは？

この考えは、実感値としても納得感がある。最初に例示したChatGPTとの戦略ディスカッションを通じて感じたことは、AIから良い情報を引き出し、徹底的に論理的なディスカッション結果を導き出すためには、人間の側にAIに自分の考えを言語で論理的に説明する形式化の能力が必須であるし、その精度が高いほど、AIは納得感のある結果を提示してくれるようになる。一方、SECIモデルで暗黙知として定義される領域は、その形式化が難しいことがそもそもの定義であるため、暗黙知のやり取りをAIと重なうことは著しく困難である。SECIモデルが正しいとすれば、暗黙知が関わる分は必ず人間が行わざるを得ないのである。

では、この暗黙知は何処から産まれるのか、それはおそらくStrategyではない。より現場に近い活動であるほど蓄積されていく可能性が高い。つまりOperationの領域である。ただ、先ほど述べたように、情報を決まったルールにしたがって、正確に処理するタイプのオペレーションはおそらく人間が行うタスクとしては残らない。また、そのような情報の効率的処理という領域においてはAIが高性能化してしまえば、人間の経験値など大きな役に立たない可能性が高い。つまり、暗黙知が創られたり、蓄積されるのはオペレーションといっても、上述した人間同士の相互作用を伴うルール化が難しいオペレーション領域であると言える。

ここまで来て、前回から話題にしているオペレーショナルエクセレンスに話を戻す。AI前のビジネス世界においては、Strategy、Execution、Operationの3領域の事業の差別化要因としての重要性は、Strategy＞Execution＞Operationという優先順位であると考えられてきたと思う。しかし、今回話してきた実験を通して私が感じるのは、AIの能力が上がる近い将来の優先順位としては、Strategy＜Execution＜Operationと、全く逆転する可能性が高いと思われる。なぜなら、Operationからの距離が上がるほど、タスククオリティは情報集、情報の論理的理解と整理の比重が高くなり、おそらくこの領域で人間がAIに勝つことなどほぼ不可能だと思われるからである。

もし、企業の差別化要因として、今後ますますOperationの地位が向上するという私の仮説が正しいとすれば、多くの企業において重要なのは、Operationを単なる効率化を追及する無駄な業務と考えるのではなく、日々の考え抜かれたオペレーション精度向上の活動を通じた、暗黙知の集積ポイントであると定義しなおす必要があると思われる。マーケティングの領域の議論であれば、その具体的な方法はこのBlogで一貫してPDCAの高速回転ということで実践方法を提示してきたので、そちらを参考にしていただきたい。

Operationの重要性はこれからの企業活動において益々重要になってくる。企業が同業他社と差別化しようと思う時、差が生まれるのポイントはOperationである。つまり、オペレーショナルエクセレンスで競争優位を気づいた企業こそが、中長期的な競争優位性を保持し続けられるのである。

オペレーション精度で差別化を実現する

オペレーショナルエクセレンスというビジネス用語がある。定義を見てみよう

オペレーショナルエクセレンス（Operational Excellence）とは、オペレーション（業務の管理・運用）の効率・向上を目指すことによって、競合他社が真似できない、その企業独自の優位性を保つ状態

アメリカの著名なコンサルタントであるマイケル・トレーシー氏とフレッド・ウィアセーマ氏が1995年に「ナンバーワン企業の法則」で提唱しました。それによると、優良企業の3大指標として以下の3つが示されています。

• オペレーショナルエクセレンス（業務オペレーションの効率・向上）
• プロダクトイノベーション（革新的な製品/サービスの創造）
• カスタマーインティマシー（顧客との親密な関係の構築）

出典：フジトラニュース

分かりやすく言えば、日々のオペレーションの効率をあげることによって、利益をあげていく手法である。提唱者の二人の定義に従えば、優良企業の3大指標には、オペレーショナルエクセレンスとともに、プロダクトイノベーションとカスタマーインティマシーがあげられるそうだが（それ以外にもあるような気がするが）、例え商品で差別化ができていなくても、オペレーションを競合他社に真似できないほど洗練させることによって、マーケットでの差別化を産むことが期待されるとする考え方である。

ビジネス成功の要素－楽天市場の場合

仮に、ビジネス成功の３要素が正しいとして、事業が成功するために必要な３要素の重要度の比重は業種毎にかなり異なるというの私の見解である。

例えば、私の最初のキャリアである楽天のインターネットショッピングモールという職種については、どうであろうか？まずプロダクトイノベーションから見てみよう。インターネットが一般に普及しだして、Windows95の登場で家庭にPCが普及しだした1990年代の後半において、様々な企業がインターネットでのビジネスチャンスを模索していた。その中でもインターネット通販＝ECというのは当初から有力なビジネス分野と認識されていた。そのような流れの中で、アメリカではAmazon.comが直販ネット書店という形で起業され急成長を遂げ、ebayがCtoCのECとして同じく話題となっていた。それに対して、日本においては様々な企業がどのような方法が日本に向いているのかと模索し、楽天の創業前にも、大手外資系IT企業が運営するネットショッピングモールがサービスを行うなど、様々なチャレンジが行われていたが、まだこれといって成功しているという事業があったわけではなかった。

そのような状況において楽天はインターネットショッピングモールというビジネスモデルでECの世界にスタートアップとして登場した。前述した通り、インターネットショッピングモールという業態はすでに先行企業があったが、全く成功していると言える状況ではなく、多くの人にそんなもの上手くいかないとさんざん言われたそうである。なぜ、そんな状況で楽天市場が成功したのかというのは詳細に話し出すと長くなるので、ここでは詳述しないが、創業メンバーたちは先行サービスの問題点を徹底的に研究し、当時としてはかなり珍しかった今でいうSaaS型のサービスを提供することで、大きな成功を収めた。

楽天の創業期には、日本におけるSaas型サービスは市場に強力な競合がいなかったため、楽天の創業期の成功要因が何かといえば間違いなくプロダクトイノベーションであったと思う。

しかし、プロダクトイノベーションというのは決定的な弱点がある。それは、企業外から見ても、先行企業がやっていることが把握し易いので、そのプロダクトを模倣しようと思えば模倣できてしまうということである。事実、私の在職中も、多くのチャレンジャー企業が楽天の成功の2番煎じに預かろうと参入してきたが、おそらくある程度成功したのは、当時日本におけるネットの巨大なトラフィックをコントロールすることができたYahooのYahooショッピングくらいであったと思う。

では、なぜ、プロダクトイノベーションで成功した会社が中長期的な競争優位を保てるのであろうか？その理由は、カスタマーインティマシー（顧客との関係性の構築）にあると思う。分かりやすく言えば、先行企業として多くの出店者を集め、そこで買い物をする顧客を先に集めてしまったことで、ショッピングモールに必要な品揃えと消費者のデータベースを先行して構築してしまったために、SaaSのサービスとして同じものを構築できたとしても後発企業にとっては、サービス全体の模倣までできない状況を先行して作ってしまったわけである。

私が立ち上げに関わった楽天ポイントのサービスなどは、まさにこのカスタマーインティマシーを強化するためのツールであったわけであるが、プロダクトイノベーションで構築した優位性を、カスタマーインティマシーでさらに強化するということで、自社の優位性を複合的なものとしていったわけである。

オペレーショナルエクセレンスについては、正直今の規模になった楽天のオペレーション精度、効率性を私は知らないので言及することはできないが、少なくても楽天を見ると、プロダクトイノベーション→カスタマーインティマシーと成功の要素が事業のライフサイクルが変化するに従い変化・強化されて行っていることが分かる。

ビジネス成功の要素－ゲーム産業の場合

では、私が2番目に働いたゲーム業界についてはどうであろうか？私の見立てでは、この業界は圧倒的にプロダクトイノベーションの世界であるといえる。分かりやすく言えば、どれだけマーケティングを駆使してカスタマーインティマシーを高めても、流通コストを下げるためにオペレーションを効率化して他社と差別化をしたとしても、ゲーム業界において面白い・ユーザーに評価されるゲームを作れなければ、事業を成功するチャンスはほぼないと言って間違いない。

この話は、私のようなゲームを作ることができない（そもそもゲーム業界で8年以上働いたが、個人的にはゲームはほぼしない）人間からすると非常に悲しい現実であるが、この考えは間違っていないと思う。よく部下に言っていたのは、「面白いゲームのマーケティングを自分たちが失敗して売れないことはある。しかし、面白くないゲームをマーケティングの力でヒットゲームにすることは残念ながらできない。」ということである。特に、モバイルのFree to Play（＝インストールは無料。課金はゲームをPlayする中で行う）型のゲームにおいてはこの特徴が強い。顧客は、インストールは無料なので、ゲームへのエントリーハードルは低く、ある程度話題を作ったり、効率的にマーケティングをすることができれば、ゲームをインストールしてもらうところまでは持っていけないことはない。しかし、ユーザーがゲームをプレイして面白くないと思ってしまった瞬間にゲームから離れてしまう。そして、一旦面白くないと思われてしまったゲームにユーザーを呼び戻すのは、著しくハードルが高くなってしまうからである。

このように、ゲーム業界においてはプロダクトイノベーションは絶対的な必要条件である。しかし、一旦プロダクトイノベーションを実現できると、中長期的にはヒットコンテンツのIP活用してシリーズ化して継続的な売上をあげていくようなカスタマーインティマシーであったり、日本企業であれば日本の成功ノウハウを海外市場にも展開して市場を大きくしていくなどのオペレーショナルエクセレンスなどの要素で、事業を拡大することは可能である。ただ、プロダクトイノベーションが必要条件である以上、他の2要素のみで事業を成功することは不可能なことは間違いない。

その証拠に、日本の多くの大手ゲーム会社というのは、大手のゲーム会社同士が合併してできた会社である。具体的には申し上げないが、社名に〇〇・△△というように、複数のブランドが並記されている会社をよく見かけるであろう。では、なぜ合併せざるを得なかったのかといえば、プロダクトイノベーションを継続して、切れ目なく行うことが難しく、経営を安定させることが非常に難しいからである。プロダクトイノベーションを継続的に行い続けなければいけない産業というのは、正直に申し上げて、経営にどうしても「運」の要素が入り込んでしまうのを避けられないという特徴がある。もちろん、このBlogでも何度も議論しているイノベーションマネジメントなどの理論を活用して継続的にヒットを生む努力は各社行っているとは思うが、内部で働いた経験でいえば、運を排除するのは相当に難しいというのが私の結論である。

ビジネス成功の要素－人材紹介ビジネスの場合

では、最後に私が直近で働いた人材紹介という業種はどうであろうか（人材業では範囲が広すぎるので、ここでは人材紹介に限定する）？この業種ははっきり言ってプロダクトイノベーション的な要素は非常に低いと言わざるを得ない。人材紹介業というのは、転職をしたい求職者Nと採用したい採用法人NのN対Nのマッチングという非常にシンプルなビジネスモデルであり、そのサービスの根本を変えることが難しい。私の前職のトライトという会社もその典型であるが、唯一あるとすれば、取り扱う職種を限定して、専門・特化することで競合環境をコントロールすることくらいである。

私がある業界を見るときに、プロダクトイノベーションの要素が少ない業種の判断材料と考えているのが、小規模事業者が乱立しやすい業種、その産業での成功体験をもとに独立して起業しやすい業種であるかどうかというのを見るようにしている。人材紹介業でいえば、ビズリーチをみるといわゆるヘッドハンターといわれる人がたくさん活動しているのに気が付くと思うが、このような人たちの中には個人で人材紹介業を行っている方が結構多く含まれている。

では、このようなプロダクトイノベーションで差別化ができない業種で成功している企業の差別化要因とは何であろうか？結論は、オペレーショナルエクセレンスとカスタマーインティマシーの組み合わせである。

人材紹介業は、先ほど述べたようにN対Nのマッチングなので、事業規模を大きくしようと思うと、双方のNをどれだけ多く集めて、マッチングの精度を高めて求職者の側から視れば獲得した求職者の転職率をどれだけあげられるかが勝負であるし、採用企業から視れば獲得した求人枠をどれだけ充足させられるかが焦点になる。

そのように考えれば、多くのNを集めるという点で考えれば、求職者であれ、採用企業であれ、顧客とのリレーションをどれだけ強固に作り、その数を拡大していくかが勝負であるためカスタマーインティマシーを高めるための広義の意味でのマーケティングが必要である。一方で、そのN対Nのマッチングを効率よく、高精度で行うために必要なのが、オペレーショナルエクセレンスになるわけである。

そして、さらに重要なのが、この2つの要素は独立しているのではなく、組み合わせて企業・サービスのバリューチェーンとして全体として最適化されなければイケないということである。具体的には、以前、KPI設定の仕方や、デジタルマーケティングオペレーションの話しの中で議論した内容を振り返ると分かりやすい。そもそも、集客オペレーションという狭義のマーケティングで競合と優位に戦うためには、単に広告のオペレーションスキルをあげるだけでは難しく、顧客獲得後の顧客LTVを改善するための後工程のオペレーション活動の効率が競合企業よりも高いことが必須である。なぜなら、後工程のオペレーション効率が悪い企業は顧客LTVが低くなるため、獲得した顧客一人当たりの価値が低いということになる。それはすなわち、競合よりも顧客一人当たりの獲得単価を低く設定せざるを得ないことを意味するため、中長期的には収益率を維持したまま、競合と戦っていくことができないことを意味するからである。

オペレーショナルエクセレンスとカスタマーインティマシーを組み合わせる

このように３つの要素を整理して考えると、私自身のキャリアで選んできた仕事がこのようになった理由も分かってくる。最初に新卒で入社した楽天の初期は別にして、楽天でマーケティングを始めて以降のキャリアは、一貫して今述べてオペレーショナルエクセレンスとカスタマーインティマシーの組み合わせの最適化を行い、バリューチェーン全体の効率をどれだけ改善させられるかをひたすら考えてきたといえる。転職する際の選択の基準は、ある程度マーケティング予算を使える企業であることが自分の得意分野を考えると条件であったのだが、継続的に大規模なデジタル広告予算を使える業種というのは、基本的にはこの２つの要素の組み合わせで事業拡大ができる業種であることが多い。

ゲーム業界については、プロダクトイノベーションの比重が大きいという話をしたので、変に思われる方がいるかもしれないが、企業としての成功の最も重要なカギはもちろんその通りなのであるが、Free to Playのゲームが主流になるにしたがって、プロダクトイノベーションが成功した後は、残りの２要素を精緻に行い、プロダクトライフサイクルを伸ばし、顧客LTVを高めることが必要になるため、この点で私のスキルが活かせる部分があったからである。

私がオペレーショナルエクセレンスの重要性を考えるようになった理由は、直近の人材業界とその前のゲーム業界の比較をする中で理解できたのであるが、企業の戦略の話などを読んでもなかなか出てこない視点であるため、覚えておいてもよい分析手法であると思う。以前、某外資系有名戦略コンサルティング会社のパートナーに人材紹介会社の差別化要因を聞かれて、オペレーション精度を上げるという話をして、戦略とは競合と違うことをすることだと文句を言われたことがあるが、ここまで述べてきた理由により、私はそのコンサルタントのほうが間違っていると思う。戦略コンサルティングと名乗る以上、プロダクトイノベーションやカスタマーインティマシー的な差別化要因を見いだせないと価値が出せないのであろうが、残念ながらそのようなものを見出しにくい産業というのは現実には存在するのである。