あなたの会社には、組織が危機に陥ると颯爽と現れ、どんな問題でも解決してくれる「英雄」がいるかもしれない。それは称賛されるべきことではなく、組織が未熟な証拠だ。危機が起きるから英雄が誕生するのではなく、英雄に依存しているから危機がなくならない可能性がある。また、ヒーローとして称えられるために、不必要に自分を追い込んだり、自分の頑張りを不自然にアピールしたりする従業員もいる。こうした不健全な企業文化を脱して、成熟した組織に生まれ変わるために、4つの点に注目すべきだと筆者は主張する。 最近、ある会社の経営会議に招かれた。その会社はピンチに直面していた。大口顧客の注文対応をしくじったのだ。経営幹部は、ダメージを最小限に抑え、顧客に機嫌を直してもらい、体制を立て直すトリアージモードに入っていた。 会議の終わりに、いつもの精鋭チームの動員が決まった。「うちの会社の特殊部隊だ」と、好感を込めて呼ばれるマ

実際に行動する前に物事を掘り下げて考えることは、リーダーとして成果を上げるために欠かせない資質である。しかし、それが行きすぎて考える必要のないことまで事前に検討するようになると、それは非生産的な時間であり、ストレスも大きい。本稿では、思慮深さという強みを活かしながら、より迅速に優れた意思決定を下す5つの方法を紹介する。 大手テクノロジー企業でプロダクトリーダーを務めるテレンスの仕事は、意思決定を下すことだ。開発する機能の優先順位を、チームはどのように決めるべきか。プロジェクトにどの人員を配属すべきか。プロダクトのリリースをいつにすべきか。数百に及ぶ選択が、テレンスの監督する各プロダクトのビジョン、戦略、方向性を左右する。 テレンスは自分の仕事が大好きだが、これほど多くの意思決定を行うことは多大なストレスにもなっていた。「正しい」選択をするためにさまざまな可変要素を分析しているうちに、非生産

新型コロナウイルスの感染拡大は、世界中に甚大な被害をもたらしている。ただ、当初は経済全体が崩壊すると不安視されていたものの、そこまで深刻な自体に陥ることはなく、予想を大きく上回る形で急速な回復を遂げたことも事実だ。予想と現実の乖離はなぜ生じたのか。本稿では、3つの側面から過去の景気後退との違いを分析し、その理由を解き明かす。 新型コロナウイルス感染症の流行が経済に及ぼす影響は、予想を裏切り続けてきた。 2020年の春には、それまでの常識では考えられないような大々的な事業停止により、経済活動は想像を絶する落ち込みを記録した。しかし、おそらくそれ以上に驚かされたのは、それ以降、経済全体が崩壊するという不安が実現していないことだろう。 当初の経済的ショックのあとの景気回復は、予想されていたよりはるかに強力で急速だった。米国でもその他の国々でも、コロナ禍以前の水準を完全に回復した業種もある。 筆者

ビジネスのさまざまなシーンにAIが浸透しつつある。とはいえ、概念実証（PoC）から実用へ、さらには部分活用からエンタープライズ活用へとAIをスケールさせることに成功した企業はまだ一握りだ。この壁を越えるためには、何が必要なのだろうか。アクセンチュアのビジネス コンサルティング本部を統括する牧岡宏氏と、AIグループを率いる保科学世氏は、何よりも「経営者が自ら意識改革することが重要」と指摘する。 部分導入から全社導入への高い壁 ──　ビジネスにAIを活用しようという企業が増えています。 牧岡 宏（まきおか・ひろし） アクセンチュア　ビジネス コンサルティング本部 統括本部長 シニア・マネジング・ディレクター 専務執行役員 東京大学工学部卒業。マサチューセッツ工科大学経営科学修士修了。丸紅、ベイン&カンパニーを経て2014年にアクセンチュアに参画。全社成長戦略、組織・人材戦略、M&A戦略等の領域

人工知能（ＡＩ）の導入を目指す企業の多くが忘れていることがある。ＡＩモデルの検討そのものには膨大な時間とリソースを投じながら、それを既存システムとどう連携させるかまでは考えていないのだ。その結果、希望に満ちたＡＩプロジェクトは突然、終わりを迎える。こうした事態を避けるには、当初から連携まで見据え、必要なスキルと知識を有する人材を集めて、適切なチームを編成することが不可欠である。 人工知能（ＡＩ）の導入を目指す企業がどんなふうに失敗するのかを示す、次のような話がよくある。 それらの企業は有望な技術ベンダーと緊密に協働する。概念実証で確かな成果を上げるために、必要な時間、金、労力を注ぎ、ＡＩの活用が自社の事業をいかに向上させるのかを立証して見せる。

データは新たな石油だと大きな注目を浴び続けているにもかかわらず、いまだに意思決定のほとんどが直感にもとづいて下されている。仕事の世界、特に人材マネジメントの世界では、その傾向が強い。あなたの会社でも、能力は劣るのに、うわべのコミュニケーション力が優れた人が評価されてはいないだろうか。筆者は、データドリブンの推進を阻む最大の要因は社内政治だと指摘する。 データは、有益な製品・サービスや発展を生み出す新たなゴールド、石油、土壌としてもてはやされている。 それは正しいかもしれない。しかし実際には、データは単なる記号にすぎず、ほとんどが0か1の数字でできている。 これは、最も複雑なアルゴリズムについても当てはまる。そして、私たちが人工知能（ＡＩ）について語るときに意味するものはたいてい、異なる変数の照合や大規模なパターン予測を行うために0か1を代入する、「分類（クラシフィケーション）ソフトウェア」

新型コロナウイルス感染症による影響を受け、企業は経営戦略の見直しが迫られている。世界を代表するコンサルティングファーム、マッキンゼー・アンド・カンパニーのパートナー陣に緊急寄稿してもらう本連載第4回では、「サプライチェーン」をテーマにする。コロナ危機に伴い、サプライチェーンにおいて、主に4つの大きな変化が起きている。そしてそれが2つの構造変化につながっていく。経営戦略を立てるうえで見過ごせない変化点を記す。 サプライチェーンをとりまく大きな変化とは何か 本稿を執筆している時点で、政府による緊急事態宣言が解除となり、各社は新型コロナウイルス感染症の危機からの本格的な回復に向けた動きを計画している段階にある。これまでマッキンゼーでは、世界各地のクライアント企業関係者とポストコロナにおけるNext Normal（次なる常態・価値観）の議論を重ねてきた。 マッキンゼー・グローバル・インスティチュー

ビジネスの意思決定をデータ主導で行おうとする動きが、至る所で見られる。各社莫大な投資を行っているが、データを賢く活用している企業は非常に少ない。実際にはデータの取得や分析法に問題があるにもかかわらず、そうした基本的なことを検証しないまま利用しているからだ。本稿では、データの力を最大限活用するうえで欠かせない4つの質問を紹介する。 データは、現代の企業経営の中核を占めるようになった。ＩＴ専門調査会社のインターナショナルデーターコーポレイション（IDC）によると、データとアナリティクスへの投資額は、2022年までに2743億ドルに達する見込みだ。 だが、その多くは賢く使われていない。調査会社ガートナーのアナリストであるニック・ヒューデッカーは、ビッグデータ・プロジェクトの85％は失敗すると予測している。 なぜか。問題の一因は、コンピュータの画面に表示される数字が、特別な権威をまとって見えること

価値観が多様化した昨今、リーダーシップも、チームのありかたも、コミュニケーションも変わってきており、「ＥＩ」（エモーショナル・インテリジェンス／感情的知性）の重要性は高まる一方である。『ハーバード・ビジネス・レビュー』のコンテンツをまとめたＥＩシリーズの最新刊は、『やっかいな人のマネジメント』。その刊行記念セミナーが去る2月5日に開催された。基調講演は、近著『世界標準の経営理論』が話題沸騰中の、早稲田大学大学院・ビジネススクール教授、入山章栄氏。世界最先端の経営理論を引き合いに出しつつ、やっかいな人のマネジメントが求められている理由をひも解き、さらには上手く付き合うための方法までを伝授した（構成：富岡修、写真：斎藤美春） 「知の探索」が苦手な日本企業 仕事のほとんどは、組織やチーム、クライアントなどがあっての人間関係で成り立っている。「やっかいな人」「面倒くさい人」「気の合わない人」はどこ

人工知能を自社で活用したいと考えている企業は多いだろうが、上層部がその知識に乏しければ、進むべき道を見誤る。世界を代表する通信機器会社ノキア会長のリスト・シラスマは、リーダーみずから学校で学び直すことから始め、同社の全社員に機械学習の基礎を習得する仕組みをつくりあげた。本記事では、そのための5つのステップが示される。 人工知能（ＡＩ）はほぼすべてのものに破壊的変化を及ぼす、という期待と可能性に対し、私は長いこと懐疑的であり、楽観的でもあった。しかし昨年、機械学習の急速な進歩にショックを受け、ノキアと自分がともに理解不足だったことに懸念を抱いた。そこで、私自身が機械学習についてどう学び、会社の学習をどう支援すべきかを考えた。 幸いにも、ノキア会長という立場のおかげで、世界を代表する何人もの人工知能の研究者たちに時間を割いてもらうことができた。ただし、彼らの話は断片的にしか理解できなかった。ま

現代のリーダーには、あまりに多様かつ大量の仕事が課せられている。そのため、たいていの場合、慢性的な睡眠不足である。ただ、多くの研究が示すように、あなたが睡眠不足に陥ると、自分の仕事がうまくいかないだけでなく、部下にも迷惑をかけることになる。本記事では、超多忙なリーダーが十分な睡眠を確保できる生活を送るための、４つの具体的なステップを提示する。 シェイクスピアいわく、「王冠を戴くものは安心して眠れない」。現代語で言い換えれば、リーダーの仕事に終わりはない。たとえ継続中の案件を1日の終わりにデスクから片付けても、リーダーの仕事は終わっていない。リーダーは現在を管理すると同時に、将来に備えなければならないのだ。リーダーには常に、もっとできること、よりよくできることがある。 そのため多くのリーダーが、こうした要求に応えるために長時間働くのは、驚くに当たらない。最近の例では、イーロン・マスク（現在、

リーダーシップ能力と睡眠には相関があることが、研究で示されている。そして上級のリーダーほど、十分かつ良質な睡眠を取るようみずからを律しているという。本記事では睡眠改善の5つの方法を紹介する。 大勢の人々が睡眠不足で悩んでいることは、周知の事実だ。 16～64歳で、1日に7～9時間の睡眠を取っていない人は、論理的推論力、実行機能、注意力、気分が損なわれているおそれがある。なお悪いことに、著しい睡眠不足はうつ病、不安感、妄想の症状を引き起こしかねない。長期的に見ると、寝不足は認知症とアルツハイマー病を発症する主たる要因にもなる。 驚くべきことに、経営幹部は、こうした警告に注意を払う必要のないグループに属する。我々が3万5000人ものリーダーを調査し、250人あまりにインタビューした結果、上級職の人ほど、睡眠をたくさん取っていることが判明したのだ。 これには、2通りの説明ができる。 まず、上級幹

いまの仕事が自分の天職だと思えればそれ以上の幸せはないが、多くの人がそう感じられていないことも事実である。だが、たとえ天職ではなくとも、そこに「意義」を見出すことはできる。どんな仕事にも、何かしらの意義が存在する。本記事では、目の前の仕事に意義を感じるための具体的な方法論が提示される。 自分の仕事にやりがいを感じる人が少ないのは、なぜだろうか。 筆者は数年前、こうした問題を研究しているイェール大学スクール・オブ・マネジメント教授、エイミー・レズネスキーにそう尋ねてみた。その答えは、とても納得がいくものだった。学生は、「自分の天職はどこか見えないところに隠れていて、多くの場所を探せばきっと見つかると考えている」のだという。 調査によると、ミレニアル世代が仕事から得たいと考えている最大の要素は「意義」である。一方で、レズネスキーの研究によれば、いまの自分の仕事が天職だと考えている人は50%に満

AIが連日メディアを賑わすなか、自社ビジネスにどうAIを活用するかという議論が盛り上がりを見せている一方で、推進の難しさも顕在化してきている。若干の過熱感もあるAIシンドローム（症候群）ともいえる状況のなかで、取り組みを一過性のものにせず、自社の持続的な競争優位構築につながる本質的な活動とするために何をすればよいのだろうか。 AI導入による成果創出は難しい？ まずは事実認識から始めよう。AIへの期待値に反して、導入に成功し効果を引き出せている企業はグローバルで見ても少数派である。欧米や中国を含む7カ国の企業意思決定者向けに2016年末に実施したサーベイ*1ではその数は10%程度とされている。 日本に目を向けると、成果以前に導入自体が大幅に遅れている状況だ。日・米・独を比較した別のサーベイ*2によると、日米のAI導入率は10倍以上の開きがあり（1.8%vs13.3%）、独に対しても2倍以上の

大統領選やビジネスの予測が外れる背景には、サンプルの古さ、少なさ、偏りなどの問題がある。その対抗策の1つとして、本記事は「転移学習」の基本概念をわかりやすく紹介する。 ドナルド・トランプが大統領選への出馬を表明した当初、ほとんどのアナリストは、彼が共和党の指名候補になる可能性は限りなく低いと予測した。 なかでも顕著なのは、統計関連サイト「ファイブサーティーエイト（538）」を主宰するネイト・シルバーだろう。彼はトランプが指名される確率を2％と予測した（英語サイト）。この予測で使われたのは、過去の候補者に関する複数の有意なデータポイントだ。候補者の経歴、党内の支持率、過去の成功や失敗などのデータである。 ここでの基本前提は、予測対象（トランプ）は、過去の前例（これまでの共和党指名候補）と比較可能な同一性があるため、彼らの実績に照らして判断できる、というものだ。これは、きわめて一般的な予測アプ

文書の自動生成ソリューションで知られる気鋭のスタートアップ、ナラティブ・サイエンス。その創業者が、解析データが自動的に「会話調のストーリー」で伝達されるという、数年後の展望を語る。 近年、ビッグデータの台頭が大きく取り沙汰されている。その一方、データ管理の教育プログラムを提供するTDWIの調査によると、社員の50％がビジネスインテリジェンス（ＢＩ）のツールにアクセスできる企業のうち、実際にツールを活用している人は20％にすぎないという（英語記事）。この問題の一部は、システムの使いにくさに起因している。そしてもう1つの課題は、データリテラシーの低さである。 これらの問題を避けるために、多くの組織はデータから収集した情報を表示する際、視覚化（データビジュアライゼーション）に頼っている。しかし、百聞は一見にしかずという言葉は、図表やグラフについては常に当てはまるとは限らない。データが誤って解釈さ

2003年、筑波大学大学院システム情報工学研究科で修士（工学）学位を取得。2006年、同研究科で博士（工学）の学位を取得。同年4月より、独立行政法人情報通信研究機構の研究員。2013年10月、研究推進員（主任）。2014年4月より現職。デジタルハリウッド大学大学院デジタルコンテンツ研究科客員教授。経済産業省「流通・物流分野における情報の利活用に関する研究会」委員。研究分野はメディア情報学・データベース、感性情報学・ソフトコンピューティング。著書に「スマートデータ・イノベーション」（翔泳社）などがある。 ――「ビッグデータは次世代につないでいくための基礎技術」と位置づけていますが、そもそも「ビッグデータ」の本質とは何なのでしょうか。 「ビッグデータ」は3V（Volume／データ量、Velocity／発生頻度、Variety／多様性）によって語られますが、私は、ここから派生して「データが現実世

昨今、人工知能という言葉をよく耳にするようになったが、最新のテクノロジーをビジネスにつなげるためには越えなければならないハードルがある。科学界と経済界双方のニーズを満たし、新たなビジネスを生み出すためにはどうすればよいのか。Recruit Institute of Technology 推進室の室長を務める石山洸氏が語る。連載第3回。 人工知能ビジネスをつくるために、 まずは「データ」から考える 前回、現在の人工知能ブームの背景として、以下の4つを挙げた。 石山 洸（いしやま・こう） Recruit Institute of Technology 推進室 室長 2006年、東京工業大学大学院総合理工学研究科知能システム科学専攻修士課程修了し、リクルート入社。インターネットマーケティング室などを経て、全社横断組織で数々のWebサービスの強化を担い、新規事業提案制度での提案を契機に新会社を設立

会議中、ノートＰＣやタブレットでメモを打ち込むのが当たり前となった。しかし、これは記憶への定着と内容理解の両方において、手書きに劣ることが実験で示された。 ＨＢＲの編集インターンである私は、オフィスに通うようになって日が浅いが、会議にペンとノートを持ってくる人をごく稀にしか目にしない。かつて毎週の会議ではリングノートとペンが主流だったそうだが、時とともにノートＰＣや薄いタブレットに取って代わられたという。 至極、当然であろう。テクノロジーを駆使することが強く求められる今日、ミーティングの最中であっても、リンクを送ったり、オンラインで資料へのアクセスや会話をしたりすることが当然とされている。即座に達成感を得たい私たちはもはや、会議後に自分のデスクに戻ってから資料を送るという悠長なやり方には耐えられないのだ。それにはデジタルでメモを取るほうが便利なはずだ。 では、手書きは滅んでしまったのだろう

IoTによって企業は顧客情報をさらにきめ細かく収集できることになる。そして個々の顧客のニーズに即したコミュニケーションが可能になる。その一方、企業にとって不利な顧客の情報も取得できることになり、それが企業の新たなジレンマを生む。 IoTで顧客の生活が逐一把握できるようになる ネット社会によって、企業が取れる顧客データは、「購買データ」から「行動データ」へ、そして「使用データ」へとその範囲が拡大しています。 購買データの威力を見せつけたのが、コンビニエンスストアのPOSシステムでした。販売予測の精度が大幅に上がり、キメの細かい品揃えを実現しました。また、小売店では店舗に設置したカメラなどから、消費者が購買にいたった行動データまで取得できるようになり、何が買われたかだけでなく、買われなかった理由も解明が進んだことで商品開発に活かされるようになりました。 購買データや行動データとともに、特にネッ