AIが企業のアーキテクチャを書き換える 経営学会AOM2026が示す日本企業の競争戦略
(※本記事はNTTデータ経営研究所ウェブサイト内の「経営研レポート」に2026年10月27日付で掲載された記事を、許可を得て掲載しています)
はじめに
1936年に設立されたAcademy of Management(AOM)は、経営学・組織論分野において世界を代表する学術団体へと発展し、現在では約120カ国から20,000人を超える会員を擁している。第86回目を迎えたAOMの年次大会は、研究者が最先端の知見を発表し、既存理論に挑戦し、新たな研究課題を形成する場として、この分野で最も重要なフォーラムの一つとなっている。AOM自身も、本大会を経営学・組織論分野における世界最大の学術者の集まりと位置づけている。
本レポートは、2026年次大会への参加を踏まえ、NTTデータ経営研究所(以下、当社)が現地で観察した主要なテーマ、議論、および研究動向について報告するものである。特に、人工知能(AI)が経営学・組織論研究に及ぼす影響の高まりに焦点を当てるとともに、AIが経営における根本的な課題、リーダーシップの実践、組織設計、意思決定プロセス、そして仕事の未来をどのように再構築しつつあるかについて、当社の考察を述べる。
エグゼクティブサマリー
人工知能は、「技術をどう導入するか」という問いから、「企業のアーキテクチャそのものをどう設計するか」という問いへと移行しつつある。
2026年のAcademy of Management年次大会では、AIは単なる生産性向上のツールとしてではなく、経営における最も根本的な問い──持続的競争優位は何によって生まれるのか、どの活動・能力を企業内に残すべきか、組織はどのように設計されるべきか、そして経済的価値は最終的にどこで獲得されるのか──に影響を及ぼす力として、ますます議論されるようになっている。
本レポートの中心的な結論は、AIによる優位性は、より優れたモデルへのアクセスやAIツールの導入数の多さから主に生まれるのではなく、企業が価値を創造し、そこから学習し、統制し、獲得する仕組みそのものを再設計することから生まれるというものである。
大きな変化としては、次の4点が挙げられた:
- 第一に、AIそのものが持続的な差別化要因として残る可能性は低い。モデル、ツール、汎用的な活用方法は急速に拡散する。したがって持続的な優位性は、AIを「模倣が難しい資産」──独自の学習ループ、独自の活動システム、信頼に基づく顧客関係、組織文化、物理的資産や規制上の地位、そして企業固有の知識──と組み合わせる方法から生まれる可能性が高い。
- 第二に、企業の境界が変化している。AIは探索・調整・生産のコストを引き下げる一方で、検証、ガバナンス、アカウンタビリティ、技術依存に関する新たなコストを生み出す。そのため、戦略的な「自社で行うか、外部に委ねるか」という問いは、単純な「何を社内で実行すべきか」から、「何を統制し、そこから学び続けなければならないか」へと変化している。AIを活用した業務をアウトソースすることは、その業務から生まれる学習そのものを外部に委ねることも意味しうる。
- 第三に、AIによる組織的な効果の大部分は、ツールの導入そのものよりも「再設計」から生まれる可能性が高い。AOMで示された知見によれば、AIネイティブ企業は、既存の組織構造にAIを後付けするのではなく、製品、ワークフロー、人間の役割、エージェントの役割を一体的に設計している。既存企業(インカンベント)にとっての意味合いは、個々の業務を自動化するのではなく、決定的なボトルネックを中心に、エンドツーエンドの活動システムそのものを再設計することである。
- 第四に、価値創造は価値獲得を保証しない。AIが顧客に大きな価値をもたらしても、その経済的な見返りをエコシステム内の別のプレイヤーが獲得してしまうことがある。したがって、誰が対価を支払うのか、いつ支払うのか、模倣からどのように守るのか、データはどこに蓄積するのか、そして顧客との関係をどの階層が握るのかといった意思決定は、導入が拡大した後ではなく、早い段階で行われなければならない。
これは日本企業にとって、機会とリスクの両方を意味する。日本には、AIにとって価値ある補完資産──深い専門知識、信頼に基づく顧客関係、オペレーション能力、規制上の地位、物理的資産、そして蓄積された組織知──が数多く存在する。しかし、これらの資産は自動的にAI時代の優位性へと転化するわけではない。ワークフロー、権限、組織の境界、事業モデルをほぼ変えずにAIを導入するだけでは、目に見える生産性の向上は実現できても、意味のある戦略的差別化は生まれない可能性がある。
したがって、日本の経営層にとっての戦略的な問いは、「AIをどこで使うべきか」から、次の問いへと変化している。
AIが自社の独自性を強化し、学び続けなければならない領域への統制を保ち、創出した価値の意味あるシェアを獲得できるように、企業をどのように再設計すべきか。
そしてこの問いが、本レポートで取り上げる4つの論点をつないでいる。
AOM 2026現地レポート──注目すべき点
Academy of Managementには約7,500人の発表者が参加し、ペンシルベニア・コンベンションセンターと周辺のカンファレンスホテルを舞台に、戦略、組織、アントレプレナーシップ、テクノロジー、人間行動といった領域にわたる3,500以上の対面セッションが開催された。この規模自体も重要だが、それ以上に注目すべきはテーマの変化である。AIはもはや専門的な技術トピックとして扱われてはいなかった。AIは、企業がなぜ存在するのか、どのように競争するのか、どのように価値を獲得するのかという議論の中心に位置するようになっていた。
以下の観察は、当社が参加したセッションに基づくものであり、全プログラムに関する統計的な主張ではなく、現地での所見である。
AIは専門トピックから、経営学全体を組織づける問いへと移行した
AIは、戦略、組織理論、アントレプレナーシップ、生産性、ガバナンス、プラットフォーム、マネタイズといった、あらゆる領域に登場した。重要な変化は、AIに関するセッションの数ではなく、問いそのものの質にあった。学者たちはもはや「企業はAIをどのように導入すべきか」を議論していない。彼らが議論していたのは、AIがいかに競争優位の源泉、企業の境界、そして生産の単位そのものを変えるのか──そして、この学問分野の基礎理論がなお成立するのか、という問いであった。「AI時代における経営理論の再考」や「生成機械時代における企業の理論」といったタイトルのセッションが並び、そのほとんどが満席となっていた。
アジア系研究者の存在感は大きく、一方で日本の存在感は見うけられなかった
当社が参加したセッションにおいて、日本人研究者の参加は見られなかった。一方で、中国系・インド系の研究者は、経営学研究の最前線における議論を形づくる存在として、非常に高い存在感を示していた。これは国別の研究水準を評価するものではない。しかし日本にとっては重要な戦略的警鐘である。なぜならば、グローバルな議論への参加は、どのような問いが立てられ、どのようなエビデンスが注目され、どのような経営思想が実務へと伝わっていくかに影響を与えるからである。
議論の舞台は、米国から離れ、日本の欧州パートナーへと近づいていく
AOMは、年次大会が少なくとも4年間、米国を離れることを既に発表している。2027年はウィーン(シアトルからの変更)、2028年はトロント、2029年はフランクフルト、2030年はロンドンでの開催となる。AOMはこの決定を、グローバルな会員の参加を支えるための開催地ローテーションの一環と位置づけている。理由はいずれにせよ、実務的な影響は同じである。フィラデルフィアはしばらくの間、米国最後の開催地となり、経営学のグローバルな議論の舞台は欧州とカナダへ移っていく。したがって、日本の研究者、大学、企業にとっては、2026年大会に限らず、今後の国際的な開催においても、存在感を維持し続けることが重要である。
AI時代の企業を形づくる4つの戦略的論点
本セクションでは、当社が最も重要と考えた議論を、経営者が今日直面する4つの戦略的判断──何が防御可能な優位性として残るのか、企業は何を継続して行い、あるいは統制すべきか、AIネイティブな設計とは何を意味するのか、そしてAIが生み出す価値は最終的にどのように獲得されるのか──に整理して紹介する。これらの議論は多様な領域・手法にわたっていたが、次第にこれらの根本的な問いへと収斂しており、AI時代における競争優位、組織の境界、価値創造の再評価が広く進んでいることを示していた。
| 論点 | 主な論者 |
| 競争優位 | Jay Barney — ユタ大学 Raphael Amit — ペンシルベニア大学ウォートン校 Kathleen Eisenhardt — スタンフォード大学 |
| 企業の境界とエコシステム | David Teece — カリフォルニア大学バークレー校 Carliss Baldwin — ハーバード・ビジネス・スクール Annabelle Gawer — サリー大学 Ron Adner — ダートマス大学タック・スクール・オブ・ビジネス |
| AIネイティブ組織 | Rembrand Koning — ハーバード・ビジネス・スクール Phillip Kim — バブソン・カレッジ |
| 価値獲得 | Richard Makadok — オハイオ州立大学 Andy Wu — ハーバード・ビジネス・スクール Marshall Van Alstyne — ボストン大学クエストロム・スクール・オブ・ビジネス |
1.AIが急速に広がる中での持続的競争優位の源泉とは
経営者への問い
企業が同様のAIモデル、AIツール、AIの技術的能力にアクセスできるとすれば、AIそのものが持続的な競争優位を生み出すことは可能なのか。
学者たちの主張
戦略論におけるリソース・ベースド・ビュー(RBV)の代表的な提唱者であるユタ大学の特別教授、ジェイ・バーニー氏は、AIは大きな価値を創出し、一時的な優位性をもたらすことはできるが、それ単独で持続的な競争優位を生み出す可能性は低いと主張した。
その論拠は構造的なものである。AIが変革的であるからこそ、それは急速に拡散する。どの企業もAIを無視することはできず、その結果、AIの導入は差別化要因ではなく、競争に参加するための前提条件となる。早期に導入した企業はスピードと学習の面で優位に立てるかもしれないが、競合はやがて追いつき、しばしば先行者の学びから恩恵を受ける。
バーニー氏はこの議論を、多くの経営者が最も強力な防御力(堀)があると考える領域──独自データ──にも展開した。彼の見解では、データが持続的な優位性をもたらすのは、極めて限定的な条件の下でのみである。すなわち、(1)競合が機能的に同等のデータを持っていないこと、(2)多くの知見が比較的小規模なサンプルからでも得られるにもかかわらず、当該のユースケースが本当に大規模データセットを必要とするものであること、(3)競合が、企業の観察可能な意思決定の背後にある分析内容を推測できないこと、(4)提携関係、規制上のデータ移植性要件、従業員の転職などがあってもデータが独自性を保ち続けること、という4条件である。これら4条件をすべて同時に満たす企業データセットはほとんど存在しない。
これは、企業がAIへの投資を減らすべきだという意味ではない。むしろ企業は、競争優位が、AIそれ自体ではなく、価値があり、希少で、模倣が困難な資源とAIを組み合わせることから生まれると認識すべきである。バーニーは、AIが情報処理・分析をますますコモディティ化させるにつれて、差別化の源泉は、彼が「残余的異質性(residual heterogeneity)」と呼ぶもの──リーダーシップ、組織文化、社会関係資本、対人的な信頼──へと移っていくと論じた。
同じセッションで発言したラファエル・アミット教授は、これを補完しつつも異なる視点を示した。彼はAI技術そのものが単独で持続的な優位性の源泉となる可能性は低いという点でバーニーに同意した。しかし、AIを企業の活動システムに組み込むことで、より持続的な差別化が生まれる可能性があると論じた。
アミット教授の見解では、AIを活用する組織はますます循環的かつ自己強化的になっていく。下流の活動から生まれる出力が、継続的に上流の活動にフィードバックされる。顧客行動がデータを生み、データが知見を生み、知見が製品・サービスを改善し、改善された提供物が新たな顧客行動を生む──こうした学習の好循環が生まれる。AIは観察、解釈、適応をほぼリアルタイムに圧縮し、組織学習を加速させる。
優位性の潜在的な源泉は、その結果として生まれるシステムレベルの複雑性にある。競合はモデルやアプリケーションを模倣できるかもしれないが、その力学が外部から観察・診断しにくい、相互に連関した活動システム全体を模倣することは容易ではない。
同時に、アミットはAIを深く統合することに伴う重大なリスクも指摘した。緊密に結合したシステムは、エラーをスピードとスケールの両面で増幅させる可能性がある。人間とエージェントが混在する環境は、アカウンタビリティ、責任、そして学習の所有権に関する未解決の問いを生む。さらに、外部のモデルプロバイダーやクラウドプラットフォームへの依存は、企業が「AI活用度を高めている」ように見えながら、実際には価値創出プロセスの重要な要素に対する統制を徐々に手放してしまうという、誤った能力感を生み出しかねない。
未解決の論点
最も重要な意見の相違は、データが競争優位の源泉となり得るかという点に関するものであった。
バーニー氏が懐疑的であったのに対し、生成AI関連の新興企業に関する自身の研究を踏まえて、スタンフォード大学のキャスリーン・アイゼンハート教授は、より楽観的な見解を示した。彼女は、多くの生成AIの文脈において、優れたデータは単なる入力情報ではないと論じた。それはハルシネーションを減らし、モデルの性能を高め、継続的なユーザーフィードバックを通じて学習の経済性を生み出す仕組みでもある。この意味において、独自かつ高品質なデータは、真の戦略的資産となり得る。特に、信頼された臨床文献と専門知識が模倣困難な障壁を生み出すヘルスケアのような領域において、その傾向は顕著である。
経営者にとっての意味合いは、「自社のデータは『堀』となり得るのか」という問いが、依然として開かれたままであるということである。データが本質的に防御可能である、あるいは必然的にコモディティ化するという前提のいずれか一方に立つのではなく、企業はバーニー氏が提示したような基準を用いて、自社の状況をケースバイケースで評価しつつ、AIネイティブ業界から現れる新たなエビデンスにも注意を払うべきである。
続きは無料会員登録後、ログインしてご覧いただけます。
-
記事本文残り70%
月刊「事業構想」購読会員登録で
全てご覧いただくことができます。
今すぐ無料トライアルに登録しよう!
初月無料トライアル!
- 雑誌「月刊事業構想」を送料無料でお届け
- バックナンバー含む、オリジナル記事9,000本以上が読み放題
- フォーラム・セミナーなどイベントに優先的にご招待
※無料体験後は自動的に有料購読に移行します。無料期間内に解約しても解約金は発生しません。