生成AIは消費財メーカーや小売業の在り方と、消費者の行動にどのような変化をもたらすか

EY Strategy Edgeプラットフォームによると、2020年から2023年の間の消費市場におけるAI関連の取引は277件以上にも上り、その投資額は80億⽶ドルを超えています。これらの取引のうち、⽣成AIが明示的に占める割合は5%程度ですが、その重要性を見誤ってはいけません。生成AIに対する大きな期待は、特にここ1年間で高まっています。他のテクノロジーとの組み合わせや改善が可能であるため、⽣成AIは独⾃の発展サイクルを経て急速に進歩を遂げており、消費者市場においても重要な検討事項となっています。

消費者向けビジネス全体で、マーケティングの迅速化やコスト削減、⾼度に⾃動化された契約プロセスなど、多岐にわたってユースケースが連鎖的に広がっています。消費者向けAI関連で判明しているM&A取引の内訳を⾒ると、ユースケースは企業全体に及んでいることが分かり、3分の1はバリューチェーンの調達に関連し、また5分の1はバリューチェーンの販売やラストマイルソリューションの促進に役⽴てられています。現在、⽣成AIに対しては「個々のビジネスニーズに応じた、さまざまなソリューションを提供するために活⽤できる機能的なツールセット」という認識が⼀般的ですが、企業が⽣成AIを「⾃社のビジネス変⾰の鍵を握るもの」と捉え始めたとき、⽣成AIはその真の⼒を発揮するでしょう。また、⽣成AIによるこうした統合は、顧客と従業員に革新的な体験を提供し、さまざまな機能に及んで価値を生み出す可能性を秘めています。

⽣成AIの実例︓消費財メーカーに対するEYの取り組み

ここでは、EYが消費財メーカーや⼩売企業の⽣成AI活⽤をどのように⽀援しているか、異なる4つの例を通してご紹介します。

さまざまな部⾨で⽣成AIが導入されるにつれて、それをより広範囲のビジネスエコシステムに統合する可能性がより顕著になってきています。アプリケーションの多くが、オープンソースであり相互運⽤できる性質を持つことも、この傾向を促進させる要因の1つとなるでしょう。⽣成AIは、多目的に適応し使用できるテクノロジーの万能ツールと見なすことができます。⽣成AIが提供するソリューションは、他のテクノロジーでも実現可能かもしれませんが、おそらく⽣成AIほど迅速かつ容易に、あるいはコスト効率良く 実現することは難しいでしょう。例えば、⽣成AIを使⽤することで、同⼀ビジネス内にある異なる複数のコーディングシステムが連携しやすくなれば、エコシステムパートナー間の技術的な壁を打破し、それによって調達、サプライチェーンの透明性、品質基準などのプロセスの正確性や効率を向上させることにもつながります。

「万能」な生成AI戦略は必要ない

ビジネスインテリジェンスを提供するプロバイダーの多くは、すでに⼤規模⾔語モデル（LLM）を導入し、消費財メーカーに提供する情報のスピードアップとカスタマイズを図っています。⼩売企業や消費財メーカーの中には、戦略的インサイト機能の向上を図るべく、これらのプロバイダーとの連携を進めているところもあれば、独⾃のLLMプラットフォームを構築または開発して、制御やカスタマイズを可能にしようとしているところもあります。

こうしたアプローチのどちらかを選ぶ必要はありません。どちらも異なる利点をもたらすことができます。既存のLLMを消費者データベースと統合して学習させれば、プロセスやアプリケーションのスピードアップを⼿早く実現できますが、これを、独⾃モデルとして開発し、データによる学習と同時進⾏させれば、⾃社ビジネス特有の機能の優位性を⽣かせます。前者はテクノロジーの迅速な移⾏を促し、後者は優先分野において狙った結果をもたらします。

今、行動すべきこと

まず、戦略的パートナーシップを探ります。ブランドや⼩売企業は、新しい技術に関するケイパビリティを早急に構築する必要があるかもしれませんが、テクノロジーベンダーやプラットフォームは、カスタマージャーニーの改善から契約プロセスの簡素化に⾄るまで、迅速かつ容易に利用できるプラグアンドプレイのソリューションを既に持っています。これらのパートナーと連携することで、企業は自社の技術力を築き上げ、発展させながら、⽣成AIソリューションを活⽤し導⼊することができます。

次に決定すべきこと

スペシャリストモデルまたは事前学習モデルによって⼤きなメリットがもたらされるビジネス領域を特定し、それらを実現するために必要な社内スキルの育成や、適切な外部パートナーを確保するためのロードマップを設定しましょう。サードパーティーのアプリケーションを⼤幅にカスタマイズすること以外では対応できそうにない、特殊なビジネス領域のニーズについては、ケイパビリティ開発の⾒直しや、複製可能で拡張性のあるソリューションを提供できる、さまざまなベンダーとの連携を検討してください。

消費財メーカーのリーダーたちにとって、⽣成AIアプリケーションは明確で具体的なチャンスです。不確実な未来への捉えどころのない道筋をぼんやりと描いているメタバースとは違い、⽣成AIは企業がケイパビリティを構築するための迅速かつ容易なユースケースを提供しています。EY CEO Outlook Pulseの調査結果によると、⽣成AIをうまく活⽤していると考えている消費財メーカーのリーダーは40%で、少なくとも5⼈に1⼈（22%）は、⽣成AIがビジネスの運営に⼤きな影響を与えていることを実感しています。

このような楽観論の中では、迅速な⾏動が不可⽋であり、消費財メーカーのリーダーの70%が、競合他社に戦略的優位性を与えないためには、今すぐ⽣成AIに取り組む必要性があるとの⾒解です。企業発表やメディア報道はこの観点を裏付けており、消費財・⼩売業界では、AI 搭載のショッピングアシスタントや新たな顧客サービスボットの導⼊、さらには即応性の⾼い需要計画アプリケーションや従業員向けツールなど、⽣成AI搭載ツールの新規導⼊が⽇々報告されています。

⼀⽅で、⽣成AIは、ビジネスリーダーが無視できないノイズも生み出します。AIのリーディングプラクティスを採⽤していると考える消費財メーカーのリーダーはわずか8%で、3分の2（67%）は、⽣成AIを取り巻く不確実性がAI戦略の策定や実施を困難にしていると考えています。

過熱した雰囲気が収まり始める中、一部のリーダーはより長い道のりに備えています。37%のリーダーは、⽣成AIが⾃社のビジネスモデルやオペレーティングモデルに⼤きな影響を与えるまでには3年から5年かかると捉えています。この見方には、今⽇の経済状況が影響している部分もあり、消費財メーカーのCEO の60%は、⽣成AIへの投資は、他の予算から資金を取り上げていると感じています。この機会費⽤は、金銭的な⾒返りが即座に得られない場合は、⾼く付くかもしれません。

情報通信技術（ICT）担当者を対象とした、EYの別の調査「Reimagining Industry Futures」によれば、調査対象となった250社以上の消費財メーカーのICT経営幹部のうち、⽣成AIに積極的に投資しているのはわずか35%（他、今年から投資を予定している企業は33%）でした。さらに、消費財メーカーの68%が⽣成AIアプリケーションに関する概念実証を構築している一方で、現在それらをビジネス上重要なプロセスにおいて全社にわたって展開している企業はありません。

このことは、消費財メーカーにとって行動を遅らせる可能性のあるジレンマを生んでいます。⽣成AIが持つ変⾰⼒に関しては、リーダー間で広く意⾒の⼀致が⾒られるものの、価値創造のためにはどこに、どのように⽣成AIを導⼊するのがベストなのかについては不確実性が⾼く（Reimagined Industry Futures調査では消費者企業の36%がそのように回答）、またテクノロジー管理に求められるガバナンスについても同様に不確実性が高いと捉えられています（同調査で35%が回答）。

消費者向けの事業に携わる企業は、⽣成AIの利⽤に伴うリスクに特にさらされています。長い年月をかけて消費者との信頼関係を築いてきたブランドは、フィルタリングされていないデータセットを使用する、オープンソースやオープンアクセスのプラットフォーム上に構築されたテクノロジーを採用する際に、当然ながら慎重になっています。こうした警戒⼼は、潜在的な偏⾒や「ハルシネーション」といった世間の注⽬を集めた事例によってさらに強まっています。加えて、LLMが⽣成し得るコンテンツから⽣じる著作権侵害のリスクや、さまざまなコミュニティーがグローバルにアクセスできるリソースの無断使用から生じる知的財産の流出のリスクもあります。AIの利⽤に関しては、規制当局もEuropean Union AIAct（PDF、英語版のみ）等を通じて規制の厳格化に取り組んでいるためり、法的影響のリスクは⼤⼿のブランド企業や⼩売企業の熱意を冷ます要因となっており、企業によっては、⼀般公開されている⽣成AIプラットフォームに従業員がアクセスできないようにしているケースもあります。

生成AIのガバナンスとその実装は同時進行で実施する

新しい技術を管理する上で、明確で一貫性のあるガバナンス体制を築くことは極めて重要です。

⽣成AIに対する強い懸念が市場の中で提起されている状況では、なおさらです。しかし、⽣成AI がもたらすビジネス上のメリットや、続々と増えているユースケースは無視できないものがあります。

このパラドックスに対処するには、実装とガバナンスを並行して進め、互いに関連する戦略として捉えるべきです。実験と学習によってベストプラクティスの構築を加速させ、データやAIを取り巻くガバナンス構造がAI戦略の策定に適切かつ有⽤なものになるようにします。基本的な共通原則に基づいて構築されたガバナンスフレームワークは、実際に適用してテストするユースケースがある場合に、より簡単に適合・適⽤することができます。ブランドのリスクに対する懸念がある場合、ビジネスの特定のプロセスや領域にソリューションを集中させることで、管理体制を整備した上でソリューションの拡⼤展開に進むことができます。そこで鍵となるのは、⽣成AIツールをどこでどのように展開し、最終的にビジネスのさまざまな領域にメリットをもたらすようにするにはどう活⽤するのかについて、⼀貫性のある⾒通しを持つことです。

今、行動すべきこと

AI戦略を⾒直し、継続的に改善してください。テクノロジーは急速に進化しており、特に規模の大きい消費財メーカーは、ビジネスの各部門でどのようにテクノロジーが導入されているかを理解する必要があります。そうすることで、適切に管理し、小規模な試みが将来的にスケールアップした利益をもたらす可能性を探ることができます（前述の第1章「⽣成AIの実例」のケーススタディ「AI の組み込み」を参照してください）。共通原則に基づいてガバナンス構造を確⽴し、継続的に進化させることで、さまざまなアプリケーションを⼀貫性を持ってテストし、リスクを最⼩限に抑えることができます。

次に決定すべきこと

イニシアチブの拡大の機会を確保し、デメリットを最⼩限に抑えられるよう、企業内でAIがどのように導⼊されているかを監視できる、⼀元化された機能を確⽴します。シナリオプランニングを活⽤し、予想される規制の変更とテクノロジーの急速な変化に基づいて、AI導⼊のリスクとリターンを評価してください。

⽣成AIのビジネスへの影響に焦点を当てるのは容易ですが、消費者行動への影響や消費者と企業との関わり⽅に与える影響は、はるかに大きいかもしれません。これを見過ごすのは過ちですが、過去にも似たようなことが起こっています。インターネットの始まりは学術的な可能性に根ざしていましたが、今ではデジタル消費の時代の象徴として至る所に存在しています。

近年、消費者は携帯電話に依存するようになりましたが、その本来の目的である電話をかけるために使用することはほとんどありません。⽣成AIは、LLMを活用して機械が⼈間をより深く理解する手助けをすることで、⼈間とテクノロジーの関係を再定義しつつあります。かつては機械を最⼤限に活⽤するために、⼈が機械を理解する必要がありましたが、今では機械が⼈間への理解を深めており、いずれ両者のやり取りは⾃然で直感的なものとなるでしょう。

EYでは過去7年間にわたり、AIのような革新的な技術が将来的に消費者の行動パターンをどのように変えていくかを研究してきました。未来学者や経営者、業界の専⾨家と協力し合いながら、「FutureConsumer.Now」プログラムの中でさまざまな未来シナリオを描いたところ、そのほぼ全てで消費者は日常生活の多くを整理し管理するために、AIに強く依存しているという結果になりました。こうした変化に消費者が気付くとは限りません。むしろ、デジタルテクノロジーはますます当たり前の存在となり、アプリケーションの中に組み込まれて消費者⾏動を左右し、⼩売企業やブランドとのスムーズなやり取りをサポートするようになるでしょう。

生成AIの急速な台頭は、生成AIがどのように選択肢を形成し、キュレーションできるか、また、消費者エンゲージメントを強化するためにどのように活用できるかという点で、こうした未来シナリオに向かう動きを加速させるかもしれません。消費財業界で最初に登場した⽣成AIのユースケースは、エンゲージメントとパーソナライズにはっきりと的を絞ったものでした。例を挙げると、ブランドキャンペーンでの消費者との共創や、メッセージングやメディアのパーソナライズ、デジタルショッピングやレシピの提案、AIで強化または完全⾃動化されたカスタマーサービスなどです。応用範囲がビジネスエコシステム全体に広がり続ける中、AIが消費者と企業との関係をどう変えるのかに意識を向け、常に注視し続けねばなりません。

EYではこの点をEY Future Consumer Index（英語版のみ）の中で詳しく掘り下げ、最先端テクノロジーが⽣活に与える影響について、消費者⾃⾝がどう考えているかを明らかにしました。現在のところ、⽣成AIのようなテクノロジーに対して、信頼と依存の間で意見が分かれています。

70%以上の消費者がすでに⽇常⽣活の⼀部としてAIを利⽤している⼀⽅で、61%は政府による規制強化が必要だと感じています。3分の2（68%）の消費者はAIが仕事を楽にすると期待していますが、35%は自分の仕事がAIに取って代わられることを懸念しています。また、消費者の42%は、⽣成AIなどのテクノロジーによって、今後10年以内に労働週間を4日に短縮することを予想しています。これが実現すれば、⽣成AIの間接的な影響という形ではありますが、消費者の買い物の仕方や購入する商品に大きな変化をもたらすことになるでしょう。

調査では、消費者感情をいくつかのグループに⼤きく分けています。ほぼ3分の1（32%）を、その回答から熱⼼な⽀持者と⾒なすことができます。例えば、熱⼼な⽀持者の89%は、AI搭載のチャットボットを信頼してよいと考えています。⼀⽅、5分の1強（21%）は懐疑的であり、このグループのうち84% は、AI搭載のチャットボットを信頼できないと回答しています。

未来の顧客はアルゴリズムそのものかもしれない

現在の意⾒の⼆極分化には、⻑期的な意味合いがあります。かなりの割合の消費者がAI を搭載したツールに意思決定を委ね、メディアコンテンツや製品、サービスをAIに選ばせることを積極的に受け入れるか、あるいは無意識のうちにそれを取り入れるでしょう。AIが自分たちの利益を最大化し、生活を最適化してくれると信じて、家計管理や⼈付き合いの管理をAIに任せる人も多いでしょう。

それがさらに発展すると、アルゴリズムが、消費者と消費者にサービスを提供するブランドや⼩売企業との間に、⽬に⾒えない層を形成するようになります。生成AIを用いてカスタマイズされたメディアやパーソナライズされたメッセージを提供することは、消費者を圧倒するAIによるコンテンツの洪水を引き起こす可能性があります。

将来的には、消費者にアプローチするためには、彼らのためにコンテンツを選び出すアルゴリズムを通過できるほど魅力的なものを提供する必要が出てくるでしょう。基本的な購⼊判断はAIがつかさどり、消費者は独⾃のAIツールによってキュレーションされたチャンネルを通じてブランドと関わるようになります。消費者が信頼するAI搭載アプリケーションに特化した⽣成AIツールが開発されるようになると、D2C（Direct to Consumer）といったビジネスモデルはやがてAI2AI（AI to AI）へと進化していくでしょう。

そこで成功を収めるには、製品、価格、サービスの⾼度なパーソナライズが必須となり、顧客セグメンテーションは広範な人口統計的なグループ分けではなく、個々の消費者や世帯レベルでのインサイトが求められます。

⼀⽅、その対極には、AIを使って生活を整えることを積極的に避ける消費者が、過半数には満たないものの少なからず存在すると思われます。彼らはデジタルとの関わりを極⼒避け、現実世界での体験や⾃分で選択することを好みます。こうした消費者に対しては、物理的な接点を通して信頼や信⽤を確⽴する、伝統的なブランド価値への回帰を図ることになります。合成されたメディアや仮想アシスタントが主要な顧客接点チャネルとなる可能性がある世界で、人間らしさを感じさせる接客や実際に体験できるサービスの提供は、小売企業やブランドにとって競争力を高める要素となるかもしれません。

今、行動すべきこと

消費者を巻き込む仕組みを作りましょう。開発プロセスの⼀環としてだけではなく、彼らのフィードバックやデータを取り込むことを可能にする生成AIツールを構築します。テクノロジーが消費者のライフスタイルの中にますます浸透し、エンゲージメントやパーソナライズの在り⽅がAIによって変わり続ける中、現時点で⽣成AIに関する取り組みを通して消費者とのつながりを深めておけば、将来、⼤きな⾒返りを得られるでしょう。

次に決定すべきこと

デジタル上での消費者との関係を変化させる計画を策定しましょう。消費者との関わり方を形作ることになるAIテクノロジーについて探求し、理解を深めます。異なる消費者のニーズに合わせたメッセージング、メディア、製品、サービスを提供するために、他のAIと連携して機能するAIソリューションをどのように構築するかを考えましょう。