消費財業界におけるAI対応の現状 | アドビレポート | アドビ
View this page in English (US).Continue

レポート

消費財業界におけるAI対応の現状

消費財業界全体で再現性のあるAI導入を支えるオペレーティングモデルの意思決定

AIがブランドチームから店頭へ届くまで

消費財業界の多くの企業がAIへの投資を積極的に進めていますが、パイロット施策を再現性のある成果へと転換できている企業はほとんどありません。本レポートでは、その壁となっている要因と、先進企業が実践する差別化されたアプローチを明らかにします。

序文

消費財(CPG)企業は、ブランド、消費者、買い物客、コマース、お客様対応、業務ワークフローなど幅広い領域でAIの探索・導入を進めています。本調査では、こうした活動を支える所有権、ガバナンス、測定方法、業務のあり方が同じペースで進化しているかを検証します。CPGのリーダー企業にとって、AIをどこに適用できるかという問いだけでは不十分です。ユースケースの評価・デプロイ・学習を、再現性があり責任ある形で、自社の商業上の関係に即して行える組織であるかどうかが真の問いです。

AIの取り組みが拡大するにつれ、各チームの対応速度にばらつきが生じることがあります。ブランド・ポートフォリオ責任者、eコマース・デジタルメディアチーム、買い物客対応・リテールメディアチーム、顧客対応・営業組織、製品・サプライチェーン部門、データ・テクノロジーチームは、それぞれ異なるシステム、データ、意思決定権限、計画サイクルのもとで機能している場合があります。こうした違いは、特にMedia publisher、小売パートナー、ディストリビューター、マーケットプレイス、その他の外部関係者との連携を必要とするユースケースにおいて、可視性や調整の妨げとなりえます。

事業、データ、テクノロジー、法務、プライバシー、ガバナンス、リスクの各チームをつなぐ多くのプロセスは、より長い計画サイクルと順次的な引き継ぎを前提として設計されています。AIの取り組みには、明確な意思決定権限、適切なデータアクセスと同意管理、共通の指標、そして継続的な人間の監督が必要です。こうした基盤が整っていなければ、個々のデプロイは孤立したままとなり、チーム、チャネル、ユースケースをまたいだ展開がますます困難になります。

本レポートでは、調査対象のグローバルな業界横断型リーダー集団においてより多く見られる5つのオペレーティングモデルの行動特性を検証します。消費財企業の経営幹部が自社のAI対応状況を評価し、より連携の取れたAI導入を実現するための意思決定を見極める、実践的なフレームワークを提供します。

Rashi Kacker 氏

Adobe 消費財部門 グローバル業界戦略プリンシパル

調査概要

本レポートは、アドビの委託を受けてIncisivが実施したグローバル調査に基づいています。

経営幹部 が、12業界 および 11のグローバル市場にわたって参加しました。

回答者 は消費財(CPG)業界を代表しています。

AI導入の探索、試験導入、デプロイ、拡張、変革の各段階において、アクティブな消費財(CPG)回答者が分析対象に含まれました。

副社長職以上のポジションに就いていた。

年間売上高10億米ドル超の組織に勤めていた。

対象市場

オーストラリアおよびニュージーランド、中央ヨーロッパ、インド、日本、ラテンアメリカ、中東、北米、東南アジア、韓国、英国およびアイルランド、西ヨーロッパ。

リーダーの特定とスコアリング方法

本レポートで参照される342名のAIリーダーは、12業界の上級幹部5,633名を対象とした調査全体から抽出されています。これは消費財(CPG)業界に特化したグループではなく、グローバルな業界横断のコホートです。CPGの調査結果を、リーダーたちの間でより多く見られる行動と比較するためのベンチマークを提供しています。

成熟度の測定方法

各組織は6つのオペレーティングモデルの柱について評価され、各柱は1〜5のスケールでスコアが付けられました。6つのスコアを統合し、オペレーティングモデル成熟度 (OMM) の複合指標を算出しました。

戦略

明確なAIビジョン、責任体制、投資へのコミットメント。

体制
予算権限を備えた専任のAIオーナーシップ。

人材
AIを活用した環境に対応する役割と文化の変革。

ガバナンス
AIの展開スピードに対応したリスクフレームワーク.

テクノロジー
実証実験にとどまらず、スケール拡大に対応したインフラ。

ワークフロー
実際の業務プロセスにAIを組み込む。

リーダーの選定基準

リーダーとして認定されるためには、2つの基準を満たす必要がありました。OMM複合スコアが3.27を超えること、およびAI導入の拡張または変革ステージで活動していることです。両基準を適用した結果、12業界で342名のリーダーが特定され、アクティブな回答者5,323名の6%に相当します。

この指定は、測定されたオペレーティングモデルの成熟度とデプロイのステージを反映しています。消費財(CPG)のリーダーコホートを特定するものでも、特定の行動が規模拡大をもたらしたことを示すものでも、本レポートに記載された取り組みがあらゆる消費財(CPG)組織で同じ結果をもたらすことを示唆するものでもありません。

エグゼクティブサマリー

消費財(CPG)の回答者は、幅広い機能やワークフローにわたってAIの活動を報告しています。しかし調査結果が示すのは、デプロイが進んでも、再現性のある実行に不可欠な責任体制、測定、部門横断の連携が自動的に整備されるわけではないということです。本レポートでは、オペレーティングモデルのギャップと、グローバルな業界横断リーダーコホートの間でより多く見られる行動について考察します。

業界の現状

消費財(CPG)回答者の61%がフローズンミドルに属しています。

早期の実験段階は脱しているものの、AIの活動は依然として試験導入とデプロイのステージに集中しています。個別の機能部門ではユースケースをデプロイしていても、チーム横断での再現性のある実行に必要な連携は限定的なままです。消費財(CPG)では、こうした連携にはマーケティング、テクノロジー、法務、プライバシー、セキュリティ、ガバナンス、商業上の関係者が関わることがあります。これらのグループが異なる優先度、システム、データ権限、計画サイクルで動いている場合、ユースケースの評価と拡張はより困難になる可能性があります。

消費財(CPG)回答者のうち、明確な役職と予算権限を持つ正式なAI責任者を任命しているのは16%です。

他の組織では、説明責任が複数の部門で共有されたり、委員会を通じて管理されたり、プロジェクトごとに割り当てられたり、あるいは不明確なままになっているケースも見られる。明確な意思決定権限がなければ、ユースケースの優先順位付け、経営資源の配分、適切なガバナンスの整備、そして業務が進むにつれて生じる部門横断的な課題の解決を行うことが難しくなる場合がある。

CPGの回答者の76%が、ビジネスとITの関係を、縦割り型、取引型、またはコンサルティング型の業務方式で管理している。

こうしたモデルは、リクエスト、レビュー、逐次的な引き継ぎに依存することがある。AIに関する業務では、より緊密な連携、共有された目標と主要な成果(OKRs)、適切なデータと技術の基盤、そしてプライバシー、法務、ガバナンス、セキュリティ、リスクに関わる関係者の継続的な関与が求められる場合がある。

リーダーが実践する差別化の取り組み

特に断りのない限り、「リーダー」とは、オペレーティングモデル成熟度の複合スコアが3.27を超え、かつ拡大または変革ステージで運営しているという2つのリーダー基準を満たした組織に属する342人の回答者から成る、グローバルな業種横断コホートを指す。なお、5,323人の有効な回答者全体の6%を占めており、CPG特有のコホートではない。

真の責任体制。

リーダーは、肩書きと予算権限を持つ正式なAI責任者を置いている可能性が5.8倍高い。


初日からの効果測定。
リーダーは展開前に投資回収率(ROI)を定義する傾向が高い。リーダーの44%がROIを包括的に測定しているのに対し、CPGの回答者では12%にとどまっている。

真のパートナーシップ。
リーダーは、協調的または統合的なビジネスとITの関係のもとで業務を推進する傾向が高く、81%がこのレベルで運営している。一方、CPGの回答者では24%にとどまっている。

学習する文化。
リーダーが破壊的な失敗パターンを報告する可能性は1%未満であるのに対し、CPGの回答者では28%に上る。

社内推進者の活性化。
リーダーの42%が、社内推進者の発掘と支援を最も影響力のある文化的取り組みとして挙げており、測定された他のあらゆる施策を上回っている。
これらの行動はグローバルなリーダーコホートにより多く見られるものであり、特定の行動がスケールをもたらしたとは断定できない。第二部では、これらの行動をより詳しく検証し、CPGの経営幹部への示唆を考察する。

第一部

業界の現状

調査結果01:CPGの回答者の多くはフローズンミドルにある

CPGの回答者の61%がフローズンミドルにある:AIは各部門で稼働しているものの、チーム間での再現性のある実行に必要な連携は依然として限られている。

各採用ステージにおける消費財の回答者の割合。

消費財業界の回答者の多くは、個別の機能領域でAI導入を進めていると報告していますが、ユースケースを広範囲に展開するために必要な連携体制を整備できていないケースも少なくありません。コンテンツ、消費者インサイト、コマース、買い物客、お客様、カテゴリー、または業務ワークフローにおいて、あるチームが独自に進捗を上げる一方、他の関連チームは異なるシステム、意思決定権限、データ管理手法、または優先度のもとで動いている場合があります。その結果、個々の領域では活動が生まれるものの、それを比較・管理・横展開するための一貫した仕組みが欠如した状態に陥りやすくなります。

フローズンミドルとは、パイロット段階またはデプロイ段階にある消費財業界の回答者を指します。調査では、回答者の61%がこのグループに該当することが報告されています。この呼称は、進捗が止まっていることや、回答者がある段階にどれだけの期間留まっているかを示すものではありません。AIが一部の領域では活用されている一方、チーム横断での再現性のある実行に必要なオペレーティングモデルの実践が依然として限定的であることを示しています。

フローズンミドルを脱却するには、明確なオーナーシップの確立、合意された意思決定権限、ロールと責任の明文化、適切なデータアクセスとガバナンス体制、厳格な法務レビュー、そしてユースケースに関わる機能部門間での共通の評価指標が必要になる場合があります。

必要な要素の組み合わせは、組織、ビジネスモデル、チャネル、ディストリビューターやその他のコマーシャルパートナーとの関係によって異なります。次の調査結果では、こうした連携の基盤となる条件のひとつ、すなわち行動する権限を伴う正式な責任体制について検討します。

調査結果02:消費財業界の回答者のうち、正式なAI責任者を任命しているのは6人に1人のみ

消費財業界の回答者の中で正式なオーナーシップを設けているケースは少なく、これにより優先度の調整、リソースの配分、機能部門をまたいだAI業務の連携が一層困難になる可能性があります。

消費財におけるAIオーナーシップモデルの分布。

AIの責任体制には、ブランドおよびポートフォリオ、コマース、消費者・買い物客体験、お客様・営業、製品、オペレーション、データ、テクノロジー、法務、プライバシー、ガバナンス、セキュリティ、そしてリスクの各チームが関与する可能性があります。これらのグループ間で明確な意思決定権限なしに責任が分散すると、優先度の調整、リソースの配分、またはユースケースをレビューからデプロイまで推進する担当者の特定が困難になりやすくなります。

調査によると、CPGの回答者のうち、明確な肩書きと予算権限を持つ正式なAI責任者を設置しているのは16%にとどまります。この結果は、すべての組織に適切な役割、報告体制、または範囲を示すものではありませんが、回答者ベースにおいて正式なオーナーシップがまだ一般的でないことを示しています。施策が複数の部門にまたがる場合や、社外の商業的関係に依存している場合、単一チームに限定された役割では、全体の業務を調整するのに必要な権限が不足する可能性があります。

パートタイムのオーナーシップや委員会主導の説明責任体制は、意見収集や監督の仕組みとして有効な場合もありますが、特定の個人に明確な権限が定義されていない場合、拘束力のある意思決定が未解決のまま残る恐れがあります。対象範囲に含まれるユースケースに関連する権限、リソース、ガバナンス上の責任が任命に含まれている場合、正式なAI責任者は明確な説明責任の起点を提供することができます。次のファインディングでは、提案されたユースケースから本番環境への移行における別の課題、すなわち評価プロセスそのものについて考察します。

ファインディング03:CPGのAIユースケースリクエスト100件中、本番環境に到達するのはわずか15件

絶対数の減少が最も大きいのは最初の移行段階であり、ステージ間の離脱率が最も高いのはファネルの後半です。

消費財における提案100件あたりのAI施策の平均通過件数、グローバル平均:100件中15件。

CPGにおけるAIのユースケースは、ブランドコンテンツ、消費者・買い物客エンゲージメント、コミュニケーション、eコマース、リテールメディア、サービス、製品、テクノロジー、生産性、商業、サプライチェーンのワークフローなど幅広い領域をカバーします。提案のひとつが複数のシステム、データソース、承認プロセス、チームに依存することも珍しくありません。そのため、本番環境への準備には、意思決定権限、データの取り扱い、セーフガード、目標とする評価指標の整合が不可欠です。

チャートが示すとおり、提案された多くのユースケースは本番環境に到達する前に除外されています。最初の移行段階で絶対数の減少が最も大きく、後続の移行段階では比率ベースの離脱率が最も高くなっています。これらのパターンを総合すると、初期の実現可能性に関する課題や後期段階での依存関係が進捗を妨げる要因となり得ることが示唆されます。ただし、個々のリクエストが除外された理由や特定の部門が離脱の原因となったかどうかは示されていません。見込まれるビジネスへの影響や重要なタイムライン内でのリソース配分が、チームの優先順位付けにおける主要な要因となっている可能性があります。

目的はレビューを省略することではありません。想定される成果、必要なデータと権限、システムのオーナーシップ、関連するプライバシー・セキュリティ・法務・ガバナンス上の考慮事項、アイデア創出段階での測定アプローチ、そしてビジネスへの影響評価を明確にすることが重要です。これにより、関係チームは提案されたワークフローの実現可能性と適切性を評価するための確かな判断基準を得ることができます。次の調査結果では、ビジネスとITの関係モデルがこの取り組みにどのように影響するかを考察します。

調査結果04:CPG回答者の多くがいまだハンドオフでビジネスとITを管理している

76%がサイロ型、取引型、またはコンサルティング型モデルでビジネスとITの関係を管理しており、AI活用が進むにつれて共同意思決定が制限される可能性があります。

消費財におけるビジネスとITの運用関係の分布。

CPGにおけるAI活用は、ブランド、コマース、消費者・買い物客体験、お客様対応・営業、データ、テクノロジーの各チームをつなぐ取り組みです。また、プライバシー、法務、セキュリティ、ガバナンス、リスク管理の各部門の関与も不可欠です。ユースケースが進展するにつれ、逐次的なリクエストとハンドオフがデータ、統合、タイミング、測定に関する課題の解決を困難にする可能性があります。

調査によると、CPG回答者の76%が、製品中心モデルではなくプロジェクト単位で、サイロ型・取引型・コンサルティング型の関係モデルを通じてビジネスとITを管理しています。これらのモデルは必要なレビューや成果物の納品を支援できる一方、ワークフローがチームをまたいで反復的な調整を必要とする場合、共同意思決定が制限される可能性があります。この調査結果は、すべての組織が同一の構造を必要とすること、または関係モデルだけがデプロイメントの結果を左右することを示すものではありません。

コラボレーション型および統合型モデルは、グローバルなリーダー群においてより一般的です。共通のOKR (目標と主要な結果) を設定することで、ビジネスチームとテクノロジーチームが業務の定義、セーフガードの評価、進捗のトラッキングに向けた共通基盤を築くことができます。CPGにおいては、参加者がユースケースと組織の商業的関係を反映することが重要です。次の調査結果では、AIイニシアティブを評価するための測定が十分早い段階で確立されているかどうかを検証します。

調査結果05:CPG回答者における包括的なAI測定はいまだ少数

CPG回答者のうち、ROI (投資回収率) を包括的に測定しているのは12%にとどまります。

消費財におけるROI成熟度の分布。

AIが日常業務に浸透するにつれ、CPGチームは制作コンテンツ数、作成したオーディエンス数、完了したワークフロー数、節約時間など、活動に関する指標を追跡することがあります。これらの指標は、利用状況や効率性を示すことができます。ただし、それだけでは消費者、買い物客、お客様、商業的、あるいは業務上の成果への影響を立証するものではありません。

調査によると、CPG回答者のうちROIを包括的に測定しているのは12%です。より精度の高い評価は、導入前から始まります。チームは目標とする成果を明確にし、適切なベースラインを設定したうえで、結果の評価方法について合意します。ワークフローが市場に投入された後は、需要、価格設定、プロモーション、メディア活動、流通などの条件が変化するため、その貢献度を切り分けることが難しくなります。

導入前に測定を行うことで、CPGリーダーはAI施策を継続・調整・拡大すべきかどうかを判断するための明確な根拠を得ることができます。適切な指標は、ユースケース、利用可能なデータ、そしてお客様や小売業との関係における組織の役割を反映したものでなければなりません。それらは確約された成果として提示すべきではありません。第2部では、グローバルなLeaderコホートにより多く見られるオペレーティングモデルの行動について考察します。

第2部

リーダーが実践する差別化の取り組み

リーダーの行動01:担当者を明確にすることでAIの展開はより効果的になる

リーダー vs 業界全体

リーダーは、肩書きと予算権限を持つ正式なAI責任者を置いている可能性が5.8倍高くなっています。消費財業界では、16%の組織がAI責任者を任命しています。また、リーダーはビジネスとITを協働で運営する頻度が3.4倍高く、ROIを包括的に測定している頻度も3.7倍高くなっています。

CPGにおけるAIの取り組みは、ブランド、コマース、消費者・買い物客体験、お客様・営業、製品、オペレーション、データ、テクノロジーなど、複数のチームにまたがることがあります。また、プライバシー、法務、セキュリティ、ガバナンス、リスクに関する意見も必要になる場合があります。意思決定がこれらの境界をまたぐ場合、兼務の責任者や委員会、アドホックなリーダーでは、優先事項を解決するための権限が不足することがあります。

リーダーは、肩書きと予算権限を持つ正式なAI責任者を置いている可能性が5.8倍高くなっています。これは相関関係であり、正式な責任者の設置だけがAIのスケール化を促したという証拠ではありません。グローバルなLeaderコホートでは、担当者を明確に指名しているケースがより多いことを示しています。正式な責任者を設けることで、組織のガバナンスおよびビジネス上の関係において、関連する意思決定を調整するための明確な説明責任の所在を確立することができます。

この役割に特定の肩書きや報告体系は必ずしも必要ではありません。その範囲は担当するユースケースを反映し、単一の機能を超えた権限を含むべきです。CMOや他の上級幹部がこの役割を担うことができます。重要なのは、任命に明確な権限、適切なリソース、定義された意思決定権限、そして法務・セキュリティ・技術を含む関連チームとの積極的な連携が伴うことです。次の行動では、展開前の測定について取り上げます。

リーダー行動02:AIユースケース開始前に成功の評価方法を定義する

包括的または高度なROIフレームワークの採用率。リーダーコホート:全12業界342組織。

測定は展開後に追加するのではなく、ユースケースと共に設計することで最大限に活用することができます。CPGチームは、ブランド、消費者および買い物客のエクスペリエンス、商取引、顧客関係、製品、または業務に関連する成果を検討する必要があるかもしれません。適切な測定指標は、ユースケース、利用可能なデータ、組織内の役割、および外部パートナーとの関係によって異なります。

調査によると、リーダーの44%がROIを包括的に測定しているのに対し、CPG回答者では12%にとどまります。これは相関関係であり、包括的な測定がAIの規模拡大を引き起こしたという証拠ではありません。このことは、グローバルなリーダー集団では成熟した測定実践がより一般的であることを示しています。リーダーはワークフロー開始前に、意図する成果、ベースライン、および評価方法を定義することができます。

事前の計画は結果を保証したり、アトリビューションの課題をなくしたりするものではありません。展開後に状況が変化すると、AIワークフローの貢献を他の活動から切り離すことが難しくなります。測定指標、データソース、担当範囲、見直しの時期を事前に定義することで、チームは結果を解釈し、ユースケースを調整・継続・拡大するかどうかを判断するための明確な根拠を持つことができます。次の行動では、連携がこの取り組みをどのように支援するかについて取り上げます。

リーダー行動03:事業部門とITが業務とその評価に共同責任を持つ

共同責任 = 協働型 + 統合型。引き渡し型 + 助言型 = サイロ型 + 取引型 + 相談型。

CPGにおけるAI活用では、事業部門とITがデータ、技術、実行、測定、セーフガードについて連携する必要があるかもしれません。データへのアクセス、統合、時期、ガバナンスに関する問題が発生した場合、逐次的な引き渡しはフリクションを引き起こす可能性があります。相談型の関係は有益な助言を提供することができますが、必ずしも成果に対する共同責任を生み出すわけではありません。

調査によると、Leaderの81%が協働的または統合的なレベルで活動しているのに対し、CPG回答者では24%にとどまっています。これは相関関係を示すものであり、特定の関係モデル単独がスケールの要因になったという証拠ではありません。グローバルLeader集団では、より緊密なビジネスとITの関係が一般的であることが示されています。このモデルでは、関連チームが業務の定義段階から貢献することができるため、完成したリクエストをレビューや納品のためだけに受け取る状況を回避できます。

共同責任は、継続的な測定と定期的なレビューを通じて維持することができます。共有の目標と主要な成果 (OKR) を設定することで、ビジネスとITが共通の基盤を持ち、業務の定義、課題の解決、進捗の評価を進めることができます。参加者、意思決定権限、セーフガードは、ユースケースと組織の商業的な関係を反映したものにする必要があります。次の行動では、学習プロセスが長期にわたってAI活用をどのように支援できるかを検討します。

Leader Behavior 04:リーダーは成果不足を組織全体の学びに変える

AIの活用が期待を下回る原因としては、データ、ワークフロー、評価、導入、または状況の変化などが挙げられます。CPGにおいて、得られた教訓は、ブランド、コマース、消費者・買い物客体験、お客様・販売、製品、業務、データ、テクノロジーの各チームにとって重要な意味を持つ場合があります。その教訓が特定のチーム内にとどまると、他のチームが後の業務で同じ思い込みを繰り返す可能性があります。

調査によると、CPG回答者の28%が破壊的な失敗パターンを報告しているのに対し、Leaderでは1%未満にとどまっています。これは相関関係を示すものであり、失敗への対応だけがスケールの要因になったという証拠ではありません。グローバルLeader集団では、建設的な学習文化がより一般的であることが示されています。この結果を、責任あるレビュー基準を引き下げたり、回避可能なリスクを許容する理由として解釈すべきではありません。

学習文化は、定期的な運営レビューに反映させることができます。チームは、成果が期待を下回った点、根拠が不十分だった仮定、調整が必要なセーフガードや意思決定、そして次のユースケースに向けて変えるべき事柄を検討することができます。シニアリーダーは振り返りの時間を設け、関連する学びが同様の意思決定に直面しているチームと共有されるようにすることができます。次の行動では、権限を与えられた推進者の役割を検討します。

Leader Behavior 05:責任あるAI実践を同僚と共有できる実践者をLeaderがサポートする

Leader*が最も多く挙げたカルチャー施策、n=342、全12業種のLeader対象。

同僚がAIを日常業務で活用している姿を目にすることで、導入のハードルが下がります。CPGにおいては、ブランドコンテンツ、消費者・買い物客エンゲージメント、EC、リテールメディア、カスタマーサービス、製品、商業または業務ワークフローなど、様々な場面での活用が考えられます。これらはあくまで活用可能な文脈を示す例であり、測定された成果を示すものでも、すべての組織が同じ方法でAIを活用していることを示唆するものでもありません。

調査によると、リーダー企業の42%が、社内推進者の発掘と支援を最も効果的な文化的施策と位置づけており、測定された他のあらゆる施策を上回っています。これは相関関係であり、社内推進者だけがスケール拡大をもたらしたという証拠ではありません。この取り組みが、グローバルなリーダー企業群においてより一般的であることを示しています。社内推進者は、同僚がワークフローを理解し、疑問を提起し、適切なガバナンスの範囲内で学びを共有することを支援することができます。

サポートには、隣接するチームにアプローチを共有するための認知、時間、リソース、および責任などが含まれます。ただし、意思決定権限、プライバシー、セキュリティ、法務、またはその他の審査要件を迂回することは避けるべきです。組織は、実践者主導の学習に指針、評価方法、ガバナンスサポートを組み合わせることができます。これら5つの行動を合わせることで、CPGのAI準備状況を評価するフレームワークが形成されます。

CPGにおけるオペレーティングモデルを構築する5つのアクション

これらのアクションは、5つのリーダー行動をCPGエグゼクティブの具体的な次のステップへと落とし込んだものです。組織のビジネスモデル、ユースケース、商業的関係に応じて適応させることができます。

  1. 部門横断型の意思決定権限を持つAI責任者を任命する。
    対象となるAIユースケースに対して、明確な使命、リソース、および意思決定権限を持つ上席リーダーを指名します。関連する担当部門には、ブランド、コマース、消費者・買い物客体験、顧客・営業、製品、業務、データ、テクノロジー、リスク部門が含まれる場合があります。その目的は、意思決定がチームをまたぐ際の明確な説明責任の窓口を設けることであり、既存のガバナンスや報告ラインを置き換えることではありません
  2. 展開前に成果と評価方法を定義する。
    ユースケースを承認する前に、意図する成果、ベースライン、関連データと権限、評価方法、レビュータイミングを定義します。実装、測定、セーフガードを担当する部門を早期に関与させてください。これにより、チームはワークフローが実現可能で適切かつ拡張する価値があるかどうかを判断するための明確な根拠を得ることができます。
  3. ビジネス部門とIT部門が横断的なユースケースに対して共同責任を担う
    ビジネス部門とITの連携が必要なユースケースについて、共通の目標と主要な成果指標を設定します。作業開始時に、関連するロール、データ管理手法、統合要件、セーフガード、エスカレーション経路について合意しておきます。共同責任を持つことで、チームは問題が発生した際に迅速に対応しながら、プライバシー、セキュリティ、法律、ガバナンス、リスクレビューにおける適切な配慮を維持することができます。
  4. パフォーマンス不足を組織全体の学びに変える
    業務レビューに定期的な振り返りを組み込みます。何が目標を下回ったか、どの前提が根拠を欠いていたか、何を変えるべきか、どの学びを共有すべきかを検証します。消費者、買い物客、お客様、従業員、または商業パートナーへの重大な影響についても、責任ある形でレビューに含める必要があります。
  5. 責任あるAI活用の知見を共有できる実践者を支援する
    関連するワークフローでAIを活用している実践者を特定し、自らの学びを共有する体系的な機会を提供します。同僚が実践内容を評価・適応できるよう、表彰、時間、指導、適切なサポートを提供します。実践者主導の学びは、確立された意思決定権限とレビュー要件の範囲内で行われる必要があります。

まとめ

CPGにおけるAI対応力は、業務を取り巻くオペレーティングモデルに左右される

CPGの回答者は、個々の部門でのAI活動を報告していますが、調査結果は、オーナーシップ、測定、ビジネスとITのパートナーシップ、学習、実践者支援におけるオペレーティングモデルの課題を指摘しています。グローバルな業界横断リーダーコホートは、オペレーティングモデルの成熟度が高く、より後期段階の導入を進めている組織でより一般的な行動のベンチマークを提供します。これはCPGのリーダーグループを定義するものでも、個々の行動が規模拡大をもたらしたことを証明するものでもありません。

CPG企業の経営幹部にとって、AI対応力はツールやユースケースの選択だけの問題ではありません。意思決定権限、適切なデータ管理手法、評価、連携、責任ある監視も重要な課題です。これらの取り組みは、組織のビジネスモデル、ユースケース、消費者・買い物客・お客様・従業員・小売業者・ディストリビューター・マーケットプレイス・その他の商業パートナーの役割を反映したものでなければなりません。プライバシー、同意、セキュリティ、法律、ガバナンス、人間による監視に関する考慮事項は、業務全体を通じて常に可視化されている必要があります。

まず取り組む実践的なステップとして、優先度の高いAIユースケースを選定し、導入前にその所有権、目標とする成果、データと権限、セーフガード、測定アプローチ、および部門横断的な責任が明確になっているかを確認することが挙げられます。これにより、担当リーダーは変えるべき点と着手すべき箇所を具体的に把握するための基盤を得ることができます。

アドビについて

アドビは、組織がインパクトのあるデジタルエクスペリエンスを創出できるよう支援します。カスタマーエクスペリエンス向けの製品・サービスポートフォリオを通じて、あらゆるインタラクションをコンテキストに沿って捉え、お客様一人ひとりの今この瞬間のニーズを把握し、ロイヤルティを高め成長を促進するデジタルエクスペリエンスを設計・提供することを支援します。詳しくはadobe.comを訪問してください。

Incisivについて

Incisivは、産業界のインサイトと戦略を専門とするコンサルティング会社です。約10年にわたる業界トレンドデータと独自調査、メッセージアーキテクチャ、コンテンツ開発を組み合わせ、企業のトランスフォーメーション推進、ソリューション評価、成長実現を支援しています。詳細はincisiv.comをご覧ください。

関連トピックス

アドビがお客様のビジネスにどのように役立つのかをご案内します

導入のご相談