00:00:00 導入: コンサルティング経験の現実
00:05:41 トップマネジメントにおける孤立感
00:07:15 ブランド問題が原因で人材獲得が困難に
00:10:44 AIが、コンサルタントの見かけ上の専門知識を脅かす
00:13:13 AIはほとんどのコンサルタントを代替しない
00:17:35 AIは真の専門知識なしに専門家の洞察を模倣する
00:20:03 AIの人的交流における限界
00:21:00 AIがコンサルタントの専門知識に対する誤解に挑む
00:22:40 サプライチェーンにおける生成AIへの批判
00:29:49 ソフトウェアの問題がサプライチェーンの課題を支配する
00:33:27 AIが市場調査プロセスを迅速化する
00:38:02 コンサルタントはしばしば専門知識ではなく、精神的支援を提供する
00:42:43 専門知識の要求が複雑な業務に結びつく
00:44:11 AIの進歩により、専門知識の見せかけが暴かれる
00:49:15 AIの変化にもかかわらずコンサルティングの未来は安定している
00:50:52 AI駆動の自動化がサプライチェーンのダイナミクスを変える
00:57:11 定型業務の自動化が存在のリスクを伴う
概要
コンサルティングの世界で、Lokadのジョアネス・ヴェルモレルは、実質的な知識ではなく見かけ上の専門知識に依存する業界の表面的な側面を暴露する。ヴェルモレルは、コンサルタントが比類なき洞察を提供するという根深い考えに疑問を呈し、実際の専門知識よりも承認を求めるトップ経営者の姿勢を示唆する。彼は、AIは完全にコンサルタントを代替する準備ができていないものの、その専門知識を巡る神話に挑戦すると主張する。特にGPT-4のようなモデルの台頭により、コンサルタントの役割が真の洞察よりも象徴的な威信や心理的サポートに依存していることが明らかになっている。この変化は、AIによる変革をほのめかし、将来の企業環境において適応力と再スキル化が必要であることを示唆している。
拡張要約
コンサルティングの歴史に彩られ、しばしば逆説的なこの世界では、人工知能 (AI)との交差点が啓示と挑発をもたらし、業界の存在意義に根底から疑問を投げかける。LokadのCEOであり創設者であるジョアネス・ヴェルモレルがLokadTVのコナー・ドハーティと対話する中で、深い洞察が明らかになる。それは、多くのコンサルタントが専門知識の深さではなく、知覚と存在感という奇妙なカクテルによって成功しているように見えるというものである。ヴェルモレルは、若い大学卒業生が幻想的な専門知識の外衣をまとってコンサルティングの現場に押し上げられる様相を描き出す。このアプローチは、従来のコンサルティングの使命――外部知識と新たな視点の追求――の誠実性に疑問を呈する反主流の視点を浮かび上がらせる。
公式なナラティブは、社内にはない専門知識の宝庫にアクセスするためにコンサルタントを採用すべきだと説く。しかし、ヴェルモレルはこの考えに鋭く異議を唱え、トップ経営者が知識の権威よりも、企業の荒波を共に乗り越えるパートナーとして外部のコンサルタントに慰めと承認を求めるという、根底にある力学を提案する。長年にわたる伝統の中で、威信への渇望が、実際のスキルだけでなく、その周囲の魅力のために、特に名門校出身者を採用する形でコンサルタントを引き寄せる要因となっている。
運命あるいは論理のひねりによって、AIの台頭はこれらの確立された慣行を精査する。ヴェルモレルが主張するように、AIは直ちにコンサルタントを代替するわけではないが、その専門知識にまつわる神話に疑問を投げかける。AIは、大企業の枠を超えて真の専門知識が存在する稀なケース――しばしば独立したコンサルタントによる強固な知識の現場――に光を当てる。この現代の技術的進歩は、コンサルティングの想定される価値が、実質的な専門知識よりも可視性と承認に重きを置いているというハイパーリアリティを明らかにする。
GPT-4のような強力なAIモデルの登場により、単なる自動化を超えた人工知能の理解に顕著なパラダイムシフトが生じる。AIは、コンサルタントが構築してきた定量分析の要塞に亀裂を入れ、かつてテキストベースのAIでは不可能だと考えられていた象徴的な数学やコーディングの分野でその力を発揮する。ヴェルモレルは、もし専門知識が本当にコンサルティング業務の核心であったなら、AIはそれらの役割を事実上置き換え、むしろその表面的な側面を暴露しただろうと主張する。
この議論は、AIのサプライチェーン統合に関する懸念に取り組む形で発展し、ヴェルモレルはより要求が厳しくも啓蒙的な未来像を描く。AIは業務を単純化するのではなく、技術的リテラシーと関与の境界を押し広げることで経営者のハードルを引き上げる。それは単に業務負荷を軽減する問題ではなく、継続的なスキル習得の必要性を再定義するものであり、AIツールは逆説的にその必要性を強調する。
このようにして複雑な物語が展開する。コンサルタントはしばしば仲介者として機能し、経営者の意思決定の緩衝材となる――その役割は必ずしも技術的な卓越性に根ざしているわけではなく、心理的サポートを通じて果たされる。ヴェルモレルは、コンサルタントを企業の回路内のヒューズのように描き、複雑な専門知識を伝達するのではなく変動性を吸収する役割を担っていることを示し、コンサルタントの役割が技術的または学術的な輝きをしばしば超越していることを明らかにする。
未来を見据え、ヴェルモレルはAIによる迫り来る変革を、ルーチンなホワイトカラー職の大量絶滅に例えて警告する。エリートコンサルティングがその威信と複雑さを保ち続ける一方で、AIを介した自動化はバックオフィス業務全体にわたる大規模な変化をもたらし、適応力と再スキル化が不可欠な新たな時代の到来を示唆する。ヴェルモレルは、AIがコーディングや技術的流暢さを単純化する中で、代替の道や手作業の技能についても検討するよう促し、絶え間ない産業の変貌の時代を告げる。
完全なトランスクリプト
Conor Doherty: それではジョアネス、本日はご参加いただきありがとうございます。今日お話しするテーマはAIとそのコンサルティング会社への影響です。しかし、またいつものようなホットテイクに入る前に、一歩引いて会話の序章として質問させていただきたいと思います。あなたに会ったことがある、またはあなたの何かを見たことがあるすべての人が、「その逆説的な姿勢はどこから来るのか？」と考えたに違いありません。というのも、私はここで働いていることを知っている通り、私自身も同じ考えです。しかし、あなたを理解していない、または一度も会ったことがない人々にとって、その反抗的な姿勢や好戦的な態度、いずれの呼び方でも構いませんが、一体どこから来るのでしょうか？
Joannes Vermorel: ええと、多分生まれつきのものです。しかし実際のところ、何十年も前にÉcole Normale Supérieureの学生だった頃、余分な収入を得るためにコンサルティングの仕事を始めました。いくつか非常に驚くべき点がありました。まず第一に、コンサルティングの仕事を得るのは比較的容易だったことです。なぜ驚いたかというと、私が知っていたのは数学だけだったからです。数学、アルゴリズム、コンピュータサイエンス以外のほとんど全てにおいて途方もなく無知であり、これらは長い間私の情熱でもありました。しかし、ビジネスに関しては非常に無知であり、興味深いことに、それがコンサルティングの仕事を得る上で障害になったことは一度もありませんでした。
私はすぐに、コンサルティング業界の大手と共に大規模なプロジェクトに参加し、彼らのチームの大半が私と同様に、大学を卒業してから2年ほどで、専門知識も経験もゼロの若者で構成されていることに気づきました。彼らは賢く、意欲的で、感じが良く、礼儀正しく、確かに教養がありました。問題はありませんでした。しかし、自ら何かを経験すると、その裏側が見えてくるものです。私のコンサルティングでの最初の経験は、まさに煙と鏡であり、私自身もその戯れの一部でした。これが私に逆説的な視点をもたらしました。もし、私が現在の知識の0.01%しか持っていなかった21歳でそれをこなせるのであれば、本当にそれはそれほど困難なことなのでしょうか？ それほどの報酬を得るに値するのでしょうか？ 学生時代はコンサルティングを楽しんでおり、当時の私の専門知識を考えれば非常に高額な報酬が支払われ、驚くほどでした。しかし、今では成熟した視点から、企業にとってそれが十分に投資に見合うものかどうか疑問に感じています。
Conor Doherty: さて、その点についてですが、すぐにこれから疑いなく行われるであろう批評――必ずしも批判ではなく――に入る前に、現在のコンサルティング会社の価値提案について、あなたが考える最大限の擁護論を展開していただけますか？ つまり、2025年、メインストリームAI登場前の時代の話です。これは録音している4月17日ですが、今日のコンサルティング会社の価値提案として、偏りのない擁護論的なバージョンは何でしょうか？
Joannes Vermorel: 公式な説明と非公式な説明があります。公式な説明は、「社内には存在しない専門知識のプールが必要だ。我々は最高の人材を外部から招く必要がある」というものです。これは私の経験上、ほとんどすべてのコンサルティング案件で公に示される理由です。しかし、実際にはこれが真の理由であることは稀だと考えています。実際の案件の1％さえも、これによって正当化されるとは思えません。それでも、この理由は魅力的で、もっともらしく、受け入れやすいため、文書に書かれ、広告されるのです。
非公式な理由はこうです。多くの大企業では、トップマネジメントはしばしば非常に孤独を感じています。トップ経営者の場合、その世界は非常に政治的です。上層部の人々はどんな理由でもあなたを解雇することができます。職務には常に不安定さが伴い、非常に厳しく、競争も激しいのです。大企業で高い地位に就くための労力、努力、そして犠牲は莫大です。あなたの部下は決して友人ではなく、時にはあなた自身が彼らを解雇する立場に立つこともあるのです。では、実際にあなたのチームは誰なのでしょうか？ あなたは非常に孤独だと感じるかもしれません。
さらに、企業に魅力的な雇用主ブランドがなければ、その問題はさらに深刻化します。例えば、伝統的なビジネスを営む数十億ドル規模の大企業が、百年の歴史を持ちながら良い雇用主ブランドを持たなければ、非常に優秀な若者たちは集まらないでしょう。もし企業が何らかの副社長職を必要とするなら、喜んでその職に就く人は多いでしょう。しかし、執行者のような下位の役職であれば、ハーバード、MIT、あるいは欧州の同等の名門校からトップレベルの人材を採用するのはより難しくなります。特に、ETHチューリッヒなどからの採用が求められる場合はなおさらです。
そのため、コンサルタントに直接アプローチし、報酬を支払うことが可能なのです。良いコンサルタントは親しみやすく、支援的であり、マッキンゼーのような雇用主ブランドは非常に優れていて、若く才能ある人材を引き寄せます。
Conor Doherty: さて、「才能がある」と言ったのは初めてですね。専門知識、スキル、才能、ノウハウという概念を認めたのも初めてです。
Joannes Vermorel: 才能と言いますが、ほとんどのコンサルティング会社で見られるように、大学直卒で雇われる場合、22歳では専門知識は備わっていません。私はソフトウェアに情熱を持ち、コンピュータサイエンス、アルゴリズム、ソフトウェアエンジニアリングにおいて多少の専門知識はありましたが、その当時チームを率いた経験はありませんでした。つまり、その専門知識は非常に薄く、紙一重のものだったのです。特定の情熱を持たなくとも、才能ある学生であっても、実際の専門知識はほとんどゼロです。彼らは生来の才能や知性はあっても、本物の専門知識は極めて希薄なのです。
しかし、エリートコンサルティンググループは魅力的な雇用主ブランドを有しており、開始時の専門知識が非常に薄いにもかかわらず、才能ある人材を引き寄せることに成功しています。
Conor Doherty: では、本題に入る前に、AIの進展によってコンサルティング会社の立ち位置が十分に機能していない、あるいは破綻していると主張されるのでしょうか？
Joannes Vermorel: 発展という観点では、ある意味でAIはこの専門知識という見せかけにスポットライトを当てていると思います。
もしコンサルタントが本当に専門知識のために採用されていたなら、私は彼らがAIツールによって一掃されると考えるでしょう。しかし、前述したように、これはあくまで公式な理由に過ぎません。これは非公式な理由ではありません。ですから、公式な理由は専門知識であるとされても、実際にはそれは極めて稀なケースなのです。
本当に独自のスキルを持つ人物を迎えるという例外的な状況は数例存在します。ちなみに、専門知識を持つコンサルタントはほとんどの場合、独立して活動しています。彼らはマッキンゼーのような会社に属していません。例えば、10年以上前に出会った方は、30年にわたって製造業における驚異的な専門知識を培い、非常に複雑な工作機械の適切な設定と校正に注力していました。
この人物は、イタリアから輸入された複雑な工作機械の校正における生涯の経験を活かし、特定の工場では数時間で不良品の数を半減させることができました。例を挙げるなら、あなたの工場に来て、4時間の作業で50万の報酬を請求し、不良品率を10万分の1から100万分の1にまで減らすような人物です。
この人物はかつて、マッキンゼーやベインといった大手企業で働いていましたが、その専門知識が認められるとすぐに独立しました。このような完全に独自の専門知識を持つなら、ブランドに依存する必要はなく、独立した方が有利です。
そのような専門知識の事例は稀です。もし、コンサルタントが大半、専門知識を持たないという考えを受け入れるなら、なぜAIがコンサルタントに脅威をもたらすはずがあるのでしょうか？ なぜなら、AIはほぼ100%の専門知識を提供するからです。現状の真のAIは、決してあなたを慰める友人のように肩をたたく存在ではありません。
私の見解では、AIはほとんどのコンサルタントにとって全く脅威ではありません。それにより、経営者がコンサルタントに求めていたものが専門知識ではなかったことが明らかになり、業界がわずかに透明化されるのです。
Conor Doherty: AIの分野は何十年も続いています。あなたの論理は実に2023年半ば頃に大きな転換を遂げました。以前、2022年末までの変化についても言及されていました。私たちは、2022年11月後半または12月に私がLokadに参加した後、一度、そして2023年春に生成AIとサプライチェーンについて再び議論を交わしました。その際、あなたの態度は録音ごとに変化しました。
悪名高いことに、あなたはもともとLLMを基本的に猫のようなものだと例え、やや懐疑的な態度を示していました。
Joannes Vermorel: このフレーズはヤン・ルクーンから借りたものです。
Conor Doherty: しかし、2023年3月までに、あなたはその立場を一新し、これを画期的なものと見なすようになりました。今は2025年春ですが、では2023年春のどのような点が、あなたにとってそんな「aha」な瞬間をもたらしたのでしょうか？
Joannes Vermorel: 当時入手可能なLLMはGPT-3.5で、現代の基準では全く使えないものでした。もし数日間プロンプト作成のスキルを磨く努力をしなければ、LLMから得られる出力は完全にゴミでした。価値あるものを引き出すには、何時間もかかりました。
本当に軸足を移したのは、GPT-4のリリースによるものでした。突然、その成果物の価値が明らかになり、どのプロンプトが効果的であるかを理解し、慎重に使えばGPT-3.5でも十分に興味深い結果を得られることに気づいたのです。
これらのツールを、その制限条件下でどう使うべきか理解するのには時間がかかりました。ほとんどの制約はもはや存在せず、この分野は過去2年間で飛躍的な進歩を遂げました。これは新しい形の知性、あるいは部分的な知性とでも言えるものです。たとえまだ汎用知能ではなくとも、非常に有用です。
もし「それは知的かどうか」という議論に持ち込んだとしても、私たちは「まあ、どうでもいい」という結論に至ります。ええ、本質的にはこの議論自体、今回の話題には関係がありません。LLMには非常に優れた得意分野があり、それが極めて有用なのです。そして、たとえそれが単なる確率的オウムに過ぎなくても、それは重要ではありません。実際、「ああ、専門家がオンラインで言ったことをただコピーしているだけだ」と言われたとしても、私にとっては「それこそが、あなたが支払う対価であり、根本的に求めているものだ」と言えるのです。
つまり、ある分野において、十分に有能な専門家が述べたことをそのまま真似るだけで、すでに十分な成果を得られる状況は多く存在します。それだけで非常に有用であり、アクセス方法によっては無料です。無料と言っても、実際に支払ったとしても、月に20ドルあるいは数十ドルという金額であれば、企業の視点から見るとそれはほんの小銭に過ぎません。
Conor Doherty: あなたは「確率的オウム」という表現に触れましたね。その反復能力は非常に印象的で、時間が経つにつれてますますその真実性が増していると感じます。もしコンサルタントがこれを聞いたら、彼らは自分たちの仕事にはテキストに基づく分析を超えた数値的・定量的な分析が含まれていると主張するかもしれません。
Joannes Vermorel: まず第一に、LLMは記号的数学が非常に得意です。例えば、10個の要素を組み合わせて、Excelにコピペできるような数式を作成するのが非常に上手です。さらに、コーディング能力もかなり高いのです。現実的に言えば、エリートなコンサルティンググループが作成する数値的レシピでさえ、LLMができることのごく一部に過ぎません。現代のLLMは、コンサルタントが以前提供していたようなコーディングレシピ以上の多くの課題に対応できるのです。
つまり、LLMは必要な数式を十分に提供でき、Excelに貼り付けたりPythonスクリプトを組んで計算を行わせたりすることが可能です。だから、「LLMは物事をこなさない」といった議論は本来成立しません。技術的に見れば、たとえばLLMはあなたの同僚にインタビューをすることはできません。はい、それは事実です。
しかしながら、LLMが非常に得意とするのはインタビュー計画の構築です。そこでコンサルタントは、「では、ChatGPTが作成したインタビュー計画をもとに、インタビューを実施することができる」と主張するでしょう。しかし、もしインタビュー計画そのものがLLMによって作成され、ミッションやその展開方法もLLMが構成しているのであれば、あなたがテーブルに持ち寄っているのは本当に専門知識なのでしょうか？あなたは単に、人と会って実行する役割を担っているに過ぎないのです。
しかし改めて言えば、コンサルタントが提供するものが専門知識であると考え、したがってLLMによって彼らが陳腐化したと見なすのは誤りです。ですから、もしコンサルタントが提供するものが専門知識でないと認識するなら、LLMが大量の専門知識を提供しているという事実は、実際にはあまり重要ではなくなるのです。
Conor Doherty: ちなみに、あなたは哲学者でもあるので、二つの事柄が同時に真でありえるとお考えですよね。LLMは専門知識を提供でき、コンサルタントも依然として専門知識を有しているかもしれませんが、LLMが提供する専門知識のレベルによって、コンサルタントの知識は冗長あるいは時代遅れになってしまうのです。あなたは「専門知識が得られていない」と主張しましたね。
Joannes Vermorel: エリートなコンサルティンググループからの研修セッションのような形で得られる専門知識を考えると、通常は数週間にわたりメモやパワーポイントの作成方法を訓練されます。しかし、もし成果物の形そのものを再現することが目的であれば、LLMは非常に高い能力を発揮します。
Conor Doherty: ここで次のポイントに移りますが、先に言及されたエリートグループについてのコメントをまとめたいと思います。この分野でエリートグループと語るとき、私たちはAIの話をしているのです。生成AIをサプライチェーンに応用することに関して、Yan Lunやハーバード・ビジネス・スクールの取り組みに対して、率直で辛辣かつ健全な批評を書かれましたね。あなたの理解と他者の見解との間で、論点はどこにあるとお考えですか？あなたは少し反対派の立場をとっているように感じます。
Joannes Vermorel: 私がエリートコンサルティンググループに言及するのは、無能なコンサルタントばかりが関わっているという反論に対処するためです。ここで基準としているのは、私が若い頃に関わったコンサルティング案件ではなく、コンサルタントの最高峰を代表するエリートグループのことなのです。私の見解はそこに大きな違いがあるのです。
まず、ハーバード・ビジネス・レビューの記事で非常に具体的な点がありました。記事の根底にある主張は、暗黙のうちに「LLMは非常に複雑かつ大規模なソフトウェアを自律的に作成できる」というものでした。そして筆者たちは、自分たちが何を言っているのかさえ十分に理解していなかったと思います。ここでいう「自律的」とは、技術的専門知識を持たない人物の監督下でそれが実現する、という主張をしていたからです。
つまり、私にとっては根本的に異議を唱えるべき点でした。たとえ私が現在、OpenAIの最新モデルやその競合を含め非常に熟練したLLMユーザーであったとしても、依然としてその考えは受け入れられません。最先端のLLMであっても、その概念は成立しないのです。そして、LLMを管理する人物がソフトウェア工学に関する豊富な専門知識を持っていなければ、成果物として得られるものも当然期待できないのです。
これが具体的な問題点であり、この記事を書いた人々はそもそもソフトウェア工学に精通していなかったのだと思います。彼らは、本質的には「2024年にはソフトウェアが自ら書かれる時代が来る」という主張をしていることに気付いていなかったのです。いいえ、現時点ではまだ到達していません。まだその時代には至っていないのです。これが一つの問題点であり、もう一つは、これが特にこの記事における主張なのです。
Conor Doherty: 話を逸らさずにお伝えすると、あなたはわざと弱い例を取り上げるのではなく、模範的な例を採用したとおっしゃいましたね。昨年12月にレビューされた、生成AIが供給チェーン管理をどのように改善するかについての論文について語られていました。MIT、McKenzie、Microsoft、そしてハーバード・ビジネス・レビューが関与していました。反対意見であっても、あなたは常に上を狙っています。
Joannes Vermorel: その通りです。私が言いたいのは、無能なコンサルタントの問題ではなく、最も優れたコンサルタントについて議論しているという点です。結局のところ、自己生成ソフトウェアが自律的に作成されるというのは、優れた監督がなければ依然としてSFの領域に留まるのです。
もし有能なソフトウェアエンジニアが関与していれば、「バイブ・コーディング」と呼ばれる手法で、すでに1年以上前から可能になっており、これは技術的習熟をなし得ない状態でLLMが供給チェーンソフトウェアを監督するのとは大きく異なります。私は断言します―まだその段階には至っていません。
より一般的には、コンサルタントが提示するユースケースは、サプライチェーンサイエンティストに対して非常に甘いメッセージを送る傾向にあります。別の分野のユースケースについても議論しましょう。供給チェーンのディレクターにとって、LLMは技術スキル習得のための驚くべき教師となり得ます。書籍や講座に頼ることなく、LLMを使って独学で技術知識を身につけるのです。
大企業を見ると、供給チェーン上の問題の90％はソフトウェアの問題であることが多いのです。実際、供給チェーンの幹部の多くは、ソフトウェアの技術的な詳細に精通しているとは言い難いのです。しかし、LLMはこうしたスキルのギャップに対して、非常に有用な解決策を提供してくれます。
Conor Doherty: それだけでなく、実際に使用する際に、教師という類推が非常に魅力的だと思います。たとえば、チャットボット、つまりAIエージェントを使い、「企業向けソフトウェア開発のパラダイム、私のERPの動作について学びたい」というタスクを与えるとします。すると、「よし、コンピュータよ、自分で30分調査して来い。私は会議に出なければならない」と指示できるのです。タスクを並行して進められる点が気に入っています。生産性の観点から、これが私の推奨する使い方です。
Joannes Vermorel: しかしご覧の通り、ここで私が言いたいのは、説得が難しいということです。コンサルタントが生成AIについて推進する際、「役員の皆さん、あなたの仕事はもっと楽になる。このシステムがあなたのために物事を改善する」といった主張をするのです。
ええ、そこで私の反対意見が入ります。しかし、私はもはやコンサルタントではなく、役員の皆さんの親友になろうとしているわけでもありません。現実には、これらのツールが利用可能になったことで、求められるハードルはさらに高くなっています。つまり、あなたが本来持つべき技術的な知識を身につけない言い訳が、今ではますます少なくなっているのです。これは厳しいメッセージです。
ハーバード・ビジネス・レビューの記事のメッセージと比較すると、記事では「高レベルの指示さえ出せば、ソフトウェアについて何も知らなくてもLLMが供給チェーンの最適化ロジックを全体的に自動生成してくれる」と主張していました。
私の見解では、いいえ、それは実現しません。しかし、あなたができるのは、LLMを使ってその技術的要素を理解する方法を学ぶことです。そして最終的には、十分な技術的専門知識を身につけ、LLMにタスクを遂行させることができるようになるでしょう。しかしながら、これは魔法のように仕事を楽にするという考え方とは対照的に、むしろ全体として仕事をより厳しいものにすると私は信じています。LLMがもたらすのは、あなたの友人ではなく、専門知識なのです。最も効果的なのは、まったく異なる考え方をすることなのです。
Conor Doherty: また、あなたはMeinolf Sellmannとの議論の中で、AIエージェントの価値について語りました。価値を誇張しているわけではなく、AIあるいはエージェント型AIの価値の一つは、マーケットリサーチのようなことができる点にあるということです。たとえば、あなたが供給チェーンのエグゼクティブで、何らかの理由で企業の候補リストを作成する必要があるとしましょう。コンサルタントを雇う、自分で行う、インターンに任せる、あるいはノートパソコンの開かれたウィンドウを利用する、といった選択肢が考えられます。
Joannes Vermorel: しかしご覧の通り、LLMは供給チェーンエグゼクティブとしてのあなたの仕事を、ますます難しくしているのです。なぜなら、
先の状況を考えてみましょう。かつて市場調査には数週間を要し、コンサルタントを雇う必要がありました。プロセス全体は非常に遅く、あなたは労力の90%をコンサルタントとの会話、ブリーフィング、進捗確認、反論に費やしていました。3週間かけた結果、10ページの報告書が提出されたのです。しかし今では、30分で同じプロセスを繰り返すことができるのです。つまり、あなたにはより多くの責任がのしかかるのです。
一日で、200ページにも及ぶ、極めて高品質で濃密な情報を取り込まなければならなくなります。だからこそ、仕事はより厳しくなっていると感じるのです。LLMは、エグゼクティブとしてあなたがどれだけ迅速に情報を処理し、意味を見出すかがボトルネックであることを思い知らされるのです。もし理解できない点があれば、再びLLMに戻り、その説明を求めざるを得なくなるでしょう。
コンサルタントとのやり取りで、ゆったりとしたペースでランチを楽しみながら数週間かけてタスクを進めるという贅沢はもはやありません。LLMは仕事から楽しさを奪い、あなたを直接画面に向かわせ、何百ページにも及ぶ丁寧に作成されたドキュメントを読み解かせるのです。
Conor Doherty: では、具体例を挙げましょう。ある企業が供給チェーン上の問題を抱えているとします。今、その企業が「我々はサプライヤーを切り替えるべきか？」と再評価しようとしていると想像してください。これは教科書的な供給チェーンの例です。私のサプライヤーのパフォーマンスに満足していない場合、コンサルティング会社を雇うか、AIを使うかの選択肢があります。これら二つがどのように異なり、特にAIの場合にはどのように積極的な違いが生じるのか、説明していただけますか？
Joannes Vermorel: AIを用いる場合、まず「どのようにしてそのサプライヤーが基準に達していないと判断するのか？」と即座に問いかけてきます。サプライヤースコアカードはありますか？もしなければ、AIがそれを提供します。関連するKPIはありますか？あなたのKPIをAIに渡せば、AIはそれらを検証し、改善されたリストを提示してくれるでしょう。さらに、ERPから自動的にそのKPIを算出することができるか？もしできなければ、ERPのスキーマをAIに渡すと、SQLクエリを提示してくれるのです。
ご覧の通り、こうした一連のプロセスが全速力で実行されるため、まさに専門知識の積み重ねと言えるのです。
実際には、「このサプライヤーは悪いので排除すべきだ」と既に認識しているかもしれません。しかし問題は、そのサプライヤーの多くの従業員が、この企業の元従業員であることが多い点にあります。企業内には本社があり、その周囲にサプライヤーが存在し、多くの人々が関与しています。つまり、このサプライヤーが良くないとしても、深いつながりを持つ人々が多数存在しているのです。そして、私のチームの多くのメンバーはこのサプライヤーに対して非常に良好な関係を築いています。確かに彼らは最良とは言えないかもしれませんが、強固な関係性があるのです。こうした利害関係の絡み合いがあるために、このサプライヤーは決して単純に切り捨てられるものではありません。もし代替サプライヤーが必ずしも優れていなければ、あるいは他の問題が生じれば、私自身―私のキャリアにとって―何を意味するのか非常に不安なのです。
そして、恐怖が多く存在するのです。たとえば、あなたが供給チェーンのエグゼクティブである場合、何をすべきかは大体把握しており、数字についても既に熟知しているでしょう。確かに、さらに20個ほどのKPIがあるかもしれませんが、基本的にはその判断に99%の確信があるはずです。そんな中で、あなたが望むのは、あなたをサポートするコンサルタントです。彼らは、「見てください、私がこれを実行しているのですが、これは単なる私の決定ではなく、専門家が同意している。これこそが私たちが行うべきことであり、生存に不可欠な措置だ」といった威厳を醸し出すのです。
しかし、買っているのは本当に専門知識なのでしょうか？ あなたはすでに結論を知っており、その結論はすぐにコンサルタントと共有され、彼らがあなたの望む結論に至るよう導かれるのです。それでも、それはあなたを支え、助けるサポート、すなわち人間らしさを提供してくれます。ご覧の通り、比較してみると、専門知識に基づくミッションは「あなたに診断を行うための道具を提供し、あなた自身がスコアカードを作成し、真に問題のあるサプライヤー（もし存在すれば）を分析的に特定させる」というものです。それに対して「私は既に結論を知っている。何をすべきかも、何が起こるべきかも分かっている。しかし、その実行においては非常に孤独を感じている。少し恐ろしく、疲弊しており、チームの一員として支援してくれるバックアップが必要だ」といった具合です。そして、そのバックアップがコンサルタントなのです。つまり、ここで提供される「生の専門知識」という意味でのスキルはほとんどありませんが、まさにコンサルタントがそれを補うのです。
Conor Doherty: 実は、これはエリック・キンバリングが指摘した点に戻ります。先週彼と話しましたが、彼が述べた点の一つに、コンサルティングファームが呼ばれる主な理由は、必ずしも彼らの専門知識へのアクセスが必要だからではなく、取締役やサプライチェーンのエグゼクティブとして、特定のメッセージを伝える仲介者が欲しいからであるということがありました。例えば、サプライヤーとしてのジョアンネスを排除しなければならない場合、そのことを私が言うのではなく、最近雇ったマッケンジーのコナーが伝えるのです。これは、フィードバックを他者を通じて伝える一つの方法なのです。
Joannes Vermorel: まさにその通りです。コンサルタントは導火線の役割を果たすことができます。彼らは、対価を支払えば、この価値のある役割を果たすことに喜んで応じます。改めて言えば、これは専門知識とは無関係の非公式なバリュー・プロポジションです。導火線の役割を担うために、極めて深い専門知識は必要ありません。
Conor Doherty: いや、技術的な専門知識というわけではありません。それは全く別のスキルセットです。
Joannes Vermorel: そうですが、それを行うためにMITの上位10%の卒業生が必要でしょうか？ 見た目だけでトップクラスの人材が必要でしょうか？ はい、しかし実際の実行面ではそうではありません。大学で科学を学んだコンサルタントとこの点について話すと、彼らは複雑な計算を行っていたのに、コンサルタントとしては、結局パーセンテージを計算したりパワーポイントを作成したりするだけになってしまうのです。本物の専門知識が求められるなら、大学以上に要求の高い仕事に従事していただろうに違いありません。
ちなみに、例えばLokadのソフトウェアエンジニアの場合も同様で、彼らが取り組むソフトウェアの断片は、通常、大学でやっていたことよりもはるかにチャレンジングなものになっています。
つまり、もしあなたが本当に専門知識が重視される仕事に就いていて、雇用主があなたの専門知識を購入しているのであれば、一般的に言って、日常の業務は大学時代に行ったどんなことよりもはるかに要求が高いものになっているはずです。
逆に、もし大学時代に立派な方程式を扱っていたのに、仕事ではパワーポイントを作成するだけになってしまうのであれば、それはおそらく専門知識とは呼べません。提供されているものはそれではなく、付加価値が生まれているわけでもありません。それは別の何か、重要ではあるが全く異なるものです。
Conor Doherty: さて、これは実は以前あなたがサプライチェーンの役員向けにメッセージを和らげるためにコンサルタントについて話していたときの点に戻るのですが、さらに大学生の話にも触れられました。そして、そこに加えて以前のAIによる大量絶滅イベントのコメントと関連付けられるのですが、質問です—あなたがAIと言うとき、ホワイトカラーに対して大量絶滅イベントが訪れるというのでしょうか？
Joannes Vermorel: ええ、特にバックオフィス、いや、バックオフィス全体です。
Conor Doherty: バックオフィスのホワイトカラー、もちろん専門知識という点ではコンサルタントも含む。そして、あなたはその上位10%についても言及されていますね。
Joannes Vermorel: 重ねて申し上げますが、コンサルタントはバックオフィスのホワイトカラーではありません。
Conor Doherty: しかし、あなたが言うところの、彼らが提供できる専門知識はすでに消えてしまっているというのですか？
Joannes Vermorel: はい、しかし先ほども言ったように、その専門知識は最初から存在していなかった、すなわち単なる見せかけに過ぎなかったのです。本物ではなかった。ですから、その見せかけは崩れてしまいましたが、芝居は続けられるのです。つまり、「このエリートコンサルティンググループを呼ばなければならない。実際、私は孤独を感じ、さらなる支援が必要だ」と宣伝するのは馬鹿げています。「確かに、会社に50万ドルの費用がかかるが、必要なんだ」という感じです。
まあ、そのように聞こえるかもしれません。だから私は「私は専門家を呼ぶ」と言います。いいでしょう。しかし、あなたの他の仲間、つまり他のエグゼクティブやVPたちは、この駆け引きをよく理解しています。彼らは、コンサルタントが専門知識のために呼ばれているのではないことを知っているのです。というのも、彼ら自身も同じコンサルタントを利用していたからです。ですから、見た目、つまり外観上は「我々は専門家を呼んでいる」として、そのイメージは保たれます。ええ、その外観は変わることはありません。AIは単に、それが純粋に外見の問題であることをより明白にしているだけです。しかし、根本的な価値の付加という点では全く違うものになるのです。
Conor Doherty: 多くの仕事に影響する大量絶滅イベントが来ると言う中で、すでに人々はそれを知っているのに、あえてその点に注目することで、あなたは何を達成したいのですか？
Joannes Vermorel: まず、いくつか明確にしておきたいのですが、コンサルタントは明らかにバックオフィスの事務職ではありません。あなたが常に売上に関わる立場にあることを私は承知しています。優れたコンサルタントはミッションを遂行し、その過程で次のミッションを売り込むのです。私にとってそれは、セールスの役割を担うフロントオフィスのホワイトカラーの原型です。そして、彼らは仕事をしながらセールスも行っています。ですから、私は、これらの業務はAIが自動化するのが非常に難しいと考えています。なぜなら、企業のセールスを自動化するというのは、結局のところ人間らしい—すなわちミッションを売る—行為だからです。したがって、その自動化は実際には危険にさらされることはありません。
さて、この大量絶滅と言うとき、私が指しているのはすべての事務職員のことです。大企業には何千、何万人もの人々が事務作業を行っています。例えば、メールボックスを通じて情報が入ってきて、一連の手続きを行い、その情報をやや修正した形で他の誰かに転送する、といった業務です。そして、実際にはブルーカラーのように、まるでオートマトンのように情報処理だけをしているホワイトカラーの労働者の場合、その仕事は非常に反復的です。まさにその点で絶滅が訪れるのです。
ご覧の通り、そして私がこの点に触れ、線を引いている理由は、市場が決して優れた教育機関ではなく、むしろフィルターとして働くからです。従って、ほとんどの企業はこの件に対して何も手を打たないでしょう。プロセスを改善せず、仕事の90%を自動化しようとはしないのです。そして、それで問題はありません。これは前回の産業革命でも起こったことです。
結果として、競合他社の中には対応を実施するところもあり、対応しない企業はただ消えていくだけになるでしょう。ごく少数の企業だけがアップグレードを実行し、これらの波を乗り切るのです。しかし、繰り返しますが、それは少数派に過ぎません。私がここで明らかにしようとしているのは、いくつかの企業が実際にこの移行を遂げ、次の波を担う企業群に加わるという、転換点であるということです。しかし、移行を果たさなかった企業は、移行を済ませた同業他社や新たに現れる若い企業と比べ、競争力を失う肥大化したコスト構造に陥ることになるのです。
Conor Doherty: ここで締めくくるにあたり、過去20～24ヶ月間の技術進歩を踏まえ、今後5年先を見据えたとき、サプライチェーン・コンサルティングの未来はどのようになるとお考えですか？
Joannes Vermorel: エリートコンサルティンググループのビジネスは、AIによって急激に変革されることはありません。主要な理由は、専門知識自体がほとんど重要視されていないからです。専門知識をコモディティ化する技術、例えばLLMが存在するからといって、それが提供されているわけではないのです。私は、エリートコンサルティンググループにとって、AIは大きな影響を与えないと信じています。彼らは他の人々と同様に、そのツールを採用し、パワーポイントやメモ、メールの作成をより速く行うだけです。しかし、それは20～30年前にメールを採用した時と同じです。単なるツールであり、コンサルタントにとってもすべてのオフィスワーカーにとっても、日常生活の一部となるだけなのです。
しかし、サプライチェーンやセールスにおいては、その変化ははるかに顕著になるでしょう。実際、私たちのクライアントにもその現象が見られます。たとえば、ある小規模なクライアントは見積もり依頼のプロセスを完全に自動化しています。専門機器に関する自由形式の見積依頼をメールで受け取り、これを適切にコード化された見積依頼に再フォーマットし、その後ERPシステムを通じてPDFに変換するために、複数の担当者が受信箱を監視していました。現在、このプロセスはLLMを用いて完全に自動化され、多くの従業員が不要になっています。
Conor Doherty: 完全な機械化と言うと、それにはどれほどの可動部分が関与しているのですか？
Joannes Vermorel: それは、単にメール（場合によってはスプレッドシートやPDFといった添付ファイル付き）を取り込み、ERPの要求に合致する標準化されたJSON出力を生成するLLMによるものです。その出力は自動的にERPシステムに組み込まれ、見積もりを示すPDFが添付されたメールテンプレートが生成されます。たった一つの機能でありながら、莫大な経済効果をもたらすのです。
この業務に関しては、以前は約9名のフルタイム従業員が従事していましたが、現在はゼロになっています。これは純粋なバックオフィス業務であり、特に大企業のサプライチェーン業務という官僚的な中核を持つ分野で同様の自動化が進んでいます。今後5年以内に、多くの事務系バックオフィスの仕事が完全に自動化されるでしょう。
Conor Doherty: それには先例があります。最近、Shopifyは全従業員がAIリテラシーを身につけることを期待すると述べました。私の親の世代でも、例えばP&Gのマネージャーがかつて手紙をタイプしていた秘書を失うなど、大きな変化がありました。
Joannes Vermorel: はい、これらの仕事はマイクロコンピューターの普及とともに消滅しました。現在、個人秘書は主に非常に高位のポジションに限られています。それは特定の職種にとって大規模な絶滅イベントでしたが、今起こっているのは、わずかなポジションのみならず、あらゆる事務作業に同時に影響を及ぼしているという点で、さらに大きなものです。
Conor Doherty: 要するに、以前は「プログラミングを学べ」というアドバイスがありましたが、今は「配管工やエンジン整備士のような手作業の技術を学べ」という意味になるのでしょうか？
Joannes Vermorel: それは状況次第です。LLMは非常に優れた教師であり、コーディングの学習を容易にします。しかし、もしあなたの業務がバックオフィスのホワイトカラーのように単調であれば、自動化の影響を受けることを考慮し、プランBを検討するのが賢明かもしれません。クライアントとの対面が必要なフロントオフィスの役割は影響を受けにくいかもしれませんが、ほとんどコンピュータの背後で作業する場合は、自動化される可能性が高いです。一部の企業は自動化を遅らせるかもしれませんが、最終的には適応しなければ倒産につながる可能性があります。
Conor Doherty: これ以上質問はありませんが、2年後にこのトピックを再び取り上げ、あなたの予測がどのように現実となるかを見てみたいと思います。お時間をいただき、誠にありがとうございました。いつもお話できて光栄です。
