MONTHLY_AI / SYS_OK / 2026.08
月刊AI
ANALYSIS / 分析 — VOL.05

AI時代の価値連鎖

ポーターのバリューチェーンモデルはAIによってどう更新されるのか——主要活動・支援活動ごとのAI浸透度と、中小企業の競争優位の再配置を読み解く

樫山 隆一 / RYUICHI KASHIYAMA 2026年8月号 論文・ガイドライン分析 ANALYSIS / DEEP DIVE
AI IMPACT ON VALUE CHAIN — PORTER MODEL UPDATE PRIMARY ACTIVITIES 購買物流 AI影響: 高 需要予測・自動発注 在庫最適化 製造・オペレーション AI影響: 中〜高 品質検査自動化 スケジュール最適化 出荷・物流 AI影響: 中 ルート最適化 配送状況可視化 マーケ・販売 AI影響: 最高 個別提案自動化 顧客ジョブ分析 アフターサービス AI影響: 最高 予防保全・先回り 顧客満足度分析 利益 SUPPORT ACTIVITIES 技術開発:AIによる製品・プロセス革新 AI影響: 高(R&D自動化・プロトタイプ生成) 人事管理:採用・育成・評価の再設計 AI影響: 中(スキル分析・パフォーマンス予測) 中小企業のAI競争優位ゾーン マーケ・販売 + アフターサービス の2活動に集中投資し、顧客関係の深さで大企業と差別化する
図3 — AI時代のバリューチェーン影響マトリクス(月刊AI 編集部作成 / ポーターモデル(1985年)に基づく更新版)
今号との接続 マイケル・ポーターが1985年に提唱したバリューチェーンは、企業が価値を生み出す活動の連鎖を可視化したフレームワークだ。AIが各活動に浸透した今、このモデルはどう更新されるのか。中小企業が競争優位を持てる活動はどこか。

ポーターのバリューチェーンは40年を経てもなお有効な分析ツールだが、AIの普及によってその「活動ごとのコスト構造」と「差別化の源泉の場所」が根本から変わりつつある。本稿では、主要論文とガイドラインに基づいて、AI時代のバリューチェーンを読み解く。

01何が変わり、何が変わらないか

OECDが2024年に発表した「OECD AI Policy Observatory: AI and Value Creation in SMEs」によれば、AIが最も急速に影響を与えている活動は「マーケティング・販売」と「アフターサービス」の2領域であり、これは製造・物流活動への影響の2倍以上の速度で変化が起きているとされる(OECD, "AI and Productivity in SMEs", 2024)。

一方で変わらない部分もある。ポーターが「競争優位の核心」と位置づけた「活動の連鎖の独自性」——自社の活動をどう組み合わせ、模倣困難な配置を作るか——は、AIがあっても依然として戦略論の中心だ。AIは個別活動の効率を上げるが、活動の連鎖の設計は経営者が行う。

02「固定費の変動費化」という構造変化

AIがバリューチェーンにもたらした最大の構造変化の一つは、従来は固定費だった活動が変動費化することだ。例えば、マーケティング資料の制作(グラフィック・コピー・翻訳)は、かつては外注固定費だったが、生成AIによって実質的に変動費(利用量課金)になった。同様に、顧客対応の一次対応・FAQ応答・見積書作成なども変動費化が進んでいる。

この変動費化は中小企業にとって特に大きな意味を持つ。かつて大企業しか持てなかった「大量のマーケティング素材生成能力」「24時間の顧客対応能力」「複数言語への対応力」が、小規模企業でも手の届く範囲に来た。

03中小企業の競争優位の再配置

スタンフォード大学HAI「AI Index Report 2025」によれば、AI投資対効果が最も高かった業種は、顧客接点を多く持つサービス業・小売業・専門職サービス業であり、資本集約型の製造業よりも先にAI活用の恩恵を受ける傾向が確認された(Stanford HAI "AI Index Report 2025")。これは中小企業の多くが属する「サービス×顧客接点」の領域がAIにとって最も応用効果が出やすい領域であることを示す。

実践的な示唆はシンプルだ。中小企業はバリューチェーンの全活動にAIを入れようとするのではなく、「顧客に最も近い2活動(マーケ・販売とアフターサービス)」に集中してAI活用を設計することで、大企業の製造コスト競争ではなく、顧客関係の深さによる差別化を実現できる。

購買物流・製造 大企業・専門ベンダーが先行。中小企業の優先度は低い。
マーケ・販売 個別提案・顧客分析・コンテンツ生成。中小企業でも即実践可能。最優先。
アフターサービス フォロー自動化・顧客満足度分析。リピート率向上に直結。最優先。

04「補完性」が競争優位を作る

NISTが2023年に公開した「AI Risk Management Framework(AI RMF 1.0)」は、AIシステムの設計において「人間の専門性・文脈知識・倫理的判断との補完性」を重視している(NIST, "Artificial Intelligence Risk Management Framework", 2023)。これは技術的リスク管理の文書だが、中小企業の競争優位論としても読める。

AIが単体でできることは競合にも複製可能だ。しかし「42年分の顧客との関係性」「地域特有の物流ネットワーク」「職人の暗黙知」といった人間的・文脈的資産にAIを組み合わせたとき、その組み合わせは容易に模倣できない競争優位になる。バリューチェーンの再設計とは、自社固有の補完性をどこに設計するかを決めることだ。

SOURCES / 出典
  1. OECD "Artificial Intelligence in the AI Policy Observatory: AI and Productivity in SMEs" OECD Publishing, 2024. https://www.oecd.org/en/topics/sub-issues/ai-in-work-innovation-productivity-and-skills.html
  2. Stanford HAI "Artificial Intelligence Index Report 2025" Stanford University, 2025. https://aiindex.stanford.edu/report/
  3. NIST "Artificial Intelligence Risk Management Framework (AI RMF 1.0)" National Institute of Standards and Technology, 2023. https://www.nist.gov/system/files/documents/2023/01/26/NIST.AI.100-1.pdf
  4. マイケル・ポーター「競争優位の戦略」(原著:Competitive Advantage: Creating and Sustaining Superior Performance, 1985年)ダイヤモンド社。
— END OF ANALYSIS —