NORTH / BORDERLESS
MANAGEMENT / AI × BILONG READ / JP

「忙しいのに利益が残らない」会社から抜け出す

『AI×BI 中小企業の経営革命』を読み、HDGのDXと次の経営設計を考える

この本を読んで、私が最も強く感じたのは、「会社が忙しく動いていること」と「会社に利益が残っていること」は、まったく別の話だということだった。

毎日たくさんの商談があり、見積書を作り、商品を手配し、国内外へ出荷し、取引先からの問い合わせに対応する。社員も経営者も朝から晩まで動いている。売上も伸びている。外から見れば、会社は順調に成長しているように見える。

しかし、本当に大切なのは、その忙しさが利益につながっているかどうかである。

売上が大きくても、値引きが多く、物流費や通関費、販売手数料、為替差損などを差し引くと、ほとんど利益が残っていない取引があるかもしれない。大口顧客であっても、細かな対応や急な依頼が多く、社員の時間を大量に使っている可能性もある。反対に、売上規模はそれほど大きくなくても、業務が標準化され、安定した粗利を生み出している取引もある。

これまで私自身も、売上や案件数、商談の進み具合を見ることは多かった。しかし、この本を読みながら、「私たちは本当に、どの顧客、どの商品、どの案件が会社の利益を生み出しているのかを正確に理解しているだろうか」と考えさせられた。

1．売上ではなく、利益が生まれる構造を見る

本書では、全社では黒字に見えていた会社でも、店舗別に数字を分解すると赤字店舗が存在していたという事例が扱われている。

これはHDGにとっても、決して他人事ではない。

HDGには、国内卸、輸出、三国間貿易、自社ブランドなど、性質の異なる複数の事業がある。同じ「売上」であっても、その中身は大きく違う。

国内卸と輸出では必要な業務もリスクも異なり、海外取引では為替、運賃、通関、回収条件なども利益に影響する。自社ブランドについては、短期的な利益だけでなく、将来のブランド価値をつくるための投資という側面もある。

それらをすべて全社合計の売上と粗利だけで見ていると、実際に何が会社を支え、何が会社の負担になっているのかが分からなくなる。

会社全体の数字だけを見るのではなく、事業、顧客、商品、案件、担当者、地域という単位まで分解しなければならない。そして、売上の大きさだけではなく、利益、必要な運転資金、在庫、作業負荷、回収リスクまで含めて考える必要がある。

忙しさの量ではなく、忙しさの質を見る。

この視点は、これからHDGが成長していくうえで非常に重要だと思う。

2．AIとBIは、まったく違う役割を持っている

この本を読む前、私はAIとBIについて、どちらかというと「業務を効率化するためのITツール」という見方をしていた。

AIは文章や資料を作り、情報を整理するもの。BIはさまざまな数字をグラフにして見やすくするもの。そのように考えていた部分があった。

しかし、本書を通じて、その理解は大きく変わった。

BIの本当の役割は、単にきれいなグラフを作ることではない。社内に散らばっている売上、仕入、在庫、経費、人件費、営業、顧客、案件などのデータをつなぎ、会社の現実を共通の数字として見えるようにすることである。

一方、AIの役割は、その数字をもとに「なぜこの結果になったのか」「どこから改善すべきか」「どのような選択肢が考えられるか」という仮説を出すことにある。

つまり、BIが会社の事実を示し、AIが考えるための材料と選択肢を広げ、最後は経営者と社員が責任を持って判断する。

AIに経営を任せるのではない。AIを使って、経営者と社員がより深く考え、より早く決断できるようにするのである。

3．経営者の経験を、データで再現可能にする

経営者の経験や直感は大切である。特に中小企業では、経営者自身が現場、顧客、商品、取引先の特徴を深く理解している。その経験は、単純な数字だけでは代替できない。

しかし、経験や直感だけに依存すると、その判断を社員に説明することが難しくなる。

「長年の経験から、この取引は大丈夫だと思う」と言われても、他の社員には同じ判断を再現できない。経営者が不在になると、会社の意思決定が止まってしまう。

だからこそ、経営者の経験を否定するのではなく、データによって検証する必要がある。

私が「この顧客は重要だ」と考えているなら、その顧客の売上だけでなく、粗利、物流費、対応工数、支払条件、将来性まで確認する。「この商品は売れている」と考えているなら、販売数量だけではなく、値引き後の利益、在庫回転、返品や廃棄まで確認する。

その結果、経営者の感覚が正しかったと証明されることもあれば、思い込みだったと分かることもある。どちらであっても、会社にとっては大きな前進である。

データは経験を否定するものではない。経験を言葉と数字に変え、組織全体で再現できるようにするものである。

4．過去を集計する会計から、未来をつくる会計へ

本書の中で特に印象に残ったのが、「過去を集計する会計から、未来をつくる会計へ」という考え方である。

一般的な会計資料は、すでに終わった取引を集計したものである。先月いくら売れたか、いくら仕入れたか、利益はいくらだったかを確認する。しかし、それだけでは会社の未来は変わらない。

重要なのは、なぜ計画と実績の差が生まれたのかを分析し、次に何を変えるかを決めることだ。

売上が計画を下回ったのであれば、顧客数が減ったのか、注文回数が減ったのか、単価が下がったのかを確認する。粗利率が悪化したのであれば、仕入価格が上がったのか、値引きが増えたのか、物流費や為替が影響したのかを調べる。

そして、原因に対して、値上げ、仕入条件の見直し、商品構成の変更、取引条件の変更、在庫削減などの対策を決める。その対策を実行した結果、翌月の数字がどう変わったかを確認する。

この繰り返しによって、会計の数字は単なる過去の報告ではなく、未来をつくるための道具になる。

HDGでは、2028年に売上60億円を目指す計画を立てている。売上目標を実現することはもちろん重要だが、この本を読んで、私は改めて粗利率の重要性を感じた。

売上60億円の場合、粗利率が0.1ポイント変わるだけで、粗利額は600万円変わる。0.5ポイントなら3,000万円、1ポイントなら6,000万円である。

新しい売上を何億円も作るには、多くの営業活動、商品開発、人員、資金が必要になる。一方で、既存取引の値引き、物流費、在庫ロス、為替差損、見積もりの甘さなどを改善することで、数千万円の利益が生まれる可能性がある。

売上を伸ばす努力を続けながら、すでに存在する利益の漏れを止める。その両方が必要なのである。

5．現在のHDGにおけるDXの取り込み

この本を読みながら、私はHDGがこれまで進めてきたDXについても改めて振り返った。

HDGは、これから初めてDXに取り組む会社ではない。

すでにMicrosoft 365、Outlook、Teams、SharePoint、HubSpot、SCM Plus、Supabase、Notionなど、複数のデジタル基盤を業務に取り入れている。また、AIについても、文章作成や翻訳だけではなく、提案書作成、商品情報の整理、資料の読み取り、商談情報の登録、タスク管理、営業状況の集計、社内情報の検索、Webサイト制作など、かなり広い範囲で活用してきた。

NotionとGTDを使った会社タスクの管理、期限超過タスクの抽出、週次レビュー、リマインドの自動化も進めてきた。HubSpotでは顧客、営業活動、商談、営業タスクを管理し、担当者別の未完了タスクや期限超過を集計して、Notion上に日次レポートを作る仕組みも試している。

仕入れや商品管理の領域では、SCM Plusを第一の確認先とし、SharePoint、Supabase、Notionへと情報をつなぐ運用を整備してきた。TeamsやSharePointに届いた商品資料や見積書をAIが読み取り、商品名、JANコード、仕入先、価格、数量、期限などを抽出し、データベースや商談情報へ登録する流れも作り始めている。

このように考えると、HDGの個別業務におけるデジタル化やAI活用は、すでにかなり積極的に進んでいる。

一方で、現在のHDGのDXには大きな課題もある。

それは、個別業務のデジタル化は進んでいるが、それらが経営判断の仕組みとして完全にはつながっていないことである。

6．「点」のDXを、「線」と「面」に変える

HubSpotには顧客や営業活動の情報がある。SCM Plusには販売、仕入、商品などの情報がある。SharePointには見積書、商品資料、契約書、提案書が保存されている。Supabaseには商品や商談に関する構造化されたデータがある。Notionには会社タスク、案件、会議記録、進捗情報がある。

それぞれのシステムには重要な情報が入っている。

しかし、現状では、一つの顧客や案件について、営業活動から見積もり、受注、仕入れ、出荷、請求、入金、最終利益までを一つの流れで確認することが難しい。

つまり、HDGの現在のDXは、「業務ごとの点」は増えているが、それが「線」や「面」になっていない状態だと感じた。

AIを使って見積書を作る時間が短くなっても、その見積もりの粗利が適切だったか、出荷後に運賃や為替によって利益がどれだけ変わったかを追跡できなければ、経営改善には十分につながらない。

HubSpotに営業タスクを登録し、Notionに日次レポートを作成しても、その営業活動が実際にどれだけの売上と利益を生んだかまで結び付かなければ、活動量の管理で終わってしまう。

商品資料をAIで読み取り、Supabaseに登録しても、その商品がどの顧客に販売され、どれだけの粗利を生み、在庫が何日で回転したかまで確認できなければ、商品登録の効率化にとどまる。

これまでのHDGのDXは、業務効率化という面では一定の成果を出している。しかし、これからは業務効率化のDXから、利益と意思決定を変える経営DXへ進まなければならない。

そのために必要な流れは、明確である。

この循環が完成して初めて、HDGのDXは会社の利益を直接改善する仕組みになる。

7．HDGに必要なBIの設計

この本を読んで、私はAIより先にBIを整備する必要があると感じた。

AIは、与えられた情報から仮説や改善案を出すことはできる。しかし、基礎となる数字が正しくなければ、AIは正確な経営分析ができない。顧客名や商品名がシステムごとに異なり、売上と仕入れと物流費が別々に管理されていれば、どれほど高性能なAIでも正しい利益を計算できない。

AIの前に、会社の共通事実を作る必要がある。その役割を担うのがBIである。

HDGのBIでは、まず顧客、商品、仕入先、案件、担当者、事業区分に共通IDを付ける必要がある。

例えば、HubSpot上の顧客、SCM Plus上の得意先、会計上の取引先、SharePoint上の顧客フォルダを、同一の顧客IDで結び付ける。商品についても、SCM Plusの商品コード、JANコード、Supabaseの商品ID、SharePointの商品資料を共通化する。

そのうえで、BIには少なくとも六つの経営画面が必要だと考えている。

全社経営

売上、粗利、粗利率、販管費、営業利益、現預金、売掛金、在庫、年間着地予測を一つの画面で確認する。単に実績を表示するだけではなく、計画との差、前年との差、前月から着地予測が変わった理由まで表示する。

事業別採算

国内卸、輸出、三国間貿易、自社ブランドについて、売上だけでなく、粗利額、粗利率、必要人員、運転資金、在庫負担、成長率を比較する。これにより、どの事業へ人材と資金を集中すべきかを判断する。

顧客・商品・案件別利益

売上上位顧客だけでなく、粗利上位顧客、低採算顧客、対応負荷の高い顧客を表示する。商品については、販売数量、実質粗利、在庫回転、返品、廃棄を確認する。案件については、見積時の予定粗利と、取引終了後の実績粗利を比較する。

海外取引リスク

輸出や三国間貿易について、国別、顧客別、案件別に、為替、国際運賃、通関費、販売手数料、回収期間を確認する。売上だけでは分からない海外取引の実質利益と資金リスクを見えるようにする。

在庫・仕入管理

在庫金額、在庫日数、滞留商品、欠品、発注残、仕入価格の変化、仕入先への依存度を確認する。販売予定と在庫をつなぎ、売れる可能性が低い商品の追加発注を防ぐ。

実行管理

経営会議で決めた対策について、責任者、期限、進捗、期待利益、実際の改善額を管理する。

私は、この実行管理画面が最も重要だと思う。

経営会議で「粗利率が悪い」「在庫が多い」「営業タスクが遅れている」と話しても、誰が何をするかが決まらなければ、翌月も同じ議論を繰り返すことになる。

BIは報告資料ではない。経営会議で意思決定し、行動を変えるための仕組みである。

8．HDGに必要なAIの設計

BIによって会社の共通事実が整った後、その上にAIを設計する。

HDGにおけるAIは、一つの万能AIにすべてを任せるのではなく、目的別に役割を分ける方がよいと考えている。

経営分析AI

毎月の売上、粗利、販管費、在庫、営業利益、資金繰りを読み取り、計画差と前年差の大きな項目を抽出する。そして、売上数量、販売単価、商品構成、仕入価格、物流費、為替、値引き、販管費に分解して、利益が増減した原因仮説を提示する。

単に「利益が減っています」と言わせるのではなく、どの顧客、商品、案件が影響したのか、確認済みの事実は何か、まだ確認が必要な点は何かを明示させる。

営業支援AI

HubSpotにある顧客情報、商談履歴、過去の見積もり、メール、営業タスクなどをもとに、次に連絡すべき顧客、失注リスクの高い商談、長期間動いていない案件、追加提案が可能な顧客を抽出する。

営業支援AIの評価基準を活動量だけにしてはいけない。電話件数、メール件数、商談件数だけではなく、粗利見込み、受注確度、回収条件、将来性を含めて優先順位を出す必要がある。

仕入・商品管理AI

SCM Plus、SharePoint、Supabaseにある商品情報、仕入価格、JANコード、在庫、販売実績を確認し、価格変動、登録漏れ、重複商品、欠品リスク、滞留在庫を検出する。

新しい商品資料や見積書が届いた場合は、AIが内容を読み取り、商品候補、仕入先、価格、数量、納期などを抽出する。ただし、既存商品との一致や商談との関連、登録先が不明確な場合は、自動登録せず「要確認」として止める。

文書・ナレッジAI

SharePointに保存されている契約書、見積書、商品規格書、提案書、会議資料などを検索し、必要な情報をすぐに取り出せるようにする。過去に同じ顧客へどのような条件を提示したか、同じ商品をどの価格で仕入れたか、契約上の注意点は何かを確認できれば、確認作業の時間を大きく減らせる。

実行管理AI

Outlook、HubSpot、Notionの予定やタスクを確認し、期限超過、担当者未設定、長期間更新されていない案件、会議で決めたまま実行されていない施策を抽出する。

経営者や担当者に大量の通知を送るのではなく、「今日、本当に対応が必要な三件から五件」に絞って提示することが重要である。

9．AIに任せる範囲と、人間が持つ責任

AIが数字を分析し、改善案を出すことはよい。しかし、価格変更、発注、顧客への送信、契約変更、データベースの大量更新などを、確認なしで実行させるべきではない。

最初の段階では、AIの役割を「読む・整理する・異常を見つける・提案する」までにする。実際に社外へ送信したり、基幹データを書き換えたりする場合は、人間の承認を必要とする。

AIが使った数字には必ず出所を付け、事実と仮説を分けることも必要である。

AIの分析結果は、次の形式に統一するとよいと思う。

これなら、AIの回答をそのまま信じるのではなく、経営会議で検討する材料として利用できる。

また、データを人や部門を責める道具にしてはいけない。

赤字案件や未達数字を見つけたとき、担当者の責任だけを追及すると、社員は悪い情報を出さなくなる。数字を良く見せるための行動が増え、結果として会社の現実が見えなくなる。

データは人を責めるためではなく、問題を早く発見し、会社全体で改善するために使うべきである。

「誰が悪いのか」ではなく、「どの仕組みを変えれば、次は同じ問題が起きないか」を考える。その文化がなければ、AIやBIを導入しても、本当の意味でのデータ経営にはならない。

10．HDGのDXは、導入から経営変革の段階へ

現在のHDGは、AIやクラウドサービスを導入する第一段階はすでに越えていると思う。

書類をクラウドへ保存する、オンラインで情報を共有する、AIで文章を作るという段階から、複数のシステムを連携し、定型業務を自動化する第二段階へ進んでいる。

一方で、HubSpotとNotionの同期では権限や重複、更新範囲の問題があり、Teams、SharePoint、Supabaseへの資料登録でも、商談とのひも付けが曖昧な場合は安全に停止する必要があった。

技術的には連携できても、データの正しさ、権限、責任範囲、例外処理が整っていなければ、安定した業務基盤にはならない。

この経験から、私はDXとは単にシステム同士をつなぐことではなく、会社の業務ルールを明確にすることだと感じている。

どのシステムを正とするのか。顧客名や商品名を誰が登録するのか。重複をどのように防ぐのか。AIが自動処理してよい範囲はどこまでか。間違いが起きた場合、誰が確認して修正するのか。

これらが決まって初めて、自動化は安定する。

今後のHDGでは、すべてを一度に統合するのではなく、まず利益への影響が大きい領域から進めたい。

最初の対象は、国内卸の上位顧客と主要商品がよいと思う。売上、仕入、物流費、値引き、在庫をつなぎ、顧客別・商品別の実質粗利を確認できるようにする。

次に、輸出と三国間貿易について、案件別の着地利益を作る。見積時の粗利と、為替、国際運賃、通関費などを含めた実績粗利を比較し、見積もりの精度を高める。

その後、自社ブランドについて、短期利益だけでなく、販売先数、リピート率、在庫回転、販促投資、将来の利益見込みを含めたブランド別管理へ広げる。

この順番で進めれば、DXが単なる作業時間の削減ではなく、粗利率、在庫、資金繰り、営業生産性の改善につながる。

おわりに

この本を読んで、私は「AIをどこに導入するか」という問いよりも、「会社として、どの数字を見て、どのように判断するのか」という問いの方が重要だと感じた。

AI導入は目的ではない。BIのダッシュボードを作ることも目的ではない。

目的は、HDGが売上規模を拡大しながら、利益とキャッシュを安定して残し、経営者だけに依存せず、各責任者が自ら考えて動ける会社になることである。

これまでに作ってきた一つ一つの仕組みは、経営DXを完成させるための部品である。今必要なのは、それらの部品を「利益」と「経営判断」という共通の目的でつなぐことだ。

AIを使うこと自体を成果にするのではなく、AIによって判断時間が短くなったか、見落としが減ったか、粗利が改善したか、在庫が減ったか、社員が重要な仕事に集中できるようになったかを確認したい。

BIを作ること自体を成果にするのではなく、BIによって赤字案件を早く発見できたか、低採算取引の条件を変更できたか、計画と実績の差に対して具体的な行動を取れたかを確認したい。

最終的に目指したいのは、システムが多い会社ではない。

会社のどこで利益が生まれ、どこで利益が失われているのかを全員が同じ数字で理解し、AIの支援を受けながら、自分たちで問題を発見し、改善できる会社である。

HDGに必要なのは、さらに忙しく働くことではない。

何が利益を生み、何が利益を失わせているのかを明確にし、限られた人材、時間、資金を、会社の未来につながる仕事へ集中させることである。

この本を一冊の経営書として読んで終わらせず、HDGの経営管理、会議、営業、見積もり、在庫、海外取引の仕組みを見直す出発点にしたいと思う。