年次計画の終わり

定期的な感知から、常時稼働のシグナル解釈へ

戦略は常に感知の機能だった。市場、競合、社内の業績を読み、進路を修正する。年次計画サイクルは、感知に費用と時間がかかるという現実的な制約への対応だった。年に一度しか回さなかったのは、それが負担できる頻度の限界だったからである。

S&P Global が金融インテリジェンス基盤全体にAIを導入した事例は、WEF/Accenture 2026年レポートに記録された事例の一つであり、常時稼働の感知が大規模に機能するとどうなるかを示している。同社はAIを使って190,000件の決算説明会トランスクリプトを分析し、将来を示唆するシグナル（経営陣の言葉づかいのパターン、トーンの変化、具体的な約束とその撤回）を抽出した。この規模のデータセットから人手で取り出せるアナリストチームは存在しない。抽出されたシグナルは同社の市場インテリジェンス製品へ継続的に流れ込み、四半期報告の間隔ではなく、ほぼリアルタイムで更新される。

定期的な感知から継続的な感知への移行が求めるのは、より大きな戦略部門ではなく、別の戦略部門である。データを集めるのではなくシグナルを解釈し、確定したトレンドではなく早期の警告に基づいて動く部門だ。

単一の計画から、生きた選択肢のポートフォリオへ

年次計画サイクルの中心にある成果物は、承認された一つの計画である。資源が確約され、目標が設定され、次のサイクルが結果を見直して修正を出すまで、その計画が実行される。

AIはこれを変える。複数の戦略的選択肢を同時に維持することが、運用上現実的になるからだ。年初に一つの計画へ縛られる代わりに、組織はそれぞれ異なる必要資源、リスク特性、発動条件を持つシナリオのポートフォリオを保持し、市場がどのシナリオを裏づけつつあるかを継続的に評価できる。

ガバナンスへの影響は大きい。戦略が文書ではなく比較のエンジンであるなら、計画のプロセスは単一案への定期的な採決から、複数案の継続的な評価へと変わる。組織には、カレンダーの日付ではなく発動条件に応じて動けるガバナンスの仕組みが必要になる。

年次予算から、トリガー起点の再配分へ

Canada Goose はサプライチェーンと商業オペレーション全体にAI主導の計画を導入し、従来の年次予算サイクルを継続的な計画モデルに置き換えた。結果は、計画サイクル時間の60%削減と、売上予測精度の4%改善である。この二つの数字は同じ仕組みから直接生じている。AIが需要、在庫状況、生産能力の継続的に更新されるモデルを保持し、定期レビューではなくライブのシグナルに基づいて再配分の推奨を生成する、という仕組みだ。

トリガー起点の再配分は、ガバナンスの議題そのものを変える。問いはもはや「今年の計画は何か」ではない。「どのような条件で拡大し、停止し、方向転換するのか。そしてその条件が満たされたとき、誰に動く権限があるのか」である。この問いにうまく答えられる組織は、意思決定サイクルがより速く、再配分の遅れによる機会損失がより小さい。

戦略は承認で終わらなくなった

戦略計画におけるAIの影響で最も重要なのは、最も語られていないものだ。戦略と実行の間にある隔たりが消えることである。

従来のモデルでは、戦略は策定され、承認され、実行のために現場へ引き渡される。戦略部門はその後、実行が軌道に乗っているかを判断するために業績データを待つ。データが届くころには数週間、数か月が過ぎている。修正のサイクルは遅い。

AIはこの隔たりを埋める。実行データを戦略部門にリアルタイムで届け、現場の業績が戦略計画に埋め込まれた前提から外れたときに知らせるからだ。戦略チームは四半期レビューを待たない。前提と現実の差を生のまま監視し、確定した乖離ではなく早期のシグナルに基づいて動く。

変動の激しい市場で優位に立つ組織は、未来をうまく予測しているわけではない。自分たちの前提が間違っていることを見つけるのがうまく、それに基づいて動くのが速いのである。年次計画はもともと優れた予測ではなかった。調整の仕組みだった。AIはその調整の仕組みを、より優れたものに置き換える。