年次計画の終焉

01 — 定期的センシングから常時オンのシグナル解釈へ

戦略は常にセンシングの機能であった。市場、競合、内部業績を読み取り、進路を調整する。年次計画サイクルは、センシングにコストがかかり遅いという現実的な制約への対応だった。年に一度プロセスを回していたのは、それが実行可能な頻度の限界だったからだ。

S&P Globalが金融インテリジェンス・プラットフォーム全体にAIを展開した事例は、WEF/Accenture 2026年レポートで記録された事例の一つであり、大規模な常時オンのセンシングがどのようなものかを示している。同社はAIを用いて19万件の決算説明会の書き起こしを分析し、前向きなシグナル――経営陣の言葉のパターン、トーンの変化、具体的なコミットメントや後退――を抽出した。これはそれほどの規模のデータセットから、いかなるアナリストチームも手作業で抽出できなかったものである。これらのシグナルは同社の市場インテリジェンス製品に継続的に供給され、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。

定期的センシングから継続的センシングへの転換には、より大きな戦略機能は必要ない。必要なのは異なる機能である――データを収集す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警告に基づいて行動する機能だ。

02 — 単一の計画から選択肢のライブ・ポートフォリオへ

年次計画サイクルの中心的な成果物は、承認された単一の計画である。リソースが割り当てられる。目標が設定される。次のサイクルで結果が検証され是正が発せられるまで、計画は実行され続ける。

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を運用上実行可能にするからだ。年初に一つの計画にコミットするのではなく、組織は複数のシナリオのポートフォリオを維持できる――それぞれが異なるリソース要件、リスクプロファイル、トリガー条件を持ち――どのシナリオを市場が検証してい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エンジンであるなら、計画プロセスは単一の選択肢に対する定期的な投票から、複数の選択肢の継続的な評価へと変わる。組織にはカレンダー上の日付ではなくトリガー条件に基づいて行動できるガバナンス・プロセスが必要となる。

03 — 年次予算からトリガーベースの再配分へ

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を活用した計画を導入し、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。その結果、計画サイクル所要時間を60%削減し、売上予測精度を4%改善した。両方の数値は同一のメカニズムの直接的な帰結である――AIが需要、在庫状況、キャパシティの継続的に更新されるモデルを維持し、定期的な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。

トリガーベースの再配分はガバナンスの議論を変える。問いはもはや「今年の計画は何か」ではない。「どの条件下で拡大、停止、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行動する権限があるのか」である。この問いにうまく答える組織は、より速い意思決定サイクルで運用し、再配分の遅延による機会損失が小さくなる。

04 — 戦略は承認で終わらない

戦略計画におけるAIの最も重要な影響は、最も注目されていないものである――戦略と実行の間のギャップの解消だ。

従来のモデルでは、戦略が策定され、承認され、実行のためにオペレーションチームに引き渡される。その後、戦略機能は業績データを待って実行が軌道に乗っているかを判断する。データが届くころには、数週間から数か月が経過している。是正サイクルは遅い。

AIは、実行データをリアルタイムで戦略機能に利用可能にし、オペレーション業績が戦略計画に組み込まれた前提から乖離したときにそれをフラグ付けすることで、このギャップを埋める。戦略チームは四半期レビューを待たない。前提と現実のライブのギャップを監視し――確定した乖離ではなく早期のシグナルに基づいて行動する。

不安定な市場で競争優位を持つ組織は、未来を予測するのが上手なのではない。自らの前提が誤っているときにそれを検知するのが上手であり――その認識に基づいて行動するのが速いのだ。年次計画は決して優れた予測ではなかった。それは統率のメカニズムだった。AIはその統率メカニズムを、より優れたものに置き換える。