#マーケティング #マネジメント #AI

ドラッカーのマネジメント理論の根幹にあるのは、｢弱みを克服するより、強みを活かすことに集中せよ｣ という哲学です。

ドラッカーは ｢人は強みによってのみ成果をあげる｣ と述べ、マネジャーの最も重要な仕事は、それぞれの働き手の強みを見極め、強みが最大限発揮される環境を設計することだと説きました。

今回は、中古車販売大手のガリバーの事例に、ドラッカーのマネジメント理論を当てはめ、｢人と AI のマネジメント｣ というテーマで紐解きます。

ガリバーの AI 活用の課題

ガリバーは中古車の販売買取という高単価商材を扱っています。

見込み顧客の来店から購入までの期間が長く、またひとつひとつのハードルを乗り越えるのも簡単ではないため、質の高い潜在顧客の獲得が常に課題でした。

ガリバーはこれまで、Google の検索広告や P-MAX は活用していたものの、十分な成果が出ていませんでした (参考情報) 。

そこには人間と AI の双方が、お互いの強みを消し合ってしまう分業がありました。

  • 人間側の問題: AI に明確な戦略的方向性を示せていなかった (例: 複数の目標の混在、過度な細分化、リソースの制約) 
  • AI 側の制約: 強みを発揮できる環境が整っていなかった (例: 判断基準の欠如、データの分散、試行回数の制限) 

人間と AI の双方が、お互いの強みを引き出せていない状態だったわけです。

そこでガリバーは、人間と AI のそれぞれが得意とすることに集中できる環境を戦略的に設計し直しました。

マネジメントの 3 つの役割

ドラッカーは、仕事を生産的にするための要素として ｢生産的な仕事｣ ｢フィードバック｣ ｢継続学習｣ の 3 つを挙げています。

これら 3 つをマネジメントシステムに組み込むことにより、働き手は自律的に責任を持ち、成果をあげることができます。

ガリバーは、3 つの役割を ｢人間と AI の協働｣ という新しい形で実践しました。順番に見ていきましょう。

[役割 1] 生産的な仕事

仕事を単なる作業ではなく、意味と目的のある活動にします。成果や責任を仕事に組み込み、自己効力感を高めることが重要です。

人間の役割は、｢一本化による戦略的方向性の提示｣ でした。人間が行ったのは、AI に対する指示出しの明確化です。

具体的には、それまでは複数あったコンバージョンポイント (成果に結びつくタイミング) を ｢問い合わせ完了｣ に一本化しました。

  •  ｢資料請求｣ ｢見積もり依頼｣ など複数の指標の中から、最も事業成果に直結する指標を選択
  • 中古車という高単価商材の特性を踏まえ、注力する見込み顧客の質的な定義を ｢来店や成約確率の高い潜在顧客｣ に明確化

これは人間の強みである ｢価値判断｣ と ｢戦略的思考｣ の発揮です。

一方で、AI の役割は ｢目標に向けた大規模最適化｣ です。

目標が一本化されたことで、AI は強みである大量データ処理とリアルタイム最適化を発揮できるようになりました。

  • 数万、数十万のユーザーシグナルから、AI は ｢問い合わせ完了につながるパターン｣ を学習
  • どのユーザーに、どのタイミングで、どの広告を届けるべきかを瞬時に判断
  • 一貫した基準で 24 時間休みなく配信を最適化

人間が ｢何を達成すべきか (What)｣ を定義し、AI が ｢どのように達成するか (How)｣ を実行するという役割分担です。これにより、両者の強みが最大限に発揮されました。

[役割 2] フィードバック

仕事の進捗や成果を可視化し、自己管理を可能にするフィードバックを定期的に提供します。ビジネスの現場で採用されている MBO (目標管理制度) もその一環です。

フィードバックにおける人間の役割は、｢学習環境の戦略的な設計｣ です。

ガリバーのケースでは、Google の検索広告、P-MAX (パフォーマンス最大化 キャンペーン) 、Demand Gen (デマンド ジェネレーション キャンペーン) の組み合わせは、人による設計が行われました。

  • 検索広告: すでに検索行動を起こしている顕在層の獲得
  • P-MAX: 検索面を含む幅広い配信面での最適化
  • Demand Gen: 検索行動前の潜在層へのリーチ

このように統合することで、AI は購買ファネル全体のユーザーシグナルを学習できます。

AI の役割は ｢多次元データからのリアルタイム学習｣ にあります。

  • 検索行動、ブラウジング行動、デモグラフィック、時間帯、デバイスなど多次元のシグナルを分析
  • 問い合わせ完了につながる特徴を高い精度で抽出
  • 配信結果を即座にフィードバックとして受け取り、次の判断に反映

人間が数週間かけて分析をしたり成果を上げるパターンを、AI は短時間で発見できます。

[役割 3] 継続学習

改善や訓練を繰り返して知識やスキルを向上させ、仕事の質を高めることを促します。働き手が自ら学び続け、組織の革新を担うことを可能にします。

継続学習での人間の役割は、｢"解放" による創造的素材の提供｣ です。

  • テキスト、画像、動画など多様なクリエイティブ素材を用意
  • 人が広告の制約や固定概念をなくし、AI に自由な組み合わせを許可 (制約からの解放) 
  • 中古車購入検討者の心理や洞察を AI にインプット

人間が広告に使う素材を AI に解放することによって制約を取り払い、AI に学習の材料を提供します。これにより、人間の創造性が AI の学習を加速させます。

その AI の役割は ｢膨大な組み合わせの高速検証｣ です。人間が用意した素材を使い、AI は強みである ｢大規模実験｣ と ｢一貫性｣ を発揮します。

  • 数十のテキスト × 数十の画像 × 複数の動画 = 数千 ~ 数万通りの組み合わせを同時にテスト
  • どのユーザーセグメントに、どのメッセージとビジュアルの組み合わせが最も響くかを学習
  • 感情の起伏やバイアスに左右されず、データにもとづいて公平に評価

これらをもし人間が同じ検証をしようとすれば、時間がいくらあっても足りないことでしょう。

段階的な拡張

ガリバーの事例での人間と AI の協働でもうひとつ注目したいのは、｢検索広告 → P-MAX → Demand Gen｣ という段階的な展開がされたことです。

人間の戦略は、

  • まず検索広告で ｢質の高いコンバージョン｣ の基準を AI に学ばせる
  • その学習成果を次は P-MAX に適用し、配信面を拡大
  • さらに Demand Gen で潜在層にリーチを広げる

これらは人間の ｢段階的なリスク管理｣ と ｢長期視点｣ によるものです。

それに対して AI の学習は、

  • 各段階で得た知識を次の段階に転移
  • 配信面が広がるほど、より多様なシグナルから学習
  • 判断精度が継続的に向上

AI は人間が設計した学習カリキュラムに沿って、段階的にスキルを高めていきました。

人と AI が共創するマネジメント

ガリバーの事例では、運用開始からわずか 1 カ月で純増コンバージョン 22% 増加、CPA 90% 削減という成果を上げました。

これは、人間と AI の強みが相互に強化し合う好循環が生まれたからです。

人間は人間にしかできないこと (戦略設計、価値判断、創造的活動) に集中し、AI は AI が得意なこと (大規模実行、パターン認識、継続的最適化) に専念する。お互いが相手の弱みを補完することで役割分担が実現し、両者の強みが発揮されました。

ドラッカーの ｢強みを活かす｣ 哲学の実践

注目したいのは、ガリバーは強みを活かし、かつ人間の弱みも AI の弱みも克服しようとしなかったことです。

  • 人間の弱み (大量データ処理、リアルタイム対応) → AI に任せる
  • AI の弱み (戦略思考、価値判断、創造性) → 人間が担う

ドラッカーは ｢弱みを克服することに時間を使うのは無駄だ。強みに集中せよ｣ と説きました。ガリバーの運用は、この原則を実践したことにほかなりません。

ガリバーは ｢適材適所｣ を徹底し、人間と AI というそれぞれの働き手を、強みが最大限発揮される役割に配置しました。｢人間 vs AI｣ という対立構造ではなく、｢人間 + AI = チーム｣ として捉え、組織全体の成果を最大化しました。

成約確率や質の高い潜在顧客を獲得するという共通のゴールに向かって、人と AI がそれぞれの強みを発揮し、協働したのです。

AI 時代のマネジメント

ガリバーの事例は、ドラッカーのマネジメント理論が AI 時代にも重要であることを示します。

従来の道具や機械は人間の指示通りに動くだけでした。しかし AI は自ら学習し、判断し、改善します。これが意味するのは、AI は ｢マネジメントすべき働き手｣ だということです。

そして優秀な働き手がいても、適切なマネジメントがなければ能力を発揮できません。ガリバーが成功したのは、最新の AI を使ったからというよりも、AI という働き手を正しくマネジメントしたからです。

AI 時代のマーケターの役割は、｢自分 (人) だけで広告運用する人｣ から ｢人間と AI のチームを設計し、両者の強みを最大化する人｣ へと変わります。

これはドラッカーが定義した ｢マネジャーの仕事｣ そのものです。

  • 人が明確な目標を設定する [生産的な仕事]
  • 成果を測定できる仕組みをつくる [フィードバック]
  • 学習と改善の機会を提供する [継続学習]
  • それぞれの強みを活かせる役割を適材適所で実現する

ドラッカーが 1950 年代に提唱した原則は、2026 年のAI協働においても普遍的な価値を持ちます。

AI などのテクノロジーがどれだけ進化しても、それが人間であれ AI であれ ｢働き手の能力を最大化するマネジメントの本質｣ は変わりません。

 ｢人間の戦略性･創造性･判断力｣ × ｢AI の処理能力･学習能力･一貫性｣ 

AI が普及していく時代だからこそ、ドラッカーの原則に立ち返る。お互いの強みを活かし、弱みを補完し合う。ここにマーケティング、そして組織マネジメント全体の進化のヒントがあります。

まとめ

今回は、ガリバーの Google AI 広告運用の事例を取り上げ、学べることを見てきました。

最後にポイントをまとめておきます。

  • ドラッカーのマネジメント理論は、弱みを克服するより強みの発揮に焦点を当てる。全ての働き手が強みを活かせる環境を設計することを重視する
  • 生産的な仕事を実現するには、人間が成果指標や戦略的な方向性を明確に定義し、AI がその目標に向けて大量データ処理や最適化を担うという役割分担が有効
  • フィードバックの観点では、人が全体を見据えた学習環境を設計し、AI が多次元のデータからリアルタイムに学習し検証を行う。意思決定の質とスピードが高まる
  • 継続学習を促すには、人間が多様なデータや洞察を AI に解放し、AI が膨大な組み合わせを高速にテストする。両者の強みが相互に学習を加速させる構造をつくる
  • 人の弱み (大量データ処理) は AI に任せ、AI の弱み (戦略的な思考や価値判断) を人間が担うという適材適所を徹底する
  • AI 時代のマネジメントは、AIを協働パートナーとして捉え ｢人間の戦略性と創造性｣ と ｢AI の処理能力と一貫性｣ をかけ合わせ、人間と AI のチームを設計して両者の強みを最大化する