Automotive Industry × AI / Agent|プロローグ — 108の問いと、20回の地図

こんばんは。室長こと吉島良平(Microsoft MVP for Business Applications | Microsoft Regional Director)です。
昨日公開したJapan Mobility Show Bizweekに関する記事ですが、本当に多くの方々が読んでくださったようです。ありがとうございました!お役に立てていれば幸いです。
それから、今年もTechnosoft Automotive Days 2026(グローバルオンラインイベント)の開催<2026年12月9日‐11日>が決定しました🎊
昨年度は35カ国から自動車ディーラー、OEM、ディストリビューター、弊社パートナー、マイクロフト(ドイツ法人)が集い、熱いセッションが展開されました。今回もAIと次世代DMSが切り拓く自動車リテールの最前線や先進事例が一堂に会する貴重な機会ですので、ぜひご参加ください!
さて、10月、DX365LIFEでは、AI Native CRMとAI Native ERPを二つの方向から考えてきました。CRM側では、顧客をどう識別し、文脈を理解し、意味のある約束へ変えるのか。ERP側では、その約束を在庫、能力、原価、会計、資金、責任という企業の現実へどう変えるのか。そこで見えてきたのが、「CRMとERPの間に、企業変革がある」という命題でした。
では、その命題を自動車業界へ持ち込むと、何が見えるのでしょうか。
自動車の販売とサービスは、一つの企業、一つのシステム、一つの国だけでは完結しません。OEM本社が商品とブランドを設計し、地域統括やNSCが市場を運営し、Importer/Distributorが車両と部品を流通させ、Dealerが顧客と向き合い、整備、保証、保険、金融、下取り、再購入までを支えます。そこには、企業の中だけではなく、企業と企業の間に数多くの境界があります。
このシリーズでは、その境界を見に行きます。答えから始めるのではありません。まず、108の問いを持って出発します。

EP00=プロローグ、EP01〜EP20=第1回〜第20回、EP21=エピローグ。全20回は順番に読むことをお勧めします。上記は特に関連の強い回を対象読者別に示したものです。
データドリブン経営の、その先へ
「データドリブン経営」という言葉が定着してから、長い時間がたちました。OEM本社には販売、市場、在庫、収益、品質、保証、顧客満足度を示すKPIがあります。NSCには国別・地域別の販売計画、車両アロケーション、Dealer Performance、部品、ワランティー、マーケティングのデータがあります。Dealerには商談、見積、受注、納車、入庫、整備、請求、顧客との会話があります。
データが存在しないわけではありません。レポートもダッシュボードも増えました。それでも、経営判断は遅れる。顧客への回答は揃わない。Dealerは同じ情報を何度も入力する。NSCは報告を待つ。OEM本社は集計された数字を見ても、その背景で何が起きたのかをすぐには説明できない。
問題は、データ量の不足だけではありません。そのデータは誰の判断を前へ進めたのか。その判断は現場の行動をどう変えたのか。その結果は顧客へどのような価値として返ったのか。データを集めることと、価値を循環させることは同じではありません。

VINで車は見える。しかし、人は見えているか
自動車業界には、車両を識別する強い軸があります。しかし、顧客は車両そのものではありません。契約した人、支払う人、運転する人、整備を依頼する人、問い合わせる人、次の車を選ぶ人は、必ずしも同じではありません。車は見えていても、人と車の関係、その時点、その目的、その期待が見えていなければ、顧客理解には届きません。
VINで車を管理できることと、Customerを理解できることは同じだろうか。
AIが優秀になるほど、この問いは重くなります。IdentityとContextが崩れたままAIが動けば、間違った相手へ、もっともらしい提案を、より速く届けてしまうからです。

データは上に流れる。しかし、価値は下に返ってくるか
Dealerで生まれた販売、整備、顧客のデータは、NSCやImporter/Distributorへ送られ、さらにOEM本社のKPIへ反映されます。ここまでは、データが上へ流れる物語です。では、その結果は下へ戻っているでしょうか。
品質データから得られた学びは、Dealerが顧客へ説明できる情報として戻っているか。需要予測は、Dealerが納期を答えられる精度へ変わっているか。顧客の声は、次の商品だけでなく、次の接客や整備体験へ反映されているか。Dealerが入力したデータは、Dealer自身の経営判断を良くしているか。
もしデータだけが上へ吸い上げられ、判断、改善、説明、収益機会が下へ返らないなら、現場にとってデータ入力は「価値を作る仕事」ではなく「報告する仕事」になります。その状態でデータ品質だけを求めても、循環は続きません。

自動車業界には、いくつの「間」があるのか
CRMとERPの「間」は、単なるAPIやデータ同期ではありません。顧客への期待を企業の確約へ変えるDecision、Authority、Responsibility、Evidenceの境界です。自動車業界では、この「間」が企業の外側へ広がります。

| 境界 | 衝突するもの | このシリーズで問うこと |
|---|---|---|
| OEM本社↔地域・各国 | Global StandardとLocal Reality | 市場の事実を次の標準へ戻せるか |
| NSC↔Importer/Distributor | ブランド統制と事業責任 | 在庫・資金・物流の責任をOEM方針へ接続できるか |
| NSC↔Dealer | 市場計画と顧客接点 | Lead、価格、在庫、納期、保証を双方向で説明できるか |
| Dealer↔Customer | 取引と関係 | 販売・整備・問い合わせを一人の顧客体験としてつなげられるか |
| CRM↔DMS↔ERP | 期待・実行・会計 | Promiseを実現可能なCommitmentとEvidenceへ変えられるか |
表1|自動車業界の主要なチャネル境界と、このシリーズで問うこと

AI CRM、AI ERP、そしてチャネルの間へ
AI CRMシリーズで考えたのは、顧客との関係をどう再設計するかでした。AI ERPシリーズで考えたのは、企業内部の意思決定と実行をどう再設計するかでした。今回のAutomotive Industry × AI / Agentシリーズでは、その二つを企業の境界の外へ広げます。
顧客と企業の関係だけではなく、OEM本社、NSC、Importer/Distributor、Dealerという企業・組織・チャネルの間で、Promise、Commitment、Evidence、Learningがどこで切れているのかを見る。ただし、AIがすべてを統合するとも、Agentが人の判断を置き換えるとも結論づけません。問いから始め、境界ごとの現実を確かめます。

なぜ「108の問い」なのか
108という数字は、今回の編集上のモチーフです。自動車業界の変革を一つの正解へ閉じ込めようとすると、必ず誰かの現実が抜け落ちます。OEM本社とDealerでは見える景色が違う。日本市場と米国、欧州、APAC各国では制度と商慣習が違う。新車販売とアフターセールス、品質と収益、顧客体験とコンプライアンスも、ときに緊張関係にあります。たとえば、VINは車を識別できます。しかし、今この車に関わっている人が購入者なのか、利用者なのか、整備を依頼した人なのかは、VINからは見えません。

だから、問いを減らしすぎない。一つひとつは別の問題に見えても、その背後には共通する構造があるかもしれません。108の問いは、答えの多さを誇るためではありません。複雑な産業を、簡単な製品説明へ縮めないために持っていく問いです。

20回の地図を持って出発する

| 区分 | テーマ | 記事 |
|---|---|---|
| Chapter 1 | OEM本社|全体は見えるが、人が見えない | 第1〜3回 |
| Chapter 2 | 市場の再設計|OEMが仕掛けるビジネスモデル変革 | 第4〜5回 |
| Chapter 3 | NSC・販社|中間層の断絶 | 第6〜10回 |
| Chapter 4 | Dealer|顧客に最も近く、データに最も遠い | 第11〜14回 |
| Chapter 5 | チャネルの多様性|Importer・Distributor・商社 | 第15〜16回 |
| Chapter 6 | Global StrategyとLocal Reality | 第17〜19回 |
| Chapter 7 | 攻めのDXと守りのDX | 第20回 |
表2|Automotive Industry × AI / Agentシリーズ 全20回の地図
20回の構造を縦糸に、108の問いを横断的な横糸として張る。第1問から第87問までは各Chapterの現実を掘り下げ、第88問から第108問までは全チャネルを横断し、シリーズの到達点を予告します。
108の問い

Chapter 1|OEM本社|全体は見えるが、人が見えない
1. グローバルKPIが揃っているのに、なぜ経営判断は遅いのか
2. 連結財務に数字が届くまで、なぜ数週間かかるのか
3. アロケーションの根拠を、担当者以外が説明できるか
4. OEM本社から全ディーラーネットワークを「一つの画面」で見られるか
5. ディーラーが入力しないデータを、本社はどうやって知るのか
6. リコール判断に3週間かかる間、何台が路上を走っているか
7. ワランティーデータがR&Dに届くまでのタイムラグを、誰が計算しているか
8. 品質問題の原因が判明するまでに、何人の顧客が不満を持つか
9. CDKショックのような事件が自社ネットワークで起きたら、何日で復旧できるか
10. Connected Carのデータは、誰のものか
11. 走行データをCRMに統合するだけで、OEMは「誰が顧客か」を知ることができるのか
12. UBIの走行スコアで保険料を決めるとき、OEMは何を証明しなければならないか
13. Right to Repairの規制は、地域によってOEMに何を義務付けるか
14. データの所有権争いに、顧客は何を期待しているか
15. OEMが持つべきデータと、ディーラーに持たせるべきデータの境界線はどこか

Chapter 2|市場の再設計|OEMが仕掛けるビジネスモデル変革
16. EV化でオイル交換がなくなるとき、ディーラーの収益の何割が消えるか
17. バッテリー管理を新しいアフター収益にしたOEMは、どこまで進んでいるか
18. OTAアップデートで収益を得るビジネスモデルを、ディーラーは理解しているか
19. 充電インフラの投資を、誰が負担するか
20. EV化でOEMとディーラーの力関係はどう変わるか
21. Agencyモデルで価格決定権がOEMに集まったとき、ディーラーは何で差別化するか
22. 顧客データがOEMにリアルタイムで集まる世界で、ディーラーの存在価値はどこに移るか
23. 系列構造・残価設定ローン・ディーラー保護法を越えてAgencyを実現できるか
24. D2Cで直販を始めたOEMは、ディーラーと共存できるか
25. EVとICEを同じディーラーが扱うとき、サービスのスキルセットはどう変わるか

Chapter 3|NSC・販社|中間層の断絶
26. NSCはネットワーク全体を横断集計できているか
27. 未報告の拠点が存在することを、NSCは知っているか
28. データ遅延が経営判断に与える影響を、NSCは定量化できているか
29. ディーラーが報告しない理由は何か
30. インセンティブ設計の失敗が、データ品質問題の根本原因ではないか
31. OEMから獲得したリードが、ディーラーのDMSに渡った瞬間に何が起きているか
32. 失注理由が記録されていないなら、マーケティング改善はどこを見ているのか
33. リードが死ぬ場所を特定したNSCは、どれくらいあるか
34. マーケティング予算の支配権は、OEM・NSC・ディーラーのどこにあるべきか
35. ディーラーは自分のインセンティブの計算根拠を見られるか
36. 受取漏れを証明できないディーラーは、何をあきらめているか
37. インセンティブの透明化は、データ品質問題の解決策にもなるか
38. NSCがリアルタイムでディーラー在庫を把握できるなら、バックオーダーは減るか
39. OEMとNSCとディーラーの間で、同じ顧客が何度も重複登録されているか
40. NSCが中間層として果たすべき機能を、AIはどこまで代替できるか

Chapter 4|Dealer|顧客に最も近く、データに最も遠い
41. ディーラーは値引き承認フローに何時間費やしているか
42. ファイナンス審査の待ち時間が、成約率にどう影響しているか
43. 残価リスクをOEM/NSCが負う構造は、ディーラーのどんな行動を生んでいるか
44. AIが見積・承認・残価予測をリアルタイムで支援したとき、営業担当の役割は何になるか
45. 整備士不足は、いつピークを迎えるか
46. 代車管理の非効率は、顧客満足にどう直撃しているか
47. ワークオーダーの遅延は、アフター収益の何パーセントを失わせているか
48. AIがサービスリマインダーを自動化したとき、ディーラーは何をするか
49. 部品のバックオーダー時、納期を「わかりません」以外で答えられるか
50. 部品番号の不一致による誤発注は、年間何件発生しているか
51. 廃番情報がディーラーに届くまで、何日かかっているか
52. e-Commerceを始める前に、DMSとの自動連携は整備されているか
53. CSIの高評価誘導が常態化しているなら、そのデータで何を改善するつもりか
54. 回答率が低いCSIデータは、どこまで信頼できるか
55. 低評価からのリカバリーがディーラーによってばらつくなら、ブランドは何を失うか
56. マルチブランドのディーラーは、OEMの数だけシステムにログインしているか
57. 各OEMのDMSに同じ顧客データを何度も入力するコストを、誰が計算しているか
58. OEM提供のDMSが月末にしか正しくないなら、月中の経営判断はどこを見ているか
59. マルチブランドのP&Lを作れるのは、ディーラー自身のシステムだけではないか
60. DMSのマスタデータをディーラー側から引いた方が精度が高いなら、OEMは何を改めるべきか
61. ブランドAの顧客がブランドBに乗り換えたことを、ディーラーは知っているがOEMは知らない—これは設計の問題か、権限の問題か
62. マルチブランドを扱うディーラーグループの経営者は、どのシステムの画面で朝を始めるか

Chapter 5|Distributor・商社|チャネルの多様性
63. 越境移転の根拠とデータ管理条件を、正しく整理できているDistributorはどれくらいあるか
64. DPAが必要な処理関係を特定し、ディーラー・再委託先を含む契約と責任分担を整備できているDistributorは、どれくらいあるか
65. 多言語での名寄せが崩壊したとき、Customer 360は何を見ているのか
66. 在庫・為替・関税リスクを自己負担しながら、さらにデータコンプライアンスまで担うのは合理的か
67. 複数OEMを扱う総合商社は、本体のKPIをどのシステムで集計しているか
68. あるリージョンでは販社に出資し、別のリージョンではDistributorとして動く—そのKPIを一画面で見られるか
69. Distributorの投資評価とファイナンス収益を、OEMシステムとどう統合するか
70. 最も複雑なポートフォリオを持つDistributorが、最もデータの恩恵を受けていないのはなぜか
71. Distributorが持つ市場知識を、OEMのプロダクト設計にフィードバックする仕組みはあるか
72. AIはDistributorの複雑な経営を、どこから支援できるか

Chapter 6|グローバル戦略とローカル市場の現実
73. 車検制度が生む定期的なアフター収益を、他の市場は羨むか
74. 残価設定ローンとキャプティブファイナンスの設計は、日本固有の強みか
75. インボイス制度がワランティー精算に与える影響を、外資系OEMは理解しているか
76. 人手不足や労働時間管理の見直しが進むなか、ディーラーの整備士のシフト設計は追いついているか
77. 外資系OEMの日本法人が、グローバルDMSを導入しようとして直面する壁はいくつあるか
78. Agencyモデルを日本で導入するとき、残クレ・車検・系列・インボイスの何が最大の障壁か
79. 「日本だけが特殊」と言い続けることは、問題の解決を遅らせているのではないか
80. 米国の一部州で販売店保護法制がAgencyモデルに制約を課す場合、グローバル戦略は何を調整するか
81. 欧州でGDPRの最厳格対応とAgency実験を同時に進めることは可能か
82. 「すべての市場が特殊である」と認めることで、何の設計が変わるか
83. Global Core + Local Extensionという考え方を、DMSで実現できるか
84. ローカル市場の例外を「カスタマイズ」で吸収し続けることの限界はどこか
85. 欧米のAgency実験の結果が出る前に、日本のOEMは何を学べるか
86. グローバルとローカルの摩擦を、誰が調整するべきか
87. 市場ごとの特殊性を、グローバルシステムの設計として織り込んでいる会社はどこか

Chapter 7|全チャネル横断|データと価値の流れ|この20回の終わりに、どこへ向かうのか
ここからの21問は、前の87問をもう一度、チャネル横断の視点から問い直すものです。Promise、Commitment、Evidence、Learningの循環は、どこで切れ、誰がつなぎ直すのか。AI CRMとAI ERPで見てきたものを、自動車産業の企業間ネットワークへ広げます。
88. データは上に流れているか
89. 価値は下に返っているか
90. OEM本社が持つデータと、ディーラーが持つデータの、どちらが「正しい」か
91. 顧客のことを最もよく知っているのは、OEMか、ディーラーか、それとも顧客自身か
92. チャネルを越えてデータが流れたとき、誰が最初に得をするか
93. チャネルを越えてデータが流れたとき、誰が最初に不安になるか
94. Promiseは誰が発行するか
95. Commitmentは誰が実行するか
96. Evidenceは誰が集めるか
97. Learningは誰が活かすか
98. このループが切れているのは、どのチャネルの境界か
99. AIはこのループのどこに入るか
100. CRMが解いた問いとERPが解いた問いの間に、何が残っているか
101. DMSは、OEMとディーラーをつなぐシステムか、分断するシステムか
102. データドリブンと言いながら、意思決定が遅い理由は何か
103. 攻めのDXと守りのDXは、同じデータ基盤の上で動けるか
104. 自動車産業の顧客体験は、一社の中だけで完結しているか
105. AI CRMで顧客が見えるようになったなら、次に見えるべきものは何か
106. AI ERPで企業が見えるようになったなら、次に見えるべきものは何か
107. 企業と企業の間は、誰が見ているか
108. オートモーティブDXの次の舞台は、どこにあるか

プロローグで、答えは出さない
108の問いを並べると、問題が多すぎるように見えるかもしれません。しかし、20回の本編で扱いたいのは、108個の別々の問題ではありません。KPI、リコール、EV、Agency、Lead、インセンティブ、ワランティー、整備、部品、マルチブランド、GDPR、Global CoreとLocal Extension。そのすべてを貫く構造を探します。
データはあるのに、判断へ変わらない。判断はあるのに、現場へ届かない。現場は実行しているのに、Evidenceが戻らない。Evidenceは蓄積されても、次のLearningへ変わらない。その断絶は、アプリケーションの中よりも、組織と組織、企業と企業、チャネルとチャネルの「間」にあります。
AI CRMで顧客が見えるようになった。AI ERPで企業が見えるようになった。では、その企業と企業の間は見えているでしょうか。

最初に見るのは、OEM本社です。グローバルKPIが揃い、各国から数字が集まり、ダッシュボードが整っている。それでも判断が遅い。数字が遅いからなのか。粒度が違うからなのか。Dealerが入力しないからなのか。それとも、数字の先にあるDecision、Responsibility、Authority、Evidenceがつながっていないからなのか。
第1回では、「全体は見えるが、人が見えない」というOEM本社の景色から、この20回の旅を始めます。
↑ Automotive Industry × AI / Agent シリーズ一覧に戻る
次回、第1回|2026/11/01
グローバルKPIが揃っているのに、なぜ経営判断が遅いのか
グローバルKPIはダッシュボードに揃っている。しかしその背後にいる担当者・商談・顧客は見えない。連結財務への数字到達に数週間かかり、アロケーションは担当者判断に頼り、ディーラーはインセンティブに関わるデータしか入力しない。経営判断を速くするために必要なのは、KPIを増やすことではなく、文脈と根拠を持った意思決定の設計である。

Let’s Enjoy our DX365LIFE!
次回以降:第1回「グローバルKPIが揃っているのに、なぜ経営判断が遅いのか」。連結財務への数字到達に数週間かかる。アロケーションは担当者判断。Dealerはインセンティブに関わるデータしかきちんと入れない—だからマスタはぐちゃぐちゃだ。OEM本社から全ネットワークを「1つの画面」で見るために何が必要かを考えます。引き続きDX365LIFEをよろしくお願いします。
※本稿中のAI Native CRM、AI Native ERP、Promise、Commitment、Evidence、Learning等の使い方はDX365LIFEシリーズの編集上の枠組みに基づきます。DX365LIFE Automotive Commitment Mesh(ACM)、Mobility Context、Authority Binding、VIN-Bound Execution、Evidence Thread、Federated Learning、Commitment Handoff Packetは、DX365LIFE独自の編集概念です。Microsoft・OEM・規制機関・業界団体の公式用語ではありません。
