2026年4月22日から24日の3日間、米ラスベガスにて「Google Cloud Next '26」が開催された。現地セッション参加を通じて明確になったのは、AIは支援ツールから業務主体へと進化し、企業の意思決定構造そのものを変革し始めている事である。本レポートではグローバルCPG（消費者向けパッケージ商品）企業の先進事例と日本企業への示唆を整理する。
目次
1. AIの全体的なトレンド
Google Cloud Next 2026において明確になったのは、AIが「支援ツール」から「業務主体」へと進化し、企業活動の中心に位置付けられ始めたことである。特にエージェント型AIの登場により、AIは単なる分析・生成を超え、業務プロセスそのものを自律的に遂行する存在へと変化している。
第一のトレンドは、「マルチエージェント化」である。AIは単体のツールではなく、複数のエージェントが連携し、業務を分担・協働する構造へと進化している。例えば、分析、意思決定、実行といったプロセスをエージェント群（オーケストレーション機能）が担い、人間はその上位で統括する形が一般化しつつある。
第二に、「データ統合とセマンティック化（意味情報付与）」の重要性である。AIは大量データを前提とするが、単なる蓄積では価値を生まない。企業固有の定義や文脈を理解させるセマンティックレイヤー（*1）が不可欠であり、これがなければAIは正しい意思決定を導けない。
第三に、「顧客体験（CX）の再定義」である。顧客はすでにAI体験に慣れており、検索や比較ではなく、顧客の購買背景・文脈理解と提案を前提とした、より踏み込んだ「対話型体験」を求めている。
第四に、「人間中心のAI運用」の重要性である。AI導入の成功要因は技術ではなく、人材・プロセス・文化にあると強調されている。特にAIエージェントを“管理する人材”の育成が重要なテーマとなっている。
第五に、「AIのインフラ化」である。すでに企業の約75％が何らかの形でAIを活用しており、競争の焦点は導入の有無ではなく「全社展開と統合」に移行している。 そのため、先進ITサービサーでは半導体チップ、モデル、データ、アプリケーションを統合したAIスタックの構築とサービス提供が不可欠となっており、GoogleではこのAIスタックを他社サービスとの連携も含めたプラットフォームサービスとして強化している。
2. グローバルCPGメーカー／リテーラーにおけるAIビジネス活用例
グローバルCPGメーカーにおけるAI活用は、単なる分析や業務効率化にとどまらず、「顧客理解→マーケティング→商品開発→製造→販売→アフターサービス」というバリューチェーン全体を再設計する動きに発展している。以下では具体的な業務活用事例を紹介する。
2-1. 顧客フィードバックを起点とした商品開発・品質改善（Mattel）
米大手玩具メーカーのMattel（マテル）では、従来は人手で処理していた顧客レビュー、返品理由、SNS上のコメントなどをAIで統合・分析する仕組みを構築している。その結果、従来は数カ月かかっていた分析プロセスが数分単位に短縮された。
具体的には以下のような業務変革が起きている。
- ECレビュー、コールセンター履歴、SNS投稿を横断的に収集
- AIが不満要因（例：組み立てにくい、耐久性が低い等）を自動分類
- 商品別・地域別・価格帯別に傾向を可視化
- 異常値（急増するクレーム等）をリアルタイム検知
例えばミニカーのHot wheels（ホットウィール）では、「組み立てのしにくさ」という顧客の不満がデータから明確に抽出され、それが新しい接続機構（Speed Snap）の開発につながった。これは単なる品質改善ではなく、15年ぶりの製品イノベーションである。
さらに重要なのは、AIが「分析・兆候検知」を担い、人間が「リスク判断・開発意思決定」を行う役割分担である。この構造によりスピードと安全性を両立している。
2-2. パーソナライズされた購買体験の実現（Woolworths）
豪大手小売りWoolworths（ウールワース）では、従来の検索・フィルタリング型ECから、AIエージェントによる「対話型購買支援」へと進化している。
具体的な体験は以下の通り。
- 顧客が「子ども向けの健康的な夕食を1週間分考えたい」と自然言語で入力
- AIが家族構成、過去購買履歴、予算、嗜好を踏まえて献立を提案
- 必要な食材を自動でリスト化し、在庫・価格を考慮して最適な商品を提示
- そのままカート投入・購買までシームレスに実行
この仕組みにより、購買プロセスは「商品検索」から「生活課題の解決」へと変化している。また、顧客の約70％にパーソナライズ体験を提供しており、購買頻度やロイヤルティの向上に寄与している。これはCPGメーカーにとって、単なる販売チャネルではなく「顧客理解の最前線」の役割を果たしている。
2-3. カスタマーサポートの高度化と顧客接点の統合（Best Buy）
米最大手家電量販店Best Buy（ベスト・バイ）では、AIエージェントが顧客問い合わせ対応を担いながら、人間のオペレーターを支援するハイブリッド型モデルを構築している。
具体的な業務変革は以下。
- AIが問い合わせ内容を理解し、初期対応を実施（例：トラブルシューティング、予約手配）
- 会話内容を要約し、必要に応じて人間オペレーターに引き継ぎ
- オペレーターは顧客の説明を繰り返し聞く必要がなく、即座に対応可能
さらに、会話ログは全社的に活用され、
- 商品不具合の早期発見
- サービス改善
- FAQやナレッジの更新
に活用されている。
また別業種ではあるが米ケーブルテレビ会社Cox Communications（コックス・コミュニケーションズ）の事例では、チャットと音声を統合したエージェントが顧客の文脈を保持しながら対応し、「オフライン（店舗）とオンラインチャネルをまたいでも一貫した体験」を実現している。これにより、カスタマーサポートはコストセンターから「顧客理解のデータ基盤」へと変化している。
2-4. マーケティングの高度化とリアルタイム意思決定（WPP）
世界最大手広告代理店グループWPPの事例では、AIエージェントがマーケティングプロセス全体を再設計している。
具体的には
- SNS・検索・購買データなどを統合し、リアルタイムでトレンドを分析
- AIが「どの顧客に・どのメッセージを・どのチャネルで届けるべきか」を提案
- クリエイティブ素材（画像・動画・コピー）を自動生成
- 効果予測を行い、最適な施策を選定
その結果、
- キャンペーン制作期間を50％短縮
- コンテンツ制作量を2.5倍に拡張
が実現されている。
2-5. マルチエージェントによる意思決定支援（Levi’s）
ジーンズブランドのLevi’s（リーバイス）では、複数のAIエージェントが連携し、分析・意思決定支援を行う仕組みを構築している。
- 売り上げデータを分析するエージェント
- 商品カテゴリーを分析するエージェント
- ユーザー属性を考慮するパーソナライズエージェント
これらが連携し、
- 「LATAM（ラテンアメリカ）地域のデニム売り上げ成長率」
- 「グローバルで売れている商品カテゴリー」
などを即時に提示する。
さらに、ユーザーの役割（例：欧州営業責任者）を記憶し、文脈に応じた分析結果を提示することで、意思決定の質と速度を向上させている。
2-6. 製造・供給/技術移転プロセスの高度化（Lilly）
米製薬大手Lilly（イーライリリー）の事例も他業界のものであるが、「製造プロセスの複雑性」「品質・規制の重要性」「グローバル展開」といった観点で、CPGメーカーにも極めて示唆が大きい。
同社では、「技術移転（Technology Transfer）」と呼ばれるプロセスをAIで高度化している。技術移転とは、新しい製品や処方を別の国・工場・ラインで再現可能にするプロセスであり、以下のような特徴を持つ。
- 膨大な技術文書・手順書・試験データの理解が必要
- 製造条件や品質基準の厳密な再現が求められる
- 人手中心で時間とコストがかかる
Lillyでは、これらのプロセスに対しAI（Gemini）を活用し、技術文書の理解・整理・活用を高度化している。
具体的には、
- 技術文書・製造手順・試験データをAIが統合的に理解
- 製造条件や重要パラメーターを抽出・構造化
- 新しい工場やラインへの移管プロセスを支援
- 関係者（製造・品質・研究）の意思決定を高速化
この結果、従来は専門人材に依存していた知識伝達プロセスが標準化・高速化され、製品立ち上げのスピード向上に寄与している。
この事例は、CPGメーカーの以下領域に直接適用可能である。
① 新商品立ち上げ（ストックキーピングユニット：SKU展開）の高速化
- 新製品レシピ・製造条件をAIが整理
- 工場間での立ち上げ期間短縮
- 品質ばらつきの低減
② サプライチェーンの柔軟化
- 工場切り替え・外部委託時の知識移転をAIで支援
- 災害・需給変動時のリスク対応力向上
③ 暗黙知の形式知化
- ベテラン技術者のノウハウをデータ化
- 属人化の解消と組織知化
特に製造領域では、「完全自動化」ではなく「AIによる意思決定支援＋人間の最終判断」という構造が不可欠である。
2-7. 各社AI活用事例からの示唆
これらの活用事例に共通するのは、AIが単なる業務効率化ではなく、顧客接点から製造・供給、販売、アフターサービスまでをバリューチェーンを横断して「企業の意思決定構造そのもの」を再設計している点である。
特にLillyの事例が示すように、AIはフロント（顧客接点）だけでなく、バックエンド（製造・品質・供給）においても大きな変革をもたらす。その中で競争優位を決定づけるのは、
- AIに何を任せるか（分析・整理・提案）
- 人間が何を担うか（判断・責任・創造）
という分業構造・役割設計であり、このバランス設計が今後のCPG企業の成否を分ける要因となる。
3. 日本のCPGメーカーへの示唆
Google Cloud Next 2026から得た日本のGPG向けの示唆として以下の4つを提示したい。
① AIの可能性と限界の認識
AIは膨大なデータ処理とパターン認識に優れる一方で、
- データに依存するため偏りや誤りが生じる
- 責任ある意思決定は担えない
- 創造的・倫理的判断が苦手
という限界を持つ。Mattelの事例でも、Lillyの事例でも、AIは人間の判断を補完する存在であり、「人間による検証と責任」が前提となっている。
② 人間の役割の再定義
AI時代において人間の役割は以下にシフトする。
- 意思決定（Judgment）
- 価値判断（Ethics／Brand）
- 創造（Creativity）
- AI統制（Governance／Orchestration）
特に、AIエージェントを管理・設計する「AIマネージャー的役割」が重要となる。
③ 組織の役割：データとプロセスの再設計
さまざまな事例が示唆する通り、ビジネスおよび業務プロセスへの理解無しにAIは機能しない。AI導入はIT導入ではなく、業務プロセスの再設計である。また、成功企業は
- ビジネス部門主導
- 小規模アジャイルチーム
- 外部パートナーとの共創
を実現している。
④ ガバナンスと信頼性
AIの誤作動や暴走を防ぐため、
- 監査
- トレーサビリティ
- ポリシー管理
が不可欠である。特にCPGではブランド毀損リスクが高く、「信頼できるAI」が前提条件となる。
4. 日本のCPGメーカーが取り組むべき課題
今後日本のGPGメーカーが取り組むべき課題は、主に以下の6点と考える。
① データのサイロ化解消
部門ごとに分断されたデータを統合し、顧客・商品・バリューチェーンを横断したデータ基盤を構築する必要がある。
② レガシーシステムからの脱却
エージェント型AIはリアルタイム性と柔軟性を前提とするため、クラウドベースのアーキテクチャーへの移行が不可欠である。
③ AIと人間の役割設計
完全自動化ではなく、「人間を含む意思決定プロセス」として設計する必要がある。
④ 組織・人材の変革
- データ人材の育成
- 現場主導のAI活用
- AIリテラシーの向上
が重要である。
⑤ 顧客接点の再構築
流通依存から脱却し、D2Cやデジタル接点を強化することで、顧客理解を深化させる必要がある。
⑥ ROIとスケールの両立
AIは投資対効果とスケーラビリティのバランスが重要であり、段階的な展開と全社最適の設計が求められる。
5. おわりに
本イベントを通じて実感したのは、「AIが業務を実行する時代」の到来である。しかし本質は高度化・自動化ではなく、「AIと人間の協働モデル」にある。AIが分析・提案を担い、人間が判断・責任・創造を担う分業構造の設計こそが競争優位の源泉となる。
先進企業はすでに「AI導入」から「AIと人間の統合」へと競争軸を移している。一方で多くの企業は個人業務レベルの効率化、部分的な概念実証（PoC）等にとどまっている。今後は、自社の強みや事業特性に基づいた協働モデルを構想し、全社的に実装できるかが問われる。本稿がその一助となれば幸いである。
（*1）セマンティックレイヤー：データベースの物理的な技術データ（テーブル名やカラム名）とビジネス用語（「売り上げ」「利益」など）を対応させ、データの「意味」を共通化する中間層
【関連情報】実運用フェーズへ：エージェントAIが変える消費財DX ～Google Cloud Next ’26現地レポートと3つの示唆～ https://www.fortience.com/insight/column/260501/
