シー・エッチ・ロビンソン・ワールドワイド シティ主催 2026年グローバルTMTカンファレンス

いえ、ありがとうございます、Ari。ご招待いただき、また本カンファレンスに参加できてうれしく思います。お招きいただきありがとうございます。先ほどお話ししたとおり、私たちにとってここにいるのは不思議なことではありません。過去3年間にRobinsonで行ってきた変革と、その歩みをよく理解しているからです。まず私から概要をお話しし、その後DamonとArunに詳しく説明してもらいます。これは一つの物語ですから。Lean AIについて触れられましたね。私たちは、創業120年の会社を変革し、この業界のディスラプターにすることを目指してきました。それは二つの方向から進めてきました。一つは、リーンの原則に基づく、これまでとは大きく異なるリーンな運営モデルです。継続的な改善、問題解決、ペース、スピードといった、以前からある考え方をこの会社に導入しました。そして、この業界のあり方も変えつつあると思います。

それによって道が開かれ、私たちが購入者ではなく開発者であり、以前からそうであったテクノロジーを活用できるようになりました。その結果、業界最大級で、かなり独自性の高い当社のテクノロジーとデータセットを本格的に活用し、データに知性を持たせることができました。Lean AI、業界最高水準だと考えるテクノロジー、そして世界でも屈指の物流専門家である従業員。この三つがそろっています。この三つは、C. H. Robinsonで私たちが運営する仕組みの中で、相互に作用してきました。そして、先ほどお話しいただいた成果のいくつかを実現するうえで、大きな力となりました。それが成果を生み出した要因です。では、特にテクノロジーと、最終利益を押し上げる当社の運営文化について詳しく見ていきましょう。そうしましょう。Damon、Arun、お願いします。

ではArun、テクノロジーについて話してもらえますか。最後は私がまとめます。

はい。テクノロジーの観点では、ご指摘のとおり、過去4年間で生産性を60％向上させました。この取り組みは、「この業界を破壊するテクノロジー企業なら、どうするか」という問いから逆算して考える道のりでした。そこから逆算すると、一般的なテクノロジー企業なら「従業員数の増加を取扱量の増加からどう切り離すか」と考えるでしょう。それによって、非常に拡張性の高い事業にするのです。私たちの中にはAmazon出身者もいます。そのようなモデルを採用するでしょう。まず取り組むのは、従業員数の増加を取扱量の増加から実質的に切り離し、システムの拡張性を確保するには、どう設計すればよいかということです。私たちはもう何年も、その取り組みを続けています。その成果が、60％という数字に表れています。

ここ数年で大きく変わった点の一つは、従来型のソフトウェアエンジニアリング手法を使っていたことです。私は入社して5年になりますが、最初の2、3年間は、より伝統的な手法を使っていました。ここ数年より前は、ソフトウェア開発に多大な工数がかかるため、ROIの基準を満たせず、実行に至らないプロジェクトが数多くありました。この業界には、顧客ごと、運送会社ごとに異なる細かな事情が数多くあります。私たちはマーケットプレイスの中間に位置しているからです。私たちは輸送能力と顧客の間に立っています。同業者同士のマーケットプレイスとは異なり、これは企業間のマーケットプレイスであり、さまざまな個別事情があります。その中間に位置するため、2、3年前には採算基準を満たさなかったプロジェクトが数多くありました。しかしAIの登場により、エンジニアリングの生産性が一気に大幅に向上しました。

当社にはエンジニアが500人いますが、コーディングツールを使い始めると、2,000人、3,000人分の働きをするようになります。これが一つの側面です。もう一つの側面は、エージェント型AIプラットフォームを設計したことです。これにより、会社全体の知識と文脈を、そのプラットフォームに取り込めるようになりました。その結果、従来のやり方でソフトウェアを開発する必要がなくなりました。ルールや標準業務手順（SOP）を一つひとつソフトウェアに組み込む必要はありません。それらはコンテキスト層にあります。ある意味、会社を英語でプログラミングしているのです。大規模言語モデル（LLM）の登場を踏まえると、これが最も簡単な捉え方でしょう。LLMの上に構築したこのエージェント型の仕組みが、リーンな運営モデルと相まって、ここ数年の生産性を大きく加速させました。

これが一つの側面です。生産性に関する側面です。もう一方は、マーケットプレイスとして何をするかということです。一方には顧客への価格設定があります。もう一方のコストと輸送能力の側面では、輸送能力をいかに効率よく調達するかが課題です。マーケットプレイスでは、その差額で利益を上げることになります。当社の価格設定アルゴリズムを支えているのは、顧客ごとに最適化した価格設定という考え方です。当社は機械学習に基づくアルゴリズム価格設定を採用しており、導入から10年になります。データが蓄積され、増えるにつれて、それを活用しています。これは従来型のAIです。いわゆる従来型のAI、つまり機械学習が、提供する価値に見合った適切な価格を適切な顧客に提示し、当社の粗利益率を実質的に押し上げています。

同様に輸送能力の面では、コストを見極め、特定の貨物を扱うための輸送能力を、当社にとって最も低い価格・コストで調達することが重要です。ここで一歩引いて、今お話ししたことをまとめると、C. H. Robinsonをテクノロジー企業として変革するなら、何をするかということです。C. H. Robinsonをテクノロジー企業として変革するなら、何をするでしょうか。拡張性の高いモデルを構築して単位当たりの経済性を改善し、インテリジェントな価格設定とコストの見極めによって、最適な粗利益率を実現するでしょう。そして、その効果を積み重ねていき、私たちが実現したようにサービス提供コストを下げたら、次に何をするでしょうか。価格を引き下げて、その成果を成長につなげます。

それが当社の事業を成長させる基本的な方程式です。サービス提供コストを下げ、粗利益率を高め、その成果の一部を顧客への値下げに充てて成長につなげるのです。

DaveとArunの話をまとめると、2022年末以降、60％の生産性向上を実現しただけでなく、目に見える売上高の成長と粗利益率の改善も達成しました。営業利益率の拡大も、確かに生産性向上によって実現しています。ただ、私たちにとってAI、特にLean AIは、生産性向上だけにとどまりません。売上高の成長や収益管理能力の向上、つまりより適切な価格設定や貨物の調達に加え、生産性の向上も実現しています。Lean AI戦略の恩恵は、損益計算書全体に及んでいます。私たちが行っていることは、容易に模倣できないと考えています。当社独自のテクノロジーを開発するエンジニアが450人います。これは当社固有の課題に合わせて開発した、特注のテクノロジーです。

既製品を使って、私たちが行ったことを再現するのは非常に困難です。私たちが行ったことを再現するには、個別のAIプラットフォーム企業15～20社と提携する必要があると見積もっています。仮にそれを実現しても、自社に合わせてカスタマイズしたソリューションではなく、個々の企業固有の課題や機会に対する汎用的なソリューションを得ることになります。そのほかに最も重要なのは、コストだと思います。エージェントを構築した後の限界的な運用コストは、ほぼゼロです。一方、他社の第三者製テクノロジーを使う場合は、利用するたびに従量課金が発生します。