社内シンクタンクの作り方 — 自社に調査・インテリジェンス機能を立ち上げる5段階ロードマップと内製/外注の判断軸

「社内にシンクタンクを作る」と言った瞬間に、多くの計画が止まる。たいていの理由は一つで、シンクタンク＝専門アナリストの採用、と読み替えてしまうからだ。だが正社員が不足と感じる企業は51.7%、なかでも情報サービス（IT）は70.2%に達し（帝国データバンク2024）、最も採りにくい人材を最も逼迫した市場で確保するという前提は、入口で詰まる。本稿は視点を入れ替える。シンクタンクの本質は優秀な個人を一人雇うことではなく、問い→収集→検証→共有→再利用が回る「仕組み」を持つことだ。網羅・収集はAIに、検証・読み解き・自社の言葉への翻訳は人間に——この二層分業に立てば、立ち上げは「採用が片づいてから」ではなく、いまいる人員のまま始められる。問いの定義からソース整備、運用ルール、レポート化、継続体制までの5段階と、内製／外注の判断軸を、商談と現場の一行に降ろして示していく。

「シンクタンク=専門アナリスト採用」という重い誤解を解く

社内シンクタンクを作る、と言った瞬間に多くの計画が止まる。止まる理由はたいてい一つで、「シンクタンク＝MBAや元コンサルの専門アナリストを採用すること」と読み替えてしまうからだ。専任ポストの確保を起点に設計図を描くと、最初の一歩がそのまま最大の関門になる。

これは気合いの問題ではなく、市況の問題だ。正社員が「不足」と感じている企業は51.7%（帝国データバンク2024年10月）。なかでも情報サービス（IT）は70.2%で唯一の7割超、メンテナンス・警備・検査69.7%、建設69.6%、金融67.1%と、知的労働の中核を担う職種ほど逼迫している。つまり専任アナリストを採るという発想は、最も採りにくい高スキル人材を、最も採りにくい市場で確保することを暗黙の前提にしている。完全内製の壁や社内専任アナリストのコスト（海外試算）については親ピラー「日本の営業生産性はなぜ低いのか」で詳述したとおりで、ここでは「採用を起点に置いた設計はそもそも実装が止まりやすい」という結論だけを前提として受けておく。

シンクタンクの正体は「人」ではなく「循環する仕組み」

視点を入れ替えたい。シンクタンクの本質は優秀な個人を一人雇うことではなく、問い→収集→検証→共有→再利用が回る仕組みを持つことだ。ナレッジマネジメント論の古典であるSECIモデル（野中郁次郎）は、個人の暗黙知を組織の形式知へ循環させる過程を描いたが、裏を返せば、専任アナリスト一人に依存する設計はこの循環の不全を抱え込む。その人が異動・退職した途端に、業界知識も提案ロジックも顧客文脈の読み解きも、そのまま組織から消える。

一人のアナリストを雇うことは、知を集めることではない。知を一人の頭の中に閉じ込めることでもある。

営業企画の現場に降ろせば、こういう一行だ。「新製品の市場、誰か調べておいて」が特定の一人に集中し、その人が抜けた途端に情報が止まる——これは人手不足というより、シンクタンクを「仕組み」ではなく「担当者」として設計してしまった結果である。

本職のシンクタンクも「人を増やす」より「層を分ける」

この方向は、私たちの自説にとどまらない。創業50余年のシンクタンクである三菱総合研究所は2026年1月、AIエージェントを活用した新規事業機会の探索支援を、戦略決定のための情報基盤「インテリジェンス基盤」の新サービスとして追加した（三菱総合研究所2026）。中身は、AIエージェントが事業環境の将来シナリオを描き、実際の状況との乖離を継続的に評価し、事業機会を具体的に提示するという運用ループだ。注目すべきは設計思想で、同社は半世紀超で培った情報収集・分析の知見そのものをAIエージェントに実装する一方、注視すべきシナリオの選定はコンサルタントが企業と協議して担うとしている。収集・モニタリングと分析の型は機械側に寄せ、何を見るかの判断は人間に残す——本職のシンクタンクですら、人を頭数で揃えるのではなく層を分ける方向へ動いている、という傍証だ。もちろん「だから貴社もAIで」と短絡はしない。ここで言いたいのは、収集と判断は分けて設計できる、という一点である。

そこで本記事が前提に置く設計思想を一行にしておく。網羅・収集・継続モニタリングはAIが、問いの設計・検証・読み解き・自社の言葉への翻訳は人間が担う。この二層分業に立てば、社内シンクタンクの立ち上げは「採用が片づいてから」ではなく、いまいる人員のまま始められる。

• 機械に委ねる層：何を・どの頻度で集め、変化を継続的に監視するか。網羅性と即時性はここで担保する。
• 人が担う層：その情報をどの問いに答えるために読み解き、貴社の提案ロジックへ翻訳し、組織に残すか。
• 仕組みとして残す層：誰が見て、どこに溜め、次にどう再利用するか。属人化はここで初めて解ける。

だから断っておくと、これは「採用が不要になる」という話ではない。採用を起点に置かなくても始められる、という話だ。専任を一人探す前に、「何を・どの頻度で・誰が見て・どこに溜めるか」を決めるほうが、立ち上げの初速は速い。次章からの5段階ロードマップは、まさにこの順序で組み立てていく。

5段階ロードマップ① 問いを定義する — 経営の意思決定に接続する

社内シンクタンクの立ち上げが頓挫するとき、多くの場合、原因はツールの選定でも人材の採用でもない。最初に立てた「問い」が、経営の意思決定とつながっていないことに起因する。「競合の動向を調べておいて」は、一見もっともらしいが問いではない。集めてから何に使うかを考える順序では、せっかく集めた情報の大半が、誰の判断も動かさないまま流れていく。第1段階でやるべきは、その逆だ。どの意思決定を、いつ、誰が下すのか——から逆算して、知るべきことを引く。問いを定義するとは、抽象的な情報ニーズの棚卸しではなく、意思決定への接続作業である。

この発想は、競争インテリジェンス論で確立された枠組みで言語化できる。海外で広く使われてきたKIT（Key Intelligence Topics＝重要インテリジェンス課題）は、ジャン・ヘリングが1999年に学術誌Competitive Intelligence Reviewで提示した考え方で、何を調べるかの前に、意思決定者が本当に必要としている情報ニーズを特定する工程を指す。KITは伝統的に三つに整理される——戦略上の意思決定や行動を支える「戦略課題」、迫る脅威や機会を察知する「早期警戒」、競合や新規参入など主要プレイヤーの動きを追う「キープレイヤー把握」。そしてKITは、答えが出れば判断を支えられる一口サイズの設問（KIQ＝Key Intelligence Questions）へと分解される。海外発の方法論だが、数値の直輸入は不要で、考え方そのものが日本のB2B文脈にそのまま効く。

「競合を調べておいて」は問いではない。「A社の値下げに追随すべきか——を三月の役員会で決めるために、A社の原価構造と在庫水位を知りたい」が問いである。

右の一行を分解すると、役員会という意思決定がKIT、原価構造と在庫水位というKIQに当たる。ここまで降りて初めて、調べる対象が定まり、集めた情報が判断に直結する。実装はおおむね四つの手順をたどる。

• 意思決定者にオープンに聞く。誘導せず、決定者が口にする願望に安易に迎合せず、真に判断を要する局面を引き出す。
• 出てきたテーマを「戦略課題／早期警戒／キープレイヤー」の三分類に整理する。
• 各テーマを「答えが出れば判断できる」KIQへ分解する。
• “知れたら嬉しい”止まりの問いは捨て、意思決定に直結する問いだけを残す。

この作法は海外の借り物ではない。稲村悠『企業インテリジェンス 組織を導く戦略的思考法』（講談社+α新書・2025）も、意思決定者はインテリジェンス担当者に対して具体的かつ測定可能な「情報要求」を示すべきで、担当者は決定者の好みに単に迎合してはならない、と論じている。問いを意思決定者の頭の中だけに置かず、三分類とKIQという共有可能な形に書き出すこと自体が、提案力や読み解きの属人化を解く第一歩でもある。

問いの出発点として、日本企業一般の課題傾向は参考になる。日本能率協会「日本企業の経営課題2024（第45回）」（JMA・2024）では、現在の経営課題として「人材の強化」が2年連続で第1位、「収益性向上」とともに突出している。3年後を見据えた課題でも「人材の強化」が最多で、「デジタル技術・AI活用」が順位を上げているのが目立つ。ただし注意がいる。これは全国平均の関心であって、貴社の問いそのものではない。第1段階の本質は、こうした一般傾向を、貴社固有の「では何を知れば意思決定できるか」へ翻訳することにある。一般則を入口にしつつ、自社の役員会・商談・稟議で実際に下る判断へ落とし込んでいく。

ここで、問いの定義こそ二層分業が最初に効く工程であることを述べておきたい。候補テーマを網羅的に洗い出し、漏れなく並べる作業は、AIが速い。だが「どの意思決定が本当に重要か」「どの問いを捨てるか」という優先順位づけと意思決定への接続は、貴社の経営文脈を知る人間の判断でしかできない。網羅・収集はAI、検証・読み解き・翻訳は人間——この分業は、ソース整備やレポート化より前の、問いを立てる最初の一歩から働き始める。なお、なぜ完全内製が難しいか、内製と外注をどう切り分けるかは、別途親ピラーで論じている。本段階は、問いの立て方という実装ディテールに純化したい。

5段階ロードマップ② ソースを整備する／③ 運用ルールを敷く

問いが定まったら、次に問うべきは「その問いに、何を読ませて答えるか」だ。ロードマップの第2段階と第3段階は、いわば内製シンクタンクの配管にあたる。AIに何を読ませ、人間が何を必ず検証して配るか——この二点を制度に落とす作業である。

② ソースを整備する — ツール導入ではなく「台帳化」

ソース整備と聞くと新しい情報ツールの導入を思い浮かべがちだが、本質はそこではない。担当者一人ひとりのブックマーク、名刺、机に積まれた業界紙——いま社内に散らばっているのは、誰かの頭の中にしかない暗黙知だ。これを、誰が見ても辿れる共有のソース台帳に移す。野中郁次郎・竹内弘高が唱えたSECIモデルでいう「表出化」、暗黙知を形式知へ書き出す工程にあたる。台帳に登録するときは、各ソースを三つの視点で格付けしておきたい。発信者は誰か、当事者が直接出した一次情報か他者を経た二次情報か、根拠となるデータや調査方法が明示されているか。この三点が、商談で使ってよいソースとそうでないソースを分ける。

先月の商談で部長が口にした「業界では○○が常識」が、実は5年前の業界紙の一文だった——その出どころを30秒で辿れるか。辿れないソースは、商談で使ってはいけない。

③ 運用ルールを敷く — 誰がいつ回すかを決める

台帳ができても、回す仕組みがなければ更新は止まる。運用ルールの骨格には、インテリジェンスの世界で定番とされる循環——方向づけ、情報収集、照合、解釈、配付——を借りるとよい。誰が問いを立て、誰が集め、誰が照合・検証し、どんな様式で誰に配るか。当番・締切・フォーマット・配付先を決め、一周で終わらせず次の問いへ繋ぐ。そして、この循環のどこかに必ず置きたいチェック項目がある。AIが出した数値・固有名詞・引用は、配付前に必ず一次情報へ当たり直す、というルールだ。生成AIの誤りは見た目では検知しにくく、未検証のまま社外に出せば取引や信用の毀損につながりうる。出典の確認、信頼性の高い情報源の優先、複数ソースでの突き合わせ——これらを属人的な気配りではなく明文のチェックリストに変えることが、内製シンクタンクの信頼性を支える。

AIが「市場規模は前年比2桁成長」と返してきた。その一文をそのまま週次レポートに貼った瞬間、それは“インテリジェンス”ではなく“未検証の伝聞”になる。配付前に出典1本に当たる——この一手間をルールにできるかどうかが、信頼性を分ける。

この構図は、規模こそ違え貴社の内製版でも同じだ。網羅的なソース収集も、一次抽出も、候補の洗い出しも、AIに任せられる。一方で、ソースの格付け、クロスチェック、そして集めた事実を自社の事業・顧客・競合の文脈へ翻訳する作業は、人間に残る。内製で回すか一部を外注に線引きするかという重い判断は、別稿で詳しく扱っている（日本の営業生産性はなぜ低いのか）。専任アナリストをフルタイムで抱えるのが難しいことは——正社員の不足を感じる企業は51.7%にのぼる（帝国データバンク2024）——もはや前提でよい。②③が狙うのは、専任を採れなくても、AIに網羅させ人間が検証する二層を最初からルールとして軽く回せる体制を、貴社の手元で組み上げることである。

その人間側のレイヤーを、社内の運用当番だけで担うか、私たちのような専門家を一部に重ねるかは選べる。いずれにせよ、検証と翻訳を誰かの善意に委ねず仕組みに固定する——ここまでが土台だ。組織のナレッジを長期資産として育てる観点はB2Bブランディングと組織ナレッジに、設計の相談はお問い合わせから。

5段階ロードマップ④ 読み解きをレポート化し社内共有する／⑤ 継続体制を組む

④ 読み解きをレポート化し社内共有する — 「文書を作る」ではなく「3分で判断できる形式知に翻訳する」

③までで集めて読み解いた内容を、ここで初めて他者が使える形にする。だが落とし穴は、レポートを「作ること」がゴールになってしまうことだ。先月の競合動向レポートを丁寧に仕上げたのに、結局誰も開いていなかった——この光景は珍しくない。原因はたいてい、そのレポートが「誰の、どの会議の、どの判断のため」かを定義しないまま書かれている点にある。これは本稿の①で立てた「問いの定義」がここでも効いてくるということでもある。目的＝問いが曖昧なまま書かれた読み解きは、量が増えるほど形骸化する。

だからレポート化は、出力ではなく逆算から設計したい。A部長が出る月曜の営業会議で、来期の重点業界を決めるために要る——そう特定できれば、必要なのは20枚の調査資料ではなく、判断を変える3行になる。競合インテリジェンスの一般則としても、収集した情報が意思決定者に適切な形で届かなければ適切な対応は取れない、と指摘される（CI一般論）。レポートの価値は精緻さではなく、意思決定に到達できたかで決まる。

もう一つ、レポート化には組織にとっての本質的な意味がある。読み解きを文章に落とすという行為は、暗黙知を形式知へ変換する作業にほかならない。野中郁次郎氏らのSECIモデルが説くこの転換は、ノウハウの属人化を防ぎ、組織の知識資産を蓄積する起点とされる（SECIモデル／ナレッジマネジメント一般論）。営業に近い実践としては、製薬企業のエーザイが、社員が患者や医療現場と過ごす時間から得た気づきを組織の知へと変換する取り組みを、SECIモデルの代表例として挙げられることが知られる（同）。エース営業が異動した途端、顧客の与件メモが誰にも引き継げない——その断絶を防ぐのが、ここでのレポート化だ。「この情報、決裁者に刺さる一行に縮めると?」という問いに答えられる形まで翻訳して、初めて読み解きは組織の資産になる。

レポートは、作ることがゴールではない。意思決定者に届く一行に翻訳されて、初めて価値になる。

⑤ 継続体制を組む — シンクタンクは、作るより続けるほうが難しい

立ち上げの熱量で初回のレポートまでは届く。問題はその先だ。ナレッジ共有の取り組みが失敗する典型は、従業員がメリットを感じられず自発的な共有が習慣化しない、初期から全社一斉に展開して「入力作業だけが増えた」と現場の反発を招く、というパターンに集約される（ナレッジマネジメント一般論）。だからこそ最初は全社ではなく、担当業界の動きを提案に翻訳しきれていない一人・一チームから段階的に始めるのが定石だ。

そのうえで、続く仕組みには「誰が・いつ・どこまで更新するか」を明文化しておく。これが曖昧だと更新は後回しになり、情報の鮮度が真っ先に失われる。継続体制の中身は、役割とKPIとして次のように具体化できる。

• 更新頻度。四半期に一度の特別調査ではなく、たとえば毎週月曜の朝にAIが収集した競合・市場の差分を、担当者が15分で読み解いて3行に落とし、営業会議の冒頭で共有する——という定例リズムに落とす。
• 責任者とレビュアー。登録・更新の責任者と、品質を見るレビュアーを分けて明確にする。更新期限を設定することが定着の前提になる。
• 品質基準。「誰の判断のためか」が書かれているか、出典が付いているか、といった最低ラインを共通の物差しにする。
• 遵守状況の定期チェック。ルールを定めて終わりにせず、運用が回っているかを定期的に確認しフィードバックする。これが形骸化を防ぐ最後の歯止めになる。

継続とは、単発の調査プロジェクトを、戦略・予算サイクルに同期した定例の情報供給ラインに変えることだ。競合インテリジェンスでも、単発のレポートに依存せず年間を通じて洞察を供給する継続的な体制を、戦略計画サイクルの中に組み込むことが要諦とされる（CI一般論）。その具体像は遠い理想ではない。日本最大級のシンクタンクである三菱総合研究所は、戦略決定のための情報基盤「インテリジェンス基盤」に、2026年1月にAIエージェントによる新規事業機会の探索支援を、続く5月には外部環境変化による売上・利益・生産などへの影響を定量的に試算する事業影響評価の機能を加えた（三菱総合研究所2026）。単発で終わらせず、機能を足しながら走り続ける——継続体制とは、こういうことだ。

網羅・収集はAI、検証・読み解き・翻訳は人間 — 続けられる仕組みにして、初めて機能する

④⑤を貫く設計思想は一つだ。人手不足は深刻で、正社員が不足していると感じる企業は5割を超えて高止まりしている（帝国データバンク2024）。専任アナリストを増やして継続体制を回す、という王道は多くの企業にとって現実的ではない。完全内製の壁とその費用感は本稿では再論しないが、その判断軸は親ピラー「日本の営業生産性はなぜ低いのか」に詳しい。

だとすれば、答えは二層分業に絞られる。網羅的に集め続ける収集はAIに任せ（だから人を増やさずに継続できる）、検証と読み解きと翻訳は人間が担う（だからレポートが意思決定に届く）。これは私たちVRIの主張であると同時に、前述のとおり三菱総研が2026年に採った設計とも重なり、SECIモデルが説く形式知化の発想とも地続きだ。読み解きを長期の組織資産として育てる視点は補助ピラー「B2Bブランディングと組織ナレッジ」でも扱っている。

VRIは、貴社専用のシンクタンクを、AIの網羅力と専門家の読み解きで継続的に回す位置づけで置いている。重厚な基盤を自前で持てない企業でも、同じ二層構造は再現できる。ただし誠実に言えば、シンクタンクは作った瞬間に効くものではない。続けられる仕組みにして、初めて機能する。貴社の文脈での組み方はお問い合わせから、導入の流れは導入フローから確かめてほしい。

完全内製の壁 — 人件費・採用難・一人依存リスクを直視する

完全内製には、人件費・採用難・一人依存という三つの構造的な壁がある。専任アナリストの年間コストや内製と外注の損益分岐については姉妹記事「日本の営業生産性はなぜ低いのか」で詳しく扱ったので、ここでは結論だけを前提に置く。採用市場の現実を一点だけ添えれば、正社員が不足と感じる企業はなお5割超（51.7%）で高水準が続き、業種別ではSEを多く抱える「情報サービス」業が70.2%と最も深刻だ（帝国データバンク2024）。データ分析やリサーチを担う人材は、まさにこの逼迫の中心にいる。つまり「人を増やして解く」という最も素直な手が、社内シンクタンクを立ち上げたい職種ほど塞がっている。

本当に怖いのは年俸より「一人依存」

本セクションで直視したいのは、コストよりも一人依存のリスクだ。社内シンクタンクを「優秀なアナリスト一人の名人芸」として立ち上げると、その人が辞めた瞬間に機能ごと消える。四半期に一度、競合と市場を読み解いてくれたあの人が転職した翌週、誰も同じ精度のレポートを再現できない——という事態は珍しくない。しかもその読み解きは、提案書の「なぜ今この提案なのか」という一行の根拠として商談に効いていたはずだ。担当者の退職は、レポートが一本止まる以上に、提案そのものの説得力を細らせる。

そもそも社内シンクタンクの本質は、個人の頭の中にある暗黙知を、組織が再現できる形式知へ変えることにある。野中郁次郎のSECIモデルが示すとおり、知は個人の経験から組織の資産へと変換されてはじめて回り続ける。一人依存は、この変換が止まった状態——属人化の典型であり、SECIが一周もしないまま属人の頭の中で完結してしまっている。

一人のスター・アナリストに賭けることは、シンクタンクを建てることではない。退職届一枚で消える機能を、組織の機能だと錯覚しているだけだ。

最先端も「収集はAI、判断は人間」へ収斂している

では一人依存をどう越えるか。手がかりは、トップ・シンクタンク自身の設計に表れている。三菱総合研究所は2026年1月、戦略決定のための情報基盤「インテリジェンス基盤」に、AIエージェントによる新規事業機会の探索支援を追加した（三菱総合研究所2026）。役割分担が明快で、複数市場の需要・供給の将来動向の網羅的な抽出・整理、外部環境ドライバー（構造要因）への分解、シナリオ候補の一覧化、関係者への定期的・自動的なレポートまではAIが担う。一方で「注視すべき想定シナリオの選定」は、コンサルタントが企業と協議のうえ行うと明記されている。

• AIが担う：需要・供給の将来動向の網羅的な抽出・整理、外部環境ドライバー（構造要因）への分解、シナリオ候補の提示、定期的・自動的なレポート化（三菱総合研究所2026）
• 人間が担う：どのシナリオに張るか——注視すべき想定シナリオの選定と意思決定（コンサルタントが企業と協議のうえ実施。同上）

この設計は、私たちVRIが提唱する二層分業——「網羅・収集はAI、検証・読み解き・翻訳は人間」——と同じ方向を向いている。大手もやっているから安心、という話ではない。収集と判断を分けるという設計思想が、業界の最先端でも共通の解になりつつある、という論理の補強だ。一人依存の壁は、無理に人を増やして越えるものではない。網羅をAIに担わせ、人間は判断に集中する——その役割設計で越える。だからこそ次章では、誰が何を判断するのかという役割分担と、機能を継続させるためのKPI・継続体制を具体に降ろしていく。

内製で抱える部分／外から持つ部分の判断軸（チェックリスト）

「内製か外注か」を金額で天秤にかける議論は、別稿（日本の営業生産性はなぜ低いのか）で扱った。採用難と専任アナリストの人件費を踏まえると、調査・インテリジェンス機能を丸ごと社内に抱える設計は、多くの企業にとってもう現実的ではない——その結論を、ここでは前提として引き継ぐ。本セクションが扱うのは損得の比較ではなく、もう一段細かい問いだ。すなわち、機能を立ち上げると決めたあと、「どの工程・どの問いを自社の中に残し、どこを外から持つか」という線引きである。

前提として、人材の現実は厳しい。正社員が不足していると感じている企業は51.0%、なかでも情報サービス（IT）は71.9%と最も高かった（帝国データバンク2024）。リサーチ基盤の整備やデータの読み込みを担える人材ほど採れない、ということだ。だからこそ「採れない工程は、最初から外部前提で設計する」のが出発点になる。気合で内製枠を埋めようとしないことが、むしろ機能を長続きさせる。

四つの軸で「内」と「外」を仕分ける

• 頻度と更新性：毎週見る定点（競合の価格改定、主要顧客の動き）は内製のルーチンに。年に一度の業界深掘りのように頻度が低く重い調査は、外から持つ。
• 自社固有性（文脈依存度）：「この情報を、自社の商談や意思決定にどう翻訳するか」は社内に残す核。一方、誰が読んでも同じ汎用情報の網羅収集は外に出してよい。
• 機密性・一次接点：自社顧客との生の対話、失注の本当の理由といった一次情報は、社外では取れない。逆に公開情報の網羅は外部やAIのほうが速い。
• 人材確保の現実：採用が見込めない分析工程は、内製の理想図に描かず外部前提で線を引く。

二つ目の軸は、日本発の経営理論であるSECIモデル（野中郁次郎・竹内弘高）の言葉を借りると分かりやすい。暗黙知を形式知へと表出化し、組織知として連結・蓄積する手間が「見合う」問いだけを内製で抱える、ということだ。自社固有の中核の問いは、社内に残して育てる価値がある。逆に、表出化の手間に見合わない汎用情報は、外から取って構わない。

判断軸を、火曜の朝会の一行に落とす

抽象論で終えないために、一場面に降ろす。「競合A社が新プランを発表した。火曜の朝会までに、それが自社の提案書のどの一行を書き換えるか、まで落とす」——この仕事を二つに割ってみる。誰がいつ何を出したかの網羅収集は、外（AI・外部）に任せられる定型工程だ。だが「では自社の提案書のどの一行を直すのか」という翻訳は、自社の商談文脈を知る社内の人間にしかできない。この一行こそ、内製で抱える核心である。

網羅は外から買える。だが「自社の提案書のどの一行か」は、外からは買えない。

この線引きは、規模の大小を問わない。大手シンクタンクの三菱総合研究所も、戦略決定のための情報基盤「インテリジェンス基盤」に、AIエージェントによる新規事業機会の探索支援を加え、続けて外部環境の変化が売上・利益などへ及ぼす影響を試算する定量的な事業影響評価支援を開始した（三菱総合研究所2026）。探索と分析の網羅工程をAIに担わせ、それを企業の戦略判断につなぐ——という二層の立て付けである。貴社の規模でも、設計の思想は同じでよい。

結論はシンプルだ。網羅・収集はAIに、検証・読み解き・自社商談への翻訳は人間に。私たちVRIは、この二層分業を貴社の外へ丸ごと請け負うのではなく、内製の核（自社固有の問いと翻訳）を貴社に残したまま、網羅工程を支える立て付けをとる。具体的な進め方はサービスの流れを、近い事例は活用事例をご覧いただきたい。組織にナレッジを資産として残す観点は、B2Bブランディングと組織ナレッジで別途扱っている。

誠実な着地 — 網羅と一次調査はAI×専門家へ、判断と意思決定は社内に残す

5段階のロードマップを最後まで組み上げても、いちばん大事な問いが残ります。どこまでを機械と外部に任せ、何を社内の手元に残すのか。この線引きを曖昧にしたまま走り出すと、せっかく立ち上げた機能が「便利な調査外注」に縮んでしまう。私たちが誠実な着地点として置きたいのは、ここの境界線をはっきりさせることです。

網羅・収集・一次調査は、人手では追いきれない

問いに対して情報を漏れなく集め、一次ソースまで遡り、関連シグナルを継続的に監視し続ける——この層は、もはや専任担当者の手作業で抱えきれる規模ではありません。網羅性も即時性も求められるうえに、それを担う人材の採用市場が逼迫しています。正社員が不足していると答えた企業は51.7%（帝国データバンク2024）。専任アナリストを採り、育て、定着させるという前提自体が崩れている以上、網羅と収集はAI×専門家に寄せるのが現実的です。完全内製の壁や内製/外注の重い比較については、親ピラー「日本の営業生産性はなぜ低いのか」(sales-productivity-japan-virtual-think-tank.html)で論じました。ここでは前提として置きます。

判断は、貴社の会議室に残す

一方で、集まった材料のうち「どのシナリオを注視するか」「それは自社にとって何を意味するか」を選び取り、意思決定に翻訳する役は、社内に残してください。これは私たちの独自主張ではありません。三菱総合研究所が同じ設計を採っています。AIエージェントが関連市場の需給動向を網羅的に抽出・整理し、設定したシグナルをもとにニュースとデータを継続的に収集・分析する。そのうえで、注視すべき想定シナリオを選定するのは、コンサルタントが企業と協議のうえで——つまり人間です（三菱総研2026）。網羅はAI、シナリオの選定は人。この分業が、大手シンクタンクの実装水準になりつつあります。

判断を社内に残すべき理由は、権威付けだけではありません。組織の知は、外から眺めるだけでは身につかない。野中郁次郎のSECIモデルは、個人の暗黙知が言語化（表出化）と組み合わせ（連結化）を経て形式知になり、やがて再び一人ひとりの暗黙知へと内面化されていく循環を描きました（富士フイルムビジネスイノベーション）。私たちはここから一歩進めてこう考えます——読み解きと意思決定を丸ごと外に出してしまえば、この循環の起点が社外に置かれ、判断のノウハウは貴社に積み上がりにくい。判断を残すことは、そのまま組織知を残すことにつながります。

具体に降ろします。月曜朝の営業企画ミーティング。AIと専門家が週末までに「競合A社の値下げ、新興B社の参入、規制改正」の三本を一次ソース付きで卓上に並べておく。そこから『うちはどれに張るか』を決めるのは、その部屋にいる人間です。この一行が、本記事全体の着地点になります。

材料は外から持てる。だが、それを貴社の一手に翻訳する役だけは、貴社に残してください。

網羅・収集・検証可能な一次調査は、AIと専門家を束ねた私たちが担えます。けれど、その材料を読んで意思決定に翻訳する判断までは引き受けません。VRIの売り込みは、判断を奪わないという誠実さの形で提示したい。立ち上げの設計や費用感は index.html#flow と index.html#pricing を、相談は contact.html をご覧ください。組織ナレッジとして残す論点は補助ピラー「B2Bブランディングと組織ナレッジ」(b2b-brand-knowledge-long-term-asset-virtual-think-tank.html)で深めています。

よくある質問

社内シンクタンクの作り方は、まず何から始めればよいですか。

専任アナリストの採用ではなく、「問いの定義」から始めます。本稿の5段階ロードマップは、①問いを定義する（経営の意思決定に接続する）→②ソースを整備する（ツール導入ではなく台帳化）→③運用ルールを敷く（誰がいつ回すか）→④読み解きをレポート化し社内共有する→⑤継続体制を組む、の順です。最初に「どの意思決定を、いつ、誰が下すか」から逆算して知るべきことを引くと、集めた情報が判断に直結します。競争インテリジェンス論では、何を調べるかの前に意思決定者の情報ニーズを特定する工程をKIT（重要インテリジェンス課題）と呼びます（ヘリング1999）。

専門のアナリストを採用しないと、社内シンクタンクは作れませんか。

採用を起点にしなくても始められます。シンクタンクの本質は、優秀な個人を一人雇うことではなく、問い→収集→検証→共有→再利用が回る仕組みを持つことだからです。むしろ一人のアナリストに依存する設計は、その人の異動・退職で業界知識も提案ロジックも組織から消える「一人依存」リスクを抱えます。網羅・収集はAIに、検証・読み解き・翻訳は人間に分ける二層分業に立てば、いまいる人員のまま立ち上げられます。半世紀超のシンクタンクである三菱総合研究所も2026年、収集・モニタリングと分析はAIエージェントに寄せ、注視すべきシナリオの選定は人間（コンサルタント）が担う設計を採っています（三菱総合研究所2026）。

「競合を調べておいて」では、なぜ機能しないのですか。

それは問いではなく、漠然とした情報ニーズだからです。集めてから何に使うかを考える順序では、集めた情報の大半が誰の判断も動かさないまま流れます。問いは意思決定への接続作業であり、「A社の値下げに追随すべきか——を三月の役員会で決めるために、A社の原価構造と在庫水位を知りたい」のように、意思決定者・会議・答えが出れば判断できる設問（KIQ）まで降ろして初めて、調べる対象が定まり情報が判断に直結します。稲村悠『企業インテリジェンス』（講談社+α新書・2025）も、意思決定者は具体的かつ測定可能な情報要求を示すべきで、担当者は決定者の好みに単に迎合してはならないと論じています。

AIに任せれば、検証や読み解きも自動化できるのではないですか。

できません。役割が二層に分かれます。何を・どの頻度で集め、変化を継続的に監視するかという網羅・収集はAIが速い一方、AIが出した数値・固有名詞・引用は配付前に必ず一次情報へ当たり直す検証、そして集めた事実を自社の事業・顧客・競合の文脈へ翻訳する作業は人間に残ります。生成AIの誤りは見た目では検知しにくく、未検証のまま社外に出せば信用の毀損につながりうるため、これを属人的な気配りではなく明文のチェックリストにすることが信頼性を支えます。三菱総合研究所も、AIが市場動向を網羅的に抽出・継続評価し、注視すべきシナリオの選定はコンサルタントが企業と協議のうえ担うと明記しています（三菱総合研究所2026）。

どこまでを内製で抱え、どこを外注すべきですか。

金額の損得比較は別途親ピラー「日本の営業生産性はなぜ低いのか」で扱っていますが、工程の線引きは四つの軸で仕分けられます。(1)頻度と更新性——毎週見る定点は内製のルーチン、年一回の重い深掘りは外。(2)自社固有性——自社の商談や意思決定への翻訳は社内に残す核、汎用情報の網羅収集は外でよい。(3)機密性・一次接点——自社顧客との生の対話や失注の本当の理由は社外では取れない、公開情報の網羅はAI・外部が速い。(4)人材確保の現実——採用が見込めない分析工程は外部前提で線を引く。正社員不足はなお51.7%、IT（情報サービス）は70.2%（帝国データバンク2024）で、リサーチ人材ほど採れないため「採れない工程は外部前提で設計する」が出発点です。