最も数字を出している拠点があります。経営としては当然、そのやり方を全社に広げたい。トップ拠点の店長やエース営業に手順を書き起こしてもらい、営業所や店舗の数だけコピーして配る。研修も開き、朝会でも唱和させる。ここまでやれば、成果は横に広がるはずでした。
しかし実際には、展開先の数字が期待ほど動かないことがあります。同じ手順書を持ち、同じ動作をなぞっているはずなのに、成果は展開元ほど立ち上がらない。現場を叱咤し、資料を厚くしても、改善が限定的にとどまる。この「横展開の空回り」は、多拠点企業の経営課題として見過ごせません。
ここで経営が下しがちな結論は、「展開先の実行力が足りない」「本気度が違う」というものです。もちろん、実行の差が成果に影響する場合はあります。けれども、同じ人・同じ会社が別のテーマでは成果を出しているのだとすれば、実行力だけで説明するのは危うい見立てです。横展開が展開先で止まる背景には、現場の努力だけではなく、そもそも「何を移すか」を取り違えている構造の問題があります。
この記事の3つの結論
- 横展開が展開先で死ぬのは実行力でなく、効いた要因を特定せず手順だけ移す構造の問題です。
- 手順は結果の記録であり、成功の原因のすべてではありません。効いた要因は展開元に残ります。
- 一次情報から「効いた行動」を特定できたとき、横展開は「再現」に近づきます。
横展開とは何か。ベストプラクティス共有との違い
横展開とは、ある拠点・部門・担当者が生んだ優れたやり方を、他の拠点や人へ移して同じ成果を再現する実行概念です。似た言葉に「ベストプラクティス共有」がありますが、両者は射程が違います。ベストプラクティス共有は、良い実践の情報を渡すところまでを指します。横展開はその先、渡した型が展開先で機能し、成果として立ち上がるところまでを含みます。
学習する組織を論じたガービン氏は、学習する組織を「知識を創造し、獲得し、移転し、かつ新たな知見を反映して自らの行動を修正することに長けた組織」と定義し、5つの構成要素の一つに「知識の迅速・効率的な移転」を挙げました[3]。横展開とは、まさにこの「移転」を組織の実行に落とす営みです。ところが現場では、横展開が「手順書を配って終わり」に縮んでいます。 情報を渡した時点で仕事が終わったことにしてしまい、それが展開先で成果に変わったかどうかは検証されません。ベストプラクティス共有と横展開の間にある溝を、多くの組織は跨げていません。
手順は「結果」の記録であり、「原因」のすべてではない
手順書を配っても成果が横に広がらない第一の理由は、手順だけでは成功の「原因」を表し切れないことが多いからです。展開元で観察できるのは、トップ拠点が実際にやっている動作の列です。その中には成果に効いている行動もありますが、成果が出た結果として表面に出ている振る舞いや、たまたま同時に起きているだけの動作も混じります。動作と成果は同時に観測されるため相関して見えますが、どの動作が本当に成果に効いていたのかを見極めないまま移すと、展開先では再現しにくくなります。
拙著で紹介した思考実験があります[6]。営業部長が「勝負の決め手は価格だ」と思い込んだまま、受注商談から価格の話が出た場面を抽出せよとAIに指示する。AIは期待どおりに「受注案件の9割で価格交渉が行われている」というデータを返します。一見、価格が受注の決め手だと裏づけられたように見えます。けれども、この結果だけでは、価格が受注の原因だったとは言い切れません。価格の話は、顧客が前向きになった後に出てきた対話だった可能性もあります。最初に置く問いがずれていれば、AIはそのずれた観点に沿ってデータを整理します。 手順書のコピーで起きているのも、これと同じ取り違えです。表面に出た動作を原因だと思い込み、その動作だけを展開先に移す。だから再現性が出にくくなります。
効いていた要因は暗黙知で、手順書には載っていない
ではなぜ、効いていた本当の要因は手順書に載らないのか。第二の理由は、その要因が展開元のトップの中に暗黙知として残り続けるからです。暗黙知とは、経験や勘として身についているのに、本人ですらうまく言葉にできない知識を指します。科学哲学者のポランニー氏は、人間は「語りうる以上のことを知りうる（We can know more than we can tell）」と述べ、この領域を暗黙知と名づけました[2]。
トップ拠点のエースに「なぜ売れるのか」と尋ねても、返ってくるのは「お客様との相性」「関係構築」といった、どの本にも書いてある一般論です。本人も、自分が無意識にこなしている判断を言葉にできません。熟練した人ほど、自分の判断を言語化できないのです。 手順書に書けるのは言葉にできた形式知だけですから、最も価値の高い要因は、書き起こしの網の目からこぼれ落ちます。
野中郁次郎氏・竹内弘高氏の知識創造理論では、暗黙知を形式知へ変換する工程を「表出化」と呼びます[1]。知識が組織に広がる循環のうち、この表出化だけが長らく人手と時間に頼るしかなく、スケールしてきませんでした。この工程だけがスケールしないことを、私たちは「表出化の壁」と呼んでいます。横展開で欠落しているのは手順ではなく、表出化されないまま展開元に残った「効いていた要因」そのものです。 手順書という形式知の器では、暗黙知は運べません。人材が流動化し、勤続の長さで判断の型が自然に伝わる時代でもなくなったいま、表出化されない要因は横に広がらず、その人とともに去っていきます。
一次情報を解析すると、何が効いていたかが見える
この壁を越える入り口が、対話の一次情報を解析することです。私たちはこれまで、国内大手企業を中心に1,000名以上、計2万時間に及ぶ商談データを、AIで構造化したうえで分析してきました[4]。生の対話を構造化すると、成果を出している拠点と伸び悩む拠点、受注商談と失注商談の間で、「どの場面で、誰が、どんな行動を取っていたか」の差分を、実際の発言の引用つきで確認できます。
私たちのコンサルタントがまず「何が受注の分水嶺か」の仮説を設計し、その観点で全商談を解析する。すると画面には、受注群で多く見られること、失注群で不足しがちなことが、行動差分として並びます。展開元のエース本人も言葉にできなかった差を、原発言まで遡って検証できる。ここで初めて、移すべき対象を「動作の手順」から「成果に効いている可能性が高い行動」へ絞り込めます。
この考え方の前提となる可視化を、多拠点の販売現場で整えたのがSUBARU様です。同社でも、商談・接客はブラックボックスになりがちでした。SUBARU様はまず首都圏の一部店舗でのPoCで、対話データをAIで可視化し、次に取るべきアクションを現場へ提示する運用を検証しました。本社からは「セールス側の言動だけでなく、お客様がどこで納得し、どこで迷っているのかお客様の温度感が見えるようになった」という声が上がっており、現在は全国150以上の店舗・販売員1,000名以上が参加する大規模トライアルへ移行しています。接客という属人的になりやすい領域で、対話を同じ物差しで振り返る前提を整えたのです。 展開元の一店舗だけでなく、全店舗の対話を同じ観点で見られるようになると、どの行動が成果と結びついていそうかを店舗間で比較し、育成や振り返りに反映しやすくなります。
対話の一次情報から効いた行動を特定するという考え方は、営業や接客だけでなく、面談にも広げられます。パソナ様では、ブラックボックスになりがちな面談を可視化し、23の重点項目から、求職者の応募率と相関する重要5項目を定量的に特定しました。常務執行役員の岩下純子様は「何を深掘りすべきかが、定量的にクリアになりました」と述べています。23項目を一律に横展開するのではなく、応募率と関係が強い項目に絞って検証することで、展開すべき型の優先順位を明確にできます。
私たちの商談解析でも、ハイパフォーマーの行動差分は業界で異なり、リスクに関する仮説提示はITで2.0倍、振り返りと仮説提案の実施割合は人材で3.2倍、シナジー仮説の提示割合はM&Aで1.9倍と、成果と結びつきやすい行動は一律ではありませんでした[4]。効いていた要因を特定せずに手順を一括で配れば、展開先ごとにずれた型を押しつけることになります。
横展開を「再現」にする実装の手順
では、どう実装するのか。横展開を「配布」から「再現」に変える手順は、三つに分けられます。
第一に、効いた要因を一次情報から特定します。 手順書の書き起こしから始めず、展開元で最も成果を出している拠点・担当者の対話データを解析し、成果を分けている可能性が高い行動差分を仮説として名指しします。ここで初めて、移すべき対象が「動作」ではなく「効いた行動」に定まります。
拙著で紹介したあるプロジェクトでは、いきなりAIに決め打ちの分析を指示しませんでした[6]。まず現場のハイパフォーマーを集めて「何が受注と失注を分けていると思うか」を討議し、「仮説提案」「アイスブレイク」「ネクストステップの設定」という三つの仮説を立てる。そのうえでAIに、勝った商談と負けた商談での出現率の差を検証させました。アイスブレイクはどちらの商談でも等しく起きており、勝因ではありませんでした。ネクストステップには差があったものの、先に進みそうな案件だからこそ握れたという因果の逆転の疑いが残りました。明確な差が出たのは仮説提案だけです。現場の全員が「正しそうだ」と感じた三つの候補のうち、横展開に値するものは一つだけでした。
第二に、特定した型を「各案件の現在地との差分」として実装します。 型は文書で配るのではなく、日々の判断の画面に載せます。特定した勝ちパターンをチェック項目に分解し、進行中の案件ごとに充足を判定する。「課題の構造化までは済んでいるが、決裁者と接点がなく、稟議ルートが見えていない」のように、どの案件がどこで型から外れているかが一覧になり、停滞のリスクがある案件にはアラートが立ちます。
同じ考え方は、大口のアカウントを追う営業にも応用できます。受注に至ったアカウントの対話記録を遡って、エースが誰を最初に巻き込み、どの論点から入り、どこで決裁者を動かしたかを攻略の型として抽出し、進行中の各アカウントに型との差分を表示できます。展開先の担当者が受け取るのは「手順書を読め」ではなく、自分の案件のどこが型から欠けていて、次に何をすべきかという判断材料です。
効いたトークや競合への切り返しは発言の引用つきでライブラリに蓄積され、誰かが現場で編み出した返しが、翌週にはチーム全員の装備になります。マネージャーは充足が崩れている案件から順に見にいけばよく、全案件に同席できなくても、指導の入口が印象から事実に変わります。
第三に、展開先の文脈で検証し、型を進化させます。 拙著で紹介した自動車販売の例では[5]、EV検討客が商談後半に聞くのは仕様ではなく将来の不安で、その懸念は地域で違いました。寒冷地では実走行距離、都市部ではマンションの充電器交渉です。効いた要因を横展開する際も、展開先の文脈に当て直して検証しなければ形骸化します。市場と競合が動けば勝ち筋も動くので、型は「作って終わりの固定資産」ではなく、全拠点のデータで鮮度を検証し続ける対象として扱います。
進め方としては、いきなり全拠点に広げず、一拠点を「出島」に選んで白黒をつけるのが現実的です。多拠点の成果は売上に出るまで時間がかかるため、売上を待たず、フェーズ移行率やキーマン接触率といった先行指標を中間の物差しに置きます。2〜3カ月で「この拠点で本当に再現できたか」を数字で確かめてから、次の拠点へ広げます。
手順は以上ですが、実装の最後に、運用上の落とし穴を一つ挙げます。型が業務に組み込まれず、「お願い」で終わることです。拙著では、ベテランが必ず確認する項目が埋まらないかぎり次のフェーズへ進めない、というゲートを業務側に設けた例を紹介しています[6]。マネージャーのお願いではなく、業務の物理として組み込んだということです。逆に失敗の典型は、解析結果が現場の欲しい粒度と精度に達していない段階で利用を強制することです。現場から反発が出た瞬間に旗を下ろせば、型は元の運用へ戻ります。「お願いします」で配れば、使うのは一部の新しいもの好きに限られます。
横展開の競争軸は「配る速さ」ではなく「特定する精度」です
横展開が展開先で死ぬのは、現場の実行力が劣っているからでも、展開の速度が遅いからでもありません。効いていた要因を特定しないまま、結果である手順だけを配っているからです。 これは個人のスキルの問題ではなく、組織のOSの問題です。「成功拠点で本当に効いているものを、欠落なく取り出して全拠点の判断へつなぐ回路」を経営が持っているかどうかで、横展開が再現になるか空回りになるかが決まります。
私たちが一次情報経営と呼んでいるのは、まさにこの回路を経営の中核に据えることです。横展開の競争軸は、手順書を何拠点に何日で配れるかという「配る速さ」ではありません。成功の裏で効いていた要因を、一次情報からどれだけ精度高く特定できるかという「特定する精度」です。ベストプラクティス共有を手順書の配布で終わらせず、効いた行動の移転として完了させられるか。そこに横展開の成否がかかっています。
御社で最も成果を出している拠点で本当に効いているものは、いま手順書の外で、誰かの頭の中に暗黙知として眠ったままではないでしょうか。それを取り出せていないのなら、次に配る手順書もまた、展開先で静かに死んでいきます。
出典
- [1] 暗黙知/形式知・SECIモデル（共同化・表出化・連結化・内面化）と表出化の位置づけ ── 野中郁次郎・竹内弘高『The Knowledge-Creating Company』（Oxford University Press, 1995）／邦訳『知識創造企業』（東洋経済新報社, 1996）。
- [2] 「We can know more than we can tell（人間は語りうる以上のことを知りうる）」による暗黙知の概念 ── Michael Polanyi『The Tacit Dimension』（Doubleday, 1966）。
- [3] 学習する組織の定義と「知識の迅速・効率的な移転」を含む5つの構成要素 ── David A. Garvin "Building a Learning Organization," Harvard Business Review, 1993年7-8月号。https://hbr.org/1993/07/building-a-learning-organization
- [4] 2万時間・1,000名以上の商談解析、業界別の行動差分（IT2.0倍／人材3.2倍／M&A1.9倍） ── Bring Out 自社リサーチ（公開済み数値）。https://www.bringout.biz/insights/b2b-sales-hypothesis-over-listening
- [5] EV検討客の懸念が地域で異なる（寒冷地は実走行距離、都市部はマンションの充電器交渉）事例 — 中野慧『生成AIで最強の組織が生まれる』(KADOKAWA, 2026) 所収のフィクション事例（複数の実在支援事例を編集・再構成）。
- [6] 「AIは最強のイエスマンである」— 中野慧『生成AIで最強の組織が生まれる』(KADOKAWA, 2026) 第3部で示された思考実験。思い込みを前提に問いを立てると、AIはその前提を裏づけるデータを返す、という論点。および同書所収の、現場のハイパフォーマーとの討議で立てた三つの仮説をAIで検証したプロジェクト事例。
