旅のプレイブック ―― ベンチマーク × レシピ × 掛け算アイデア
グループ共通オンボーディングの統合別冊|「あなたを待っている旅」と対応|公開情報ベース
E×R×Cは入れ子（フラクタル）。同じ〈磨く（Enhance）→変革する（Reshape）→創る（Create）〉が、①会社全体（経営戦略2027）②各“旅”の主テーマ（見出しのタグ）③旅の中のあなたの動き方、の三層で繰り返します。各旅は 学ぶ（他社に学ぶ）→ 磨く→変革する（レシピ）→ 創る（掛け算） の順。STAR＝状況/課題/行動/結果。タグ：国内海外三菱商事／確度 ◎○△。［将来見通し］＝計画・見込み。レシピは折りたたみ式――見出しをクリック/タップで開きます。
レシピ共通の3つの約束。① 許可された環境（MC-GPT等）だけで使う ② 機密・個人情報・取引先情報・未公開の重要情報は入れない（ダミー化） ③ 最後は必ず人が確認（処事光明）。レシピは雛形、掛け算アイデアは“発想のタネ（妄想OK）”で、いずれも実在の特定案件・計画の記録ではありません。
旅1 全社にAIを広めるEnhance
まず「全社で使い切る」旅。他社は“自作より大規模展開”で成果を出しています。
学ぶ他社ベンチマーク（STAR・input）
住友商事：既存ツールを9,000人に一斉展開
国内◎
S状況全社の生産性を確実に・早く底上げしたい。
T課題新規開発より、既にあるツールを大規模に使い切る。
A行動2024年4月、海外グループ含む約9,000人にMicrosoft 365 Copilotを一斉導入。
R結果2025年7月でMAU75%、年間コスト削減効果は約12億円。
出典：住友商事 公式記事 ◎
三菱商事の現在地：MC-GPT
三菱商事○
R結果2024/8ポータル公開、月間アクティブ1,000人超。要約・議事録・社内検索が日常に。
出典：MCD3公開インタビュー ○
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R1会議の議事録を10分で
議事録の補助役として、以下から (1)要点3つ (2)決定事項 (3)ToDo（担当・期限）を箇条書きで。推測は「※要確認」。
［文字起こしを貼り付け／機密は伏せる］
自分たちなら：商談メモ・出張報告にも同じ型。
もっと先へ：議事録を超えて、会議のたびにAIが「論点の対立マップ」と「次に決めるべき論点」を自動生成。記録係から“意思決定を速くする参謀”へ。
R2長い資料を「3行＋論点」に
次を (1)結論3行 (2)効いた数字3つ (3)割れそうな論点 (4)確認すべき点、で要約。
［資料を貼り付け］
自分たちなら：業界ニュース・調査レポの一次仕分けに。
もっと先へ：部の全レポートを横断要約し、毎朝「部の知のニュースレター」をAIが自動配信。読む前に“部全体の動き”が分かる状態へ。
R3海外取引先への英文メールを整える
次の要件を海外サプライヤー向けの丁寧なビジネス英文に。件名案も3つ。
要件：［納期確認と前倒し依頼など／固有情報はダミー化］
自分たちなら：通知の多言語化にも。送信前に人が確認。
もっと先へ：過去のやり取りを踏まえて文面を最適化する「相手別・交渉アシスタント」へ。言い回しの勝ちパターンを学習。
R4社内文書検索（RAG）で前例を探す
こうする：探す条件（テーマ・年度・部署）を自然文で。原本リンクは必ず開いて確認。
自分たちなら：「類似稟議」「該当規程」の入口に。
もっと先へ：「過去の似た案件の“意思決定と結果”」まで引き、提案前に歴史に学ぶ“先輩ボット”へ。失敗事例こそ資産化。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事 × ローソン × 生成AI ＝ 全国コンビニの「個店 AI 発注」
三菱商事が出資するローソンのPOSに、気象・地域イベント・近隣の人流を掛け合わせ、店ごとに需要を予測して発注を半自動化。欠品も食品ロスも同時に減らす。商社が握る“現場データ”は、外からは真似できない掛け算の素材。
※発想のタネ（妄想OK）。実在の計画ではありません。実行には公開情報ベース・適正な手続きが前提。
旅2 経理・契約をAIで変えるReshape
“探して突き合わせる”作業ほどAIが効く旅。世界の金融大手が先行しています。
学ぶ他社ベンチマーク（STAR・input）
JPMorgan「COiN」：契約レビューを年36万時間→数秒
海外○
S状況融資契約の手作業レビューに年36万時間を費やし、人的ミスも。
T課題複雑な契約の解釈・抽出を自動化する。
A行動NLP/機械学習の「COiN」を構築。年12,000件から約150項目を抽出。
R結果数週間→数秒に短縮、ローン業務の誤りを削減。専門家は高度業務へ。
出典：Bloomberg報道ほか（2017〜）○（数値は外部報道ベース）
三菱商事の現在地：財務経理の生成AI実証
三菱商事○
R結果契約書・残高証明の抽出で正解率97%、判定で再現率98%。人が最終確認の前提で実務適用を検討。
出典：PwC Japan／公開記事 ○（継続検証中）
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R52つの契約書の差分とリスク条項を洗う
2つの契約文を比較し、(1)変更点 (2)自社に不利になり得る条項 (3)欠けている論点、を表で。各項目に確認理由を一言。
旧：［旧版/ダミー化］ 新：［新版/ダミー化］
注意：法的判断はしない／必ず法務・人が確認。
自分たちなら：NDA・業務委託・売買基本契約の前さばきに。
もっと先へ：自社の全契約を学習した「うちの交渉スタンダード」に照らし、危険条項の自動フラグ＋代替文言まで提案する社内リーガル・コパイロットへ。
R6帳票から項目を抜き出して表に
こうする：抽出項目（日付・金額・相手先・条件）を指定→表に→人が原本と突合。
自分たちなら：支払調書の要否判定の下ごしらえ、経費の一次チェックに。
もっと先へ：証憑突合〜試算表ドラフトまでAIが下ごしらえし、人は判断だけ。決算の早期化と月次の“ほぼリアルタイム化”へ。
R7稟議書のたたき台をつくる
次の要点から投融資稟議のたたき台を。構成：目的／背景／スキーム／想定リスクと対応／期待効果／必要な決裁。断定不可は「※要確認」。
要点：［目的・金額レンジ・相手／機密は伏せる］
自分たちなら：企画書・提案書の初稿に。事実は社内データで裏取り。
もっと先へ：過去稟議の「通った／落ちた理由」を学習し、起案前に“通過確率と弱点”を診断するボットへ。手戻りを激減。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事 × COiN的発想 × 取引先ネットワーク ＝ 「商社版・契約/与信インテリジェンス」
世界中の売買・与信・出資の契約を横断学習し、取引先同士のつながりをグラフAIで可視化。「ある一次産品の価格急変が、どの取引先・どの与信に波及するか」を先読みする、商社ならではのリスク連鎖レーダー。
※発想のタネ（妄想OK）。MNPIは扱わず、公開・社内の許可データ範囲で。
旅3 産業のデータを束ねるReshapeCreate
“データはあるが繋がっていない”を解く旅。小売大手の需要予測が好例です。
学ぶ他社ベンチマーク（STAR・input）
Walmart：全社横断のAI需要予測と自動補充
海外○
S状況膨大なSKUと店舗。従来モデルでは欠品と過剰在庫が頻発。
T課題地域・季節・イベントまで織り込んで需要を読む。
A行動POS・天候・イベント等を統合した予測基盤を構築。生鮮は日次で複数回更新し、予測を補充に直結（自動発注）。
R結果欠品・廃棄を抑制し在庫回転と顧客満足が向上（報道では欠品3割減等の言及）。
出典：公開記事・報道（2024–2026）○／具体値は△（要一次確認）
三菱商事の現在地：MCD3の産業横断モデル
三菱商事○
A行動需要・供給予測、配送/発注の数理最適化、価格予測を多産業で。PoC→SaaSまで一気通貫。
出典：MCD3 採用・公開記事 ○
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R8需要予測PoCの「お題」を1枚に
需要予測PoCを一緒に詰めて。質問を5つだけして、回答を踏まえ「目的／予測対象／必要データ／成功指標（誤差○%以内）／期間／制約」を1枚に。
自分たちなら：価格予測・発注最適化・故障予知も同じ枠。MCD3への相談メモに。
もっと先へ：お題1枚から、AIが「使える社内外データの当たり」と「先行事例」まで集めて企画書のたたき台に。相談の前に“勝ち筋”が見える。
R9最適化問題に「翻訳」する
こうする：目的（最小/最大化）・制約・動かせる変数をAIと洗い出す。
自分たちなら：在庫・配送・発注量・人員配置に。数理最適化の入口。
もっと先へ：単一業務の最適化から、複数事業をまたぐ「サプライチェーン全体の同時最適化」へ。商社だからつなげられる。
R10「PoCで終わらせない」チェックリスト
このPoCを本番運用する前提で抜けている観点をチェックリスト化。データ更新／精度監視／運用担当／例外対応／人の最終確認／コスト、で。
自分たちなら：提案時に“本番化ゲート”として最初から添える。
もっと先へ：複数PoCを横断し「再利用できる共通部品」を抽出→最適化エンジンをプロダクト化。横展開で限界費用を下げる。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事 × 衛星・船舶AIS・気象データ × トレーディング ＝ 「需給を先読みするコパイロット」
資源・食料・電力の“地球規模の動き”（鉱山の稼働、港の混雑、産地の天候）を衛星や船舶位置データで捉え、生成AIが需給シナリオを提示。勘と経験の世界に、地球を俯瞰する目を足す商社トレーダーの相棒。
※発想のタネ（妄想OK）。市況判断・取引は人が最終決定。
旅4 データセンターを建てるCreate
世界的な需要逼迫に乗る旅。マクロの“地図”がそのまま追い風です。
学ぶ他社ベンチマーク（STAR・input）
グローバル：AIインフラ需要の逼迫
海外◎
S状況生成AIの学習・推論が電力と計算資源を大量消費。
A行動世界の事業者・投資家がDC・電力に大規模投資。
R結果Goldman試算でDC電力需要は2030年までに約165%増、約7,200億ドルのグリッド投資が必要［将来見通し］。
出典：Goldman Sachs Research（2025）◎
Microsoft：DC用に約40GWのクリーン電力を確保
海外○
A行動原子力再稼働・大規模再エネ・SMR・ガスを組み合わせ約40GWを契約。
R結果「電力×DC」を束ねられる主体に商機。
出典：公開記事 ○（個別数値は要一次確認）
三菱商事の現在地：MCデジタル・リアルティ／JFE扇島
三菱商事◎
A行動Digital Realtyと折半合弁で8棟運用・NVIDIA「DGX-Ready」認定・米国参入。JFEと扇島で「DC×電力」共同検討。
出典：IR Day 2025/6/4 ◎
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R11立地評価の論点を叩き台に
DC候補地の評価軸を洗い出して。電力（容量・価格・脱炭素）／用地／通信／冷却・水／災害リスク／許認可／拡張余地、で比較表のひな形を。
自分たちなら：発電・物流拠点・工場の立地比較にも。数値は一次確認。
もっと先へ：自社の発電所・LNG基地・遊休地を全国スキャンし、「電力とセットで建てられるDC候補地マップ」をAIが生成。総合力を地図化。
R12顧客（ハイパースケーラー）要件メモ
大手クラウドがDCに求める要件を必須/歓迎に分け、当社が確認すべき質問リストを。電力・冷却（液冷含む）・SLA・セキュリティ認証・拡張性、で。
自分たちなら：あらゆる大口顧客の要件整理に。
もっと先へ：顧客要件と自社アセット（電力・用地・通信）を突き合わせ、提案書を半自動生成する営業コパイロットへ。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事の電力・LNG・洋上風力 × データセンター × 廃熱/蓄電 ＝ 「グリーンAIインフラをワンストップで」
電気を“作る×冷やす×計算させる”まで一気通貫で束ねる。再エネ＋蓄電でDCに安定電源を供給し、DCの廃熱を地域に再利用。電力からDCまで持つ総合商社だからできる、脱炭素と計算力の合わせ技。
※発想のタネ（妄想OK）。JFE扇島の発想を自社電力資産へ拡張した仮説。
旅5 国産の計算力を育てるCreate
世界が計算力に巨額投資する旅。リサーチの相棒としてAIが効きます。
学ぶ他社ベンチマーク（STAR・input）
グローバル：データセンター投資の爆発的拡大
海外○
S状況AI計算需要で計算基盤への投資競争が激化。
A行動ハイパースケーラーが計算資源・半導体に巨額投資。
R結果DC投資額は2024年に約57%増の7,260億ドル、2026年は1兆ドル超の見込み（Dell'Oro）［将来見通し］。
出典：Dell'Oro Group（Network World 2026）○
三菱商事の現在地：PFCI／MN-Core
三菱商事◎
A行動PFN・IIJと合弁PFCI（2025/1）。省電力チップMN-CoreでAIクラウドPFCPを構築、2026年初開始予定［将来見通し］。
出典：PFCI設立リリース（2024/12）◎
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R13技術・市場のリサーチブリーフ
「省電力AIチップ」を初心者向けに整理。仕組み／主なプレイヤー／使いどころ／コスト構造／リスク、を各3行。断定不可は「要検証」。
注意：数値・固有名は一次情報で裏取り。
自分たちなら：未知の業界・規制・技術の入口理解に。
もっと先へ：公開情報を自動モニタリングし、注目技術・スタートアップを毎週レポートする「技術アンテナ」ボットへ。
R14比較表のひな形づくり
以下を比較する表のひな形を。評価軸＝コスト・性能・電力効率・調達リスク・将来性。各セルは「埋め方のヒント」だけ先に。
選択肢：［A／B／C］
自分たちなら：出資先・サプライヤー・製品選定に。中身は人が検証。
もっと先へ：候補をスコアリングし、投資仮説のドラフトまで自動生成。投資委員会の“議論のたたき台”に。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事の産業データ × PFCI/MN-Core（国産計算力）＝ 「商社ドメイン特化AI」を自前基盤で育てる
汎用LLMではなく、資源・食品・電力・与信といった商社の現場知を学んだ“ドメイン特化モデル”を、国産の省電力計算基盤の上で安全に育てる。計算力からモデルまで自前で持つ、データ主権つきの垂直統合AI。
※発想のタネ（妄想OK）。学習データは許可・公開範囲で、ガバナンス前提。
旅6 新規事業を創るCreate
アイデアを“人に説明できる形”にする旅。同業も研究ラボや専門特化で先行。
学ぶ他社ベンチマーク（STAR・input）
三井物産：特定分野で深く（AI創薬「Tokyo-1」）
国内グローバル○
S状況全方位でなく強い分野で勝ち筋をつくりたい。
A行動AI創薬支援基盤「Tokyo-1」、NVIDIA協業、契約書分析の新規事業など。
R結果特定分野の深い専門性と技術提携を軸に展開。
出典：公開記事・各社発表 ○
伊藤忠商事：研究ラボ＋スタートアップ出資
国内○
A行動生成AI研究ラボの設立や複数社への戦略的出資で、社内浸透と新規創出を並走。
出典：公開記事 ○
三菱商事の現在地：CVC推進室・金融アライアンス推進室
三菱商事◎
A行動CVC推進室（2025/2）・金融アライアンス推進室（2025/4）で、スタートアップ／投資家との連携を制度化。
出典：経営戦略2027 ◎／IR Day 2025/6/4 ◎
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R15事業アイデアをリーンキャンバスに
次のアイデアをリーンキャンバスに（課題・顧客・価値・解決策・収益・コスト・指標・優位性・チャネル）。各欄に「まだ弱い前提」を1つずつ指摘。
アイデア：［一行で］
自分たちなら：社内提案・CVCテーマ出し・部署改善にも。
もっと先へ：AIが市場規模・競合・想定リスクの初期リサーチまで添えた「投資委員会用1枚」を生成。思いつきを“検討に乗る形”へ。
R16スタートアップ初期スクリーニングの観点出し
初期スクリーニング観点を洗い出して。市場性／技術の独自性／チーム／トラクション／当社シナジー／主要リスク、で確認質問を。
注意：投資判断はしない。DD・最終判断は人と専門部署が。未公開情報は扱わない。
自分たちなら：協業先・委託先の初期評価にも。
もっと先へ：スタートアップ群を継続モニタリングし、当社アセットとのシナジー順に並べる「ディール・レーダー」へ。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事の新興国ネットワーク × 自動車販売金融 × AI与信 ＝ 「データの薄い人を包摂する金融」
東南アジア等で“信用履歴が乏しく融資を受けにくい”個人・零細事業者を、購買・モビリティ・決済の代替データからAIスコアで評価。商社の現地網×AIで、新しい市場と社会的価値（所期奉公）を同時に取りにいく。
※発想のタネ（妄想OK）。各国規制・公正性・説明責任を前提に。
旅7 食品サプライチェーンを最適化するReshape
製配販をつなぎ、食品ロスを減らす旅。業界横断のデータ連携が鍵です。
学ぶ他社ベンチマーク（STAR・input）
食品流通：製配販を横断する需要予測
国内○
S状況メーカー・卸・小売が各々余剰在庫を抱え、年間1兆円規模ともいわれる食品ロス。
A行動グループ＋取引先までデータを横断収集し、AIで解析。会社間で共有されにくい情報（セール・新商品）も取り込む。
R結果予測が難しかった領域でも高精度に必要量を予測。
出典：業界解説・公開記事 ○（具体値は要一次確認）
三菱商事の現在地：三菱食品「MS Vision 2030」
三菱商事◎
A行動データ活用基盤の強化とAI徹底活用を掲げ、2030年までの基幹刷新ロードマップを推進。
出典：三菱食品 公式 ◎
ER磨く→変革する ― 自分たちのレシピ（基本＝磨く／「もっと先へ」＝変革する）
R17食品ロスの「溜まりどころ」仮説出し
製配販（メーカー・卸・小売）のどこに在庫・廃棄が溜まりやすいか原因仮説を5つ。各仮説に「確かめるのに必要なデータ」を添えて。
自分たちなら：製造・物流・小売のロス削減の仮説出し全般に。
もっと先へ：仮説を検証する簡易ダッシュボードの要件をAIに設計させ、データチームへの依頼書まで一気に。
R18需要予測に効く外部要因を洗い出す
日次の需要予測の精度を上げる外部要因を挙げて（天候・イベント・セール・SNS・近隣需要）。各要因の入手しやすさも3段階で。
自分たちなら：電力・交通・小売など「需要を読む」テーマ全般に。
もっと先へ：それらを取り込んだ需要予測を“毎日自動更新”する仕組みへ（Walmart型）。生鮮は1日複数回更新で廃棄を削る。
C創る ― 掛け算アイデア（三菱商事 × ○○）
三菱商事 × 一次産業（農業・漁業）データ × 予測AI ＝ 「川上から川下まで一本のデータで貫く」
まだ取れていない一次産業のデータ（作付け・漁獲・天候）をセンサーや衛星で取りにいき、メーカー〜卸〜小売〜消費までを一本のデータで接続。獲れすぎ・余りすぎを源流から減らす“食のデジタルツイン”。三菱商事のDX対談でも「1次産業の未取得データ」が今後の課題として挙げられている。
※発想のタネ（妄想OK）。出典の課題提起は公開対談ベース、実装は仮説。
ボーナス：大胆な掛け算カタログ（妄想OK）
旅をまたぐ“月に行く”級のアイデア。実在の計画ではなく、議論を始めるためのタネです。本気で検討するなら、公開情報ベース・MNPI不使用・適正な手続きで。
① 現実世界のデジタルツイン：資源・食料・電力・物流という三菱商事の地球規模アセットを“世界モデル”に流し込み、需給・価格・物流をまるごとシミュレーション。意思決定の試運転ができる経営の操縦席。
② 自律オペ鉱山：銅・原料炭の鉱山で、トラック配置・採掘計画・保全をAIと自律機械が回す。MN-Coreの計算力と現場データの掛け算で“眠らない鉱山”。
③ 生活スーパーアプリ：出資先のローソン等の生活接点 × 決済・与信 × AIで、一人ひとりに最適な買い物・金融・移動を束ねる組込み金融。商社の“川下”を生活OSに。
④ 商社向け自律エージェント群：フロンティアAI × 自社ガバナンスで、リサーチ・与信・契約・調達を“安全に”任せられる業務エージェントを社内標準化。人は判断と交渉に集中。
⑤ グリーンAIインフラ商社：再エネ・蓄電・DC・計算力・廃熱利用をワンパッケージで提供。「クリーンな電気つきの計算力」を世界に売る、エネルギー商社の next。