過去最高益の足元で、代理店に払う手数料は通信売上の約26%(2年で約2.8倍)。我々はAIで資料づくりを速くした。次は、利益を削る“見えないコスト”に自社のデータとAIで手を入れる番だ。
主要数値｜出所: FY2026決算短信(2026/5/8)・決算説明資料・有価証券報告書(第29期)。代理店手数料の割合は有報の実額＋説明資料の増減内訳からの推計。
当社はFY2026(2026年3月期)に売上183.9億円(前の年より＋44.3%)、本業のもうけ(営業利益)14.8億円と、過去最高の業績を出した。株価は1年あまりで約2倍、配当も大きく増やした。外から見れば順調そのものだ。だが、現場と数字を知る我々には、その裏で静かに膨らむコストが見えている。
当社の生命線は、モバイルWi-Fiを中心とした通信の「継続課金(毎月積み上がって入ってくる売上)」だ。積み上がれば強い。一方で、新しいお客様を取る入口は、年々「代理店や量販店まかせ」になっている。社長自身、決算説明会で「一件ずつ自社で売る形(=点)から、代理店・量販で広く売る形(=面)へ変える」「自社の対面販売は縮小する」と話してきた。
その代金が、数字に出ている。有価証券報告書をたどると、代理店に払う手数料は2年で約2.8倍。通信売上に対する割合は約10%→約26%へ跳ね上がった。広げるほど、新しいお客様を1件取る費用が重くなる――本誌はこれを「面展開の成功税」(広げて成功するほど増えてしまうコスト)と呼ぶ。さらに、5年を超えた契約の解約増、それを止めるための電話営業、顧客システムを守る費用と、決算書には載らない「見えないコスト」が重なっている。
ではどうするか。新しく技術者部隊を抱えるのでも、すべてを外注し続けるのでもない。今いる我々が、自社のデータと仕事に、AIを具体的に当てる。これが本誌の主題だ。
幸い当社は2026年1月から、法人向けAIサービス「Genspark Team(ジェンスパーク・チーム)」を企画書・提案書・社内文書づくりに使い始めた。「AIは役に立つ」という実感は、もう社内にある。だがそれは“書類づくり”という入口にすぎない。次は、利益を実際に削っている仕事――代理店の分析、解約の予測、電話営業、契約事務、事業をまたいだ集計、システムのセキュリティ――へAIを広げることだ。以下、現在地と具体策を整理する。
代理店手数料は2年で約2.8倍。通信売上に対し 約10%→16%→26% へ。増収のたびに、新規獲得の費用が重くなる。
xychart-beta
title "代理店手数料(連結・億円) ※FY2026は推計"
x-axis ["FY2024", "FY2025", "FY2026(推計)"]
y-axis "代理店手数料(億円)" 0 --> 32
bar [10.06, 15.49, 28.42]
| 項目(連結) | FY2024 | FY2025 | FY2026(推計) |
|---|---|---|---|
| 代理店手数料 | 10.06億円 | 15.49億円 | 約28.42億円 |
| 前の年より | ─ | ＋54.0% | ＋83.5% |
| インターネット通信の売上 | 100.12億円 | 98.84億円 | 111.10億円 |
| 手数料 ÷ 通信売上 | 約10.0% | 約15.7% | 約25.6% |
「代理店経由の新規契約が何%か」という数字そのものは、当社の公開資料(決算短信・説明資料・有報)には出てこない。チャネル(販路)別の内訳は社外に公表していないからだ。しかし、有報に載る代理店手数料の年額を売上で割れば、依存の高まりははっきり追える。
この割合が10%から26%へ上がったということは、同じ1件を取るのに、より多くの手数料を払うようになったことを意味する。解約を差し引いた純増(通信 約4.1万回線/年)で、増えた手数料12.93億円を割ると、新規1件あたり約3.1万円の上乗せ獲得コスト。代理店・量販で広げる方針が続くFY2027以降、この負担はさらに重くなる。
ここで大事なのは、これは「悪い数字」ではなく「手をつけられる数字」だということだ。どの代理店が効率よく取れているか、どの地域・どの商品が割に合うかを自社データで分析し、獲得の“質”を上げれば、同じ売上をより低い手数料で取りに行ける。次面以降の打ち手の出発点である。
解約・電話営業・セキュリティの費用は、決算書に一切載らない。外から見えない＝我々の社内データだけが武器になる領域。
flowchart TD
A["代理店・量販で広げる
(面で新規獲得)"] --> B["増収 ＋44.3%
継続課金の売上 83億(過去最高)"]
B --> C["① 獲得コスト(公開)
代理店手数料 → 売上の約26%"]:::bad
D["5年超で解約が増える
(解約率は非公表)"]:::hid --> E["現状維持に必要な新規獲得が増える"]
E --> A
D --> F["② 解約防止コスト(非公表)
電話での継続営業・再契約"]:::hid
C --> G["利益率を圧迫
通信のもうけ −29.2%"]:::bad
F --> G
classDef bad fill:#fbe3e6,stroke:#e0001b,color:#8a0012,stroke-width:2px;
classDef hid fill:#ffffff,stroke:#15171a,color:#15171a,stroke-width:1.5px,stroke-dasharray:5 4;
| 論点 | 公開されているか | 社内で何が分かるか／打ち手 |
|---|---|---|
| 継続課金の割合 | 一部のみ(グループ全体で約45%・通信中心の過去値で約60%) | 主力モバイルは大半が継続課金。続けてもらう=利益の源泉を守る分析が要る |
| 解約率・5年超の解約 | まったく非公表 | 契約年数ごとの解約の動きは社内データだけ。やめそうなお客様を先に見つければ再獲得費用を抑えられる |
| 電話での継続営業コスト | 非公表 | 通話の記録・再契約の成否は社内の財産。優先順位づけと説明トークの型化で手間を減らせる |
| セキュリティ費用 | 非公表(年5,000万円前後・社内) | 脆弱性検査・ペネトレーションテスト・運用の一部を社内に取り込み、外注を見直せる |
当社の継続課金の売上83億円は過去最高で、これは「毎月入り続ける」強いビジネスの証だ。だが裏を返せば、解約は売上の直接の流出を意味する。一般に通信契約は、契約年数が一定を超えると解約が増える。当社でも5年を超えた層の解約が課題で、現状を保つために自社の電話部門が継続営業・再契約を担い、その人件費が増えている。
皮肉なのは、これらの数字がどこにも公表されていないことだ。解約率も電話部門のコストもセキュリティ費も、有報・決算書には載らない。つまり競合も外部のコンサルも見えない。見えるのは、その仕事を毎日回している我々だけ。これは弱みではなく、我々だけが分析し改善できる“聖域”だと捉え直すべきだ。
顧客システムを守るセキュリティ費は年5,000万円前後。格安SIM型の通信会社(自社回線を持たず大量の個人情報を預かる)として、これは必要な経費だが、すべて外注に頼り切る必要はない。後段で触れるとおり、運用の一部はAIと社内人材で賢く取り込める。
AIで「資料づくり」は既にこなしている。だが利益を生む「仕事・自社データ」は手付かず。そこが本番だ。
flowchart TB
subgraph DONE["✅ 着手済 ─ 資料づくり(都度の書類作成)"]
G["Genspark Team を全社で活用(2026年1月～)
企画書・社外提案書・社内文書の作成"]:::done
end
subgraph TODO["⬜ 本番 ─ 仕事 × 自社データ(利益を生む現場)"]
T1["代理店・販路の分析と需要予測"]:::todo
T2["解約の予測と防止"]:::todo
T3["電話営業(コールセンター)の支援"]:::todo
T4["契約事務の自動化"]:::todo
T5["4事業をまたいだ集計"]:::todo
T6["セキュリティ(脆弱性診断・運用)の内製化"]:::todo
end
DONE ==>|次の一手| TODO
classDef done fill:#e3f3e9,stroke:#1a7a43,color:#0f5a30,stroke-width:2px;
classDef todo fill:#ffffff,stroke:#15171a,color:#15171a,stroke-width:1.5px,stroke-dasharray:4 3;
「AIならもう使っている」――社内でそう言われたら、半分は正しい。当社はGenspark Teamを入れ、提案書やスライド、社内文書づくりは確かに速くなった。これは大きな前進で、「AIは本当に役に立つのか?」という一番のためらいを、当社は自費で既に乗り越えている。
だが冷静に問い直したい。この半年で、代理店手数料は下がっただろうか。解約は減っただろうか。電話部門の手間は軽くなっただろうか。おそらく、ほとんど変わっていない。なぜなら、それらは“資料づくり”ではなく“仕事とデータ”の問題で、汎用ツールの守備範囲の外だからだ。
だからこれは、Genspark導入の否定ではない。自然な次の一手だ。汎用ツールで入口を通った今こそ、自社の回線データ・契約データ・通話記録にAIを当て、利益に直結する仕事を変える。現在地が「資料づくり」なら、本番は「仕事・自社データ」である。
困りごと → AIの当て方 → 効果。当社の実データを使う、現場発の6つの使い道。
flowchart LR
P1["代理店手数料が
売上の約26%"]:::p --> U1["代理店ごとの効率を分析
需要予測でムダな獲得を減らす"]:::u --> E1["1件あたり
獲得費用↓"]:::e
P2["5年超で
解約が増える"]:::p --> U2["やめそうなお客様を
点数化し先に手を打つ"]:::u --> E2["解約↓
再獲得費用↓"]:::e
P3["電話営業の
コスト"]:::p --> U3["通話の自動要約・説明トークの型化
再契約・追加提案の下書き自動作成"]:::u --> E3["1件あたり
手間↓"]:::e
P4["契約事務の
手作業"]:::p --> U4["申込・本人確認・開通を
AIと文字自動読み取りで自動化"]:::u --> E4["事務時間↓
ミス↓"]:::e
P5["4事業バラバラ
の集計"]:::p --> U5["事業をまたいだ
集計を自動化"]:::u --> E5["即時に
見える化"]:::e
P6["セキュリティ外注
年5,000万円"]:::p --> U6["脆弱性トリアージ・
ログ監視の一次対応を社内化"]:::u --> E6["外注を見直し
(目安2〜4割減)"]:::e
classDef p fill:#fbe3e6,stroke:#e0001b,color:#8a0012,stroke-width:1.5px;
classDef u fill:#ffffff,stroke:#15171a,color:#15171a,stroke-width:1.5px;
classDef e fill:#e3f3e9,stroke:#1a7a43,color:#0f5a30,stroke-width:1.5px;
| 仕事の領域 | AIの具体的な使い方 | 使う社内データ | 期待できる効果 |
|---|---|---|---|
| ① 代理店・販路 | 代理店ごとの取れ高・解約を見える化し、需要予測でムダな獲得を減らす。割に合わない販路を早く見極める | 代理店別の獲得・手数料・解約データ | 1件あたり獲得費用を下げる |
| ② 解約防止 | 契約年数や使い方から「やめそうなお客様」を点数化し、辞める前に優先して連絡する | 契約・料金・利用記録 | 解約を減らし再獲得費用を抑える |
| ③ 電話営業 | 通話の自動要約、商品ごとの説明トークの型化、再契約・追加提案の下書き自動作成、よくある質問への自動応答 | 通話記録・成約履歴 | 1件あたりの手間↓・新人の早期戦力化 |
| ④ 契約事務 | 申込書・本人確認・開通手続きを、AIと文字の自動読み取りで自動化。入力チェックも自動化 | 申込・契約書類 | 事務時間↓・入力ミス↓ |
| ⑤ 経営の集計 | 4つの事業の数字を自動でまとめ、いつでも見られる集計画面にする | 各事業の業績データ | 月次集計が即時に・判断が速く |
| ⑥ セキュリティ | 脆弱性レポートをAIでトリアージ(優先度づけ)、ログ監視の一次対応、セキュアコーディングの支援 | 脆弱性診断結果・各種ログ | 外注の見直し(目安2〜4割減) |
大号令ではなく、現在地(Genspark)から1つの仕事ずつ。効果を「時間の価値」で測り、勝てた所から広げる。
flowchart LR
S0["現在地
Genspark Teamで
資料づくりをAI化"]:::s0 --> S1["STEP1 小さく試す
1つの仕事×実データで検証
効果を時間の価値で測る"]:::s --> S2["STEP2 部門で広げる
代理店分析/解約予測/
電話営業へ"]:::s --> S3["STEP3 全社へ
型化・部品の使い回し・
手順の標準化"]:::s
S1 -. 安全に .-> SEC["自社データは
匿名化(個人情報を伏せる)・
隔離環境で扱う"]:::sec
classDef s0 fill:#e3f3e9,stroke:#1a7a43,color:#0f5a30,stroke-width:2px;
classDef s fill:#15171a,stroke:#15171a,color:#ffffff,stroke-width:2px;
classDef sec fill:#ffffff,stroke:#e0001b,color:#8a0012,stroke-width:1.5px,stroke-dasharray:4 3;
進め方の原則は3つ。第一に現在地から始める。Genspark Teamで身についた「AIへの指示の出し方」を、資料づくりから仕事へ横滑りさせる。ゼロからの研修は要らない。
第二に実データで、小さく。最初から全社展開を狙わない。解約予測でも代理店分析でも、1つの仕事に絞って自社データ(個人情報は伏せて、隔離した環境で)で試し、手間がどれだけ減ったかを1時間5,000円換算で数値にする。「満足度」ではなく「減った時間=お金」で握る。
第三にセキュリティと両立。社員が個人のAIに業務データを勝手に貼る“シャドーAI(無断のAI利用)”こそ最大のリスク。外部に送らない環境・入力してよい範囲のルール・社員教育をセットにする。社内に取り込むとは、統制された形でAIを使うことに他ならない。勝てた所から型にして、横へ広げる。
効果は「時間の価値」(1時間5,000円換算)で、控えめに割り引いて見積もった概算。まずSTEP1で小さく握り、STEP2(部門)を主軸に。国の助成金(社員教育の費用を最大75%補助・2027年3月末まで)も使える。
| 段階 | 対象 | 必要な投入(目安) | 年間の効果(控えめ) | もとが取れるまで |
|---|---|---|---|---|
| STEP1 試す | 15名(営業＋事務の中心メンバー) | 小規模・ツール＋社内の時間が中心 | 年208万円相当 | 数ヶ月 |
| STEP2 部門で広げる ★主軸 | 40名(獲得・運用の中核) | 中規模＋実データでの伴走 | 年906万円相当 | 約3〜6ヶ月 |
| STEP3 全社 | 120名(連結の約1/3) | 複数の試行＋型化 | 年2,376万円相当 | 約2〜4ヶ月 |
※効果は生産性・時間の価値であり、そのまま売上になる数字ではない。代理店手数料の質向上・解約抑制・セキュリティの外注削減は、これとは別にコスト構造そのものへ効く。採用される割合の上限・実現率を割り引いた、わざと控えめな見積り。
その場限りのAIへの指示は使い捨て。業務の指示・判断ルールを「文書ファイル」に貯めて全社で共有すれば、品質が揃い、雪だるま式に速くなる。
flowchart LR
A["① 現場がAIに出す
業務の指示・判断"] --> B["② うまくいった指示・ルールを
文書ファイル(md)に貯める"]:::key
B --> C["③ 全社で共有
(誰でも読める・使える)"]
C --> D["④ AIが文書を読み
誰がやっても同じ品質で動く"]
D --> E["⑤ 新たな改善を
また文書に書き足す"]
E --> B
D --> F["知識が“人”から
“会社の資産”へ
属人化の解消・退職に強い"]:::out
classDef key fill:#fbe3e6,stroke:#e0001b,color:#8a0012,stroke-width:2px;
classDef out fill:#e3f3e9,stroke:#1a7a43,color:#0f5a30,stroke-width:2px;
| 観点 | 今(貯めない) | これから(文書に貯める) |
|---|---|---|
| AIへの指示 | その場のチャットで消える | 文書に残り、いつでも使い回せる |
| 仕事の品質 | 人によってバラバラ | 誰がやっても同じ水準 |
| 退職・異動 | 知識も一緒に失われる | 知識は会社に残る |
| 改善 | 個人の中だけで終わる | 全社に配られ積み上がる |
| セキュリティ | 入力してよい範囲が曖昧 | ルール文書で共有=シャドーAI(無断利用)を防ぐ |
当社はGenspark Teamで「AIへの指示の出し方」に慣れてきた。だが、その指示の多くは個人のチャット履歴に消えていく。せっかくの“良い指示”が、会社に残らない。ここを変えるだけで、AI活用は一気に加速する。
やることは難しくない。「この仕事はこう進める」「この商品はこう説明する」「解約の引き止めはこの順で話す」といった指示・判断基準を、文書ファイル(md)に書いて貯め、全社で共有するだけだ。AIにそのファイルを読ませれば、新人でもベテランと同じ品質で動ける。うまくいった言い回しを書き足せば、次からは全員がその恩恵を受ける。知識が“人”ではなく“会社のファイル”に貯まるので、退職や異動にも強い。
当社で最初に作るべき文書ファイルの例: 「代理店対応の手順」「解約引き止めトークの型」「契約事務の進め方」「商品説明の型」「AIに入力してよい情報のルール」。最後の1つは、セキュリティ(第4面)とも直結する。指示を貯めることは、品質の標準化・属人化の解消・セキュリティ統制を、一度に進める打ち手だ。
「外注で足りる」「Gensparkで十分」「技術者がいない」── 現場と経営から出る声に、推進担当として答える。
外部委託とM&Aで最高益。AIが要るなら外注で足りるのでは?
外注が向くのは「一度作って終わり」の仕事。だが当社の強みは、顧客データを使い続けて磨くことにあり、外注は直すたびに費用と日数がかかる(例: 外注10万円・3営業日→社内なら0円・2時間)。事業が2→4に広がった今こそ、買収の相乗効果を取りに行く担い手を社内に持つべきだ。
うちはもうGenspark Teamを使っている。これ以上いる?
資料づくりには効いている。だがこの半年で代理店手数料も解約も下がっていないはず。それらは“資料”ではなく“自社データと仕事”の問題で、汎用ツールの外。Genspark導入は否定材料ではなく、次の一手の前提。入口を通った今が、本番へ進む好機だ。
当社には技術者・エンジニアがいない。回せるのか?
いないからこそ生成AIが効く。プログラミングができない営業・事務職でも、AIへの指示だけで仕事を自動化できる。ソフトバンクは2.5ヶ月で250万超のAIの仕組みを社内で作り、多くは技術者以外。平均31.8歳の当社はデジタルに慣れるのも速い。「今いる社員をAIで強くする」発想だ。
効果がはっきりしない。やって満足で終わらないか?
だから座学でなく、実データで小さく試す形で進める。代理店向け資料、回線契約の問い合わせ対応、買取査定の定型業務を題材に、減った時間を測る。1時間5,000円換算で見える化し、小さく握ってから広げる。「満足度」でなく「減った時間=お金」で説明する。
顧客情報をAIに入れるのは危険では? 通信会社として信用問題だ。
正当な心配で、社員が勝手にAIを使うこと(シャドーAI＝無断のAI利用)こそ最大のリスク。だから外部に送らない環境・入力してよい範囲のルール・教育をセットにする。社員が個人のAIに業務データを貼る現状の方が危ない。社内に取り込む=統制された形でAIを使うこと、つまりセキュリティ強化と表裏一体だ。
利益率が下がっている今、新しい投資の余裕は?
利益率が9.6%→8.1%へ下がり、通信が−29.2%だからこそ、コスト構造に手を入れる。下がった一因は245→368名への急増で、生産性を上げないと固定費だけが残る。AI活用は贅沢な投資でなく、今いる人員の生産性を上げる施策。助成金が効くうちに小さく始めれば、損失の幅は限定的だ。
セキュリティ費を、本当に社内で下げられるのか?
全額は無理だが一部は可能。脆弱性スキャンの一次トリアージ、ログ監視の一次対応、セキュアコーディングの教育、AIによる脆弱性レポートの要約は社内で取り込みやすい。第三者によるペネトレーションテストや認証審査は外部に任せるのが無難。現実目標は年5,000万円の2〜4割減。ゼロは狙わない。
本業はロボホンとモバイル通信。社内のAIは本業と関係ある?
むしろ本業のコスト構造そのものを改善する。代理店手数料・解約・電話営業は本業の通信そのもの。ここにAIを当てるのは“横道”でなく“本道”。黒字化したロボット事業も、間接コストを抑える局面で社内の効率化が直接効く。
過去最高益で株価約2倍、市場の期待は高い。次に問われるのは「広がった4事業をどう効率よく回すか」。
xychart-beta
title "連結売上高の推移(億円) ※FY2027は会社計画"
x-axis ["FY2023", "FY2024", "FY2025", "FY2026", "FY2027計画"]
y-axis "売上高(億円)" 0 --> 220
bar [125.6, 130.7, 127.5, 183.9, 202.3]
line [12.0, 12.0, 12.2, 14.8, 16.6]
当社の株価は、2024年末1,065円の低迷から2025年に急反発(年末1,806円)、2026年は年内高値2,531円をつけ直近2,351円。会社の時価は約68億→約142億へ倍増した。配当もFY2024の20円→FY2026の85円(もうけの約半分を配当に)へ急増し、株主資本をどれだけ効率よく使うかを重視する経営へ転換している。
市場の期待が高まった今、投資家が次に問うのは「広がった4つの事業をどう効率よくまとめて運営し、面の拡大で増えるコストを抑えるか」だ。代理店獲得の質向上、解約抑制、電話営業の効率化、セキュリティの内製化――本誌の打ち手は、まさにこの問いへの株主に語れる答えになる。
AIの社内活用は、コスト削減という守りであると同時に、増えた人員(245→368名)の一人あたり生産性を上げる成長施策でもある。外からの提案を待つのではなく、現場と数字を知る我々自身が動く――それが最短の道だ。
主要な根拠(公開されている決算資料＋社内データ)