クライアント事例：株式会社CoCreate

By /

はぴこ

コミュニティで市場を作る ーAI時代の分散型共同購買インフラー

1. 発見

― 市場は「顧客」ではなく「関係」でできている ―

COクリエイトは、
最初からIT企業だったわけではありません。

創業者の三浦雅弘は
伊藤忠燃料株式会社出身。

当初の事業は、
エネルギーや自動車関連のネットワークを活用した
小さな商社のようなビジネスでした。

しかし創業直後、
世界は新型コロナウイルスのパンデミックに突入します。

事業環境は激変し、
会社の船出は困難の連続でした。

そんな状況の中で
手を差し伸べてくれたのは

  • 投資家
  • 企業
  • 業界団体

など、実に様々な人々でした。

企業規模も業界も異なる
多くの方々に支えられながら事業を続ける中で、
私たちはあることに気づきます。

それは

企業の価値は規模ではなく、関係性の中で生まれる

という事実でした。

企業ではなく「関係」が経済を作る

コロナ禍のさなか、
ある大手の業界団体から相談を受けます。

加盟している中小企業の
社員の定着を助けてほしい

この依頼をきっかけに
COクリエイトは

福利厚生アウトソーシング事業

を開始しました。

商社時代に培った
バイヤーネットワークを活かし

  • 商品
  • サービス
  • 優待

をそろえた福利厚生サービスを構築します。

すると想定以上に多くの企業から
契約をいただくことになりました。

しかし、
この事業を続ける中で
私たちは次第にある構造に気づきます。

業界を支えているのは誰なのか

業界団体の課題に向き合う中で
見えてきたのは

非常にシンプルな構造でした。

業界団体
↓
中小企業
↓
社員・顧客
↓
人間関係のネットワーク

つまり

  • 業界団体は中小企業が支え
  • 中小企業は社員や顧客の関係に支えられている

という構造です。

そして業界課題を解決するためには

末端のネットワーク

にアプローチする必要があります。

つまり

人間関係そのものが市場を形成している

という事実でした。

市場構造の発見

この観察から、
私たちは次の仮説にたどり着きます。

市場は企業によって作られるのではありません。

人
↓
コミュニティ
↓
経済活動

という構造で形成されています。

人は企業ではなく

  • 信頼する人
  • 所属するコミュニティ
  • 共通の価値観

によって行動します。

私たちはこの構造を
中世の商業団体を模して

ギルド相関経済

と呼ぶようになりました。

IT企業ではなく「市場構造」を作る会社

この構造を実装するために誕生したのが

分散型ECプラットフォーム 「はぴこ」

です。

はぴこは単なるECサイトではありません。

コミュニティ
↓
購買ネットワーク
↓
経済圏

を形成する

コミュニティ経済インフラ

です。

この発見が
COクリエイトのすべての事業の出発点となりました。

2. 理論

― AI時代の情報科学との偶然の一致 ―

はぴこは当初、
AIを意識して作られたシステムではありませんでした。

親団体、子団体、孫団体といった
コミュニティ構造を管理できる
分散型ECシステムとして開発されたものです。

私たちはただ

  • 広告費に頼らず
  • プラットフォームに依存せず
  • 良い商品を末端のコミュニティまで届ける

ことだけを考えていました。

しかし、ある時
大きな気づきが生まれます。

東京都の人材交流事業を通じて

  • 三菱重工業
  • 東芝テック

などの大手企業から出向者を受け入れ、
そして最後に、野村総研出身の私が合流し、気づいたのです。

「AI時代の情報科学と完全に一致している」

分散型ECとAI工学の一致

特に次の三つの分野で
はぴこの思想はAIの工学と一致していました。

  • ネットワーク科学
  • 行動データ解析
  • AIのベクトル表現

ネットワーク科学

現代の社会は

人 → 人
人 → 組織
組織 → 組織

というネットワークとして理解されています。

Googleの検索エンジンも

ページ
↓
リンク
↓
重要度

というネットワーク構造を分析しています。

つまり

関係性が価値を生む

という構造です。

同じことが経済にも存在します。

人
↓
コミュニティ
↓
購買

つまり

コミュニティ構造 = 市場構造

になります。

行動データ解析

従来のマーケティングは

年齢
性別
職業

などの属性データを使いました。

しかし現在は

行動データ

が重視されています。

例えばAmazonは

属性
ではなく
購買行動

から商品を推薦します。

コミュニティ経済では

コミュニティ
↓
行動ログ
↓
価値観推定

が可能になります。

つまり

価値観ベースの市場分析

が成立します。

AIベクトル分析

生成AIは

言葉
画像
行動

などを

ベクトル空間

で扱います。

似ている概念は
近い位置に配置されます。

同じことがコミュニティにも起きます。

コミュニティ
↓
行動データ
↓
ベクトル空間

すると

似た価値観のコミュニティ

が自動的にクラスタ化されます。

つまり

市場そのものをAIが理解できる構造

になります。

3. 実証

― 10年以上の実装によるコミュニティネットワーク ―

結果論的ではありますが、弊社はこの構造を
10年以上にわたり取り扱い、そして実装してきたのです。

現在

  • 多数のコミュニティ
  • 膨大な会員
  • 継続的な経済活動

を持つネットワークが形成されています。

しかしこの構造は長らく

収益化が追いつかない状態

にありました。

理由は単純です。

このモデルは

ネットワークが一定規模を超えないと成立しない

からです。

4. 転換（2026）

2026年
私たちはこのネットワーク資産を

収益化フェーズ

へ移行しました。

その手段が

  • 共同購買
  • コミュニティEC
  • 会員サービス
  • 行動データ分析

です。

つまり

コミュニティ
↓
購買ネットワーク
↓
経済圏

を構築します。

5. 実証プロジェクト

このモデルは現在
3つの市場で実証されています。

① 業界団体モデル

（最も純粋なコミュニティ経済）

事例

  • 全国介護事業者連盟
  • 日本居酒屋協会

業界団体は

共通課題
↓
共同購買
↓
共同経済

という構造を持ちます。

例えば介護業界では

  • おむつ
  • 消耗品
  • 人材
  • 福利厚生

など共通需要があります。

その結果

業界
↓
コミュニティ
↓
巨大購買ネットワーク

が成立します。

これは

ギルド経済の最も純粋な形

です。

② 企業コミュニティモデル

（顧客ネットワークの経済化）

事例

エネアーク関西
エネパンクラブ

企業は本来

顧客
↓
関係性
↓
ネットワーク

を持っています。

しかし多くの企業は

広告
↓
商品販売

という単発関係しか作れていません。

そこで

顧客
↓
コミュニティ
↓
経済活動

を導入します。

これにより

  • 福利厚生
  • 共同購買
  • 新サービス

などを通じて

顧客ネットワークを経済化

できます。

③ B2Cモデル

（自律コミュニティの形成）

新規事業

ドライバーライフプラス

これまでの事業は

団体
企業

など既存コミュニティに依存していました。

しかしその場合

コミュニティの主導権は外部

にあります。

そこで

個人
↓
職業コミュニティ
↓
経済圏

を自律的に形成するモデルを開始しました。

運送業界は

  • 人数が多い
  • 共通課題が多い
  • コミュニティ文化が強い

という特徴があります。

そのため

ドライバー
↓
コミュニティ
↓
共同購買

という構造が成立しやすい市場です。

6. なぜドライバーライフプラスなのか

このプロジェクトは
単なる新規ECではありません。

それは

コミュニティ経済の自律モデル

です。

これまで

団体
企業

に依存していたコミュニティ形成を

個人
↓
コミュニティ
↓
経済圏

として自律的に構築します。

つまり

ギルド経済の原型

です。

7. 三つのモデルが示すもの

現在の実証は

モデル役割
業界団体巨大コミュニティ
企業顧客顧客ネットワーク
B2C自律コミュニティ

です。

すべて

人
↓
コミュニティ
↓
経済ネットワーク

という

同じ構造

を検証しています。

8. スケールモデル

― ブルーカラー生協構想 ―

介護事業者連盟共同購買、
ドライバーライフプラス、
これらは単なるECではありません。

職業コミュニティを基盤とした共同購買モデル

です。

構造は

職業
↓
コミュニティ
↓
共同購買
↓
経済圏

これは地域を基盤とした
生協モデルに近い構造です。

しかし対象は地域ではなく

職業コミュニティ

です。

対象市場

日本のブルーカラー人口は

職業人数
運送約300万人
建設約500万人
製造約1000万人
介護約200万人

合計

約2000万人

の巨大市場です。

仮に5%の会員化でも

2000万人 × 5%
= 100万人

となります。

もし会員が

月1000円

の購買・サービスを利用すると

100万人 × 1000円
= 月10億円

年間では

120億円の経済圏

が形成されます。

ネットワーク効果

このモデルの特徴は

コミュニティが増えるほど価値が増える

ことです。

職業コミュニティ
↓
購買ネットワーク
↓
商品価格低下
↓
会員増加

という

ネットワーク効果

が働きます。

生協の次の形

地域型生協は

地域
↓
共同購買

でした。

しかし現代社会では

職業コミュニティ

の方が強い結びつきを持つ場合があります。

ドライバーライフプラスは
弊社の思想の集大成として

職業
↓
コミュニティ
↓
経済圏

という

ブルーカラー生協

を構築するプロジェクトです。

9. なぜ今、コミュニティ経済が成立するのか

― 技術転換：属性分析からベクトル分析へ ―

ドライバーライフプラスの実装にあたり、
私たちは技術的に大きな転換を行いました。

それは

属性型分析から、AIによるベクトル分析への転換

です。

属性型ビッグデータの限界

これまでのIT業界では、
データ分析は主に

年齢
性別
職業
地域

といった

属性データ

を基盤として行われてきました。

しかしこの方法では、
人間の行動や価値観を十分に説明することができません。

人の購買行動は

コミュニティ
関係性
価値観

といった
関係データによって強く影響されるからです。

Googleが証明した関係データの力

ビッグデータの成功例として知られるGoogleは、
この問題を早くから解決していました。

Googleの検索エンジンは

ページ
↓
リンク
↓
重要度

という

関係データ

を分析することで
検索の質を飛躍的に高めました。

これは

属性ではなく、関係を分析する

という発想です。

この思想はその後

  • 検索エンジン
  • SNS
  • 生成AI

へと発展していきました。

AIが可能にした「関係の解析」

近年のAIは

言葉
画像
行動

などを

ベクトル空間

で扱います。

これは

関係性を数学的に扱う技術

です。

つまりAIは

人
↓
行動
↓
価値観

という構造を
直接解析できるようになりました。

ギルド経済が成立する時代

私たちが構想してきた

コミュニティ
↓
関係性
↓
経済圏

というモデルは、

実は長い間
技術的に再現することが困難でした。

しかしAIによる

ベクトル分析

によって

コミュニティ
↓
行動データ
↓
価値観クラスタ

を扱えるようになりました。

つまり

ビッグテックでなくても 関係データを扱える時代

が到来したのです。

技術が追いついた市場構造

私たちが長年取り組んできた

コミュニティ経済

は、

AIの発展によって
初めて実装可能になりました。

コミュニティ
↓
行動
↓
AI解析
↓
市場形成

という構造です。

これは

ギルド型経済圏の技術的基盤

になります。

10. 次のフェーズ

これらの実証が進むと
コミュニティは単なる集団ではなく

経済単位

として機能します。

そして

コミュニティ
↓
経済ネットワーク
↓
AI解析

という市場構造が成立します。

9. 最終ビジョン

巨大プラットフォームが
個人を支配する経済から

コミュニティ
↓
ネットワーク
↓
AI

によって形成される

コミュニティ経済

へ。

COクリエイトは

その基盤となる

コミュニティ経済インフラ

を構築しています。

上部へスクロール