[AI新規事業創出]新規事業開発における課題とは

新規事業開発において、良いアイディアの不足や事業化の方法が不明な問題が多くあります。具体的な課題として、事業検討手法、アイディア創出方法、ビジネス化手法の不明が挙げられています。

[AI新規事業創出]新規事業開発における課題とは

Qualiteg blogを訪問してくださった皆様、こんにちは。Micheleです。AIを活用した新規事業やマーケティングを手がけている私には、クライアントからよく寄せられる質問があります。AIを用いた事業展開を検討されている方々が共通して直面するであろう課題に対して、このブログを通じて私なりの解答をご提供したいと思います。


新規事業開発を行い、自社をより飛躍させたいが、一方、新規事業に取り組みたいが、良いアイディアが出ない、アイディアが出てもどのように事業化検討につなげてよいかわからないという声が多数あるのも現状です。今日は新規事業開発コンサルティングを行う中で、各クライアントの皆様で最も多い、各社の課題について解説したいと思います。

課題1:新規事業検討手法が不明

  • サービス企画の手順やフレームワークがわからない
  • 企画と言っても前モデルの後継モデル検討や機能拡張を担当してたため、新規でアイディア創出する方法がわからない
  • なんとなく市場調査はできるけど、それをどうつなげてよいのかわからない
  • DXをやれとソリューションありきで言われたが何から手を付けたらよいかわからない
person hand holding photo frame

課題2:自社の強みを活かすアイディア創出方法が不明

  • アイディアをどのように出せるかわからない
  • アイディアをどのようにブラッシュアップするかわからない
  • ターゲットユーザーの理解方法がわからない
  • 他社がやってるアイディアの真似になってしまう

テクノロジーの進化、市場の変化、顧客ニーズの多様化—企業を取り巻く環境は急速に変化しています。株式会社Qualitegの Innovation-Crossは、この変化に適応し先取りするための共創支援プログラム。現状分析とトレンド調査を通じて将来の変化を予測し、「自社だけでは対応困難」な変革への戦略を策定します。

アイデアワークショップで変化への創造的な対応を探索し、オープンイノベーションやパートナー開拓で変化の最前線にいる外部との協業を促進。最先端AI技術の活用支援も含め、経験豊富な専門コンサルタントが、変化を脅威ではなく機会に変える革新的なアプローチを設計します。変化に翻弄されるのではなく、変化を味方につける—その転換点を、共創の力で実現します。

課題3:実際に売上に寄与するビジネス化手法が不明

  • アイデアソンやワークショップで新しい企画案が出てきても、その場限りになってしまう
  • アイディアをビジネスモデル化できる人財がいない
  • アイディアが出ても、売上・利益につながることなく立ち消えになってしまうことが多い
  • 小ぶりなアイディアが多く、将来のビジネスの柱になるような企画が生まれてこず、経営層の承諾が得られない

特に多く寄せられる課題をまとめますと、上記3点が各社で抱えられている課題です。これらのそれぞれの対策方法については次の記事以降で詳細に解説をしていきたいと思います。


コラムを最後までお読みいただき、誠にありがとうございます。私たちQualitegは、AI技術や新規事業の企画方法に関する研修およびコンサルティングを提供しております。もしご興味をお持ちいただけた場合、また具体的なご要望がございましたら、どうぞお気軽にこちらのお問い合わせフォームまでご連絡くださいませ。

また、新規事業創出のステップを体得したいという方にご好評のワークショップも実施しております。それぞれの担当者の方が役員目線で事業を考えるという点にフォーカスしたトレーニング内容となっており、企画担当者の方だけではなく、カウンターパートのエンジニア、デザイナー、マーケターの方にもご受講いただけるコンテンツとなっております。

皆様からのお問い合わせを心よりお待ちしております。次回のコラムも、ぜひご期待くださいね。


navigation

Read more

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

こんにちは!前回はLLMサービスへのリクエスト数見積もりについて解説しました。今回は7ステッププロセスの3番目、「使用モデルの推論時消費メモリ見積もり」について詳しく掘り下げていきます。 GPUメモリがリクエスト処理能力を決定する LLMサービス構築において、GPUが同時に処理できるリクエスト数はGPUメモリの消費量によって制約されます。 つまり、利用可能なGPUメモリがどれだけあるかによって、同時に何件のリクエストを処理できるかがほぼ決まります。 では、その具体例として、Llama3 8B(80億パラメータ)モデルをNVIDIA RTX A5000(24GB)にロードするケースを考えてみましょう。 このGPUには24GBのGPUメモリがありますが、すべてをリクエスト処理に使えるわけではありません。最初にモデル自体が一定量のメモリを消費し、残りの領域で実際のリクエスト処理を行います。 GPUメモリ消費の二大要素 GPUの消費メモリ量は主に以下の2つの要素によって決まります 1. モデルのフットプリント LLMをGPUに読み込んだときに最初に消費されるメモリ

By Qualiteg コンサルティング
システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

こんにちは! 先日、dlibをつかったPythonアプリケーション(conda環境で動作する)作っていたところ、以下のようなエラーに遭遇しました。 ImportError: /home/mlu/anaconda3/envs/example_env/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found (required by /home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so) 「dlib_pybind11モジュールがGLIBCXX_3.4.32を要求してるけど、みつからない!」という感じのエラーですね。

By Qualiteg プロダクト開発部
LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

こんにちは! 今回はLLM推論基盤プロビジョニング講座 第2回です! STEP2 LLMサービスへのリクエスト数見積もり それでは、早速、LLM推論基盤プロビジョニングの第2ステップである「リクエスト数見積もり」の重要性と方法を解説いたします。 LLMサービスを構築する際に必要となるGPUノード数を適切に見積もるためには、まずサービスに対して想定されるリクエスト数を正確に予測する必要があります。 リクエスト数見積もりの基本的な考え方 LLMサービスへの想定リクエスト数から必要なGPUノード数を算出するプロセスは、サービス設計において非常に重要です。過小評価すればサービス品質が低下し、過大評価すれば無駄なコストが発生します。このバランスを適切に取るための基礎となるのがリクエスト数の見積もりです。 想定リクエスト数の諸元 リクエスト数を見積もるための5つの重要な要素(諸元)をみてみましょう。 1. DAU(Daily Active Users): 1日あたりの実際にサービスを利用するユーザー数です。これはサービスの規模を示す最も基本的な指標となります。 2. 1日

By Qualiteg コンサルティング
Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

こんにちは! 本日は、自動フレーミング映像の安定化に関するアルゴリズム・ノウハウを解説いたします 第1章 問題の背景と目的 バストアップ映像を撮影する際、特にオンラインミーティングやYouTubeなどのトーク映像では、人物がうなずく、首を振るなどの自然な動作をした際に「首まわりや肩がフレーム内で上下に移動してしまう」という現象がしばしば起こります。これは、多くの場合カメラや撮影ソフトウェアが人物の「目や顔を画面中央に保とう」とする自動フレーミング機能の働きに起因します。 撮影対象の人物が頭を下げた際に、映像のフレーム全体が相対的に上方向へシフトし、その結果、本来動いていないはずの肩の部分が映像内で持ち上がっているように見えてしまう現象です。 本稿では、この問題を撮影後の後処理(ポストプロセッシング)のみを用いて、高速、高い精度かつロバストに解決する手法をご紹介します。 前半では、従来のCV(コンピュータービジョン)の手法を使い高速に処理する方法をご紹介します。後半では、AIを使用してより安定性の高い性能を実現する方法について考察します。 第2章 古典手法による肩の上下

By Qualiteg 研究部