[AI新規事業創出]Qualiteg流、顧客課題仮説探索インタビューをベースにした顧客課題設定とは

新規事業開発のコンサルティングにおいて、多くの方がすぐにアイディア出しを行いたがる傾向にあります。実際は顧客の課題を把握し、ファクトに基づいたアプローチが質の高い企画につながります。このプロセスには顧客のニーズの再確認、インサイトの抽出、そして「How Might We」というフレームワークを用いた課題の発散が含まれます。

[AI新規事業創出]Qualiteg流、顧客課題仮説探索インタビューをベースにした顧客課題設定とは

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。


新規事業開発のコンサルティングさせていただいている中で、皆さんやはり、アイディア出しをすぐにやりたいと焦っておられる方が多いです。

しかし、そのアイディアを出すために、顧客が何を課題としているか、ファクトをもとに考えていく必要があります。

本日は、顧客の課題をどのように考え、選定していくか、そして本取組で着目し、解決すべき課題を仮説をどうやって検討するべきかという手法についてお話させていただきたいと思います。

まずは、問いの確認を実施する

初めに検討すべき項目は「問いの確認」です。アイディア出しの前に、調査などで発見した問題やニーズの再確認をしましょう。

ここでは、顧客インサイトの抽出方法について解説します。

man holding his chin facing laptop computer

電気自転車レンタルサービスを例に考えてみましょう。

例えば、

電気自転車をレンタルしたいと思って借りてみたが、充電された電気量が少なかった

というファクトがあったとしましょう。

そのファクトから顧客のインサイト(=こういう状態だったらいいのになと思う状態や、不安材料などの心の声)を想像して書いていきます。

この場合

もっと電気があったら、1回のレンタルで目的地まで行けるのになあ
途中で電気がなくなったら、自転車が重くなって動かなくなるのではないのだろうか

このようなユーザーの心の声が聞こえてくると思います。それらをユーザーの「問い」であると認識しましょう。

株式会社Qualitegの Innovation-Crossは、イノベーション共創の全プロセスをカバーする総合支援プログラムです。企業の現状分析に基づく精緻な戦略立案から、実行計画の策定、オープンイノベーションやパートナー開拓の実践、そして成果の評価・改善まで、革新創出の全工程を一貫してサポート。

アイデアワークショップ、ハッカソン企画、AI技術活用など、多彩なサービスメニューを通じて、「自社だけでは実現困難」な革新を、外部との協業によって確実に実現します。戦略と実行の両面で豊富な経験を持つ専門コンサルタントが、御社のイノベーション創出を総合的に支援し、社内外の知恵を融合させた新たな価値創造へと導きます。共創イノベーションのワンストップ・ソリューションを、ぜひご活用ください。

次は問いの発散をしてみましょう

ここではHow Might Weというデザインシンキングの問いを定義するフレームワークを活用します。

「How Might We」を日本語に訳すと「どのようにして私たちは〜できるか」となります。しかし、直訳だとなかなかイメージがわかないので、Qualitegでは以下のようなフレームワークとして活用しています。

どうしたら、我々は 「誰」 の為に、「何」を実現してその課題を解決や改善をすることができるだろうか。

このフレームワークに当てはめて「問いの発散」をしてみましょう。

「どうしたら我々は、いつも自社サービスを使ってくださっているユーザー向けに、遠くの目的地までレンタル電動自転車を使ってもらうことができるのだろうか。」
「どうしたら我々は、初めて自社サービスを使いたいと思ってくださる顧客向けに、途中で電気がなくなったら自転車が重くなって動かなくなるのではないかという不安を取り除くことができるのだろうか」

このような形で、顧客インタビューの結果などのファクトをもとに、顧客の課題を出すことができます。

ここがポイントですが、このフェーズでは課題の良し悪しは判断する必要はなく、たくさん課題を抽出することを目的としております。次のフェーズでその課題のうちどの課題を選び、自社の解決策としていくべきかを考えていきましょう。


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

Claude Opus 5.0 完全ガイド モデル仕様とAPI・Claude Code運用ポイント

Claude Opus 5.0 完全ガイド モデル仕様とAPI・Claude Code運用ポイント

こんにちは! 2026年7月24日、AnthropicからClaude Opus 5がリリースされました。 Opus 4.8(5月28日リリース)からわずか2ヶ月での世代交代です。このあたりのスピード感、加速していますね。 さて、当ブログではClaude Opus 4.7 完全ガイド、Claude Opus 4.8 完全ガイドとOpusの世代を追いかけてきましたが、今回のOpus 5は過去2回の「4.x内のアップデート」とは立て付けが根本的に違います。 何が違うのか。まず、Opus 5は「最上位モデル」ではありません。 Anthropicのラインナップには2026年6月9日リリースのClaude Fable 5が最上位として存在し、Opus 5はその下位、Sonnet 5の上位という「中上位」ポジションで投入されました。 Opusという名前が「最上位ティア」を意味した時代は、Fable 5の登場で終わっています。 そのうえでAnthropicはOpus 5を「

By Qualiteg プロダクト開発部
TensorRT 10 × Blackwell 移行ガイド【前編】RTX 50 で推論資産が動かない — 基本と最初の壁

TensorRT 10 × Blackwell 移行ガイド【前編】RTX 50 で推論資産が動かない — 基本と最初の壁

こんにちは! 新しい GPU を手に入れてワクワクしながら既存の推論環境を載せ替えたら、 昨日まで普通に動いていたものが軒並みエラーで止まった そんな経験はないでしょうか。NVIDIA RTX 50 系、NVIDIA RTX PRO 系(Blackwell 世代)への移行では、これがかなりの高確率で起きます。 そして厄介なことに、エラーで止まってくれるのは、まだ親切なほうで、、TensorRT の世界には 「ビルドは通る、実行も通る、速度もちゃんと出る、けれど出力だけが静かに壊れている」 という、いちばん見つけにくい失敗の仕方が存在します。 本記事はその全体像を扱うシリーズの前編です。 対象環境 OS: Ubuntu 24.04 (WLS) GPU: NVIDIA RTX PRO 4000 Blackwell・GeForce RTX 5060 Ti (ともに Compute Capability 12.

By Qualiteg プロダクト開発部
Kimi K3 徹底リサーチ — 2.8兆パラメータ、「史上最大のオープンウェイト」は実現するか

Kimi K3 徹底リサーチ — 2.8兆パラメータ、「史上最大のオープンウェイト」は実現するか

こんにちは! 2026年7月16日、中国・北京の Moonshot AI が新しいフラッグシップモデル Kimi K3 を発表し、APIやWebサービスでの提供を開始しました。 総パラメータ2.8兆という規模、100万トークンのコンテキスト、そして 「史上最大のオープンウェイトモデルになる」 という宣言がAI界隈をにぎわせています。 当ブログでは今年5月の記事「Mythos(ミュトス)レベルのオープンモデルはいつ出るのか」で、オープンモデルがクローズドのフロンティアにいつ追いつくのかを予測しました。 Kimi K3 は、まさにその問いに対する現時点での最新の「回答」のひとつです。 一方で、この記事を書いている7月20日時点では、モデルのウェイトも技術レポートもまだ公開されていません。 ただし、XなどSNSかいわいでは、 「ガードレールが弱めで、Fable5では拒否されるようなプロンプトでも対応してくれる」 「すぐにOpus4.8にフォールバックする Fable5より使い勝手がいい」 といった声が散見されており、 米国産のガードレール強め方針にたいして、ガードレール

By Qualiteg プロダクト開発部
PII 非識別化の本質——「誰か」は偽ってよい、「何が起きたか」は偽ってはならない

PII 非識別化の本質——「誰か」は偽ってよい、「何が起きたか」は偽ってはならない

こんにちは!Qualitegプロダクト開発部です! 本日は、PII( Personally Identifiable Information→個人情報)の非識別化に関する内容を解説いたします。 当社ではこれまで、高精度なPII検出技術やLLM利用時の段階的PIIマスキング、PII検出のテスト設計など、個人情報検出とAIセキュリティに関する技術解説をお届けしてきました。 現在、当社では、PII検出マスキング技術「PII-FIエンジン」と、それを活用したPIIのマスキング・非識別化サービス「PII-FI Scan」「PII-FI API」を開発・提供しています。 本記事では、「PIIを検出したあと、それをどう書き換えるか」の設計原則を、1つの例文を試金石にして、私たちが実際のプロダクトで採用している整理をご紹介します。 先にことわっておきますと、本記事でいう「非識別化(de-identification)」は、文書やログを安全に共有・分析するための技術的な加工(個人を特定できないように加工する処理)のお話です。 個人情報保護法上の「仮名加工情報」「匿名加工情報」に該当することを

By Qualiteg プロダクト開発部, Qualiteg AIセキュリティチーム