[AI新規事業創出]Qualitegが考える、自身の成果実証のための定量的ゴール定義とは

新規事業のゴール設定では、多くのクライアントが数値目標を設定していないため、後に困難を経験することが多いです。定量的ゴール定義は、具体的な数値を用いて目標を設定し、目標達成の進捗を明確に測定する手法です。これにより、モチベーションの向上、効率的なリソース配分、成果の最大化に寄与します。事業初期に数値目標を設定することの重要性を解説しています。

[AI新規事業創出]Qualitegが考える、自身の成果実証のための定量的ゴール定義とは

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。


アイディアが決まってないのに数字の目標ってどうやって決めるの?というご質問を受けることもありますが、そもそも新規事業検討の際にゴール設定はもちろん、それらの数値目標を設定されていないクライアントが多く、あとでつらい経験をされる方も多いのが現状です。

本日は、早期段階での定量的ゴール定義の必要性とその手法について解説していきたいと思います。

定量的ゴール定義とは

定量的ゴール定義は、具体的な数値を用いて目標を設定する手法です。これにより、目標達成の進捗を客観的かつ明確に測定することが可能になります。

例えば、「新規顧客獲得数を毎月50人にする」といった具体的な数字を目標に設定します。定量的ゴールを設定することで、モチベーションの向上、効率的なリソース配分、成果の最大化に寄与することができる重要な指標となることでしょう。

具体的な決め方とは

あくまでもこの新規事業を何のためにやるのか、それらを達成したとみなす基準は測れるものとして何が何件なのかあらかじめ決めることが重要です。

ここでは自社の電気自転車サービスA社の事例を使って解説していきましょう。


A社は都市部で忙しく働くビジネスマンの生活充実度を向上させるサービスを検討することになり、アイディアの方向性としては以下の3点で検討しています。

  • オフィスや自宅などで健康維持ができるサービス
  • 仕事の疲れをとり、リフレッシュできるサービス
  • 自身のキャリアアップのためにサポートができるサービス

新規事業の事業化検討にあたり、以下3点を事業化判断のポイントとすることになりました。

  1. 日本ではまだ大手が参入していないが、市場ニーズがあり、成長が見込める市場であること
  2. 自社の強みを活かしてビジネスシナジーを創出し、他社との差異化が図れるサービス案であること
  3. 今年度中にサービスを市場導入できること

現段階ではサービス案は確定していないので、事業化判断のための市場性などに関して定量的目標を設定するとよいでしょう。

  • 市場成長性があることを証明するため、CAGR5%以上を2023年~5年間見込まれること。
  • 事業化承認後、年度内にサービスを市場導入し、翌年度には月間利用者数1万人以上を達成すること。
  • 導入2年目以降の年間売上目標は年間1億円以上を目標にすること。
  • 市場導入後3年以内は赤字でも構わないが、4年目以降に黒字化を目指すこと。

このように、本事業がどの程度の事業規模を狙っており、いつくらいに投資回収できる必要があるかを事業責任者とすり合わせするために数値化した目標を提示して議論してみてください。

変化の激しいビジネス環境では、革新の機会は容易には見えてきません。株式会社Qualitegの Innovation-Crossは、企業が見落としていた革新の機会を共創によって発見するプログラム。多角的な現状分析と業界動向調査を通じて、「自社だけでは気づきにくい」ビジネスチャンスや技術革新の可能性を可視化します。

アイデアワークショップやハッカソン企画を通じて多様な視点を交差させ、オープンイノベーションやパートナー開拓を通じて外部の知見を取り込むことで、従来の枠組みを超えた機会を創出。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、新たな視点と多様な知恵の融合から生まれる革新的な機会の発見を導きます。見える景色を変えれば、見えてくる未来も変わります。

事前に目標設定をする必要性

クライアント企業のお客様に、事前の数値目標設定をご提案すると9割の方が渋い顔をされます。「自分で数字目標を宣言したら、後で自分の首を絞めるのではないか」と心配される方がほとんどです。

しかし、私たちQualitegでは事業検討されるこのタイミングで数値目標を設定することを強くお勧めいたします。どうなるかわからない新規事業について数字でコミットすることはもちろんプレッシャーになることは理解していますが、数字目標を設定することで、メンバーの士気も上がりますし、事業責任者に対して信頼感を生むことができます。

man in white dress shirt sitting beside woman in black long sleeve shirt

また、一部の大手企業では、成功した新規事業が他の部署の手柄になってしまう、というようなお話もちらほら聞くこともありますので、最初からご自身が企画され、宣言した数字を達成した!と証明できる仕組みをあらかじめ備えておく必要があると考え、このようにアドバイスさせていただいております。


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