[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

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第6回 よくある問題と解決方法

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第6回 よくある問題と解決方法

こんにちは、今回はシリーズ第6回トラブルシューティング - よくある問題と解決方法 について解説いたします! さて、前回(第5回)は、統合Windows認証がブラウザでどのように動作するかを解説しました。 「イントラネットゾーン」という概念を理解することで、同じサーバーでもURLの書き方(NetBIOS名、FQDN、IPアドレス)によって認証動作が変わる理由が明確になったかと思います。また、Chrome/Firefoxではデフォルトで統合認証が無効になっている理由と、グループポリシーによる一括設定方法も学びました。 しかし、設定が完璧なはずなのに「なぜかうまく動かない」という場面は、実際の現場では必ず訪れます。 「最近、ファイルサーバーへのアクセスが遅い」「金曜日は使えたのに、月曜日の朝にログインできない」「特定のサービスだけKerberosが失敗する」——これらはヘルプデスクに日々寄せられる典型的な問い合わせです。 原因はKerberosの失敗、時刻のずれ、SPNの設定ミス、DNS関連の問題など多岐にわたりますが、体系的にトラブルシューティングすることで必ず解決できます。

By Qualiteg コンサルティング, Qualiteg AIセキュリティチーム
AIエージェントを"事業に載せる"ために【第2回】AIエージェントの責任分解はなぜ難しいのか

AIエージェントを"事業に載せる"ために【第2回】AIエージェントの責任分解はなぜ難しいのか

— AI導入を"事業に載せる"ために、いま設計すべきこと(全3回) こんにちは!Qualitegコンサルティングチームです! 前回(第1回)では、Replit/Lemkin事件とDeloitte豪州政府報告書問題を通じて、AIエージェント導入の課題がモデル性能ではなく「権限・監査・責任の設計不在」にあることを見ました。 では、実際に事故が起きたとき、責任は誰が負うのでしょうか。第2回となる本記事では、法務・契約・組織の3つの観点から、AIエージェントの責任分解がなぜ難しいのかを構造的に整理します。 結論を先に言えば、法務だけでも契約だけでも組織論だけでも足りません。この3つを接続して設計しなければ、AIエージェントの責任分解は実務上機能しません。 1. 法的フレームワーク:複数の法理論が並走している AIエージェントが損害を出したとき、どの法理論で責任が問われるかについて、現時点でグローバルなコンセンサスは形成されていません。 Clifford Chanceの論考は、この状況の根本的な難しさを整理しています。法律は歴史的に、有害な行為がいつどのように発生したかを特定でき

By Qualiteg コンサルティング
AIエージェントを"事業に載せる"ために【第1回】

AIエージェントを"事業に載せる"ために【第1回】

AI導入事故は何を示しているのか — AI導入を"事業に載せる"ために、いま設計すべきこと(全3回) こんにちは!Qualitegコンサルティングチームです! AIエージェントを導入する企業が増える一方で、 「試してみる」段階から「事業に載せる」段階へ進める難しさ が、はっきり見え始めています。 本シリーズでは、AIエージェント導入を技術論だけでなく、責任分解・監査可能性・契約・運用統制を含む業務設計の問題として整理します。 全3回を通じて、「AIが賢いかどうか」ではなく、「AIを業務に載せるために何を設計するか」を考えていきます。 第1回となる本記事では、2025年に起きた2つの事例を出発点に、なぜいま「責任設計」が問題になっているのかを見ていきます。 上図は、本シリーズ全体で扱う論点の全体像です。 AIエージェントの導入は、技術的なモデル選定だけでは完結せず、権限設計、契約、監査、品質監視、保険、異常時対応まで含めた設計が必要になります。 第1回ではまず、なぜこうした設計が求められるようになったのかを、実際の事例から見ていきたいとおもいます なお、本シリー

By Qualiteg コンサルティング
PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

こんにちは!Qualiteg研究部です! 個人情報(PII: Personally Identifiable Information)の自動検出は、テキスト中から特定の表現を抽出し、それがどの種類のPIIに当たるかを判定する問題として捉えることができます。 電話番号、人名、口座番号、金額表現など、検出対象のPIIタイプが増えるにつれて、単一の手法ではカバーしきれなくなり、性質の異なる複数の認識器(Recognizer)を組み合わせるマルチレイヤー構成が採用されるのが一般的です。 本稿で想定しているのは、ユーザーが海外製LLMにチャットを送信する直前に、その内容に個人情報や機密情報が含まれていないかをリアルタイムに検査するユースケースです。 この場面では、検出精度だけでなく、送信体験を損ねない速度が不可欠です。 高精度なLLMやBERT系モデル、NERベースの手法は有力ですが、送信前チェックの第一層として常時適用するには、レイテンシやコストの面で不利になることがあります。 そのため、本システムでは、正規表現、辞書、軽量なルールベース認識器を組み合わせた超高速な第一層を設け、そ

By Qualiteg 研究部, Qualiteg AIセキュリティチーム