[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

NCCL error: unhandled cuda error が出たら ─ WSL2 + マルチGPU + vLLM で詰まった話

NCCL error: unhandled cuda error が出たら ─ WSL2 + マルチGPU + vLLM で詰まった話

こんにちは! Qualitegプロダクト開発部です! 今日は、Windows + WSL2 のマシンに RTX 4090 を2枚挿して、大規模なオープンモデルを vLLM で動かそうとしたら、NCCL の初期化で見事に詰まった話を書きます。 世の中に断片的にしか情報がなく、抜けるまでにかなり粘ったので、同じ構成で消耗している方の時間を少しでも節約できれば嬉しいです。 経緯 今回の目的は、次々と登場する最新のオープンモデル(オープンウェイトのLLM)を、手元で評価することでした。 オープンモデルは数週間単位で新しいものが出てきます。ベンチマークの数字だけでなく、自分たちのユースケースに対して実際にどう振る舞うのか——出力の質、速度、量子化したときの劣化具合、エージェント的なタスクの得手不得手——を、手を動かして確かめています 今回の環境は Windows + WSL2(Ubuntu) に RTX 4090 を2枚(各24GB)挿したマシンです。 nvidia-smi 上の CUDA Version は 12.8。 動かすのは大規模オープンモデルを

By Qualiteg プロダクト開発部
Claude Codeで「The model's tool call could not be parsed」が頻発する問題の原因分析と対策

Claude Codeで「The model's tool call could not be parsed」が頻発する問題の原因分析と対策

こんにちは!Qualitegプロダクト開発部です。 Claude Code(CLI)を使った開発中に、次のようなエラーが繰り返し表示されて作業が止まる現象に遭遇しました。 ● The model's tool call could not be parsed (retry also failed). リトライしても直らず、/clear で会話をリセットしても、しばらく作業を続けるとまた同じエラーが出るという状況です。本記事では、実際のセッションログ(jsonl)を解析して特定した原因と、その対策について共有します。 結論から書くと、これは利用者側の設定ミスやコンテキスト枯渇が原因ではなく、 Opus 4.7(1Mコンテキスト)+ extended thinking の組み合わせで発生する、モデル応答側のストリーミングバグ でした。 現象 エラーが発生した環境は以下のとおりです。 * Claude Code 2.1.148 * モデル: Opus 4.

By Qualiteg プロダクト開発部
Mythos(ミュトス)レベルのオープンモデルはいつ出るのか

Mythos(ミュトス)レベルのオープンモデルはいつ出るのか

こんにちは! 本日は、ここ最近のAI業界で一番ざわついている話題、「Claude Mythos(ミュトス)」とその周辺について書きます。 発表から1ヶ月半が経って、ホワイトハウスの反対、日本のメガバンクの動き、AISIの追加評価、Anthropicの方針転換と、状況がかなり動いてきました。ここで一度、「で、結局オープンソースで同じものが使えるようになるのはいつなの?」という素朴な問いに、数字で答えてみます。 2026年4月7日、AnthropicはClaude Mythos Previewを発表しました。 サイバーセキュリティ能力で人類トップ層に到達したとされる、フロンティアモデルです。 Anthropicは"gated research preview"として、Project Glasswingのローンチパートナー(AWS、Apple、Cisco、CrowdStrike、Google、JPMorganChase、Microsoft、NVIDIAなど)に加え、重要ソフトウェアインフラを担う40超の追加組織に限定して提供しており、一般公開はしていません(Anthropic公式)

By Qualiteg 研究部, 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3回】AI導入を止めないために、実務で先に設計すべきこと

AIエージェントを"事業に載せる"ために【第3回】AI導入を止めないために、実務で先に設計すべきこと

— 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。 今回の「AI導入を“事業に載せる”ために、いま設計すべきこと」シリーズも、いよいよ第3回です。 第1回では、実際のAI導入事故を通じて、AIエージェントのリスクが単なる技術不良ではなく、権限や運用設計の不在から生まれることを見てきました。第2回では、事故が起きたときに責任をどこに置くのか、法務・契約・組織の観点から責任分解の難しさを整理しました。 では、AI導入を止めずに前に進めるためには、実務として何を先に設計しておくべきなのでしょうか。 本記事では、品質保証の転換、人間レビューの限界、海外で進む保険市場の変化も踏まえながら、AIエージェント導入前に設計すべき5つの領域と、経営として先に答えるべき3つの問いを整理します。 1. 品質保証の転換:「AIは自信を持って間違える」を前提にする 従来のソフトウェアの品質保証は、少なくとも同じ入力に対して同じ結果を期待しやすく、仕様・テスト・再現性を軸に品質を確認する考え方に立っていました。 ISACA

By Qualiteg コンサルティング