[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の評価方法とは

多くの企業が顧客の課題を担当者の直観に頼り、誤解を招くことが多いです。課題選定には市場やユーザーのニーズを深く理解し、新規事業の目的と合致することが重要です。Qualitegの提案では、事業責任者との初期合意に基づき、目的に適した課題を選ぶべきと考えています。

[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の評価方法とは

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。


顧客の課題がいくつか見つかったときに、どの課題に対して、自社のサービスを検討すべきか悩まれる方が非常に多くいらっしゃいます。

顧客の課題は担当者が決めるべきなのか?

多くのクライアントに「顧客課題はどのように決定されましたか?」とお伺いすると、約8割の方は「担当者の直観で決めた」とお答えくださる方が多いです。

その「担当者の直観」が当たるといいのですが、ほとんどのクライアントが事業責任者向け説明会で

「それって君がその課題がいいって思っただけでしょ」

と突っ込まれて、やり直しになってしまわれた、どうやって進めたらいいのだろうか、とご相談を受けるケースが非常に多いです。

きちんと市場調査、ユーザー調査をなさった企画担当者の方であればあるほど、ご自身が一番市場やユーザーの方を理解してると思っていらっしゃる方が多いのです。もちろんそれはある意味正しいのかもしれません。

でも、今一度落ち着いて考えていただきたいことは

その課題は自社のターゲットユーザーがお金を払ってまで解決したいと思う強いニーズはあるのか

という点なのです。

Qualitegが提唱する「顧客課題の決定方法」

では、どのように「顧客課題」を選定するべきでしょうか。

持続的なイノベーションには、それを育む組織文化と外部連携の仕組みが必要です。株式会社Qualitegの Innovation-Crossは、企業内のイノベーション文化醸成と外部との共創体制構築を支援するプログラム。

現状分析をもとに、社内の創造性を刺激するアイデアワークショップや、外部との協業を促進するハッカソン企画など、多様なアプローチで「自社だけでは構築困難」な革新の土壌を作ります。最先端AI技術の活用支援も含め、イノベーションを継続的に生み出す組織の在り方と、外部リソースを効果的に取り込む連携の仕組みを設計。経験豊富な専門コンサルタントが、御社の革新力を根本から強化する文化と体制の構築を導きます。

私たちはまず初めに、「事前に事業責任者と合意した、新規事業立ち上げの目的」に立ち戻り、その際の選定クライテリアを抽出することをお勧めします。

詳細については

[AI新規事業創出]Qualitegが考える、企画後にもめないための新規事業承認判断軸の検討方法とは

の記事も合わせてご確認いただければ幸いです。

今回例に挙げている、電動自転車スタートアップを例とした場合、今回の新規事業開発の目的は

「新UX創出」として、「自社のターゲットユーザーである都市部で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市場導入することをゴールとする」
たとえば、方向性としては、オフィスや自宅などでもできる健康維持ができるサービスや、仕事の疲れが取れる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のサポートができるサービスなどを考えたいと思っています。

であることに決定しました。

それをすっかり忘れて、目についたり、自分が簡単に課題解決できそうな課題に飛びついてしまうのはNGです。

ここでミスしやすいのが

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

というファクトが顧客の課題である、というところまではよいのですが、それを解決するために

「各自転車の残量がわかるサービスを企画する」

というようなケースです。

この課題に対しての解決策であるという意味では間違えていないのですが、根本に戻ると、今回の新規事業に期待されている 「新UX創出」 やそれらをブレイクダウンした、
「自社のターゲットユーザーである都市部で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市場導入する」 から離れてしまっていますよね?

time lapse photo of person riding on white road bicycle

事業開発目的に沿った課題の抽出を

企画担当者ご自身に期待されているのは「新UX創出」です。

そして、ご自身が以前事業責任者に約束したのは「自社のターゲットユーザーである都市部で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市場導入する」ですから、課題もそれらに沿った形で抽出することが必要です。

たとえば、

「電気自転車と徒歩や公共交通機関を組み合わせて、時間通りに目的地に着くにはどうするべきか」

ですとか、

「電気自転車の電源が切れてもステーションの位置がわかり、短時間でもきちんと運動した結果もわかってダイエットになると認識してもらうためにはどうするべきか」

このような形で顧客の課題を評価してみるとよいでしょう。


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。


<前の記事   次の記事>

Read more

発話音声からリアルなリップシンクを生成する技術 第2回:AIを使ったドリフト補正

発話音声からリアルなリップシンクを生成する技術 第2回:AIを使ったドリフト補正

こんにちは! 前回の記事では、当社のMotionVoxで使用している「リップシンク」技術について、wav2vecを用いた音声特徴量抽出の仕組みを解説しました。音声から正確な口の動きを予測するための基礎技術について理解いただけたかと思います。 今回は、その続編として、リップシンク制作における重要な技術的課題である「累積ドリフト」に焦点を当てます。wav2vecで高精度な音素認識ができても、実際の動画制作では複数の音声セグメントを時系列に配置する際、わずかなタイミング誤差が蓄積して最終的に大きなずれとなる現象が発生します。 本記事では、この累積ドリフトのメカニズムと、機械学習を活用した最新の補正技術について、実際の測定データを交えながら詳しく解説していきます。前回のwav2vecによる特徴抽出と今回のドリフト補正技術を組み合わせることで、MotionVoxがどのように高品質なリップシンクを実現しているのか、その全体像が見えてくるはずです。 累積ドリフトとは何か 基本概念 累積ドリフトとは、個々の音声セグメントが持つ微小なタイミング誤差が、時間の経過とともに蓄積していく現象で

By Qualiteg 研究部
AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

こんにちは!今日は先日ガートナーが発表したガーディアンエージェントについて解説します ガートナーの公式定義 ハイプカーブで有名なガートナーは2025年6月に、ガーディアンエージェントに関する見解を発表しました。ガーディアン・エージェントとは、AIとの安全で信頼できるやりとりを支援するために設計されたAIベースのテクノロジです。 ざっくりいうと、 「AIエージェントが来るよ」と予言したガートナー社は、次は、「ガーディアンエージェントが来るよ」と予言しました。なぜガーディアンエージェントが来るのでしょうか?本稿では、そのあたりを考察していきたいと思います。 なぜ今、AIの「監視役」が必要なのか 2025年、私たちは本格的なAIエージェント時代の入り口に立っています。AIが単なるツールから、自律的に判断し行動する「エージェント」へと進化する中で、新たな課題が浮上しています。 従来のAIとエージェント型AIの違い さて、ガーディアンエージェントが必要になる理由として、生成AI(以後AIと呼びます)の急速な進化があげられます。従来のAIとエージェント型AIの違いを思い出

By Qualiteg コンサルティング
LLM推論基盤プロビジョニング講座 第4回 推論エンジンの選定

LLM推論基盤プロビジョニング講座 第4回 推論エンジンの選定

こんにちは!前回までの講座では、LLMサービス構築に必要なリクエスト数の見積もりや、使用モデルの推論時消費メモリ計算について詳しく解説してきました。今回は7ステッププロセスの4番目、「推論エンジンの選定」について詳しく掘り下げていきます。 推論エンジンとは何か 推論エンジンとは、GPU上でLLMモデルの推論計算(テキスト生成)を効率的に行うために設計された専用のソフトウェアプログラムです。一般的なディープラーニングフレームワーク(PyTorch、TensorFlowなど)でも推論は可能ですが、実運用環境では専用の推論エンジンを使用することで、大幅なパフォーマンス向上とリソース効率化が期待できます。 推論エンジンは単なる実行環境ではなく、様々な最適化技術を実装しています。特定のモデルアーキテクチャに特化した最適化機能を実装したものや、推論速度の高速化に特化したもの、前回解説したKVキャッシュのメモリ効率化機能を備えたものなど、それぞれ特徴が異なります。そのため、自社で採用したLLMモデルや運用環境、要件に合致した推論エンジンを選定することが重要です。 推論エンジン選定のアプロ

By Qualiteg コンサルティング
発話音声からリアルなリップシンクを生成する技術 第1回:音素とwav2vec

発話音声からリアルなリップシンクを生成する技術 第1回:音素とwav2vec

こんにちは! 今日は当社のMotionVox でも実際に使っている「リップシンク」技術について総合的に解説してみたいとおもいます。 音声に合わせて自然な口の動きを生成するリップシンク技術は、AIアバターや3Dアニメーション制作においても重要な技術です。 本記事では、最新のディープラーニング技術を活用したリップシンク学習の基礎から実装まで、技術的な観点から詳しく解説します。 1. リップシンク学習の基礎概念 1.1 問題設定 リップシンク学習とは、音声データから対応する口の動きを予測する回帰問題ととらえることができます f: 音声特徴量(t) → 口の動きパラメータ(t) この問題のコアは 音韻(音の特徴)と視素(視覚的な口の形)の対応関係を学習する ことにあります。 1.2 音韻-視素マッピングの複雑性 ただし! 人間の発話における音と口の形の関係は、単純な1対1マッピングではないんです。 同じ音でも文脈で変化 「あ」の発音でも: - 「か」の後の「あ」→ 口がやや狭めから開く - 「ん」の後の「あ」→ 口が閉じた状態から大きく開く 調音結合

By Qualiteg 研究部, Qualiteg コンサルティング