[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。


navigation

Read more

日本語対応 LLMランキング2026 ~ベンチマーク分析レポート~(3月6日版)

日本語対応 LLMランキング2026 ~ベンチマーク分析レポート~(3月6日版)

はじめに 本レポートは、Nejumi Leaderboard 4のベンチマークデータ(2026/3/6版)に基づいて、日本語対応LLMの性能を総合的に分析したものです。 前回は 2025/12/18 版の分析レポート を公開しましたが、約3か月でまたもや大きな変動がありました! (定期的に最新LLMランキングを更新してまいります。当社のX(旧Twitter)をフォローいただくことで更新情報を受け取り可能です) Nejumi Leaderboard 4は、日本語タスクにおけるLLMの性能を多角的に評価する信頼性の高いベンチマークとして知られています。 本分析では、商用APIモデルとオープンモデルの両方を対象に、それぞれの特徴や傾向を詳しく見ていきます。 オープンソースモデルについて Weightがオープンなモデルは場合によっては「オープンソースモデル」、「OSSモデル」と呼ばれますが、モデルによっては「オープンソース」と呼ぶには不十分な場合があるため本稿では、「オープンソースモデル」ではなく「オープンモデル」と表現しています。 ベンチマーク分析について 本レポートは

By Qualiteg コンサルティング, Qualiteg プロダクト開発部
日経トレンディ 2026年4月号に Bestllam の広告を掲載しました

日経トレンディ 2026年4月号に Bestllam の広告を掲載しました

こんにちは! このたび、日経トレンディ 2026年4月号(2026年3月4日発売、雑誌)に、当社のエンタープライズ向け統合型AIプラットフォーム「Bestllam」を掲載しました。 日経トレンディ(雑誌)は全国の書店・コンビニエンスストアにてお買い求めいただけますので、お手に取った際はぜひご覧くださいませ。 Bestllam とは? Bestllam は、「チャットで指示するだけ。仕事が終わっている。」をコンセプトに開発した、エンタープライズ向けの統合型AIプラットフォームです。 主な特長 20種類以上のLLMを、契約一本で OpenAI GPT、Anthropic Claude、Google Gemini をはじめ、DeepSeek、Qwen、Llama など商用・オープンソース合わせて20種類以上のLLMを1つの契約で利用できます。各プロバイダと個別に契約を結ぶ手間が不要になります。 6つのLLMに同時質問して、最適な答えを選択 同じ質問を複数のLLMに一括投げかけ、回答を比較・検討できます。各モデルの得意・不得意を活かすことで、重要な意思決定や精度が求められる業

By Qualiteg ビジネス開発本部 | マーケティング部
AIプラットフォーマーの垂直統合と、残された戦略オプション

AIプラットフォーマーの垂直統合と、残された戦略オプション

こんにちは! Qualitegコンサルティングチームです! 2026年現在、LLMの最大のユースケースの一つはコーディングだと考えています。実際、Menlo Venturesの調査でもコーディングはエンタープライズAI活用の代表的ユースケースとして位置づけられています。 そして、それにきづいたAIプラットフォーマー各社は自前のAIコーディングツールを次々と発表し人気を博しています。 逆にいえば、そのユースケースを早期に発見しプロダクト化してきた"コーディングSaaS"の開発企業は「胴元」であるAIプラットフォーマーが自分たちのSaaS領域に進出してきているわけで気が気でないでしょう。 ということで、本日はAIプラットフォーマーによる垂直統合と、私たちの取りうる戦略オプションについて考えてみたいと思います。 さて、2025年は、AIコーディングエージェント市場の勢力図が決定的に書き換えられた年でした。 Anthropicの「Claude Code」は2025年2月のリサーチプレビューから始まり、わずか半年で年換算ランレート(ARR)10億ドルに到達。 2026年初頭のア

By Qualiteg コンサルティング
KVキャッシュのオフロード戦略とGQAの実践的理解

KVキャッシュのオフロード戦略とGQAの実践的理解

こんにちは! LLM推論基盤プロビジョニング講座、今回は番外編をお届けします! 第3回「使用モデルの推論時消費メモリ見積もり」では、GPUメモリ消費の二大要素としてモデルのフットプリントとKVキャッシュを紹介し、1トークンあたりのKVキャッシュサイズの計算方法を解説しました。 また第4回「推論エンジンの選定」ではvLLMやDeepSpeedなど各推論エンジンの特性を比較し、第5回では量子化や並列化による最適化戦略を解説してきました。 しかし、実はKVキャッシュにはまだまだ掘り下げるべきトピックがあります。 * KVキャッシュをGPUのVRAMからCPU RAMやディスクにオフロードしたらどうなるのか? どのくらい遅くなるのか? * HuggingFace TransformersとvLLMでは、KVキャッシュの管理方針がなぜ根本的に異なるのか? * そもそもKVキャッシュが大きくなる原因であるアテンション構造を変えてしまう GQA(Grouped-Query Attention)とは何か? 第5回で紹介した量子化とは別の軸で、KVキャッシュを劇的に小さくする技術です。

By Qualiteg プロダクト開発部, Qualiteg コンサルティング