[AI新規事業創出]Qualitegが考える、アイディア創出の5つのステップとは

アイディア創出についての悩みを持つ多くのクライアントへ、アイディア創出のための5つのステップを解説します。初めに、アイディアを創出する目的を明確に設定し、それに基づいてアイディアを創造、深堀、サービス設計、ビジネスモデル設計、そして評価の順に進めます。このプロセスは、単にアイディアを出すだけでなく、実際に事業として成立するかを検証し、事業責任者との事前合意に基づく目的に沿ったアイディアを選定することを目指します。

[AI新規事業創出]Qualitegが考える、アイディア創出の5つのステップとは

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。


改めてアイディア創出と言われても何から手を付けたらいいかわからないんだけど

そのようなお悩みをお抱えのクライアントが非常に多くご相談をいただきます。本日はアイディア創出ブレスト以外の手法も含めて、アイディア創出の5つのステップについて解説させていただきます。

自分は良い思い付きがある!アイディアマンだとおっしゃる方も多いのですが、アイディアを早急に出したいという気持ちをここでは少し抑えていただき、まず初めに

何のためにアイディアを創出するのか

という明確な目的を設定してください。

もちろん、新規事業を創出するためにアイディアを創出するんだよ

という声が聞こえてきそうですが、「事前に事業責任者と合意した、新規事業立ち上げの目的」に立ち戻りましょう。

本ブログで毎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」

ですので、ここから離れないように、あくまでも、新規事業を創出するゴールはここであるということを念頭に置いてください。

真のイノベーションには、それを担う人材の力が不可欠です。株式会社Qualitegの Innovation-Crossは、共創による価値創出とともに、企業内のイノベーション人材育成も支援するプログラム。アイデアワークショップやハッカソン企画を通じて社員の創造性と協働力を引き出し、オープンイノベーションやパートナー開拓の実践を通じて外部連携のスキルを養成します。

企業の現状分析をもとに、「自社だけでは難しい」革新創出の戦略を策定し、その実行プロセスを通じて人材の成長も促進。経験豊富な専門コンサルタントが、革新的な価値創造と人材育成の好循環を設計し、企業の持続的なイノベーション力を構築します。共創で創るのは、価値と人の未来です。

Qualitegが提唱するアイディア創出のための5つのステップとは

アイディアは出して終わりではありません。多くの方は、たくさんアイディアを出した後に
部長の鶴の一声などで決定されてしまう方が多く見受けられます。

その方式でもうまく進む場合もあるのですが、年度が替わり上司が変わって意見も変わる、、などでせっかく進めていた新規事業のテーマについて時間がたって差し戻しになってしまうケースが多いというのが、残念ながら私がコンサルティングをさせていただいてよく見る光景であります。

そのような壁に当たらないようにするために、Qualitegでは、以下の5ステップでアイディア創出すべきとお話しさせていただいております。

  1. アイディア創造(発散)
  2. アイディア深堀(収束)
  3. サービス設計
  4. ビジネスモデル設計
  5. アイディア評価(収束)
assorted-color pencil

まず初めに行うことは、皆さまお待ちかねの 「アイディア創造」 です。

このフェーズでは、とにかくたくさんアイディアを作ることが必要です。ブレインストーミングをされる方が非常に多く他の手法をご存じない方も多いのですが、詳細については次のコラムでご説明します。

手法はともかくこのフェーズでは ==「自由に多くのアイディアを出す」==ことに集中してください。企画だけではなく、デザイナー、エンジニアなど部署を超えて多くの方に参加していただき、Diversityを持たせた方がより幅広いアイディアが創出されます。

また、昨今では生成AIを活用してアイディアを創出するケースも多いですが、私たちもこの手法を推奨しています。

アイディアがたくさん出たら次は 「アイディアの深堀」 です。アイディアを出した段階では単なるキーワードベースのものが多く、サービス内容の具体的なイメージがわかないので、具体性を増すように深堀をすることを推奨しています。

アイディアの深堀が終われば、次は 「サービス設計」 です。ここで先ほど出たアイディアをどのようなサービスにすべきか考えます。技術的実現可能性や、サービス開発にあたって出てきた課題を検討したり、ユーザーのニーズがあるかなども含めて、簡単なユースケースが語れる程度にサービス案をまとめます。

サービスイメージがまとまりましたら、「ビジネスモデル設計」 をしましょう。せっかくニーズがありそう!と思ったアイディアもマネタイズができなければ、事業化できません。
顧客に対する本質的な価値は何か、その価値をどのように自社が提供するのか、収益源、コスト構造に加えて、サービス開発や市場導入のためのパートナー企業の必要性などもこのフェーズでは考えます。

最後に行うべきは 「アイディア評価」 です。どのアイディアを採用すべきか、事業責任者の方の顔色をうかがって決めるという方もいらっしゃるのですが、これから世に出していくサービスの潜在的な成功を事前に定義し評価するために、評価基準を用いて優劣を判断して、アイディアを決定します。

きちんと、評価基準が明確で、合理的に判断されていれば、あとで「ちゃぶ台返し」に合う確率もかなり減らせることでしょう。


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

個人情報検出の精度を、どう正しく語るか ― Recall、信頼区間、代表性から考える評価設計

個人情報検出の精度を、どう正しく語るか ― Recall、信頼区間、代表性から考える評価設計

こんにちは。Qualiteg研究部です。 私たちは、個人情報(PII)や機密情報、要配慮個人情報を含むセンシティブな情報を検出・マスキングする技術(https://pii-fi.com)の開発に取り組んでいます。 その中で日々向き合っているのが、 「精度の数字を、どうすれば正直に、正しく語れるのか」 という問題です。 たとえば、検出器の Recall(再現率)が 0.95 だったとします。 これは高い数字に見えます。しかし、その数字はどの種類の文書で測ったものなのか。正解データはどう作ったのか。サンプル数は十分なのか。別の業務文書にも同じ数字を当てはめてよいのか。 精度の数字は、単独ではほとんど意味を持ちません。 「何を、どの条件で、どう数えたか」とセットになって、はじめて実務で使える数字になります。 本記事では、私たちが PII 検出の精度評価に取り組む中で得た、精度を誠実に語るための考え方を紹介します。アルゴリズムの中身ではなく、評価のしかたに焦点を当てます。 1. はじめに:「Recall 0.95

By Qualiteg 研究部
一文の依頼で、調査から資料作成まで。AIエージェント「Bestllam」のデモ動画を公開しました

一文の依頼で、調査から資料作成まで。AIエージェント「Bestllam」のデモ動画を公開しました

こんにちは! 本日は当社の統合AIプラットフォーム "Bestllam®" の AIエージェント機能のデモをご紹介いたします! 「指示は出せても、AIが本当に仕事を仕上げてくれるのか」 生成AIを業務に取り入れる企業が増えています。 しかし現場からは、こんな本音も聞こえてきます。 「使い方を覚えるより、自分でやったほうが早い」 「指示を細かく出し直しているうちに、結局時間がかかる」 「便利なのは分かるが、機密情報を入力していいのか不安」 AIを"個人の便利ツール"の域から、"部門の成果"へと引き上げる。 これが当社の法人向け統合AIプラットフォーム Bestllam(ベストラム) が掲げるテーマです。 今回、そのAIエージェント機能を実際の操作画面とともに紹介する動画を公開しました。 たった一文の依頼が、7枚のレポートになるまで 動画のデモはシンプルです。エージェントに、こう入力します。 「先月の売上を年代別に分析し、資料にまとめてください」 これだけです。すると、エージェントはまず自分でTODOリストを組み立て、何をどの順番で進めるかという段取りを示します

By Qualiteg ビジネス開発本部 | マーケティング部
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