[AI新規事業創出] Qualitegが考える、アイディア創造でやるべきこと、やってはいけないこと

私たちQualitegは、AI技術を活用したサービス開発を通じて、アイディア創造が新たな価値を生み出す基礎であると考えています。アイディア創造では、多様な視点を受け入れ、オープンマインドを持ち続けることが重要です。また、生成AIを活用しながら、異なる背景を持つチームメンバーからの積極的な参加を促します。早期のプロトタイピングと検証も推奨し、アイディアに固執せず、広い選択肢から最適なものを選び出す柔軟性を持つことが、成功への鍵です。

[AI新規事業創出] Qualitegが考える、アイディア創造でやるべきこと、やってはいけないこと

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。


AI技術を活用したサービス開発を常に行っている、私たちQualitegは、アイディア創造は新たな価値を生み出す基礎であると考えています。今日は、アイディア創造の過程で実践すべきことと避けるべきことについて、具体的なアドバイスを共有させていただきたいと思います。

アイディア創造でやるべきこと

1. 多様な視点を受け入れる
アイディア創造は、多様な意見と多くの視点からの集めることが重要です。年齢、性別、バックグラウンドや職種など 異なる背景を持つチームメンバーに積極的に参加してもらうことで、新しい視点と斬新なアイディアが生まれます。

アイディア出しの段階ではその人が持っている知識量などは気にせず、アイディア出しの前に全員にリサーチ情報などを提供して高品質のインプットを行った後で、全員でアイディア創出をしましょう。

2. オープンマインドでアイディアを創造し続ける
アイディアブレストをする場合

「それはA社が既にやってるよね」

「そのアイディアは昔、僕も考えたけどやめたんだ」

などと、知識をひけらかしたい人ほど、批判的なコメントをする傾向が強く 、そのため、知識量が少ない人は委縮して発言をしなくなってしまいます。

初期段階での批判は創造的プロセスを妨げてしまい、チームの利益を損なってしまうことが多いので、チーム全員の創造性をステップアップさせるためにも、批判的な意見は出さないようにしましょう。

3.生成AIを活用する
各個人が保有している知識以上のものを持っている 生成AI を活用しましょう。
アイディア創造においては、生成AIの活用も極めて効果的です。

生成AIを活用することで、従来の枠を超えたアイディアや新しい視点が得られます。 AIは大量のデータから独自の提案を生成し、思いもよらない組み合わせや解決策を提示することが可能ですから、生成AIが出してきたアイディアをそのまま利用してもいいですが、そこに人間の知恵をエッセンスとして加えて、多様かつ斬新なアイディア創出を実行しましょう。

4. 早くプロトタイピングを行い検証する
ここは業種にもより、メーカーなどのコンサルティングをさせていただいている場合、皆さまアイディアが出た瞬間に簡易版のプロトを開発されるケースが多く、プロトを自分たちで見て、そのアイディアの良さを実感して次のステップに進まれる方が多いです。

(過去にはアイディアブレストにプロトをもってきてアイディアを発表される凄腕エンジニアの方もいらっしゃいました!)

メーカーでなくても、SaaSなどを検討される場合は、UIデザインのモックアップなどを作ったり、カスタマージャーニーを設計することで、ユーザーの利用イメージを可視化して、チームで認識合わせをして、確信を持てた状態で次のステップに進む ことをお勧めします。

このタイミングで企画担当だけで行うのもNGです。本当に作れるかわからないけど、妄想であったらいいなと思ったものをそのまま進めてしまっても、実際作れなくて企画がDropになってしまうケースが多いようです。

技術的実現可能性や、市場導入の実現可能性を早期段階で本質的に見極めておく必要がある ので、可能であればユーザビリティだけではなく、自社でできそうか、他社に依頼したらできそうかなどの感触を確認できる程度のフィジビリティスタディーもこの段階でできるとよいですね。

man walking beside graffiti wall

変化の激しい現代ビジネス環境において、持続的な成長には継続的なイノベーションが不可欠です。株式会社Qualitegの Innovation-Crossは、企業の長期的成長を見据えた共創支援プログラム。現状分析に基づく精緻な戦略策定から、外部との協業による革新創出の実行支援まで、包括的なサポートを提供します。

アイデアワークショップ、ハッカソン企画、AI技術活用など、多様なアプローチで「自社だけでは難しい」イノベーションを実現し、企業の競争優位性と持続可能な成長基盤を構築。経験豊富な専門コンサルタントが伴走し、短期的な成果と長期的な成長を両立する革新的な価値創造を実現します。今日の成功と明日の成長を、共創の力で。

アイディア創造でやってはいけないこと

1. 一つのアイディアに固執しない
アイディア創造のプロセスにおいて、柔軟性を保つことは非常に重要です。 創造的な思考では、多くの可能性を探求し、様々な角度からアイディアを評価することが求められます。

よくお話を聞くのが、

「上司が出したアイディアを忖度してそれの派生案だけで考えてしまう」

というケースです。会社生活において、上司にいい顔したいという気持ちもわからなくもないですが、よくないものにお世辞で「いいね」と言っても、後で売れないサービスを作ってしまって困るのは、その上司ですから、良いと思わないなら、代替案を出すべきでしょう。

特定のアイディアに固執しすぎると、他の有望な選択肢や、もっと効果的な解決策を見落としてしまうリスクがあります。時間もその特定のアイディアだけに使ってしまってはもったいないですよね。

あくまでも幅広い選択肢の中から、後で最適なものを選び出すことがKey なので、この段階では一つのアイディアに固執せずに、幅広く多くのアイディアを出すようにしましょう。

2.その場ですぐにアイディアを判断しない
アイディアをその場ですぐに良し悪しを判断するのは避けましょう。初期のアイディアはキーワードベースでユースケースなど特定できていないのに、その場で、

「それはどういうこと?おかしいよね」

「それって既にB社がやってるじゃん」

などと言って、アイディアを判断したがる人が非常に多いです。

メルカリはスタートアップから誕生しましたが、もしも大企業だったら

「それって、ヤフオクと一緒じゃん」

って言われてしまって、この世に生まれなかったかもしれません。

将来何億円と売り上げを上げるであろうサービスを数秒で考えられるというケースもなかなかないでしょうから、アイディアは後でしっかり練り上げ、時間をかけてアップデートし、磨きこむ必要がある のです。

また、キーワードベースで判断してしまい、例えば
そのサービスの類似サービスを他社がやっていたとしても、それは市場性がある
ということですし、

ユーザー体験の良し悪しでサービス内容は異なるように見えるというのが、私たちQualitegの考えです。

最初に思いついた単純なアイディアが議論し続けることで革新的な解決案となるサービスになることも非常に多いです。そのため、このフェーズでアイディアをすぐに判断することはお勧めできません。


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

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

こんにちは!前回はLLMサービスへのリクエスト数見積もりについて解説しました。今回は7ステッププロセスの3番目、「使用モデルの推論時消費メモリ見積もり」について詳しく掘り下げていきます。 GPUメモリがリクエスト処理能力を決定する LLMサービス構築において、GPUが同時に処理できるリクエスト数はGPUメモリの消費量によって制約されます。 つまり、利用可能なGPUメモリがどれだけあるかによって、同時に何件のリクエストを処理できるかがほぼ決まります。 では、その具体例として、Llama3 8B(80億パラメータ)モデルをNVIDIA RTX A5000(24GB)にロードするケースを考えてみましょう。 このGPUには24GBのGPUメモリがありますが、すべてをリクエスト処理に使えるわけではありません。最初にモデル自体が一定量のメモリを消費し、残りの領域で実際のリクエスト処理を行います。 GPUメモリ消費の二大要素 GPUの消費メモリ量は主に以下の2つの要素によって決まります 1. モデルのフットプリント LLMをGPUに読み込んだときに最初に消費されるメモリ

By Qualiteg コンサルティング
システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

こんにちは! 先日、dlibをつかったPythonアプリケーション(conda環境で動作する)作っていたところ、以下のようなエラーに遭遇しました。 ImportError: /home/mlu/anaconda3/envs/example_env/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found (required by /home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so) 「dlib_pybind11モジュールがGLIBCXX_3.4.32を要求してるけど、みつからない!」という感じのエラーですね。

By Qualiteg プロダクト開発部
LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

こんにちは! 今回はLLM推論基盤プロビジョニング講座 第2回です! STEP2 LLMサービスへのリクエスト数見積もり それでは、早速、LLM推論基盤プロビジョニングの第2ステップである「リクエスト数見積もり」の重要性と方法を解説いたします。 LLMサービスを構築する際に必要となるGPUノード数を適切に見積もるためには、まずサービスに対して想定されるリクエスト数を正確に予測する必要があります。 リクエスト数見積もりの基本的な考え方 LLMサービスへの想定リクエスト数から必要なGPUノード数を算出するプロセスは、サービス設計において非常に重要です。過小評価すればサービス品質が低下し、過大評価すれば無駄なコストが発生します。このバランスを適切に取るための基礎となるのがリクエスト数の見積もりです。 想定リクエスト数の諸元 リクエスト数を見積もるための5つの重要な要素(諸元)をみてみましょう。 1. DAU(Daily Active Users): 1日あたりの実際にサービスを利用するユーザー数です。これはサービスの規模を示す最も基本的な指標となります。 2. 1日

By Qualiteg コンサルティング
Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

こんにちは! 本日は、自動フレーミング映像の安定化に関するアルゴリズム・ノウハウを解説いたします 第1章 問題の背景と目的 バストアップ映像を撮影する際、特にオンラインミーティングやYouTubeなどのトーク映像では、人物がうなずく、首を振るなどの自然な動作をした際に「首まわりや肩がフレーム内で上下に移動してしまう」という現象がしばしば起こります。これは、多くの場合カメラや撮影ソフトウェアが人物の「目や顔を画面中央に保とう」とする自動フレーミング機能の働きに起因します。 撮影対象の人物が頭を下げた際に、映像のフレーム全体が相対的に上方向へシフトし、その結果、本来動いていないはずの肩の部分が映像内で持ち上がっているように見えてしまう現象です。 本稿では、この問題を撮影後の後処理(ポストプロセッシング)のみを用いて、高速、高い精度かつロバストに解決する手法をご紹介します。 前半では、従来のCV(コンピュータービジョン)の手法を使い高速に処理する方法をご紹介します。後半では、AIを使用してより安定性の高い性能を実現する方法について考察します。 第2章 古典手法による肩の上下

By Qualiteg 研究部