[AI新規事業創出]Qualitegが考える、新規事業開発におけるゴール設定方法とは

新規事業開発のゴール設定には5つのステップがあります。1) MVV分析で企業の使命とビジョンを明確化、2) 新規事業承認の基準を考慮、3) 競合調査、4) 定量的ゴールの設定、5) 新規事業方向性シートの作成。これらのステップにより、明確なゴール設定と効果的な事業開発が可能となります。

[AI新規事業創出]Qualitegが考える、新規事業開発におけるゴール設定方法とは

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。


新規事業開発のためのゴール設定のための5つの検討ステップ

新規事業開発のためのゴール設定には5つのステップで検討していくのがよいでしょう。このフェーズでは、ゴールや計画等、新規事業推進の土台となるものを定義していきます。

このフェーズは、デスクトップリサーチや可能であれば、定性インタビュー等の調査を実施し、いくつかの課題やターゲット仮説を形作り、ゴールを設定していくフェーズになります。

Step1:MVV分析

Qualitegが一番最初にお勧めするのは、MVV分析から入る方法です。

MVVとは、ミッション、ビジョン、バリューのことで、各社で設定している、使命、理念、行動指針のことです。まず、ミッションはその組織が存在する意義や目的について書かれています。

すなわち、企業で新規事業を創出することは、その企業の目的に沿っている必要があるため、自社は何のために存在しているのか、何を目標として事業展開していくのか、企業の価値観や価値基準を明確化してそれにミートした新規事業を考えていく必要があります。

よく思い付きのアイディアで新規事業を企画したが、役員に「なぜうちでやる必要があるのか」と聞かれて答えられなくて断念したというお話をよくクライアント企業様からお伺いしますが、理由はこれです。その新規事業は自社でやる意義があるのか、それにこたえる必要があるので、最初に自社のMVVを把握しましょう。

真のイノベーションは、短期的な成果と長期的な持続可能性を両立させるものです。株式会社Qualitegの Innovation-Crossは、この難しいバランスを実現する共創支援プログラム。企業の現状分析をもとに、即効性のある施策と長期的な革新基盤構築を組み合わせた戦略を策定します。

アイデアワークショップやハッカソン企画を通じて短期的な成果を生み出しながら、オープンイノベーションやパートナー開拓で「自社だけでは構築困難」な長期的なイノベーション・エコシステムを確立。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、目の前の成果と未来への持続性を両立する革新創出の仕組みを設計します。今日の成功と明日の可能性を、共創の力で同時に実現します。

Step2:新規事業承認判断軸検討

なぜ新規事業を今企画しているでしょうか。クライアント企業のお客様にお伺いしたときに、実は答えに詰まってしまう方も多いです。一番正直にお答えいただく回答が「役員に、新規事業を企画しろっていわれたので」とおっしゃる方が多いのですが、「ではそれは、なぜですか?」とお伺いするとそこで止まってしまう方が多いのが現状です。

新規事業を企画してと上の方に言われて、「はい」と答えるのはもちろん必要ですが、それは何のためか、例えば自社の売上拡大のためか、新しい事業の柱を作るためなのか、競合が事業を始めたから自社も即座に市場展開したいからなのか、SDGs観点で社会貢献を伝えたいからなのか、採用強化のために学生にわかりやすいメッセージを出したいからなのか、など理由は様々あると思います。

新規事業を企画して役員に承認を頂くためには、まずこの新規事業を何のために行い、何ができればOKなのか(=新規アイディアの事業化承認となるのか)を明確にしましょう。

brown wooden smoking pipe on white surface

Step3:競合サービス概要調査

自社の新規事業の方向性が決まったら次は競合調査を行いましょう。正直申し上げて、新規事業を検討するのになぜ他社を確認する必要があるのかと質問してくださるクライアントも多いです。

私は「イノベーションは模倣から」という言葉を大切にしています。まったくの新規アイディアはブルーオーシャンだ!と言われる方も多いのですが、そこには市場性がないからその事業をやっていないだけというケースも多々あります。

新規事業と言っても、近接ユースケースは存在します。何かの欲求・何かの支払いしていたものに変わって自社のサービスを選んで買っていただくわけですから、その「何か」を明らかにする必要があるのです。

また、直接的な代替ユースケースではなくても、ビジネスモデルとしてお金の流れの参考になる事例や、技術の応用化として参考になる事例も多いと思いますので、拙速にアイディア出しをするのではなく、腰を据えて、できれば2週間はかけてみっちり調査をしていただくことをお勧めいたします。

Step4 : 定量的ゴール定義

ここでは、Step1から3で決めた方向性について、どのようなインパクトをどの程度、自社や世の中や社会に与えたいかを数値目標を決めましょう。

例えば、採用強化が目的であれば、採用面接でこの事業を担当したいと希望した学生がXX人応募してきた、というのを定量的ゴール設定にしてもよいですし、自社の販路拡大が目的であれば、自社サービスを取り扱うパートナー企業のサービス展開プレスリリース発信件数XX件を目標にするというのでもよいです。

group of people using laptop computer

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。

よく「事前に目標を数値で設定するのは達成しないと困るから決めたくない」とおっしゃる方がクライアントの中でも中間管理職の方に多いです。(一方、担当者の方はアグレッシブな目標設定をしてくださる方も多いです(^^))

Qualitegではこのタイミングで強く、数値目標を設定することをアドバイスさせていただいております。その理由は(もちろんクライアント企業の社風にもよるのですが)新規事業は成功すると「俺がやった」と言い出す方が沸き出てくる企業も多いのが正直なところで、残念ながら成果を横取りされてしまわれる方を多く見てきた、というのもあります。

そのため、最初からご自身が企画され、そして成功した(=事前に設定した数値目標を達成した)と証明す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。

Step5 : 新規事業方向性シートまとめ

Step5まで来ましたら、ゴール設定のゴールはもうすぐです♪

man jump about to hold ball near net

今まで調査された内容、自社で事業化を承認するにはこのようなクライテリアで判断するなどをドキュメントとしてまとめましょう。

なぜここでドキュメント化する必要があるのかというと、このドキュメントをもって役員に「このアプローチで新規事業を検討するがよいでしょうか」と承認を取る必要があるためです。

ここでアプローチに関して承認をとっておけば、あとで「思っていたのと違う、そうじゃないんだよね」などと企画案について”ふんわりしたダメ出し”をされることはなくなります(笑)。

また、持ち込んだ企画案がたとえNGだったとしてもここで設定したクライテリアをもとに判断した結果XXXの部分が意向と異なる、など、的確に判断され、理由が明らかになるため、今後に向けた改善点がクリアになるというメリットがあります。しっかりこのタイミングで役員と合意形成をいたしましょう。

Step1~Step5のそれぞれの詳細については別のブログで紹介させていただきますが、ゴール設定の流れとしてはこのような形になります。いかがでしたでしょうか。


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

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第6回 よくある問題と解決方法

大企業のAIセキュリティを支える基盤技術 - 今こそ理解するActive Directory 第6回 よくある問題と解決方法

こんにちは、今回はシリーズ第6回トラブルシューティング - よくある問題と解決方法 について解説いたします! さて、前回(第5回)は、統合Windows認証がブラウザでどのように動作するかを解説しました。 「イントラネットゾーン」という概念を理解することで、同じサーバーでもURLの書き方(NetBIOS名、FQDN、IPアドレス)によって認証動作が変わる理由が明確になったかと思います。また、Chrome/Firefoxではデフォルトで統合認証が無効になっている理由と、グループポリシーによる一括設定方法も学びました。 しかし、設定が完璧なはずなのに「なぜかうまく動かない」という場面は、実際の現場では必ず訪れます。 「最近、ファイルサーバーへのアクセスが遅い」「金曜日は使えたのに、月曜日の朝にログインできない」「特定のサービスだけKerberosが失敗する」——これらはヘルプデスクに日々寄せられる典型的な問い合わせです。 原因はKerberosの失敗、時刻のずれ、SPNの設定ミス、DNS関連の問題など多岐にわたりますが、体系的にトラブルシューティングすることで必ず解決できます。

By Qualiteg コンサルティング, Qualiteg AIセキュリティチーム
AIエージェントを"事業に載せる"ために【第2回】AIエージェントの責任分解はなぜ難しいのか

AIエージェントを"事業に載せる"ために【第2回】AIエージェントの責任分解はなぜ難しいのか

— 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! 前回(第1回)では、Replit/Lemkin事件とDeloitte豪州政府報告書問題を通じて、AIエージェント導入の課題がモデル性能ではなく「権限・監査・責任の設計不在」にあることを見ました。 では、実際に事故が起きたとき、責任は誰が負うのでしょうか。第2回となる本記事では、法務・契約・組織の3つの観点から、AIエージェントの責任分解がなぜ難しいのかを構造的に整理します。 結論を先に言えば、法務だけでも契約だけでも組織論だけでも足りません。この3つを接続して設計しなければ、AIエージェントの責任分解は実務上機能しません。 1. 法的フレームワーク:複数の法理論が並走している AIエージェントが損害を出したとき、どの法理論で責任が問われるかについて、現時点でグローバルなコンセンサスは形成されていません。 Clifford Chanceの論考は、この状況の根本的な難しさを整理しています。法律は歴史的に、有害な行為がいつどのように発生したかを特定でき

By 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1回】

AIエージェントを"事業に載せる"ために【第1回】

AI導入事故は何を示しているのか — 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! AIエージェントを導入する企業が増える一方で、 「試してみる」段階から「事業に載せる」段階へ進める難しさ が、はっきり見え始めています。 本シリーズでは、AIエージェント導入を技術論だけでなく、責任分解・監査可能性・契約・運用統制を含む業務設計の問題として整理します。 全3回を通じて、「AIが賢いかどうか」ではなく、「AIを業務に載せるために何を設計するか」を考えていきます。 第1回となる本記事では、2025年に起きた2つの事例を出発点に、なぜいま「責任設計」が問題になっているのかを見ていきます。 上図は、本シリーズ全体で扱う論点の全体像です。 AIエージェントの導入は、技術的なモデル選定だけでは完結せず、権限設計、契約、監査、品質監視、保険、異常時対応まで含めた設計が必要になります。 第1回ではまず、なぜこうした設計が求められるようになったのかを、実際の事例から見ていきたいとおもいます なお、本シリー

By Qualiteg コンサルティング
PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

PII検出の混同行列では見えないもの ― 認識器間衝突と統合テスト

こんにちは!Qualiteg研究部です! 個人情報(PII: Personally Identifiable Information)の自動検出は、テキスト中から特定の表現を抽出し、それがどの種類のPIIに当たるかを判定する問題として捉えることができます。 電話番号、人名、口座番号、金額表現など、検出対象のPIIタイプが増えるにつれて、単一の手法ではカバーしきれなくなり、性質の異なる複数の認識器(Recognizer)を組み合わせるマルチレイヤー構成が採用されるのが一般的です。 本稿で想定しているのは、ユーザーが海外製LLMにチャットを送信する直前に、その内容に個人情報や機密情報が含まれていないかをリアルタイムに検査するユースケースです。 この場面では、検出精度だけでなく、送信体験を損ねない速度が不可欠です。 高精度なLLMやBERT系モデル、NERベースの手法は有力ですが、送信前チェックの第一層として常時適用するには、レイテンシやコストの面で不利になることがあります。 そのため、本システムでは、正規表現、辞書、軽量なルールベース認識器を組み合わせた超高速な第一層を設け、そ

By Qualiteg 研究部, Qualiteg AIセキュリティチーム