[AI新規事業創出]Qualitegオリジナル、仮説探索と顧客理解で行うべき7つのステップとは

新規事業開発において、クライアントはしばしば「仮説探索」という用語に馴染みがないことが多いです。事業アイデアを考える前に、ターゲットユーザーの具体的な課題を把握する「顧客の課題仮説探索」が必要です。このプロセスを通じて、本当に市場で求められるサービスのアイディアを形成し、事業成功の可能性を高めるための戦略を立てます。

[AI新規事業創出]Qualitegオリジナル、仮説探索と顧客理解で行うべき7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。


「仮説探索インタビューの必要性」についてクライアントにお話しすると、「仮説探索という言葉は初めて聞きました!」とおっしゃる方が非常に多いです。

新規事業開発を行う上で、どのようなサービスを考えるべきかを考える前に、「ターゲットユーザーはどのような課題を抱えているか」を確認する必要があります。それが”顧客の課題仮説探索”というフェーズです。

今日はこの”顧客の課題仮説探索”や”顧客理解”を具体的にどのような手法でやるべきかを解説させていただきますね。

そもそも”課題”とは、”誰の課題”であるべきか?

「顧客課題の仮説を探索する」というステップを踏むことをQualitegとしては強く推奨しています。というのも、新規事業アイディアを出すときに、「あ、こんなのあったらいいな~」というノリで考えてしまわれる方がほとんどなのですが、これは本当にNGです。(今読んでくださっているあなた、ドキッとしましたか?w)

実は、コンサルティング企業の上位職の方からも

新規事業のコンサルティングをする際に、クライアント企業の担当者個人の悩み、例えば日報書くのが面倒くさいとかそういう課題から始まるから、それでDX検討しても結局、小粒な案になっちゃって。コンサル案件もなんとか粘っても事業性がないから、PoCで終わって、商用化に向けた検討みたいに案件が次につながらないんだよ、どうしたらいいのかなあ。

と相談されることが多々あります。

man using MacBook

ずばりお答えしますと、その課題ってお金出してまで解決したい課題ですか、そうじゃないと商売にならないです!というケースがほとんどです。

ご自身が企画担当として「この課題、グッとくる」と思ってスタートしたとしても、あなたに私は問いたいです。

「あなたはその課題を解決するために毎月いくら確実にお支払いいただけますか?」

と。

新規事業の企画でだいたい失敗する方、有名コンサルティング企業に頼んでも、大金はたいて小粒なアイディアが出そろい、挙句の果てに商用化まで進まない方、この最初の「課題設定」に問題ありです。

企業の競争力の源泉は、その知的資産にあります。株式会社Qualitegの Innovation-Crossは、企業の知的資産を共創によって強化・拡充するプログラム。

現状分析を通じて企業の知的資産を可視化し、その価値を最大化するための戦略を策定します。アイデアワークショップで社内の暗黙知を形式知化しながら、オープンイノベーションやパートナー開拓で「自社だけでは獲得困難」な知見や技術を外部から取り込み、知的資産のポートフォリオを拡充。最先端AI技術の活用も含め、経験豊富な専門コンサルタントが、御社の知的資産と外部リソースを最適に組み合わせた革新的な価値創造を実現します。知の融合と創造を通じて、企業の持続的な競争優位性を確立します。

Qualitegが推奨する新規事業開発のメソッド

Qualitegが推奨する新規事業開発のメソッドでは、自社販路の活用こそが自社のアセット活用の第一歩と考えているため、自社サービスのターゲットユーザー向けの異なるサービスを企画しましょう”、というスタイルを提唱しています。

某ファーストフードで例えるなら「ご一緒にポテトもいかかでしょうか」でおなじみの”クロスセル”戦略です。

ターゲット顧客が同じであれば、サービス導入後も同じ営業チームが活躍できますし、ホームページもB2B用、B2C用と二つ持つ必要もありません。

two women near tables

それでは、ターゲットユーザーが決まったところで、仮説探索と顧客理解はどのように進めていくべきでしょうか。

Qualitegが提唱する7つのステップ

QualitegがこのDiscoverフェーズである、顧客課題仮説探索や、顧客理解が必要なフェーズでは、以下の7ステップで検討を進めていくべきと考えています。

  1. 顧客課題仮説探索の調査設計・準備
  2. 顧客課題仮説探索インタビュー実施
  3. 顧客課題仮説探索インタビュー結果確認・示唆出し
  4. 顧客課題仮説探索インタビューをベースにしたペルソナ策定
  5. 顧客課題仮説探索インタビューをベースにした共感マップ策定
  6. 顧客課題仮説探索インタビューをベースにした顧客課題設定
  7. 顧客課題の評価・比較

となります。一つ一つの進め方につきましてはまた、次のブログでお話しさせていただきますね。


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学習の現実:GPU選びから学習コストまで徹底解説

LLM学習の現実:GPU選びから学習コストまで徹底解説

こんにちは! なぜOpenAIやAnthropicは世界最高水準のLLMを作れるのに、それに肩を並べる日本発のLLMは存在しないのでしょうか? 技術力の差でしょうか。それとも人材の問題でしょうか。 答えはもっとシンプルです。GPUの枚数とお金です。 今日はそんな 「LLMの学習」にフォーカスをあて、そのリアルについて徹底解説いたします! 1. はじめに 「LLMを自分で学習させてみたい」 そう思ったとき、最初にぶつかる壁がGPUの問題です。 どのGPUを何枚使えばいいのか。クラウドで借りるべきか、オンプレで買うべきか。そもそも個人や小規模チームでLLM学習は現実的なのか。 本記事では、こうした疑問に対して、具体的な数字と事例を交えながら答えていきます。 たとえばLLaMA 2の学習にはA100が2,048枚使われました。DeepSeek-V3は約8億円かかりました。では、あなたの手元のGPUでは何ができるのか。そこを明らかにしていきたいと思います。 対象読者は、LLM学習に興味があるエンジニアや研究者です。PyTorchでモデルを書いたことがある程度の知識を前提とし

By Qualiteg プロダクト開発部, Qualiteg 研究部
今からはじめるClaude Code

今からはじめるClaude Code

こんにちは! 今日は、最近エンジニアの間で話題になっているAIコーディングエージェント「Claude Code」について取り上げます。 AIによるコーディング支援ツールはここ1〜2年で一気に増え、「結局どれを選べばいいのか分からない」と感じている方も多いのではないでしょうか。本記事では、そうした中でClaude Codeを実際に使ってみた所感と、Windows環境での導入・運用の考え方を整理していきます。 AIコーディングツール、どれを使う? 2025年は、AIコーディング支援が一気に“実用品”になり、選択肢が増えすぎて迷いやすい年になりました。 GitHub Copilot、Cursor、Windsurf、Devin、Aider、Cline、OpenHandsなど、商用からオープンソースまで含めると、軽く20種類を超えます。 機能や思想が似ているものも多く、情報を追うだけで疲れてしまう、という方も少なくないと思います。 以前、当社ブログでは「AIコーディングエージェント20選」で全体像を整理しました。 AIコーディングエージェント20選!現状と未来への展望 【第1回】

By Qualiteg プロダクト開発部, Qualiteg コンサルティング
日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18日版)

日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18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(2025/12/18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 2025/10/12 版の分析レポートを公開しましたが、たった2か月で劇的な変化がありました! (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
AIコーディングエージェント20選!現状と未来への展望 【第1回】全体像と基礎

AIコーディングエージェント20選!現状と未来への展望 【第1回】全体像と基礎

こんにちは! 今回は、20種類以上あるまさに百花繚乱なAIコーディングツールを一挙に紹介&解説していきたいとおもいます! AIをつかったコーディングはもはや常識となり、日々目まぐるしく新しいツールが登場しています。当社でも自社開発のAIコーディングツールをふくめ複数のツールを活用してソフトウェア開発をすすめていますが、次々とナイスなツールがでてきて興奮しつつも、正直キャッチアップが追いつかない…!という状況です。 「結局どれを使えばいいの?」「Claude CodeとCursorって何が違うの?」「オープンソースでも使えるやつあるの?」——そんな疑問を持っている方も多いのではないでしょうか。 そこで本シリーズでは、2025年12月時点でのAIコーディングツールを徹底的に整理してみました。商用サービスからオープンソースまで、20以上のツールを比較しながら、それぞれの特徴や使いどころ、そして現時点での限界についても現場視点をいれながら正直にお伝えしていければとおもいます ※「AIコーディングツール」は「コーディングエージェント」といったほうが今風なので記事内ではコーディングエー

By Qualiteg コンサルティング