大手メーカー・SaaS新規事業

支援段階:動く仕組みを設計する

対象領域:
  • 生成AI・AI活用・業務自動化
  • Web・アプリ・デジタルプロダクト
  • 既存事業・サービスの改善

AIで解くべき課題を掘り下げ、アイデアを開発側が検討できる要件・設計へ

オンボーディングの改善に向け、柔軟な生成AI(LLM)の適用範囲と確実なルールベース処理を整理し、実現方法を検討できる形に具体化した事例です。

課題
オンボーディングをAIで改善する構想はあったものの、解くべき課題と開発要件が具体化されていなかった。
判断の工夫
KPIツリーから改善対象を絞り、AIに任せる処理と、必ず同じ結果を返す必要があるルールを切り分けて設計した。
得られた状態
入力支援の要件・利用シナリオ・画面と対話の流れを整理し、開発側が実現方法を検討できる設計案にした。
RIVERの役割
プロジェクトリーダー(PL)
期間
プロジェクト全体:2025年
体制
プロジェクト全体:3名

課題解決のポイント

横にスクロールできます設計の狙い設計の考え方得られた状態 1AIで解くべき課題の質を高める事業成果利用者の行動改善する箇所AIで解くべき課題と適用範囲 AIで解く課題と適用範囲が明確になる 2AIを使ったアイデアを、開発側に伝わる要件にするアイデア入力項目・利用シナリオ・画面・処理の流れ開発側が検討できる要件・設計案 開発側が実現方法を検討できる 3AIの特性を踏まえたプロダクト設計を行うAIに任せる質問・言い換え/文案の生成・改善提案ルールで制御する質問の出し方・分岐/必須入力のチェック状態管理/保存・公開の条件 LLMとルールベースの役割が設計に反映される クリックで拡大タップで拡大(横にスクロール)閉じる

図の詳しい説明。各ポイントを、設計の狙い、設計の考え方、得られた状態の3列で示す。

  1. ポイント1「AIで解くべき課題の質を高める」:事業成果と利用者の行動から改善する箇所を掘り下げ、AIで解くべき課題と適用範囲を決める。得られた状態は、AIで解く課題と適用範囲が明確になること。
  2. ポイント2「AIを使ったアイデアを、開発側に伝わる要件にする」:アイデアを、入力項目・利用シナリオ・画面・処理の流れに落とし込み、開発側が検討できる要件・設計案にする。得られた状態は、開発側が実現方法を検討できること。
  3. ポイント3「AIの特性を踏まえたプロダクト設計を行う」:AIに任せること(質問・言い換え、文案の生成・改善提案)と、ルールで制御すること(質問の出し方・分岐、必須入力のチェック、状態管理、保存・公開の条件)を分ける。得られた状態は、LLMとルールベースの役割が設計に反映されること。

Before / After

Before(支援前)AIで改善したい意向はあったが、解くべき課題・開発側に伝わる要件・LLMとルールベースの分担が、十分に具体化されていなかった状態。
横にスクロールできます検討開始時の状況整理が必要だった点① 解くべき課題事業・利用者?改善する箇所?AIの適用範囲改善対象の課題・目的が曖昧で、AIで解く課題が具体化されていない② 要件への具体化アイデア?入力・画面など?要件・設計案アイデアが開発に必要な情報に落ちておらず、検討しにくい③ AIの特性を踏まえた設計質問?回答?文案?確認?LLMとルールベースの分担が未整理で、制御する方法が具体化されていない??のついた灰色の枠=支援前は言語化し、構造化して整理できていなかったところ クリックで拡大タップで拡大(横にスクロール)閉じる

図の詳しい説明。検討開始時の状況と、整理が必要だった点を、3つの観点で示す。

  • ① 解くべき課題:改善対象の課題・目的が曖昧で、AIで解く課題が具体化されていなかった。
  • ② 要件への具体化:アイデアが開発に必要な情報に落ちておらず、検討しにくかった。
  • ③ AIの特性を踏まえた設計:LLMとルールベースの分担が未整理で、制御する方法が具体化されていなかった。
After(支援後)解くべき課題を掘り下げ、LLMとルールベースの補完関係を含む設計を、開発側が検討できる要件・設計案にした状態。
横にスクロールできます支援後の状態得られたこと① 解くべき課題事業・利用者改善する箇所AIで支える人が担うAIの適用範囲解くべき課題が明確になり、AIを適用する範囲を具体化した② 要件への具体化アイデア入力・画面など要件・設計案開発側が検討できる要件・設計案に具体化した③ AIの特性を踏まえた設計質問AIルール回答ルール文案AIルール確認ルール開発側が検討できる設計に、LLMとルールベースの役割を反映した クリックで拡大タップで拡大(横にスクロール)閉じる

図の詳しい説明。支援後の状態と得られたことを、Beforeと同じ3つの観点で示す。到達点は開発側が検討するための要件・設計案で、実装したものではない。

  • ① 解くべき課題:解くべき課題が明確になり、AIを適用する範囲を具体化した。
  • ② 要件への具体化:開発側が検討できる要件・設計案に具体化した。
  • ③ AIの特性を踏まえた設計:開発側が検討できる設計に、LLMとルールベースの役割を反映した。

課題解決のアプローチ

問い:AIで解くべき課題を見極め、開発側が検討できる要件・設計に、どう具体化するか?

実線の矢印=受け渡し

破線の枠=案・仮説・例・予定(実施済みではない)

横にスクロールできます STEP 1 KPIツリーに沿って、 どこをどう改善するかを明確化 KPIツリー (関連事例) + プロフィール 入力項目表 絞り込み 改善する箇所と方法 メッセージの受信につなげる、 「書きたいが書けない」場面が中心 STEP 2 プロフィール入力支援の要件を明確化 AI活用の要望・与件 要件に整理 プロフィール入力支援の 要件 STEP 3 AI・ルール・人の役割を分ける 顧客課題 要否を判定 システムで支える範囲 ルール (決定論) AI (LLM・確率論) 人が担う範囲 人 (顧客の判断、 事業側の丁寧な対応) STEP 4 AIを使った入力支援ツールの設計を詳細化 事業の知見・ プロフィールの例・ 他社サービスの参考例 設計 AIが質問し、回答を文案に変える体験 利用シナリオ・ 画面案・ 対話の流れ プロンプト・ コーパスと 試行結果 STEP 5 AIの柔軟さと、ルールによる確実さを両立する 対話の流れ (質問・分岐・登録) ルールで制御柔軟な生成はLLM、条件どおりに動かす必要がある処理はルールで制御するLLMに任せることルールで制御すること利用者への質問や言い換え回答を基にしたプロフィール文案の生成文案の改善提案必須入力項目・入力条件未入力や不正なデータのチェック保存・公開の条件LLMとルールの役割の分け方 LLM・RAG・DBの 連携シーケンス図 (イメージ) ※LLM・RAG・DBの連携シーケンス図は、設計検討用の処理イメージである(実装・性能検証は対象外) 役割分担の基本例(同一業務での連携) 入力 (自然言語) 生成AI (意図理解・案生成) ルール (条件判定・制御) 人 (確認・最終判断) 最後に、LLMとルールベースの受け持ちを分け、STEP 4で設計した対話の流れに当てはめて、設計を仕上げた。AI・ルールで支える範囲について、開発側が実現方法を検討できるよう、使い方と画面・対話の流れを設計した。要件ごとに、AIに任せる処理、ルールで制御する処理、人が担う判断を整理した。絞った改善箇所に向けて、入力支援に求めることを要件にまとめた。「AIで改善したい」という要望を、まず事業の数字のどこを動かすかに置き換え、改善する場所を絞った。 事業検証の流れ CPF(顧客に課題があるか) PSF(課題を解決できるか) インプット検討到達点インプット検討到達点インプット検討到達点インプット検討到達点インプット検討到達点改善する箇所と方法を、入力支援の要件づくりへ渡す 入力支援の要件を、AI・ルール・人の役割分けへ渡す AI・ルールで支える範囲を、入力支援ツールの設計へ渡す 対話の流れとプロンプトを、LLMとルールベースの役割分けへ渡す クリックで拡大タップで拡大(横にスクロール)閉じる

図の詳しい説明。各STEPを、インプット、検討、到達点の順に示し、到達点を次のSTEPへ渡す。右端の「事業検証の流れ」では、STEP 1がCPF(顧客に課題があるか)、STEP 2から5がPSF(課題を解決できるか)にあたる。各STEPの見出しの右に、その工程が支える解決のポイントの番号を示す。

  1. STEP 1「KPIツリーに沿って、どこをどう改善するかを明確化」(ポイント1):インプットはKPIツリー(関連事例)とプロフィール入力項目表。KPIツリーに沿って、メッセージの受信につながる改善箇所と方法を絞り込んだ。中心は「書きたいが書けない」場面。
  2. STEP 2「プロフィール入力支援の要件を明確化」(ポイント2):インプットはAI活用の要望・与件。与件を整理し、到達点はプロフィール入力支援の要件。
  3. STEP 3「AI・ルール・人の役割を分ける」(ポイント1と3):インプットは顧客課題。要件ごとに、AIに任せる処理、ルールで制御する処理、人が担う判断に分け、システムで支えるかを判定した。到達点は、システムで支える範囲(ルールによる決定論と、AI(LLM)による確率論)と、人が担う範囲(顧客の判断、事業側の丁寧な対応)。
  4. STEP 4「AIを使った入力支援ツールの設計を詳細化」(ポイント2):インプットは事業の知見・プロフィールの例・他社サービスの参考例。STEP 3で決めた範囲で、AIが質問し、回答を文案に変える体験を設計した。到達点は、利用シナリオ・画面案・対話の流れと、プロンプト・コーパスと試行結果。
  5. STEP 5「AIの柔軟さと、ルールによる確実さを両立する」(ポイント3):STEP 4の対話の流れ(質問・分岐・登録)をルールで制御する設計にした。柔軟な生成はLLMに任せ、条件どおりに動かす必要がある処理はルールで制御する。LLMに任せるのは、利用者への質問や言い換え、回答を基にしたプロフィール文案の生成、文案の改善提案。ルールで制御するのは、必須入力項目・入力条件、未入力や不正なデータのチェック、保存・公開の条件。到達点は、LLMとルールの役割の分け方と、LLM・RAG・DBの連携シーケンス図。シーケンス図は設計検討用の処理イメージで、実装・性能検証は対象外。

STEP 5の下に、役割分担の基本例(同一業務での連携)として、入力(自然言語)、生成AI(意図理解・案生成)、ルール(条件判定・制御)、人(確認・最終判断)の連携を示す。

STEP 1KPIツリーに沿って、どこをどう改善するかを明確化

「AIで改善したい」という要望を、まず事業の数字のどこを動かすかに置き換え、改善する場所を絞った。

インプット

  • KPIツリー(関連事例)
  • プロフィール入力項目表

検討

  1. 絞り込み

到達点

改善する箇所と方法

メッセージの受信につなげる、「書きたいが書けない」場面が中心

事業検証の流れ

  • CPF(顧客に課題があるか)

改善する箇所と方法を、入力支援の要件づくりへ渡す

STEP 2プロフィール入力支援の要件を明確化

絞った改善箇所に向けて、入力支援に求めることを要件にまとめた。

インプット

  • AI活用の要望・与件

検討

  1. 要件に整理

到達点

プロフィール入力支援の要件

事業検証の流れ

  • PSF(課題を解決できるか)

入力支援の要件を、AI・ルール・人の役割分けへ渡す

STEP 3AI・ルール・人の役割を分ける

要件ごとに、AIに任せる処理、ルールで制御する処理、人が担う判断を整理した。

インプット

  • 顧客課題

検討

  1. 要否を判定

到達点

システムで支える範囲

  • ルール(決定論)

AI(LLM・確率論)

人が担う範囲

  • 人(顧客の判断、事業側の丁寧な対応)

AI・ルールで支える範囲を、入力支援ツールの設計へ渡す

STEP 4AIを使った入力支援ツールの設計を詳細化

AI・ルールで支える範囲について、開発側が実現方法を検討できるよう、使い方と画面・対話の流れを設計した。

インプット

  • 事業の知見・プロフィールの例・他社サービスの参考例

検討

  1. 設計

到達点

AIが質問し、回答を文案に変える体験

  • 利用シナリオ・画面案・対話の流れ
  • プロンプト・コーパスと試行結果

対話の流れとプロンプトを、LLMとルールベースの役割分けへ渡す

STEP 5AIの柔軟さと、ルールによる確実さを両立する

最後に、LLMとルールベースの受け持ちを分け、STEP 4で設計した対話の流れに当てはめて、設計を仕上げた。

インプット

  • 対話の流れ(質問・分岐・登録)

検討

  1. ルールで制御

到達点

LLMとルールの役割の分け方

柔軟な生成はLLM、条件どおりに動かす必要がある処理はルールで制御する

  • LLMに任せること利用者への質問や言い換え回答を基にしたプロフィール文案の生成文案の改善提案
  • ルールで制御すること必須入力項目・入力条件未入力や不正なデータのチェック保存・公開の条件

LLM・RAG・DBの連携シーケンス図(イメージ)

※LLM・RAG・DBの連携シーケンス図は、設計検討用の処理イメージである(実装・性能検証は対象外)

役割分担の基本例(同一業務での連携)

  1. 入力(自然言語)
  2. 生成AI(意図理解・案生成)
  3. ルール(条件判定・制御)
  4. 人(確認・最終判断)

用語

CPF
Customer Problem Fit(カスタマー・プロブレム・フィット)。想定した顧客が、解く価値のある課題を本当に抱えている状態
PSF
Problem Solution Fit(プロブレム・ソリューション・フィット)。顧客の課題と、その解決策がかみ合っている状態
LLM
Large Language Model(大規模言語モデル)。大量の文章から学び、文章の理解や生成を行うAIのモデル
RAG
Retrieval-Augmented Generation(検索拡張生成)。社内の資料などを検索し、その内容をもとにAIが回答を作る仕組み

役割分担

RIVERは、プロジェクトリーダー(PL)として、KPIツリーに沿った改善箇所の明確化から、プロフィール入力支援の要件の明確化、AI・ルール・人の役割の切り分け、入力支援ツールの設計、AIの柔軟さとルールによる確実さの両立まで、全体を主担当で進めました。クライアントは協議・確認に加わり、施策内容の意思決定を担いました。

この事例での役割分担

RIVER|主な関与

  • 全体PLとして、改善箇所の明確化からLLMとルールベースの両立までの進め方を組み立てる
  • STEP 1KPIツリーに沿って、改善する箇所と方法を絞り込む
  • STEP 2絞った改善箇所に向けて、入力支援の要件をまとめる
  • STEP 3要件ごとに、AI・ルール・人の役割を分ける
  • STEP 4AIが質問して文案にする体験の、画面・対話の流れ・プロンプトまで設計する
  • STEP 5柔軟な生成はAI、条件の制御はルールに分け、設計を仕上げる

クライアント|主な関与

  • 全体各STEPの協議・確認に加わり、施策内容を意思決定する

ご相談

AI活用の要望を、具体的な設計に落とし込みたい方へ

この事例に近い状況や、判断に迷っている点をお知らせください。支援段階や時期が決まっていなくても、ご相談いただけます。