大手メーカー・SaaS新規事業
支援段階:
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
- 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
クリックで拡大 タップで拡大(横 にスクロール) 閉じる
ポイント1 「A I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。 ポイント2 「A I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。 ポイント3 「A I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
横にスクロールできます
クリックで拡大 タップで拡大(横 にスクロール) 閉じる
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。
横にスクロールできます
クリックで拡大 タップで拡大(横 にスクロール) 閉じる
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
実線の矢印=受け渡し
横にスクロールできます
クリックで拡大 タップで拡大(横 にスクロール) 閉じる
STEP 1 「K PI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。 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。 STEP 3 「A I・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)。 STEP 4 「A I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。 STEP 5 「A I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 1
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
- 絞り込み
到達点
事業検証の流れ
CPF (顧 客に課題が あるか)
STEP 2
インプット
AI活用の 要望・与件
検討
要件に 整理
到達点
事業検証の流れ
PSF (課 題を解決できるか)
STEP 3
インプット
- 顧客課題
検討
要否を 判定
到達点
ルール (決 定論)
人 (顧 客の判断、事業側の丁寧な 対応)
STEP 4
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
- 設計
到達点
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
インプット
対話の流れ (質 問・分岐・登録)
検討
ルールで 制御
到達点
LLMに 任せること 利用者への質問や 言い換え 回答を 文案の改善提案基にした プロフィール文案の 生成 ルールで 必須入力項目・入力条件制御すること 未入力や 不正な データのチェック 保存・公開の条件
- 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)
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|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 1
KPI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 4
AI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