多くの企業で「事業開発にAIを活用せよ」という方針が示されるようになりました。しかし実態としては、市場調査の情報収集を効率化する程度にとどまっているケースが大半です。

事業開発プロセスにAIを本格的に組み込むとはどういうことか。私たちが自社の事業開発で実践してきた方法論をもとに、具体的なアプローチと、AIでは代替できない領域を整理します。

「AI活用」と「AIのプロセス実装」は異なる

まず、言葉の整理をしておきます。

「事業開発にAIを活用している」と言う場合、多くの企業で行われているのは以下のような取り組みです。市場調査レポートの要約、競合情報の整理、社内資料の下書き生成。いずれも有用ですが、これらは「既存の業務フローの中で、一部の作業をAIに置き換えた」に過ぎません。

一方、「AIを事業開発プロセスに実装する」とは、事業開発の意思決定プロセスそのものにAIを組み込むことを指します。情報収集の効率化ではなく、仮説の生成、検証、判断の各段階でAIが構造的な役割を果たす状態です。

この二つの違いは、「道具としてAIを使うか」「プロセスの一部としてAIを組み込むか」の違いと言えます。前者は部分最適であり、後者はプロセス全体の再設計を伴います。

どちらが良い・悪いという話ではありません。ただ、「AIを使っているのに事業開発の速度や質が変わらない」と感じている場合、前者にとどまっている可能性があります。

事業開発の6段階とAIの役割

事業開発のプロセスを6つの段階に分けると、各段階でAIが担える役割が明確になります。

1. 市場探索

従来、市場機会の探索は担当者の業界知識やネットワークに依存する部分が大きい領域でした。AIを用いることで、広範な市場データから機会領域を網羅的に洗い出し、自社のアセットとの親和性を構造的に評価できます。

ここでのAIの価値は「人間が見落とす領域を拾い上げること」にあります。担当者の知識や経験は貴重ですが、どうしても過去の成功体験や既知の領域に偏りがちです。AIは、その偏りを補完する役割を果たします。

2. アイディエーション

アイデア創出の段階では、AIは「発散」の役割を担います。制約条件を設定した上で大量のアイデアを生成し、人間がその中から事業文脈に照らして「収束」させる。この「AI発散×人間の収束」の反復が、アイディエーションの質と速度を同時に高めます。

従来のブレインストーミングでは、参加者の知識範囲や心理的安全性が発散の幅を制約していました。AIはこうした制約を受けないため、人間だけでは出てこなかった組み合わせや視点を提示できます。ただし、AIが出すアイデアのすべてが事業として成立するわけではありません。事業文脈での評価・選別は、人間の判断に委ねられます。

3. 仮説構築・検証

事業仮説を構築し、検証する段階は、AIの実装効果が最も大きい領域の一つです。次のセクションで詳しく述べますが、「仮想ペルソナ」を用いた擬似検証によって、仮説の精度を実インタビュー前に高めることが可能になります。

4. フィジビリティ検証

事業の実現可能性を検証する段階では、AIが複数のシナリオを同時に分析し、事業面・技術面・法規制面から多角的な評価を行うことができます。従来は、それぞれの専門家が個別に検討し、統合するのに時間がかかっていた作業です。

また、撤退ラインや必要リソースの精緻化にもAIを活用できます。「この条件が崩れたら撤退すべき」という判断基準を、データに基づいて設定することで、後の意思決定の質が上がります。

5. PoC計画・実施

PoCの設計と実施においては、AIが実験設計の素案を高速に生成し、結果データの分析を即座に行うことで、リードタイムを大幅に短縮できます。

たとえば、PoC対象顧客の選定条件、検証すべき仮説の優先順位、成功/失敗の判定基準といった設計要素を、AIが過去の類似事例を参照しながらドラフトする。人間はその素案を事業文脈に照らして調整する。この分業により、PoC設計にかかる時間を大幅に圧縮できます。

PoC段階で最も重要なのは、失敗を早く検知し、方向転換の判断を素早く行うことです。AIによる結果データのリアルタイム分析は、「うまくいっていない兆候」の早期発見に特に有効です。

6. 事業化・グロース

事業化以降の段階では、市場フィードバックのリアルタイム分析、KPIの異常検知、事業計画の動的な修正にAIを活用できます。たとえば、ローンチ後の顧客行動データをAIが継続的にモニタリングし、当初の仮説とのズレを検知して戦略修正の判断材料を提供する、といった活用です。

ただし、この段階になると事業固有の変数が増え、過去データの蓄積も少ないため、AIの役割は意思決定の「補助」に近くなります。最終的な判断は、事業の文脈を理解した人間が行う必要があります。

仮説検証を加速する「仮想ペルソナ」という手法

事業開発における仮説検証には、実務上の大きな課題があります。

仮説を立て、ターゲット顧客にインタビューし、仮説を修正し、再度検証する。このサイクルは通常、数週間から数ヶ月を要します。インタビュー対象者のリクルーティングだけで数週間かかることも珍しくありません。さらに、仮説の方向性自体がズレていた場合、インタビューを重ねた後にそれが判明し、大幅な手戻りが発生するリスクもあります。

この課題に対して、私たちが実践しているのが「仮想ペルソナ」を用いた擬似検証です。ターゲット顧客の属性・課題・行動パターンをAI上に構築し、事業仮説に対する反応を擬似的に検証する手法です。こうした手法は近年、複数の企業でも取り組みが始まっている領域であり、事業開発におけるAI活用の具体的な実装例の一つとして注目が高まっています。

仮説の「粗さ」を事前に検知する

仮想ペルソナの最大の価値は、実インタビューの前段階で仮説の明らかな欠陥やターゲット設定のズレを検知できることにあります。擬似検証を複数回実施することで、実インタビューに臨む時点での仮説の精度が格段に上がります。

精度についての考え方

仮想ペルソナによる検証は、実際の顧客インタビューを代替するものではありません。AIが生成する反応は、学習データに基づく推定であり、個別の顧客が持つ固有の事情や感情を完全に再現することはできません。

この手法の価値は「精度の高い予測」ではなく、「仮説の粗い部分を事前に洗い出すこと」にあります。実インタビューの回数を減らすのではなく、実インタビューの質を上げるための事前準備として位置づけるのが適切です。

実インタビューとの使い分け

このように、仮想ペルソナは検証プロセスの「初期段階を高速化する手法」であり、実インタビューと組み合わせて使うことで最大の効果を発揮します。

AIが担える領域と、人間にしかできない判断

ここまで、事業開発プロセスへのAIの組み込み方を具体的に見てきました。最後に、AIの限界について触れておきます。

AIが得意とするのは、速度、網羅性、パターン認識です。大量のデータから構造を見出すこと、人間が見落としがちな組み合わせを提示すること、検証サイクルを高速に回すこと。これらはAIが明確に優位性を持つ領域です。

一方で、AIでは代替できない判断があります。

「なぜこの会社がこの事業をやるのか」という問い。自社の事業構造のどこを変えるべきかという判断。撤退すべきタイミングの最終的な意思決定。これらは、企業固有の文脈、経営者の意思、組織の歴史を踏まえた、人間にしかできない判断です。

AIを事業開発に実装する際に見落とされがちなのは、こうした「AIの手前にある問題」です。事業開発プロセスを高速化しても、その前提となる組織構造——経営者・担当役員・新規事業開発部・起案者の間にある認識のギャップや、判断基準の不在、出口設計の欠如——が解消されていなければ、速く回した分だけPoCが積み上がるだけの結果になりかねません。

AIの実装は、組織の構造的課題を把握した上で行うことが前提になります。

※ 事業開発の前提となる組織の構造的課題について、Vol.1 新規事業が進まない組織構造の正体で6つの領域に分けて整理しています。

新規事業組織スコア診断

AIを事業開発に実装する前提として、自社の組織構造がどのような状態にあるかを把握しておくことが重要です。経営から新規事業開発部・起案者に至る各層の間にある認識のギャップを、6つの領域・12問で可視化するセルフ診断を公開しています。