ナレッジ

いま走っているPoCは勝ち筋に載せ替えられる — 3つの経路と5つのアセット棚卸し

社内のAI PoCを止めずに勝ち筋へ転換する3つの経路（副産物の再定義・最初の顧客になる・供給者として組む）と、自社アセットの棚卸し表を紹介します。過去に見送った市場が、次の候補リストになります。

AI×新規事業

自社で使い倒してから売る — AI外販の定石は海外1〜2年、国内10年

AI外販に至った事例は例外なく「自社実証→外販」の2段階を踏んでいました。所要年数の内外差、既存の支払い構造に乗せる課金、競合に売るかの先決——実装の3定石を、一次確認した内外の事例で解説します。

AI×新規事業

発表された39のAI事業を追跡したら — 資生堂OptuneとドコモAIタクシーの教訓

華々しく発表されたAI新規事業は、その後どうなったのか。39事業の生存確認の結果と、資生堂・NTTドコモが自ら公表した2つの終了事例から、「発表」と「事業」の距離と参入判断の教訓を読み解きます。

AI×新規事業

「熟練者の目」は売り物になる — John DeereとJFEスチールに見る技能のAI外販

雑草だけに散布するJohn Deere、スクラップ検収のJFEスチール。熟練者の暗黙知を教師データに変えてAIで外販する事業の成立条件と、「作れる」と「売れる」の間にある壁を、内外の事例で解説します。

AI×新規事業

眠っているデータは商品になるか — WalmartとJR東日本「駅カルテ」が越えた2つの距離

自社データの事業化はなぜ構想止まりで終わるのか。Walmartの購買データ事業とJR東日本「駅カルテ」の同意設計を深掘りし、「データがある」と「商品になる」の間にある2つの距離と参入の勘所を解説します。

AI×新規事業

AI新規事業の勝敗はAIの技術力では決まらない — 137事例が示す5つのアセット障壁

国内外137事例を一次確認すると、大企業のAI新規事業の約7割は3つの型に集中していました。勝敗を分けるのはAIの技術力ではなく「5つのアセット障壁」。競うべきでない場所とあわせて事例で解説します。

AI×新規事業