Zenn
🦫

Andrew Ngが示すAIプロジェクトの「鉄則」と、生成AI時代の水平思考アプローチ

に公開
プロジェクト
PoC
生成 AI
idea

本記事では、まずAndrew Ng（Google Brain創設者・Coursera共同創業者）が「How to Choose Your First AI Project」（Harvard Business Review, 2019）で提唱しているAI導入の基本的な考え方を整理します。続いて、生成AIが登場した今日において、これらの「鉄則」を**水平思考（ラテラルシンキング）**で拡張したらどうなるかを章を分けて論じます。

第1章：Andrew NgのAI導入プレイブック

1.1. パイロットプロジェクト選定の5大要素

  1. 短期間で成果を出せるもの

    • 6〜12ヶ月以内に具体的な成果が見えるか。
    • まずは小さな成功事例を積み上げて、社内外の信頼を獲得する。

  2. トリビアルすぎず、大きすぎないもの

    • 全社的に意味がありつつも、実行可能なスコープを設定する。
    • 組織にとって「投資する価値がある」と認識できるレベルの課題を狙う。

  3. 自社の業界・ビジネスに直結しているもの

    • 汎用的なシステム開発ではなく、自社独自の強みやドメイン知識が活かせる領域を優先。
    • 競合他社との差別化が図りやすく、成果がアピールしやすい。

  4. 信頼できるパートナーと進められるもの

    • AI人材が不足している場合、外部のコンサルやベンダーと連携。
    • 速度感を優先し、初期段階で可視的な成果を出すことで社内合意を得やすくする。

  5. 明確な価値を生み出せるもの

    • コスト削減・売上拡大・新規事業創出といった明確な指標があるか。
    • 「データがあるからAIをやる」のではなく、「この領域で、この手法によって、こういう価値を生む」という仮説を立ててから取り組む。

1.2. 組織体制・プロジェクト運営のポイント

  1. 目的とスコープの明確化

    • 期待する成果・予算・スケジュールをチームや関係者と共有し、合意形成を図る。

  2. リーダーの選定

    • AI技術と事業ドメインの両面に理解のあるリーダーを置き、橋渡し役として機能させる。
    • 成果を社内に広める「アンバサダー」の役割も重要。

  3. ビジネス価値と技術的実現可能性の検証

    • 数週間のPoC（Proof of Concept）やデータ検証を行い、早期に勝ち筋を見極める。
    • 必要であればピボット（方向転換）も検討。

  4. 小規模チームでスタート

    • 5〜15名程度のチームがベストプラクティスとされる。
    • 迅速な意思決定と知見共有を重視する。

  5. 成果を社内でアピールし、次につなげる

    • 成功事例を可視化し、経営層や他部門に対してわかりやすく示す。
    • 関連する事業部などステークホルダーにも十分なリワードを行い、社内のAI活用機運を高める。

第2章：生成AI時代に「水平思考」で拡張する

前章で述べたAndrew Ngのプレイブックは、主にディープラーニングによる予測・分類タスクやその周辺を想定していました。しかし近年、ChatGPTや画像生成モデルなど「生成AI（Generative AI）」が実用段階に入り、以下のような新たな価値創造の可能性が広がっています。

  • テキスト・画像・音声などの新たなコンテンツ生成
  • ユーザーとの対話型システムの高度化
  • 従来の定型業務を越えた新しいビジネスモデルの構築

ところが生成AIは、まだ事例や定石が少なく、ビジネス適用での未知の課題も多いテクノロジーです。そんな未知の領域を開拓する際に有効なのが**水平思考（ラテラルシンキング）**です。ここでは、Andrew Ngのプレイブックを基盤にしつつ、生成AI時代にどのように拡張していけるかを考察します。

2.1. 「短期間で成果を出す」から「試行回数を増やす」へ

  • 従来: 6〜12ヶ月かけて1つのパイロットに集中し、確実な成果を狙う。
  • 生成AIでの水平思考:
    • 生成AIは試行錯誤がしやすい反面、想定外のリスクや成果も出やすい。
    • 短いスプリントで複数のアイデアを同時並行的にテストし、小さな失敗から素早く学ぶ。
    • 「1つの大プロジェクト」にこだわらず、「複数の小プロジェクト」を回す体制を整える。

2.2. 「自社ドメイン」を前提としながらも、あえて既存の常識を外す

  • 従来: 自社のコア領域にフォーカスし、課題解決の効果が出やすいテーマを優先。
  • 生成AIでの水平思考:
    • 生成AI特有のアプローチがコア業務の枠組みを超える可能性を模索する。
    • 例：製造業なら、設計や品質管理支援だけでなく、生成AIを使ったまったく新しいプロトタイピング手法や、サプライチェーン・マーケティングへの波及効果を検討する。
    • 「本当にこれが自社のコア業務？」を疑い、「周辺業務×生成AI」への拡張も検討。

2.3. 「価値を生み出す」だけでなく、新しい市場ニーズを創出する

  • 従来: コスト削減・売上拡大・新規事業創出が明確に見込めるか。
  • 生成AIでの水平思考:
    • 生成AIならではのユーザー体験に着目し、現在の競合・市場分析とは全く異なる角度で新たな需要を掘り起こす。
    • 例：教育分野での「個別化学習コンテンツの自動生成」にとどまらず、学習者と双方向対話しながらカリキュラム自体を変革するイノベーションなど。
    • 「今は存在しない市場」を視野に入れることで、従来のROI計算にとらわれない発想を展開する。

2.4. 「外部パートナー」の枠を広げ、OSSコミュニティやユーザーも巻き込む

  • 従来: AIベンダーやコンサルティング企業と連携し、ノウハウや人材を補完。
  • 生成AIでの水平思考:
    • 生成AIはオープンソースコミュニティの存在感が大きい。
    • 実際のユーザー（社内外問わず）を巻き込んだ迅速なフィードバックで、AIモデルを改善。
    • 「企業内だけで完結」しない実証実験の仕組みづくりが、生成AIプロジェクトの進化を加速させる。

2.5. 「小規模チームでの実験」＋「ユーザー群を使ったベータテスト」の両立

  • 従来: 5〜15名ほどのチームで、社内で小さく始める。
  • 生成AIでの水平思考:
    • MVP（Minimum Viable Product）を素早く立ち上げ、ユーザー群を限定的に招待してベータテストを行うなど、早期のユーザーフィードバックを得る仕組みが重要。
    • 大規模パイロットとして、一般ユーザーの入力（対話ログ、フィードバック）からモデルを育て、改善サイクルを加速させる。

おわりに

Andrew Ngが提唱するAI導入プレイブックは、**企業のAI活用の“最初の一歩”**を確実に踏み出すための原則といえます。このプレイブックを着実に実行することで、いわゆる「PoC（概念実証）止まり」の失敗を減らし、実ビジネスで価値を生むAI活用が可能になります。

一方で、ChatGPTをはじめとした生成AIは、まだ最適解が定まっていない先端領域です。こうした未知の分野を開拓する際こそ、**水平思考（ラテラルシンキング）**が大きな力を発揮します。

  • 「常識として当然と考えている部分」
  • 「過去の成功体験が当たり前としている手順やシステム」

これらをゼロベースで再定義することで、生成AIによる新しい付加価値を創り出せる可能性があります。

結論としては、**「Andrew Ngの鉄則を守りつつ、生成AIならではの水平思考を併用する」**という二段構えが、企業がAIによる本質的な競争優位を築くうえで非常に有効となるでしょう。

参考

  • Andrew Ng “How to Choose Your First AI Project” (Harvard Business Review, 2019)
  • AI Transformation Playbook (Andrew Ng)

Discussion

ログインするとコメントできます