ストーリー
田
田中VPoE
「持続可能性、効果測定、進化戦略を学んだ。ここではNetShop社のAI活用を持続的に成長させるための計画を策定してみよう。」
あなた
「現在Lv3の全社展開が完了した段階で、次の3年間を見据えた計画ですね。」
あ
田
田中VPoE
「その通り。技術的持続性、組織的持続性、財務的持続性の3側面から、NetShop社のAI活用を次のレベルに引き上げる計画を作ってくれ。」
ミッション概要
| 項目 | 内容 |
|---|---|
| 演習タイトル | NetShop社 3年間のAI活用進化計画 |
| 想定時間 | 60分 |
| 成果物 | 持続性計画 + 効果測定体系 + 進化ロードマップ |
前提条件
現状（Lv3: 全社展開完了）:
運用中AI: 7システム
年間AI投資: 3,600万円
年間効果: 12.3億円
AI人材: 15名
AI活用部門: 5部門/8部門
課題:
- レコメンドエンジンの精度が3ヶ月前から2%低下傾向
- AIチームの2名が転職（知識の属人化が判明）
- 需要予測AIの運用コストが予算を20%超過
- 新規AI開発のリードタイムが平均6ヶ月と長期化
- 未活用部門（人事・法務・総務）からのAI活用要望が増加Mission 1: 技術的持続性計画
要件
7つのAIシステムの技術的持続性を確保する計画を策定してください。
- モデル更新スケジュール: 各AIの更新頻度と基準
- 精度劣化対策: レコメンドエンジンの精度低下への対応策
- 技術ロードマップ: 3年間の技術進化計画
解答例
モデル更新スケジュール
| AIシステム | 更新頻度 | トリガー基準 | 担当 |
|---|---|---|---|
| レコメンド | 週次 | CTR 1%低下 or 新商品100件追加 | AI-1 |
| 需要予測 | 月次 | MAPE 15%超過 | AI-2 |
| チャットボット | 月次 | FAQ更新 or 正答率3%低下 | AI-3 |
| 請求書OCR | 四半期 | 精度1%低下 or 新フォーマット追加 | AI-1 |
| 広告最適化 | 週次 | ROAS 10%低下 | AI-2 |
| 採用AI | 半期 | 法改正 or バイアス検出 | AI-3 |
| 不正検知 | 四半期 | 新パターン検出 or 精度5%低下 | AI-1 |
レコメンド精度低下の対策
原因分析:
1. 季節商品の入れ替わりに追従できていない
2. 新規顧客の行動パターンが既存と異なる
3. 学習データの鮮度が3ヶ月前で止まっている
対策:
短期（1週間）: 直近1ヶ月のデータで緊急再学習
中期（1ヶ月）: リアルタイム学習パイプラインの構築
長期（3ヶ月）: コールドスタート問題への対応（新規顧客向けモデル追加）Mission 2: 組織的持続性計画
要件
AI人材の確保と知識の組織化を計画してください。
- 人材計画: 3年間の採用・育成計画
- ナレッジマネジメント: 属人化防止の仕組み
- 組織文化: AI活用を文化として定着させる施策
解答例
人材計画（3年間）
| 年 | AIチーム | 部門AI担当 | 施策 |
|---|---|---|---|
| 1年目 | 15→18名 | 7→10名 | 3名採用、属人化防止のペアリング |
| 2年目 | 18→22名 | 10→16名 | AI CoE強化、全部門にAI担当配置 |
| 3年目 | 22→25名 | 16→20名 | 内部育成プログラム卒業生の活用 |
ナレッジマネジメント
| 対策 | 内容 | 期限 |
|---|---|---|
| ドキュメント標準化 | 全AIシステムの設計書・運用手順書テンプレート化 | 3ヶ月 |
| ペアリング制度 | 各システムに主担当+副担当を配置 | 1ヶ月 |
| 社内Wiki | AI技術ナレッジの共有プラットフォーム | 2ヶ月 |
| 月次勉強会 | AIチーム内の技術共有会 | 即時開始 |
組織文化
| 施策 | 内容 |
|---|---|
| AI活用アワード | 四半期ごとに最も効果的なAI活用事例を表彰 |
| 部門横断ハッカソン | 年2回、全社からの参加者でAI活用アイデアを競う |
| 全社AIリテラシー研修 | 年1回、全社員向けのAI基礎研修を実施 |
Mission 3: 進化ロードマップ
要件
3年間の進化ロードマップを策定してください。
- 年度別の重点施策: 技術・組織・財務の3軸
- マイルストーン: 各年度の達成目標
- 投資計画: 3年間の投資額と期待効果
解答例
3年間ロードマップ
| 年 | 技術 | 組織 | 財務目標 |
|---|---|---|---|
| 1年目 | 全モデルの自動更新基盤、コスト最適化 | 属人化解消、ペアリング完了 | 効果14億（+14%）、コスト3,200万（-11%） |
| 2年目 | AI間連携（レコメンド×在庫×価格）、リアルタイム化 | 全部門AI担当配置、社内AI人材30名 | 効果18億（+29%）、コスト4,000万 |
| 3年目 | 予測→処方AIへの進化、新ビジネスPoC | AIファースト文化の定着 | 効果22億（+22%）、コスト4,500万 |
マイルストーン
| 時期 | マイルストーン | 判定基準 |
|---|---|---|
| 1年目Q2 | 全システムの自動更新基盤稼働 | 手動更新作業50%削減 |
| 1年目Q4 | 全システムのペアリング完了 | 属人的知識ゼロ |
| 2年目Q2 | レコメンド×在庫連携稼働 | 欠品率1%以下 |
| 2年目Q4 | 全部門AI活用開始 | 8部門/8部門 |
| 3年目Q2 | 処方AIのPoC完了 | 自動アクション提案の精度80%以上 |
| 3年目Q4 | 新ビジネスモデルのPoC開始 | PoC計画の承認 |
3年間投資計画
| 年 | 投資額 | 年間効果 | ROI |
|---|---|---|---|
| 1年目 | 5,000万 | 14億 | 280% |
| 2年目 | 8,000万 | 18億 | 225% |
| 3年目 | 1.0億 | 22億 | 220% |
| 合計 | 2.3億 | 54億 | 235% |
達成度チェック
| 観点 | 達成基準 |
|---|---|
| 技術的持続性 | モデル更新スケジュールと精度劣化対策が具体的 |
| 組織的持続性 | 人材計画とナレッジマネジメントが設計されている |
| 進化ロードマップ | 3年間のマイルストーンと投資計画が明確 |
| 実行可能性 | NetShop社の規模とリソースで実現可能 |
推定所要時間: 60分