イノベーションの常識に潜む、5つのタイプの直感の罠──なぜ経路依存性を新規事業で理解すべきなのか？ 『イノベーションのための超・直感力』解説コラム：第2回 スタートアップや大企業の新規事業においてイノベーションを成功させるプロセスには、数々の落とし穴があります。とりわけ、重要な意思決定とは思わずに無意識で行ったことが、罠への誘導であることも少なくないようです。こうした罠への誘導を見逃さず、新規事業を成功に導くためのヒントを記した『イノベーションのための超・直感力』の内容を紹介。今回は「５つのタイプの直感の罠」と「経路依存性のある経営判断」を中心に解説します。 イノベーションの常識に潜む罠 社内で新規事業のアイデア募集を行うとき、「なんでもいい」「自由な発想を！」と自由な発想を促してしまいがちです。というのも、会社が求めるアイデアを指示することは、制約を与えることでアイデアの幅が狭まるのでは

イノベーションにはリスクが伴う。 失敗する可能性は高く、不確実性も高い。 成功すれば大きな見返りが期待できるものの、その成功確率は分からないし、見返りの大きさも定かではない。 第１原則　リスクとリターンは表裏一体 だが、リスクを取らないと成長しないし、リスクを取らないで得られる成功は大した成功とは言えない。ノーリスク、ノーリターンなのである。 勇気という言葉もあるが、無謀なチャレンジを勧める気はない。そういう時代は終わった。賢くリスクと付き合いたい。私たち自身のものを含め、多くのスタートアップ起業家や、社内ベンチャーを見てきて、いくつかの原則を整理してみた。 リスクとリターンはコインの裏表、表裏一体であるというのは当たり前かもしれないが、リスクの第一原則と言えるだろう。 第２原則　リスクは過大評価されやすい すると、リスクの第二原則は、「リスクは過大評価されやすい」というものだ。 「損失回

そもそもイノベーションとは何なのか イノベーションとは、新しい価値が世の中にもたらされることを指すオーストリアの経済学者シュンペーターによる造語です。シュンペーターは、イノベーションを経済発展の原動力であると洞察し、「新しい財貨生産」「新しい生産方法の導入」「新しい販売先の開拓」「原料あるいは半製品の新しい供給源の獲得」「新しい組織の実現（独占の形成やその打破）」という５つの種類があると述べました。 技術革新は十分条件ではない イノベーションはしばしば技術革新と訳されていますが、これは誤訳としか言えません。なぜなら、技術に変化があったとしても、世の中に新しい価値をもたらすとは限らないからです。 技術や発明は、物質の変化しか生みません。新しい技術が世の中に登場し、世の中が変化するかどうか、人々が価値を感じるかどうかは、「人」が決めます。人が元来望んでいた変化を加速するような技術は普及します。

マシンビジョンとは、広義にはデジタル技術を用いた視覚情報、光学情報の活用を指します。ムーアの法則に支えられ、コンピューターの処理速度向上、画像センサーの高精細化と低価格化というトレンドによって応用範囲が広がっています。その広い応用範囲のなかでも、製造業の生産現場で活用される検査技術としての応用が特に進んでいます。そのため、狭義ではマシンビジョン（MV）は自動検査や工程自動化などのFA(Factory Automation)に活用されるデジタル画像技術を指します。ちなみにWikipediaにも項目がある言葉なんです。 この「画像技術」というのがくせ者で、非常に範囲が広いです。何せ光などを適切に捕らえるための撮像システム、それを処理するコンピューターのハードウェアとソフトウェアすべてが関わってくるのですから。 人間に喩えると、目と脳（＋そして場合によって照明）全体がMVということになります。

ChatGPTと大谷翔平がすべての話題をさらっているので、ここで何かを書かないでいることは少し罪悪感すらあります。 ChatGTPとついつい言ってしまいますが、健康診断で肝臓の数値（γ-GTP)を気にしすぎているからかもしれませんね。 さてさて、ここまでChatGPTの話題性が高いのは、その普及力がとてつもないからです。 No TitleNo Description 新しいサービスや発明品が、どれだけ普及力が高いかを比べてみます。例えばツイッターは、100万人のユーザーを獲得するのに2年、Facebookは 10カ月、Instagramは2.5カ月という単位なのですが、ChatGPTはなんと5日間という超短期間で100万ユーザーに到達しました。 新しく世の中に登場した製品は、まず一部のイノベーターが試します。その体験良ければ口コミで広がり、徐々にユーザー数が増えていくことがわかっています。

リーンに事業開発を行うには「仮説検証」が重要であるーーー①ということはかなり共有されてきた考え方だと思います。 ちなみに、INDEE Japanを設立した頃、「リーンスタートアップ」という言葉はまだ発明されておらず、私たちは「高速仮説検証」と呼んでおりました。そんな時代からは隔世の感がありますが、現在は「リーンスタートアップ」や「顧客開発」「仮説検証」という言葉は常識になりつつあります。 言葉として一般的になった一方で、案外伝わっていないのが「仮説」とは何か、ということです。 その結果、以下のような行動が散見されるのです。 仮説検証をしているつもりになりつつも、すでにわかっていることを再発見しているだけ 一番知りたいこと、学ぶべきことを実験していない ネガティブな反応を恐れて本当のターゲットには行かない まずもって、「仮説」とは、未確認の現象や問題について、「こうなったらいいな」という仮の

コンサルティングが活用されている場面 企業経営は非常に複雑で、さまざまな要素が絡み合っている大規模な活動です。したがって、経営者には社内外の多岐にわたる情報を整理したうえで、いくつかの戦略案を立案し、それぞれのメリットやデメリットを考慮した意思決定が求められます。そのため、多忙な経営者がより正確な意思決定を迅速に行えるよう支援する場面で、コンサルタントに依頼をすることがあります。このように、経営者の戦略立案と戦略決定を支援するのが戦略コンサルティング、もしくは経営コンサルティングです。 しかし、戦略を決めたとしても実行できないケースも珍しくありません。戦略立案時に想定したオペレーションが実現できなければ、いくら戦略が優れていたとしても想定した結果が得られないからです。業務コンサルティングという分野では、主に戦略の実行を支援し、想定した業務プロセスを実行可能にすることを目指します。 イノベー

CBInsightsのAnand Sanwal氏が「SaaS企業としてやってはいけない６８のこと」という内容を発表していて、SaaS以外のスタートアップにもあるあるな間違いなので、シェアしたいと思います。今のご時世、DeepLなんかを使えば？みたいな話もありますが、Anandさんは微妙に口が悪いので自動翻訳は難しいのではないかと思います。なので、敢えてニュアンスもお伝えするとともに、個人的な意訳たっぷりな表現もご紹介します。（ちなみに、個人的なお気に入りは #1 #22 #25 #29 #34 #40 #44 #68） 顧客以外のアドバイスは聞くな（意訳：無責任なアドバイスは多いから気をつけろ） アドバイスの結果が跳ね返ってくるような人からのアドバイスだけ聞け 成果を挙げる嫌な奴とは付き合うな（意訳：嫌な奴がいたら優秀でもクビにした方がいい） 短期的にメリットがあっても、長期的には癌になり

デジタルヘルス×ウェアラブル市場に参入している（しようとしている）企業は多いが、これまでのところアップルウォッチ以上の可能性を出せている会社はなさそうである。私は決してアップルファンではないので、他に良いソリューションがあってもいいはずだと思っているが、なかなか登場しそうな気配もないが、その理由を考えてみたい。 まず「ヘルスケア」という切り口で参入すると痛い目に会う 私たちの大半は基本的に健康であり、ほとんどの人にとって、病気や死を意識することはない。もし、病気や死を恐れているとすれば、すでに体調が悪かったり、病み上がりだったり、病気と隣接している状態のときである。つまり一般の人にとって、朝起きた瞬間「健康になろう」と思い立つようなジョブは抱えていない。もちろん、「健康になりたい」といった動機はあるにはあるが、具体的な活動に結びついたジョブという形では存在していないのだ。同様に「正しい食生

AIによる外観検査ということに取り組み始め３年が経過しました。 わずか３年前は、MENOUの事業を説明する際、「AIとは？」「ディープラーニングとは？」「機械学習とは？」「ルールベースの画像検査との違い」など本当に基本のキからお客様にご理解頂いていたのが普通の世界でした。 ところが最近では、AIによる画像検査は当たり前となりつつあり、学習コスト、ランニングコストや検査速度（タクトタイム）、モデルの更新など使用するうえでの課題についてご質問されたり、ご相談を受けるケースが増えてきています。 今回は特に「学習コスト」と「検査速度」にとっても効果のあるMENOUの独自技術である「タスクコネクション」について解説したいと思います。 まず、そもそも「学習コスト」というのは「AIが賢くなるのに必要なコスト」という意味です。残念ながらAIというものは、データを与える前は何もできない「使えない」AIです。

※この記事は、「機械学習に不可欠なアノテーションとは？AI開発の裏側をわかりやすく解説」の【後編】になります。 前編は▷こちら◁よりご覧ください。 機械学習におけるアノテーションの種類アノテーションが機械学習においてどのような役割を持っているのかがわかったところで、実際にどのようにアノテーション作業を進めていくのか確認していきましょう。 アノテーションと一口に言っても、扱うデータ形態によってやり方が異なります。機械学習のアノテーションについて、大きく次の3種類のデータに分けて解説していきます。 ①画像・動画データ ② テキストデータ ③音声データ ①画像・動画データ画像や動画データは、基本的にはアノテーションでその画像・動画に何が写っているのかをラベリングしていきます。 画像・動画データのアノテーションにはいくつかの手法がありますが、ここでは代表的な以下3つをそれぞれチェックしていきましょ

※こちらの記事は、MENOU公式ユーザーフォーラムより転載しています。（一部編集しております） 今さら聞けないかもしれませんが、「画像検査」「外観検査」「目視検査」って意識せずに使っていたりしますよね？ 改めてこの３つの用語を整理したいと思います。 １．画像検査「画像検査」とは文字通り画像を用いた自動検査になります。 スマホ１台あたり３つ～４つのカメラが当たり前の時代ですから、デジタル画像を取得するコストは著しく下がり、これを検査に使わない手はありません。 このようなデジタル画像を用いて、製品や部品の品質を検査することを画像検査と呼びます。マシンビジョンと言うこともありますね。略してMVとカッコよく使っても大丈夫です！ 普通のカメラ以外にもⅩ線カメラを使うのも画像検査ですし、「外観」ではなく内部や、形状などの検査を行う場合は「外観検査」ではないので、若干意味が異なってきます。 ２．外観検査

まず、最初にUbieの創業チームが話しているこのポッドキャスト、めちゃくちゃ面白いんでスタートアップとか事業開発やってる人は是非聞いてください！ とくにMicrosoftとSlackの分析は冷静かつ謙虚かつ大胆ですごいです。 （Ubieを知らない人も少なくなっているかもしれませんが、ユビーAI受診相談などを開発しているユビーです。最近は海外進出し、英語版もリリースしてたりします。） さて、これを聞いて触発されたので書くんですが、Moat（モート）って考えてますか？ “参入障壁“という言葉の方が比較的馴染みがあるかもしれませんが、Moat（モート）というのは、似て非なるキーワードです。 Moatとは、日本語で“堀”を指す言葉で、城を守るために周囲の地面を掘りこんで、簡単には敵に攻められないようにするアレです。水が張ってある堀もありますし、単なる溝になっている堀もあります。Moat に対して参

TP: True Positive とは、本当に陽性であったものが検査も正しく陽性を検出できたことを指し、 TN: True Negativeとは、本当に陰性であったものが検査も正しく陰性であったものを指します。 検査が「正しい」ケースというのはこの２つのケースです。 検査が間違うのは、 FN: False Negative 本当は陽性にも関わらず、陰性の結果が出てしまう FP: False Positive 本当は陰性にも関わらず、陽性の結果が出てしまう という２つのケースです。 FNによる検査漏れを気にして、厳しめの検査を行っているとFPが多く、「Overkill （オーバーキル）」状態となってしまいますよね。これはAIに限らず、色々な検査工程で行われています。 MENOUでは以下のように表示されます。 「精度」を評価するうえでの問題点 MENOUのようなAI検査を導入するうえで、いつ

はじめに 実例とありますが、 私が用意したデータに対して私がやりたいことを実現していった例となりますのでご了承ください。 今回はウッドブロックの形と穴の有無を検出していきたいと思います。

NTTドコモは11月30日、iモード公式サイトのサービスを終了した。ある意味で日本の2000年代を支えた存在の終了であり、1つの時代の終わりともいえる。 一方で、「iモードとはどういう意味を持った存在であるか」については、少々誤解も多いように思う。iモードの全てが日本独自で悪いものではなかったし、現在の目で見て無価値なものではない。 iモードがなぜ盛り上がり、そしてスマホの勃興とともに消えていったのかは、業界構造を含めた理解が必要になる。 そしてそのことは「ガラケー」と呼ばれるフィーチャーフォンが、本当はどういうものだったのかを考え直すきっかけともなる。 今回は改めて、「iモードとは何だったのか」を考えてみたい。 この記事について この記事は、毎週月曜日に配信されているメールマガジン『小寺・西田の「マンデーランチビュッフェ」』から、一部を転載したものです。今回の記事は2021年12月6日に

今さら聞けないかもしれませんが、「画像検査」「外観検査」「目視検査」って意識せずに使っていたりしますよね？ 改めてこの３つの用語を整理したいと思います。 １．画像検査 「画像検査」とは文字通り画像を用いた自動検査になります。スマホ１台あたり３つ～４つのカメラが当たり前の時代ですから、デジタル画像を取得するコストは著しく下がり、これを検査に使わない手はありません。 このようなデジタル画像を用いて、製品や部品の品質を検査することを画像検査と呼びます。マシンビジョンと言うこともありますね。略してMVとカッコよく使っても大丈夫です！ 普通のカメラ以外にもⅩ線カメラを使うのも画像検査ですし、「外観」ではなく内部や、形状などの検査を行う場合は「外観検査」ではないので、若干意味が異なってきます。 ２．外観検査 ​「外観検査」とは、製品や部品を外から検査員が眺めて品質を管理する工程を指します。「外観」は文

「イノベーター理論」と「キャズム」 新型コロナのワクチン接種のグラフを先日眺めていたら、きれいなS字を描いていることに気づきました。 新しい解決策が世の中に受け入れられ、普及するのには時間がかかります。一部の新しいもの好きはすぐに採用しますし、もっと遅い人もいます。ロジャースという社会科学者の研究によって、この採用スピードは正規分布し、採用率をプロットするときれいなS字を描くことがわかりました。例えば、日本におけるテレビの普及曲線はこのようになっています。 wikipedia commons https://commons.wikimedia.org/wiki/File:Television_penetration_rate_in_Japan_from_1957_to_2015.svg その後ジェフリー・ムーアはハイテク商品を世の中にローンチしても、売上が伸び悩むことが多いことに気づきまし

分け隔てのないNOTE まず、NOTEです。 NOTEには“柔らかい”文章がたくさんありませんか？そして、まるで「プロ」のようなエッセイや小説が無料で読めます。もちろん、課金しないと読めない「プロ」が書いた作品もありますが、「アマチュア」が稼ぐことも可能だし、「プロ」が無料で作品を提供することもできるのがNOTEです。 例えばこんなエッセイにも出会えます。 今週末の日曜日、ユニクロで白T買って泣く｜しまだあや（島田彩）｜note今週末の日曜日、私はユニクロで泣く。 いつも行く、イオンの4階に入っているユニクロで。きっと、震えながら白のエアリズムコットンオーバーサイズTシャツ（5分袖）を手に取って、泣く。 何の話か全くわからないと思うけど、今、たった今3時間前に起きたことを、心臓をばくばくさせながら、今日は書く。 … 以前は、アマチュアはアマチュア、プロはプロの場が用意されていました。NOT