「新商品が決まらない」をメタ認知的な「第三者視点AI」で解決

新商品会議を重ねても決まらない理由
会議が終わり、机には企画書と冷めたコーヒーが残っている。「もう少し市場を調べよう」と持ち帰ったものの、次回も同じ議論になりそう。新商品の開発を任されていると、こうした停滞はこたえます。担当者の時間が積み上がり、経営者には投資の判断が迫られる。それでも、誰も自信を持って「これでいこう」と言えません。
このとき、最初に確かめたいのは、何について決めかねているかです。顧客が欲しがるか分からないのか、利益が出るか判断できないのか、それとも部署ごとに重視する条件が違うのか。「新商品が決まらない」という一言の中には、異なる問題が混ざっています。原因が分かれたままアイデアを追加しても、比較する対象だけが増えてしまいます。
例えば、営業は売りやすさを、開発は実現可能性を、経営者は将来性を重視しているかもしれません。どれも必要な視点ですが、同じ基準で比較していなければ議論はかみ合いません。ここでAIに担わせたいのは、会議の発言を整理し、判断の前提や論点の抜けを点検する役割です。
自分たちの判断を外から見るメタ認知
メタ認知とは、自分の考え方や判断の進め方を把握し、必要に応じて調整することです。コロンビア大学の教育支援センターは、その説明に「thinking about your own thinking」という表現を用いています。日本語にすれば「自分の思考について考える」という意味です。商品企画なら、「この商品が売れそうか」に加えて、「私たちは何を根拠に売れると判断しているか」を確かめます。[1]
「何となく魅力が弱い」という感覚も、点検の入口になります。誰にとっての魅力なのか。既存商品との違いなのか。価格に見合う価値なのか。言葉を分解すれば、追加で確認する項目が見えてきます。「もっと斬新に」と注文を出す前に、判断できない理由を具体化するわけです。
本記事でいう「第三者視点AI」は、人間のメタ認知を補助する使い方を指します。AIが自動的に中立な判断を下すという意味ではありません。Anthropicが2023年に公表した研究でも、AIが正確さより利用者の考えへの同調を優先する挙動が報告されています。[2] 「この案は良いですよね」と聞けば、その質問の方向へ回答が寄る可能性があります。だからこそ、AIには評価を求める条件と、点検する対象を明確に渡します。

AIに判断の前提を点検させる方法
最初から「売れる新商品を考えて」と頼むより、今ある企画と判断材料をそろえて相談すると、どこを確認すべきか整理しやすくなります。まずは次の手順で進めてみてください。
- 商品案、想定顧客、解決したい困り事、想定価格、提供上の制約を整理します
- 顧客への聞き取り、問い合わせ、失注理由など、企画の根拠となる情報を添えます
- 会議で出た意見を発案者の肩書きから切り離し、案ごとの賛成理由と懸念に分けます
- AIに、事実と仮説の混同、判断基準の不一致、足りない情報を指摘させます
- 指摘の根拠を元資料と照合し、次に確認する項目を人間が選びます
例えば、「以下の商品案と会議記録を第三者の立場で点検してください。確認済みの事実、未検証の仮説、不足情報を分けてください。各指摘には根拠となる記述を添え、資料にない顧客需要や数値は補わないでください。結論が変わる条件も示してください」と指示します。社内資料を使う際は、自社で利用が認められた環境を選び、個人情報などは必要な範囲に絞ります。
ここで、自社の企画書を見直してみてください。「顧客が困っている」という記述には、実際の発言や行動が添えられているでしょうか。「競合より優れている」という評価は、顧客が重視する項目で比較されているでしょうか。「利益が出る」という見込みには、販売やサポートの負担まで含まれているでしょうか。説明できない箇所が、次の調査や検証の候補になります。
顧客価値と事業性で候補を比較する手順
論点がそろったら、候補を共通の軸で比較します。ここで使うのは、顧客の困り事の切実さ、購入する理由、提供に必要な負担、利益の見込みです。これは実務上の整理案であり、AIによる採点が商品の成功を証明するわけではありません。根拠の薄い「需要は5点」という数字より、「聞き取りで困り事は確認できたが、この価格での購入意思は未確認」という記述のほうが、次の行動を決める材料になります。
比較は次の順番で進めます。
- 誰の、どの場面の困り事を解消するかを、候補ごとに一文で書きます
- 顧客が現在使っている代替手段と、特定の場面で感じている不満を整理します
- 自社商品へ切り替える理由と、支払ってもらうための条件を仮説として置きます
- 開発、販売、提供後の対応にかかる工数と費用を見積もります
- 各項目を「確認済み」「要検証」「成立が難しい」に分け、根拠を添えます
例えば、機能を多く盛り込んだ商品案と、特定の手間だけを減らす商品案があるとします。これは説明のための仮想例です。前者は社内で魅力的に見えても、使い方の説明や導入支援に負担がかかるかもしれません。後者は地味でも、顧客が頻繁に困る作業を減らせる可能性があります。AIには両案について「購入しない理由」「運用で負担になる点」も挙げさせ、どちらも同じ条件で点検します。
大切なのは、不明な項目を都合のよい推測で埋めないことです。購入意思が未確認なら、比較表にも未確認と残します。AIが挙げた懸念も、そのまま事実にはできません。判断に影響するものから、顧客や現場へ確かめる順番を決めます。
最初の検証を決めるための問い
整理した結果、すぐに一つへ絞れないこともあります。それでも、「何が分かれば決められるか」が明確になれば、次に進めます。価格への反応が不明なら価格を示した提案を、使い勝手が不明なら簡易な試作品を、運用負担が不明なら限定した試行を計画します。
検証は次の手順で具体化します。
- 採用判断を左右する未確認事項を一つ選びます
- その仮説を確かめる相手と方法を決めます
- 「良いと思う」という感想に加え、試用への参加や具体的な購入条件などを確認します
- 実施前に、継続、修正、保留を判断する条件と期限を決めます
- 結果をAIに整理させ、元の仮説との差を人間が確認します
判断の条件は、自社の予算、採算、事業の目的に合わせて設定します。顧客の好意的な感想だけで需要を断定せず、どの条件なら実際に行動してもらえるかまで確かめたいところです。AIは、その結果から言えることと言えないことを整理する補助にも使えます。
新商品が決まらないときは、企画を考える力だけでなく、考え方を点検する機会を設けてみてください。AIを通じて判断の前提を言葉にし、不足情報を確かめ、投資を段階的に判断する。その積み重ねが、迷っている状態を具体的な行動へ変えていきます。次の企画会議で、御社が最初に確かめるべき「まだ分かっていないこと」は何でしょうか。
参照資料:[1] Columbia University Center for Teaching and Learning「Metacognition」 [2] Anthropic「Towards understanding sycophancy in language models」(2023年10月23日)
「新商品が決まらない原因を、AIで整理できないか?」と少しでも気になった方は、以下のフォームからお気軽にご相談ください。【初回無料】にて、AIとマーケティングを組み合わせた商品企画・仮説検証の支援を通じて、「貴社の課題抽出」「業務や事業の次の一手」となる新たな可能性を提案いたします。
💡合同会社RASHは【マーケティング×IT×生成AI×行動経済学/脳科学/心理学などの知見】で、「課題の明確化」「解決策と費用対効果の提示」から、「貴社・部門の“どうにかして解決したい”」を全力でお手伝いいたします。【DX/AXで「やらなくていい」をゼロに、「やりたい」を形に】顧客の現場に密着し、最短距離で価値を創出するForward Deployed Engineer(FDE)として、以下の3軸で事業を展開しています。
📒経営・営業向け生成AI/DX導入支援(FDEスタイル)
現場の課題を直接抽出し、コスト削減や売上・生産性向上につなげるハンズオン型サポート。
📒心理学・科学的根拠に基づくマーケティング・研修
行動経済学や脳科学の知見を活用した、顧客の意思決定を踏まえる集客設計や組織教育。
📒事業成長のためのシステム開発・AI構築
事業運営やピボット支援まで踏み込んだ、事業成長を支えるシステムの設計と実装。
ITエンジニアの技術力、マーケターの戦略眼、そして心理洞察。これらを現場の「前線」で組み合わせ、課題の診断から設計、実装まで支援します。「新商品の候補を比較する判断基準を整理したい」「顧客に確かめるための試作品をつくりたい」「営業の失注理由を分析し、提案を改善したい」「社内の問い合わせ対応をAIで効率化したい」など、もっと抽象的なご相談でもOKです。
あなたのアイデアやお悩みを【マーケティング×IT×生成AI×行動経済学/脳科学/心理学などの知見】でビジネスの未来につなぎます。気軽にお問い合わせください。あなたのビジネスを伸ばす「AI活用型システム開発、AI導入支援/研修/ハンズオン型サポート/コンサルティング」など「弊社ができること」はこちら



