伊藤忠商事の生成AI新規事業、社員のアイデアを8つの企画と試作品へ

教育を最初の一手に据え、そこからMVP構築までを一本の流れとして設計したことが、この取り組みの骨格になっています。生成AIの基礎知識の提供と、短い周期で作りながら考えるアジャイルコーチングのカリキュラムが先に置かれ、その延長線上にアイデアソン、企画の絞り込み、試作の構築が並んでいました。ツールを配ってから使い道を探すのではなく、扱える人を先に増やしてから題材を出させる順序になっている点が要と言えます。

発散と収束を明確に分けた進め方も効いたと見ています。アイデアソンでは各カンパニーの事業課題に対する案を数多く出し、その後にデータサイエンティストとの壁打ちを通じて8個へ絞り込むという二段構えが取られました。技術側の視点を早い段階で当てることで、実現の見込みが薄い案を抱えたまま先へ進む事態を避けられます。アイデアの量を確保する場と、それを技術的な現実に照らす場を別に用意した設計が、企画としての昇華を支えたのではないでしょうか。

技術面では、Azure OpenAI ServiceやMicrosoft Fabric、Azure Databricksを組み合わせた基盤のアーキテクチャを先に考案し、そのうえでMVPの構築に入る手順が取られています。生成AIの部分だけを切り出さず、データを蓄えて扱う仕組みまで含めて土台を決めてあれば、8つという複数の企画を同じ基盤の上で並行して試せます。個別に環境を作り込む場合と比べ、試作の立ち上がりが速くなる構えです。