「良い技術はある。でも、"提案"にすると刺さらない」――そんな悩みはありませんか。独自の対話AI技術を持つ会社が、その技術を新しいサービスにして、ある企業に提案する。その企画・提案を私たちLabz.がご支援した事例です。 カギは、完成した提案書を持ち込むのをやめ、要所に"問い（ご確認事項）"を置いて相手と論点を擦り合わせる、共創型の進め方に組み替えたこと。①相手の負荷が大きい領域からスコープを決め、②効果をROIで試算し、③「汎用FAQでは終わらせない」差別化（契約データの考慮と深掘り質問）を言語化し、④まず小さく試す試作→段階展開でリスクを下げる。 そして残したのは提案書1枚ではなく、案件ごとに作り直さなくていい"問いで組み立てる提案の型"でした。これは事業「共通地図」の実例です。守秘情報（社名・サービス名・自社技術の固有名など）は伏せ、要点を一般化して解説します。

「で、それ、他社と何が違うの?」「本当に儲かるの?」――新しい事業を提案した会議で、この2つに詰まった経験はありませんか。ある造船会社が、海運会社向けの「航路最適化AI」で新規事業の差別化を描いたご支援事例です。 突破口は、機能を足すことでも精度を上げることでもありませんでした。①導入効果を3つの別々の方法で試算して収束させ、②競合を"タイプ別"に並べて誰も埋めていない「空白」を見つけ、③その空白に自社の強み（建造から修繕・メンテまで持つバリューチェーン）を当てはめて差別化を定義する。さらにPoCでは「できたこと」と「まだ確かめていないこと」を同じ熱量で示し、次の投資判断ができる状態にしました。 霧のかかった「ソフトで新規事業を」が、投資判断に進める一枚の地図になる。これは事業「共通地図」の実例です。守秘情報（社名・競合名・開発費や価格の内訳など）は伏せ、要点を一般化して解説します。

「生成AIは間違えるから、専門家の判断が要る本業には使えない」――そう思って止まっていませんか。ある保険会社の保険金査定（専門医の判断が要る一次査定）を、生成AIで自動化できるか実証した（本番前のフィージビリティ検証）ご支援事例です。 ブレイクスルーは、"精度100%の完璧なAI"を目指すのをやめたこと。人とAIの協業（HITL＝人が最終確認する運用）を設計し、判定AIの精度を44〜45%から80%超まで地道に引き上げました。カギは、専門家（医長）の頭の中にある"暗黙の判断基準"を対話で引き出してルールに変え、AIに載せること。迷ったら無理に判定させず人へ回す設計です。 専門家一人に閉じていた判断が、"誰でも回せて、賢くなり続ける仕組み"として社内に残る。これは事業「共通地図」の実例です。守秘情報（社名・財務数値・約款など）は伏せ、要点を一般化して解説します。