見出し画像

MFC Googleと考える課題解決ディスカッションに行ってきた話

6/21 19:00~ 
会場、東京都新宿区新宿4-1-6 JR新宿ミライナタワー 12F

上記イベントに参加しました!!


・AIについて基礎的な理解ができる
・グループディスカッションの練習ができる
・他学校の学生と交流ができる
をテーマに、高校生から大学院生まで参加可能な無料イベントで、当初の参加者数が6人だったそうですが、
なんと揃ってみたら2人だけ😮笑

そんな中、講師の方の経歴は学生起業、新卒で大手コンサル、マーケティングリサーチ社長秘書、大手IT人事職、を歴任したエリート!!

そんな方を2人占めの3時間!!笑
大変学びの深い時間になり、中盤からスケジュールも崩壊し、気がつけば終了予定時間を30分過ぎていました!!笑

本noteは、今回のイベントで学んだグループディスカッションの本質とコツ、課題の分析、解決力について記述したいと思います。


・オープニング&アイスブレイク

(割愛)
人事をやっていて思ったことは良い人材と悪い人材は明確に分かれている、そこを分けるポイントは今までやってきたこととこれからの自分と企業のビジョンを答えられるか、そしてこの質問には背景がある、世の中のことに常日頃から関心があり自分の言葉で考えを話せるかどうかを見ている、多くの人は物事の本質の構造を分かってない、例えば老後資金の問題、なぜ、なにに騒いでいるのかというと勝手に世論が騒いでいるから騒いでいるだけ、麻生さんは年金の支払いが難しくなったことや長寿化から、もしかすると老後を生きていくのに莫大な資金が必要なのではないかと考え試算した結果を親切に教えただけで、もともとみんなが潜在的に感じていたことである、それに騒ぐのはおかしい、課題を正しく認識することが重要である。

・テーマの趣旨説明

AIは生活を豊かにしてくれる、ペットボトルのデザインや色のニーズ把握、昔は聞き取り調査だった、データ収集に時間がかかりすぎて反映されるまでに3ヶ月かかった、しかし新技術を導入することで人を介在する必要がなくなり効率化、さらに新しい産業生む、AIに対してネガティブな要素はない。

・ディスカッション練習
有名人を総理大臣にするならだれ?

1ディスカッション前に自己紹介、バックグラウンドを開示。
2役割ぎめは最初、タイムキーパーは全体の所要時間で何%過ぎたか把握してリズムを管理、書記はロジックを明文化しながらサポートできると全体の流れがスムーズになる。
3定義づけや価値基準、この場合は有名人と総理大臣。
4当たり前。
5ディベートではないことに注意、
プレゼンするときは結果結論を最初に!
★グループディスカッションは提案が100%肝になる、会議の中でいきなり上司に「30分後に企画もってきて」と言われることがある、ビジネスの場では制限時間は死守、提案に至るまでに重要な要素がたくさんある。


・マシュマロチャレンジ

チームビルディングの重要性、経営者だけよりも他の役職の人を混ぜてやると結果が良くなる、幼稚園児はまず触ってみて材料の脆さや用途を理解する、立てては崩し立てては崩しを繰り返して学ぶ、最終的には大人よりも成果が良かった。→ディスカッションでシナリオを先に立ててその通りに進もうとするのはよくない、試行錯誤で価値を高める、まず素早く結果を出してそこからブラッシュアップしていく。

・動画コンテンツ視聴
機械学習技術>ニュートラルネットワーク>ディープラーニング、機械学習とビジネスに組み合わせることで課題を解決できる、普通のITと機械学習の違い、普通のITは仕様やルールを人が決める、例えば移動の速さでその人がなにをしているのか判断する、時速4キロ以下なら歩き、5キロ以上なら走り、12キロ以上なら自転車に乗ってる、しかし止まっている人がなにをしているのか分からない、機械学習はまずあらゆるデータを収集しどのデータを参考にしたらルールを作れるのかAI自身が見つける、googleの画像判別や音声判別、文章翻訳などに利用されている。
→新産業は複数の産業のある点をかけ合わせてできている、今まで交わらなかった他産業の人とディスカッションすることで新しいものが生まれる(トヨタ×パナソニック)、ずっと同じ会社内でディスカッションしてても新しいものは生まれない、産業の横断にディスカッションは本質的な手段である。

・グループディスカッション
制限時間40分

お題、課題提示からAIを活用した解決策提案、
5W1Hに当てはめていく。(課題性質上、場所や時間条件を重視しなくてもいい場合もある)

事実の提示、(日常生活で起きたら困ることや不便に思ってること)(★what)人身事故発生による電車の遅延、大勢の人が駅に滞留する。

課題を考える際に、まずプレイヤーを決める、(誰の視点からの課題なのか)(★who誰の視点か)
その事実に関わる人やその環境にいる人を列挙、
1鉄道会社、2足止め食らった客、3駅内コンビニの人、4清掃員、

発展しやすそうな鉄道会社に決定、次に選択したプレイヤー目線から人身事故が起きて困りそうなこと(課題)を列挙、(★howどのように困るのか)
1事故が起きた路線の駅がいつも以上に混雑する、
2溢れたお客のための振替輸送のコストが発生、
3乗るはずだったお客からの事故って行けなくなった区間分の収益を棄損、
4事故により利用者が減少する、(痴漢が多い汚名がつくことで利用客減るのと同様に) 

一企業として収益やコストに関わることを重視すべき、しかし2のコストは状況による条件によってコストが複雑に発生するため収益の棄損を選択、次になぜこのようなことが起きるのか、つまり[人身事故]によって[収益の棄損]がなぜ起こるのか、その間にある収益構造を考える。(★why因果関係を作る構造を把握)
鉄道サービスは、お客が乗車した駅から降車した駅の距離が遠ければ遠いほど収益を生む構造になっている、そのためA駅で乗車したお客がC駅までいくと100%とれた収益を人身事故が起き路線が途中のB駅で停止したためB駅からC駅までの区間分の収益をとりそこねたことになる。

この構造によって人身事故が収益の棄損を生むことが分かった、次に解決策と活用するAIデータについて考える、現状の課題は収益の棄損であるから他の手段で収益を生むことでリカバリーできそう、人身事故が起きた際にお客の選択肢として、
1目的地到達を諦めて帰る、
2待つ、
3他キャリアを利用して目的地へ到達する(バスやタクシー)、
4自社キャリアで振替手段を新たに作る、
例えば自社のキャリアでバスを手配した場合1、2については収益を生むことができるが、3に流れた分だけ損をするので3よりも選びたくなるような振替手段をつくる、その際に必要なデータが、
1その路線の時間や天候等の条件を踏まえた各駅の乗降者数、
2人身事故が起きたときの他キャリア利用者数と目的地へ行くまでの時間と料金、
この2点のデータを機械学習によって蓄積させて解決策を考える、他キャリアを使うお客は早く目的地に着きたいからである、そのため路線に沿ったルートを作ることで時間的要素で優位に立ち、流れるお客の数をデータから把握することで最適化した収容人数のバスを用意できる、これによって収益の棄損を解決できる。


今回のイベントで、
ディスカッションの重要性とそのコツの中にある課題→解決までのプロセスを詳しく知ることができました。インプットは完了したのでこれを実践の場でアウトプットするために、これからもディスカッションをできる環境を探しながら勉強していきたいと思います!!

以上!!