情報収集 書籍
　
No.2353
技術マーケティングによる新規事業･R&Dテーマの発掘
IPランドスケープの取り組み事例と実施体制の構築
　　　USB版（USBブック）の詳細はこちらをご参照ください。

★新規事業開発のプロが教える情報収集の極秘ノウハウを一冊に集約！
★生成AIの本当の強みとは何か！最も威力を発揮する効果的な使い方とポイントを伝授！

新規事業テーマ探索のための
情報収集・分析法と生成AIの活用

発刊予定　：　2026年5月末　　体　裁　：　A4判 約450頁　　　定　価：　製本版、USB版共に88,000円(税込）　
ＩＳＢＮ：　978-4-86798-154-2
　
■試読を希望される場合は下記からお申し込みください
○　未刊書籍の試読については、Web版、紙の書籍ともに、発刊後の提供となります。
〇　WEB上での試読は原則１回とさせていただきます。2回目以降の試読はお断りさせていただきます。
〇　試読期間は１週間です　 〇　試読のIDとパスワードは１つです

web試読についてはこちらからご確認ください
　
■　本書のポイント

１．どのように情報を収集し、 潜在ニーズを読み解くのか！
・どの領域を狙うのか！新規事業企画において必要な情報とは何か！

・何を問うべきか、どの仮説を採るべきか、どの前提を重視するか！
　　　　　　　　　　　　　　　　　問いを起点にした情報収集の実践法！

・市場規模、成長率、競合動向、技術トレンド、政策動向、顧客の声…
　　　　　　　　どの情報を、どのように集め、どう解釈して行動につなげるか！

・情報ソースの選定、データの質と量の評価、仮説構築、検証につなげるフレームワークとは！

・マーケティングリサーチの設計、仮説立案と検証のポイント！

・技術動向の調べ方、ポイントとその情報源を詳解！

・インタビュー、アンケート調査は誰に、何を、どのように聞くのか！

・情報の偏りや思い込みをどう取り除くか！
　　　　　外部専門組織の上手な活用法と情報ネットワークの構築！

・顧客からの生々しい市場、商品情報はどのように入手すればよいか！
　　　　　　　　　　　　　　　　　　学会、展示会の効果的な活用法を詳解！

・顧客自身が気づいていない潜在ニーズをどう掘り起こすのか！
　　　　　　　単なる要望、不満とインサイトの違いとは！その見極め方！

・表層的な情報に依存して重要な意思決定を誤るな！
　　　　　　　　　　顧客の心の奥にある根源的な真の動機をどう掴むか！

２．生成AIの使いどころとは！ 人間はどの部分を担うのか！
・主要AI ツールの機能進化と戦略的な使い分けの極意！
　　　　　　　調査時間と工数を劇的に短縮する生成AI 活用のポイント！

・生成AI 、LLM を活用して、どのように有益情報を抽出するか！
　　　　　　　　　　　　　　　　　　適切な指示（プロンプト）の与え方とは！

・生成AI による調査計画、競争戦略立案の留意点とは！

・動向調査、将来展望マップの作成、用途探索、アイデア創出…
　　　　　　　　　　　　　　　　　　　　生成AI の効果的な使いどころとは！

・生成AI を活用した新規テーマ候補から
　　　　　　　　　　　　　どのように自社が取り組むテーマを選択するか！

３．情報のまとめ方、取捨選択と 新規事業探索のポイントとは！
・市場として成立するか、技術的に実装可能か、競争優位を築けるか！
　　　　　　　　　　　　　　　　調査検証の目的と判断基準の考え方とは！

・情報の取捨選択が勝敗を分ける！
　　　　　　　　　　　　　　その見極め方、そぎ落とし方のポイントを解説！

・生成AI による情報の取捨選択の自動化と基準の作り方！

・役員説得のための事業化ストーリー作りの勘所！

・説得力ある資料の作り方とは！情報を活かす資料作成ノウハウ！

　
　

■　執筆者（敬称略）　

日本経済大学 高橋 文行 (株)ビジネス工房 緒方 真一
(株)イーパテント 野崎 篤志 シミックホールディングス(株) 山本 伸
フォーカスマーケティング(株) 蛭川 速 (株)ファースト・イノベーテック 川崎 響子
AJS( 株) 加藤 仁一郎 VALUENEX( 株) 中村 達生
(株)ジャパン・マーケティング・エージェンシー 吉田 聖美 (特非)バイオミメティクス推進協議会 平坂 雅男
(株)アイスタット 志賀 保夫 (株)オキサイドパワークリスタル 中西 秀夫
Bird s View 越野 孝史 村田機械(株) 中尾 敬史
アイマーケ(株) 石川 憲昭 リファインホールディングス(株) 坪井 誠
中部大学 藤田 照典 アイビーデザイナーズ 細野 英之
(株)MatrixFlow 田本 芳文 知財務(株) 古庄 宏臣
ストックマーク(株) 田中 和生 大藪知財戦略コンサルティング 大藪 一
北陸先端技術科学大学院大学 今井 秀之 (株)リーディング・イノベーション　 芦沢 誉三
(株)シナプス 後藤 匡史 (株)ケミストリーキューブ 葉山 英樹
グローバル・ビジネスマッチングアドバイザー 山本 雅暁 T&M 研究会 六車 忠裕
(有)金森マーケティング事務所 金森 努 北陸先端科学技術大学院大学 樋口 裕思
日本工業大学 清水 弘 (公財)全日本科学技術協会 高橋 富男
北陸先端技術科学大学院大学 今井 秀之 (株)日本能率協会コンサルティング 細矢 泰弘
(株)テックコンシリエ 鈴木 健二郎 (株)ウェブタイガー 田村 憲孝
セリオ国際特許商標事務所 石井 琢哉 (株)ケミストリーキューブ 平木 肇
(株)IP 調査塾 松尾 健司 (有)インフォナビ 上野 佳恵
サーマルセミコンデザイン(株) 外谷 栄一
(株)ニューチャーネットワークス 高橋 透
   

■　目　　次

第１章　情報収集の基本、調査のポイント

第２章　マーケティング情報の収集法と結果の読み解き方

第３章　技術情報、技術動向の調べ方とポイント

第４章　競合情報の収集、分析と競争戦略の作り方

第５章　未来予測のための情報収集法と情報の読み方

第６章　新事業開発テーマを探索するための情報収集の仕方

第７章　情報のまとめ方、取捨選択の仕方、活用の仕方

◇第１章　情報収集の基本、調査のポイント◇

第１節 戦略的インテリジェンス・サイクルの活用法

１．新規事業の情報収集を「作業」から「戦略活動」へ変える視点
２．戦略的インテリジェンスの基本構造
３．課題設定と運用計画
４．情報収集・分析・解釈
５．提言・実行・振り返り
６．実務への活かし方

第２節 新規事業テーマ探索のための情報収集・分析の考え方
～シーズドリブンとニーズドリブンにおける特許情報と市場情報の使い分け～

１．新規事業開発に必要な情報とその特性
　　1.1　情報の全体像：内部情報と外部情報、知財情報と知財以外の情報
　　1.2　特許情報の特性と限界
　　1.3　市場情報・ビジネス情報の特性
２．シーズドリブンとニーズドリブン：2つのアプローチと特許情報の使い分け
　　2.1　新規事業テーマ探索の2つの起点
　　2.2　シーズドリブンにおける特許情報の活用
　　2.3　ニーズドリブンにおける特許情報の活用
　　2.4　シーズドリブンとニーズドリブンの統合
３．業界構造の見極めと後発参入戦略における特許情報の活用
　　3.1　業界・業種構造による特許情報活用の違い
　　3.2　後発参入における特許情報の戦略的活用
４．3C・知財視点を取り入れたクロスSWOT分析の活用7)
　　4.1　従来のSWOT分析の限界
　　4.2　3C・知財視点を取り入れたクロスSWOT分析
　　4.3　新規事業テーマ探索への適用
　　4.4　クロスSWOT分析のための情報収集・分析プロセス
５．生成AIを活用した新規事業テーマ探索の高度化
６．新規事業テーマ探索における留意点
　　6.1　知財部門と他部門の協働
　　6.2　VUCAの時代における柔軟性
　　6.3　「人」の力の重要性

第３節 仮説思考 × 統計オープンデータ × AIで進化するマーケティングリサーチ

１．データはあるが、活用できているか
２．仮説思考と統計オープンデータ
　　2.1　仮説とは、単なる思いつきや直感ではありません
　　2.2　仮説設定の３つのアプローチ
　　2.3　暗黙知言語化法 ― 思考を可視化し、仮説へ昇華させる
　　2.4　Factデータ考察法 ― 事実から意味を導く思考技法
　　2.5　常識確認法 ― 「当たり前」を疑うことで仮説を生む
３．統計オープンデータとは
　　3.1　統計オープンデータ活用上の留意点
４．AI時代の統計オープンデータ活用
　　4.1　実践ハウツー①統計報告書の要約
　　4.2　実践ハウツー②仮説・アイデア出し
　　4.3　AIを用いた統計オープンデータ分析における留意点
５．仮説思考 × 統計オープンデータ × 生成ＡＩ【ケーススタディ】
　　5.1　暗黙知言語化法
　　5.2　Factデータ考察法
６．統計オープンデータと生成AIの限界

第４節 特許、学術、業界などの情報活用と研究開発テーマの発掘

１．研究開発テーマの選択の方向性
　　1.1　世の中の大きなトレンドに合致していること
　　1.2　自社のコア技術が活かせること
　　1.3　他社がやっていない、あるいは他社が大きく進んでいないこと
２．研究開発テーマの発掘
３．研究開発テーマを見出すきっかけになったり、育てることに有用な調査
　　3.1　コンサルティング会社の活用
　　3.2　展示会、学会の活用
　　3.3　自らが行う情報収集
　　3.4　特許情報の活用
　　3.5　人脈の活用
　　3.6　日頃からの情報収集の習慣づけ
４．管理者から見た斬新な研究開発テーマを提案できる研究開発人財の育て方
　　4.1　研究開発テーマを提案できる人財の育て方をどのように進めるか
５．AIを用いた情報調査と研究開発
６．サンプル提供によるユーザーの情報の活用

第５節 インタビューによる情報収集のポイントとインサイトの発見

１．インタビュー調査の意義と現代的役割
　　1.1．現代の不確実性と顧客理解の難しさ
　　1.2．マーケティングリサーチの本質
　　1.3．インサイトとは何か（本書での定義）
　　1.4　インタビュー調査の意義と役割
　　1.5　本書の狙いと構成
２．インタビューで得られる情報の特徴
　　2.1　言語情報─語られた内容に現れる“意識の範囲”
　　2.2　非言語情報─態度・表情・沈黙に宿る“矛盾や揺れ”
　　2.3　文脈情報─語りの背景を読み解くための“場の情報”
　　2.4　三層を統合して“意味構造”をつかむ
　　2.5　三層を読み間違えるとどんな問題が起こるか
　　2.6　三層構造を扱う際の注意点とコツ
　　2.7　インタビューとは三層の“統合的解釈の技法”である
３．インタビューの設計・準備
　　3.1　調査目的・調査課題を考える
　　3.2　対象者の選定──「誰に聞くか」が結果を決定する
　　3.3　質問項目の設計──「深さ」が設計段階で決まる
　　3.4　質問項目の注意点──誘導・過不足・順序の最適化
　　3.5　ケーススタディ：日焼け止めの受容性調査にみる設計のポイント
　　3.6　まとめ──設計はインタビューの質を決定する基盤である
４．インタビュー実施の技術～現場での聞き手の力
　　4.1　実施の全体像──現場力が成果を決める
　　4.2　信頼関係の構築──語り手を開くのは聞き手の姿勢である
　　4.3　発言を引き出す会話技法──深掘りの道具としての質問
　　4.4　つまずきへの対応──話が出ない・浅い・それる場面をどう乗り越えるか
　　4.5　質を高める“現場の思考”──聞き手が見ている世界
　　4.6　まとめ──聞き手の姿勢が語りの質を決める
５．インサイト発見の方法論
　　5.1　インサイトとは何か??“語られていない理由”を読み解く
　　5.2　理解の階層を整理する??データからインサイトへ
　　5.3　インサイトを発見するための三つの視点
　　5.4　単なる要望・不満とインサイトの違い
　　5.5　インサイト発見の注意点??言葉をそのまま信じない
　　5.6　インサイトを事業アイデア・研究テーマに接続する
　　5.7　まとめ
６．おわりに

第６節 アンケート調査の企画・設計のポイントと集計・解析の仕方

１．アンケート調査の基本と準備
　　1.1　アンケート調査とは
　　1.2　調査目的と把握内容
２．アンケート調査のプロセス
　　2.1　アンケート調査プロセスの概要
３．調査設計
　　3.1　調査設計とは
　　3.2　調査設計で検討すべき内容
　　3.3　調査対象
　　3.4　調査地域
　　3.5　標本抽出法
　　3.6　サンプルサイズ
　　3.7　調査方法
　　3.8　調査設計の概要の書き方
４．調査票のつくり方と質問内容
　　4.1　調査票とは
　　4.2　調査票作成の手順
　　4.3　回答タイプ
　　4.4　親元項目、限定項目
５．質問順序と調査票のレイアウト
　　5.1　実態質問・意識質問、直接質問・関接質問とは
　　5.2　実態質問と意識質問の順番
　　5.3　直接質問と間接質問の順番
　　5.4　質問の順番
　　5.5　デモグラフィック要因（属性質問）の位置
　　5.6　調査票のレイアウト
６．アンケートデータの集計（調査集計）
　　6.1　調査集計とは
　　6.2　調査集計の種類
　　6.3　カテゴリーデータ、数量データ
７．単純集計
　　7.1　単純集計の種類
　　7.2　カテゴリーデータの単純集計
　　7.3　数量データの単純集計
　　7.4　単純集計でデータのばらつき具合を把握する
８．クロス集計
　　8.1　クロス集計とは
　　8.2　クロス集計の計算方法
　　8.3　横％表
　　8.4　併記表、分離表
　　8.5　クロス集計表の解釈の仕方
　　8.6　％ベースのｎ数

第７節 「行動観察」によってあらたな“インサイト”を導き出す

１．「行動観察」を起点とした人間理解のための思考プロセス
２．Step0.観察実施前の準備
３．Step1.事実と向き合い,ありのままの事実を記録する
　　3.1　ありのままの事実収集を阻む人間の習性
　　3.2　“見る”から“観察する”への変換
４．Step2.事実を多様に解釈し,類型化することでインサイトを得る
　　4.1　事実を多様に解釈する
　　4.2　“気づき”を類型化する
　　4.3　類型化された気づきを俯瞰し,“インサイト”を得る
５．Step3.インサイトに基づいて課題を定義し,解決施策を設計する
６．Step4. 施策を実行し,結果を評価する

第８節 外部専門組織の活用とポイント

１．情報活用の基本
　　1.1　ビジネス活動における情報の位置づけ
　　1.2　情報収集・分析の視点
　　1.3　専門組織の情報活用の心得
２．外部専門組織の概要
　　2.1　専門家の分類と特徴
　　2.2　専門組織との関係構築
３．外部専門家の協働の実践
　　3.1　コンサル会社との協働の実際
　　3.2　公的機関との連携方法
　　3.3　外部専門組織としての顧客の顧客

第９節 新製品・新事業テーマの創出と遂行／ネットワークの構築と活用による価値ある情報の収集

１．研究リーダーと情報
２．新製品・新事業テーマの創出／遂行と情報
３．情報の収集と活用
４．情報の差別化
５．ネットワークの構築
６．情報は発信する人に集まる／学会・論文発表
７．研究開発を開始すれば

第１０節 AIテキストマイニングによる有益情報の抽出と意思決定への活用

１．テキストマイニングの基礎とAIの導入
　　1.1　テキストマイニングの概要と従来手法
　　1.2　AI・機械学習によるテキストマイニングの進化
２．生成AI・LLMを活用した最新のテキスト分析手法
　　2.1　LLMによるテキスト分析の革新
　　2.2　従来手法と生成AIの補完的活用
　　2.3　RAGを活用した高精度情報抽出
　　2.4　AIエージェントによるハイブリッド分析
３．ビジネスにおける活用事例
　　3.1　VOC分析による顧客理解
　　3.2　特許分析による技術トレンド把握とホワイトスペース発見
　　3.3　新規事業テーマ探索への応用
４．意思決定への活用フレームワーク
　　4.1　データ収集から意思決定までのプロセス
　　4.2　AIテキストマイニングの導入ステップ
５．留意点と今後の展望
　　5.1　ハルシネーション・バイアスへの対策
　　5.2　人間の判断との協働
　　5.3　今後の技術動向と展望

第１１節 情報重視から「コンテキスト」重視へ：生成AI時代に組織で創る新規事業のポイント

１．生成AIは新規事業の何を変えたのか
　　1.1　「考具」としてのAIと人間に残された20%
　　1.2　情報→コンテキスト→ストーリー：思考の三層構造
２．なぜ組織の合意形成は空転するのか
　　2.1　予定調和の儀式と「恥をかきたくない」の力学
　　2.2　承認者の頭の中：3層の問い
　　2.3　情報空間の3次元と認知の境界線
３．コンテキストエンジニアリングという処方箋
　　3.1　3つの感情障壁と3つの設計原則
　　3.2　段階的共有：問い・検証・共有の循環
　　3.3　動的ナレッジマネジメントの実装
　

◇第２章　マーケティング情報の収集法と結果の読み解き方◇

第１節 マーケテイングリサーチによるコンセプト設計と新規事業テーマの落とし込み方

１．コンセプト設計におけるリサーチの本質的役割
２. リレーショナル・インサイトマネジメントからのアプローチ
　　2.1　リレーショナル・インサイトの定義と理論的基盤
　　2.2　関係性構造の把握プロセス
　　2.3 関係性価値のマネジメント手法
　　2.4　実践上の応用と課題
３. ２つのEマネジメントからのアプローチ― Emotional Identity と Experienced Identity ―
　　3.1　２つのEの統合的意義
　　3.2　Emotional Identity：感情的同一性のマネジメント
　　3.3　Experienced Identity：経験的同一性のマネジメント
４. メタファーマネジメントによる洞察深化
５．リサーチからコンセプトへの変換メカニズム
６. 新規事業テーマ創出への統合的展開
７. 新規事業テーマ創出での留意点

第２節 マーケティングリサーチの設計、仮説立案と検証のポイント

１．マーケテイングリサーチとは何か
　　1.1　マーケティングリサーチとは何か
　　1.2　新規事業開発におけるリサーチ手法
２．マーケティングリサーチの進め方
３．新規事業開発におけるマーケティング課題の設定
　　3.1　新規事業における課題
　　3.2　ニーズ仮説の構築と検証
　　3.3　ソリューション仮説の検証
４．調査課題・そのために知りたいことの仮説立て
　　4.1　調査課題の設定
　　4.2　調査課題に対する仮説立て
５．調査設計：誰に、何を、どのように聞くか
　　5.1　誰に聞くか
　　5.2　何を聞くか
　　5.3　どのように聞くか
６．アンケート調査票設計とインタビュー設計
　　6.1　アンケート調査票設計
　　6.2　インタビュー設計
７．実査
　　7.1　アンケート調査での注意点
　　7.2　インタビュー調査時の注意点
８．仮説検証
　　8.1　定量調査における仮説検証
　　8.2　定性調査における仮説検証
９．おわりに

第３節 既存市場に新規参入するための情報収集とその進め方

１．既存市場に対する考え方（あるいは既存市場の定義）
　　1.1　行動計画的経営の父、イゴール・アンゾフの視点
　　1.2　市場浸透行動計画（既存製品 × 既存市場）
　　1.3　新製品開発行動計画（新規製品 × 既存市場）
　　1.4　本稿における「既存市場参入」のスタンス
２．既存製品・サービスの市場浸透行動計画
　　2.1　【1カ月目：分析フェーズ】3C分析による「構造的弱点」の抽出
　　2.2　【2カ月目：行動計画フェーズ】STP分析による「スイッチ（乗り換え）」の誘発
　　2.3　市場浸透行動計画：実務スケジュール
　　2.4　行動計画実行の鍵：データ・ドリブン・ナラティブの構築
　　2.5　既存製品・サービスの市場浸透行動計画
３．新製品・サービス開発行動計画：仮説検証の実務スケジュールとフレームワーク
　　3.1　【1カ月目：探索フェーズ】顧客の「不」を特定し、インサイトを掘り起こす
　　3.2　【2カ月目：設計フェーズ】VPCで「提供価値」を言語化する
　　3.3　【3カ月目：検証フェーズ】MVPで「市場の審判」を受ける
　　3.4　新製品開発行動計画の実務スケジュール
４．２つの行動計画の実施事例（包丁メーカーA社の場合）
　　4.1　既存製品・サービスの市場浸透行動計画
　　4.1.1Googleトレンドによる市場、顧客の状況把握⇒「需要のズレ」の発見
　　4.2　新製品・サービスの開発行動計画
５．まとめ：既存市場に「新しい風」を吹かせるために
　　5.1　「レッドオーシャン」は、解像度を高めれば「ブルーオーシャン」に変わる
　　5.2　「データ」を「血の通ったインサイト」へ昇華させる
　　5.3　「完璧な計画」より「速い試行」を

第４節 有望市場を探索するための情報収集手法

１．有望市場探索を「再現可能な工程」にする
　　1.1　市場探索が失敗する典型パターン：断片情報で走り出す
　　1.2　探索は「情報収集→解釈→候補抽出→評価→検証」の流れで設計する
　　1.3　探索の成果物は「市場候補リスト」ではなく「市場仮説シート」である
２．有望市場の定義を先に決める
　　2.1　有望市場は「成長市場」ではない：4条件で定義する
　　2.2　成長性は「数字」ではなく「理由」で評価する：CAGRの落とし穴
　　2.3　未充足ニーズは「不満の頻度」と「代替行動」で掴む：声の大きさに惑わされない
　　2.4　競争構造は「勝てる形が作れるか」で判断する：寡占でも勝てる、市場分散でも勝てない
　　2.5　自社適合性は「資源棚卸し」ではなく「価値変換の証明」にする
３．探索は三方向から進めて統合する
　　3.1　Top-Down（マクロ起点）：構造変化を「需要」に翻訳して候補を作る
　　3.2　Bottom-Up（顧客起点）：現場の摩擦を“購買理由”にまで落とす
　　3.3　Technology Push（技術起点）：技術の成熟度と用途拡張を読む
　　3.4　三方向の重なりが「仮説の確度」になる：三本の矢が揃う場所を探す
　　3.5　事例：海外先行モデルを“そのまま輸入しない”――差分設計で市場機会に変える
４．Top-Down探索：変化を「需要」に翻訳する情報収集
　　4.1　政策・制度情報：義務化と補助金は市場を作り、参入速度を変える
　　4.2　官公庁統計・二次データ：数字を“読む”のではなく“疑う”ところから始める
　　4.3　業界構造：成熟市場の機会は“工程の摩擦”として現れる
　　4.4　マクロ起点の落とし穴：トレンドを“市場”と誤認しない
　　4.5　事例：政策の「義務化」を“周辺業務市場”に分解して勝ち筋を作る
　　4.6　事例：成熟市場でも「工程の摩擦」を狙えば新規事業になる――“伸びない市場”の再定義
５．Bottom-Up探索：未充足ニーズを「構造化」して把握する
　　5.1　不満情報の集め方：素材の集め方で8割が決まる
　　5.2　不満の構造化：分類→頻度→代替行動→支払意思の順で読む
　　5.3　ジョブの分解：工程のどこに摩擦が集中しているかを見抜く
　　5.4　行動観察：言語化されない“当たり前”を可視化する
　　5.5　B to B特有の注意点：困る人と払う人は違う
　　5.6　事例：現場の「当たり前」を観察して、未充足ニーズを購買理由に変換する
６．Technology Push探索：技術の兆候を市場仮説に変える
　　6.1　特許・研究テーマ：件数より「構造変化」を読む
　　6.2　投資動向：期待の集中は「機会」と同時に「競争」を呼ぶ
　　6.3　技術の実装性：PoCで潰すべき不確実性を先に列挙する
　　6.4　顧客起点への接続：技術は「誰のどの摩擦」を減らすかで語る
　　6.5　時間軸の評価：技術の成熟度と市場立ち上がりは一致しない
　　6.6　事例：用途拡張の兆候を捉え、技術を「採用される価値」に翻訳する
７．評価と絞り込み：候補を“比較可能”にして捨てる
　　7.1　評価の前提：候補を増やすより「捨てる判断」を先に作る
　　7.2　市場魅力度：成長率×競争強度で「危険ゾーン」を見抜く
　　7.3　過熱度：投資額×プレイヤー数で「先行か過熱か」を見分ける
　　7.4　参入障壁と撤退障壁：失敗時の損失まで織り込む
　　7.5　スコアリングの使い方：点数で決めず「議論を揃える」ために使う
　　7.6　事例：スコアリングは「点数で決める」のでなく「反証点を炙り出す」ために使う
８．自社アセットとの接続：勝ち筋を仮説化する
　　8.1　資源棚卸し：資源の“一覧”ではなく価値への“変換可能性”を問う
　　8.2　勝ち筋の骨格：「誰に・何を・なぜ自社が」を一文で言えるか
　　8.3　組織適合：実行能力まで含めて「勝てる」を判断する
　　8.4　パートナー戦略：自社にないピースを前提に勝ち筋を作る
９．仮説検証：探索を実行に変換する
　　9.1　PoCの目的：成功証明ではなく「主要不確実性の解消」
　　9.2　KPI設計：定量と定性をセットで置く
　　9.3　撤退基準：探索の価値は「損失を小さくする」ことにもある
　　9.4　検証設計のコツ：スコープを絞り「意思決定できるデータ」を取る
１０まとめ：有望市場は「抽出」される
　　10.1　探索の要点は「三方向の統合」と「比較可能化」
　　10.2　探索は継続工程であり、組織能力として蓄積する

第５節 新規事業開発企画のMPT-Lと生成AI活用での加速

１．新規事業開発企画の難しさ
２．新規事業開発企画の基本ステップ
３．技術マーケティングの方法と生成ＡＩの使用
　　3.1　一般的な２つの方法　
　　3.2　技術視点での技術・市場のマッチングのＭＰＴ－Ｌ　
　　3.3　生成ＡＩ使用のＯＳとしてのＭＰＴ－Ｌ
４．アイデア創出、コンセプト企画、ビジネスプラン策定の進め方
５．技術マーケティングのＦＤ化と「言語化と身体性ある概念的思考力」の重要性　

第６節 女性視点マーケティングを身につけるための情報収集、発想法

１．女性視点マーケティングの新潮流
　　1.1　フェムテック（Femtech）の拡大
　　1.2　サステナブル消費と美意識の融合
　　1.3　共感型ブランドの時代
２．女性のライフコースの多様化と新しい市場構造
　　2.1　社会構造変化と女性消費の転換
　　2.2　女性の「人生の曲がり角」とマーケティング・インサイト
　　2.3　従来型セグメンテーションの限界と価値観ベースの分析軸
３．女性視点マーケティング情報収集と発想法の基本設計
　　3.1　女性生活者リサーチの設計と情報収集フォーマット
4．関係性インサイトの抽出プロセスと定性分析手法
　　4.1　関係性インサイトとは
　　4.2　関係性インサイト抽出の基本構造
　　4.3　文脈的データの収集手法
　　4.4　意味抽出と構造化の分析技法
5．女性発想を引き出す思考フレーム
　　5.1　WILL?FEEL?DO フレーム
　　5.2　インサイト掘り下げ3段階
　　5.3　女性らしい体験設計の5原則
　　5.4　共感価値フレーム
　　5.5　感情曲線マッピング
　　5.6　カスタマージャーニーマップ（女性視点版）
　　5.7　共感テスト質問法
6．女性発想を広げる具体的テクニック
　　6.1　「生活の中の小さな違和感」を拾う.
　　6.2　五感訴求：「五感リフレクション法」
　　6.3　物語的共感（ライフステージ軸）発想
　　6.4　社会的共感（共創・エシカル軸）
　　6.5　「共創型アイデア発想」
　　6.6　各発想法から洞察を戦略知（４Sモデル）へと変換する
　　6.7　実務活用チェックリスト
7．まとめと今後の課題
　

◇第３章　技術情報、技術動向の調べ方とポイント◇

第１節 最新の技術情報、技術動向の調べ方、ポイントとその情報源

１．はじめに：技術情報収集は「調査」ではなく「探索」である
２．両利きの事業テーマ探索：探索と深化の統合
　　2.1　探索（Exploration）：新しい事業テーマを生み出す活動
　　2.2　深化（Exploitation）：事業テーマを収益化する活動
　　2.3　探索と深化の統合：循環構造の設計
３　技術情報の本質：「技術」「市場」「課題」の関係性
４．問いから始める技術情報収集
５．技術情報の主要な情報源
　　5.1　特許情報
　　5.2　論文情報
　　5.3　市場・業界情報
　　5.4　スタートアップ・企業情報
　　5.5　現場情報・一次情報
６．技術動向分析の基本プロセス
　　6.1　情報収集：母集団の形成
　　6.2　分析・構造化：情報を意味のある形に変換する
　　6.3　アイデア創出：関係性から示唆を導く
　　6.4　テーマ化：仮説を事業の形に落とし込む
　　6.5　評価・選定：意思決定への接続
７．共創パートナー探索の重要性
８．Inside-Out型市場探索：技術起点の展開
　　8.1　Inside-Out型市場探索の基本的な考え方
　　8.2　自社技術の棚卸と構造化
　　8.3　用途仮説の構築：飛び地市場の発見
　　8.4　特許情報・非特許情報との突合分析
　　8.5　新規事業・アライアンス候補の抽出
　　8.6　Inside-Out型市場探索の意義
９．Outside-In型技術探索：課題起点のアプローチ
　　9.1　Outside-In型技術探索の基本的な考え方
　　9.2　課題の抽出と機能分解
　　9.3　技術要素の仮説設計
　　9.4　特許情報・外部データベースによる候補探索
　　9.5　連携候補の評価と選定
　　9.6　Outside-In型技術探索の意義
１０　両アプローチのハイブリッド活用
　　10.1　なぜハイブリッド活用が必要なのか
　　10.2　往復型探索：仮説の精度を高めるプロセス
　　10.3　事業化を見据えた技術・課題・プレイヤーの設計
　　10.4　探索プロセスへの組み込み方
　　10.5　ハイブリッド活用の意義
１１　探索の実務プロセス
　　11.1　仮説設計：探索の出発点を定める
　　11.2　検索設計：情報収集の精度を高める
　　11.3　段階的分析：情報から構造を導く
　　11.4　候補抽出と評価：意思決定への橋渡し
　　11.5　提案・実行への接続：探索を価値に変える
１２　提案フェーズへの接続
　　12.1　提案フェーズの役割：仮説を「意思決定可能な形」に変える
　　12.2　共創シナリオの設計：価値創出の構造を示す
　　12.3　強みの接続：自社と相手の補完関係を明確にする
　　12.4　提案の粒度：実行可能性を意識する
　　12.5　探索と提案の一体運用
１３　おわりに：探索とは未来仮説の構築である

第２節 知財情報解析による新技術・新領域の特定プロセス

１．なぜ今、知財情報解析なのか
２．知財情報の特性と活用価値
３．事例の紹介
　　3.1　事例１：屋外露場から植物工場へ（Ａ社のケース）
　　3.2　事例２：機能着目による類似技術の用途探索（Ｚ社のケース）
　　3.3　事例３：イノベーション創出・検証ツールとしての知財情報解析
４．おわりに：知財情報解析の未来と生成ＡＩの役割

第３節 特許情報調査の基本と技術テーマ調査の進め方

１．特許情報調査の実施プロセス
２．特許情報調査を実施した事例
　　2.1　調査テーマを検索概念で表現する
　　2.2　予備検索
　　2.3　検索式の策定
３．技術テーマ調査の進め方
　　3.1　関連特許一覧表の作成
　　3.2　技術層別して技術体系化項目を策定する

第４節 シリコン導波路デバイスにおける内部構造の品質検査法

１．情報収集の「光」と「影」　（見えている／見えていない情報）
２．様々な情報収集手段　（なぜ「プッシュ型」の営業では水面下の情報は獲れないのか）
　　2.1　情報収集や顧客接触の手段　（展示会を「情報の交換所」に変えるための戦略的プロセス）
　　2.2　展示会に臨む前の事前準備　（ターゲット市場・典型的な顧客の動向調査）
３．開発段階に則した展示会の活用法
４．展示会の出展準備
　　4.1　展示会の選択／展示ブースの位置
　　4.2　出展計画の作成とポイント
　　4.3　来場者へのアンケート
５．展示会当日
　　5.1　展示ブースの設営と撤去
　　5.2　展示会当日の注意事項
６．展示会後の対応
　　6.1　展示会で得られた情報の分析
　　6.2　顧客訪問の準備
７．まとめ
　

◇第４章　競合情報の収集、分析と競争戦略の作り方◇

第１節 事業性ベンチマークによる競争戦略の構築

１．事業性ベンチマークの全体像
　　1.1　４つの競争階層
　　1.2　階層間の連動性と時間軸の視点
２．事業性ベンチマークの原則
　　2.1　競合を広範囲に見る（特に異業種）:
　　2.2　技術スペックだけで比較しない:
　　2.3　マクロ環境分析は４階層視点で具体化する:
　　2.4　公開情報中心の競合情報収集:
　　2.5　部門や会社を超えた情報収集:
　　2.6　チームビルディングの必要性:
３．事業性ベンチマークのステップ
　　3.1　ステップ０：事前準備:
　　3.2　ステップ１：事業環境シナリオの策定:
　　3.3　ステップ２：４階層ベンチマーク:
　　3.4　ステップ３：競争戦略立案:
４．４階層ベンチマークの実践
　　4.1　エコシステム・ビジネスモデルのベンチマーク
　　4.2　バリューチェーンのベンチマーク
　　4.3　製品・サービスのベンチマーク
　　4.4　技術のベンチマーク
５．競争戦略の立案と生成AIの活用

第２節 競合情報の収集と市場動向分析・競合戦略の立案

１．市場動向の分析と競合情報
　　1.1　市場動向の分析
２．競合戦略立案手法
　　2.1　事業戦略と競合戦略
　　2.2　競合戦略の立案

第３節 競合情報の収集・分析から、投資判断できる事業仮説へ
　　　～生成AIで６ヵ月を２週間に短縮する一気通貫プロセス～

１．なぜ競合調査は事業計画につながらないのか
　　1.1　調査と企画の断絶：3つの構造的理由
　　1.2　生成AIがもたらした「変換能力」の民主化
２．一気通貫プロセスの全体像と生成AIの信頼できる使い方
　　2.1　5ステップのプロセス概観
　　2.2　生成AIと人間の役割分担の原則
　　2.3　AI情報を信頼するための3段階チェック法 ──ハルシネーション対策──
３．ステップ1：市場・競合・技術・規制・社会変化を把握する
　　3.1　4つの外部変化軸と生成AIへの問いの立て方
　　3.2　「検索」させるな、「分析」させろ
　　3.3　一次情報で確認すべきもの・AIが得意なもの
４．ステップ2：顧客の未解決課題を深掘りする
　　4.1　顧客プロフィール分析の枠組み
　　4.2　4つの顧客セグメントの設定と軽量2セグメント版
　　4.3　「最も深刻かつ未解決のPain」を選定する基準
　　4.4　他業界のアナロジーからインスピレーションを得る
５．ステップ3：アイデアを発散させ、投資候補に絞り込む
　　5.1　既存アセット×顧客課題で10コンセプトを生成する
　　5.2　なぜ10案を出すのか：発散量が飛躍をもたらす理由
　　5.3　5軸評価マトリクスで最有望3候補を選定する
　　5.4　「誰が採点するか」が評価の質を決める
　　5.5　この段階でやってはいけないこと
６．ステップ4：経営層が判断できるミニ事業計画に仕上げる
　　6.1　「ミニ事業計画書」とは何か：正式稟議との違い
　　6.2　6つの問いに答える構成
　　6.3　一発で草稿を生成するプロンプト（P-05）
７．実践事例：3ヵ月の判断プロセスを解剖する
　　7.1　事例（架空のケース）の設定
　　7.2　各ステップでのAI棄却・修正事例
　　7.3　ボツになった3案とその理由
　　7.4　上位候補で最後に迷ったポイントと経営に刺さった論点
　　7.5　各ステップの他業界転用ポイント

第４節 競合ベンチマーキングによるコア技術の選定とその評価、新規事業開発

１．競合ベンチマーキングの基本と戦略的意義
２．情報収集と技術評価の実践
３．コア技術の選定プロセスと評価軸
４．技術開発から事業開発への展開
５．研究開発部門と事業企画部門の連携
６．今後の展望
　

◇第５章　未来予測のための情報収集法と情報の読み方◇

第１節 生成AI・人工知能による未来予測と戦略策定への活用

１．未来予測の位置付け
２．AIの入る余地
３．何年先まで見通せるのか
４．生成AIの進化とブレインコンピューター
５．人間の役割は意思決定
６．俯瞰図と生成AIを使って他社の戦略を読み解く
　　6.1　ソニーホンダモビリティの戦略の失敗
　　6.2　ソフトバンクの急増する特許出願が意味するものは何か

第２節 事業戦略に必要な10年後の技術・社会予測と情報収集

１. 10年後予測と事業戦略
　　1.1　予測と戦略
　　1.2　技術と社会の整理
2. 技術予測
　　2.1　成熟度評価
　　2.2　代替・置換の可能性
　　2.3　普及・商用化の障壁
　　2.4　ホライゾン・スキャン
3. 社会トレンド予測
　　3.1　環境規制・制度
　　3.2　消費者・顧客行動
　　3.3　リスク
　　3.4　生活・労働・教育の変化
　　3.5　情報源：早期シグナルと確度シグナル
４．予測手法
　　4.1　外挿型（トレンド外挿・時系列予測）
　　4.2　拡散・学習曲線型（Sカーブ、普及曲線、経験曲線）
　　4.3　因果・構造モデル型（システムダイナミクス、因果ループ、計量モデル）
　　4.4　専門家判断型（デルファイ法、エキスパート・パネル）
　　4.5　シナリオ型（バックキャスティング）
　　4.6　ホライゾン・スキャン
　　4.7　AIを用いた予測
5. 事業戦略への接続
　　5.1　「未来像」を「事業変数の変化」へ分解
　　5.2　未来の成功要因を定義する
　　5.3　「不確実性」をシナリオとして許容する
　　5.4　資源配分という「現実」に接続する
　　5.5　組織の「認知」をアップデートする

第３節 新規事業創出に向けた研究開発テーマ探索のための情報収集・分析の仕方

１．研究開発テーマの探索
　　1.1　目標と探索範囲の決定
　　1.2　多産多死モデルを想定した情報収集の設計
　　1.3　探索初期段階の情報収集
　　1.4　情報収集の具体的方法
２．研究開発テーマの整理と評価
　　2.1　情報整理と可視化
　　2.2　分析フレームワークと評価軸
　　2.3　可視化と意思決定支援ツール
３．研究開発テーマの検証と運用
　　3.1　仮説検証とロードマップ
　　3.2　コア・コンピタンス
　　3.3　ガバナンスと運用

第４節 技術ロードマップ作成、シナリオプラン実施のための情報収集と運用ポイント
　　　～不確実な未来を洞察するのがシナリオプラン、その解を描くのが技術ロードマップ～

１．ムラテックの紹介
２．ロードマップを核とした全社開発マネジメントの構図
　　2.1　全社開発マネジメントの構図
　　2.2　マーケティングと研究開発の連携
３．市場ロードマップはマーケティング活動が肝
４．不確実な未来を洞察するシナリオプランの活用
　　4.1　シナリオプランの概要と取り組み
　　4.2　シナリオプランの概要
　　4.3　シナリオプラン実施のための情報収集と運用ポイント

第５節 新事実発掘から想定できる未来予測、新規事業テーマ構築から実践

１．新事実の発掘
　　1.1　あまり知られていなかった事実の把握
２．新事実から見つけ出せること
　　2.1　真の開発成分の把握と正しい機能性研究
３．新事実は作り出せる
　　3.1　本来の機能性を持った成分を取り出す
　　3.2　天然物は、有効な混合物で作用する
　　3.3　新事実の発見は、社会を立て直す
４．すでにある事業から新事実を見つけ出す
　　4.1　生体成分から新事実を見つけ出す
　　4.2　食成分から新事実を見つけ出す
５．新事実から新規事業・新製品開発へ

　

◇第６章　新事業開発テーマを探索するための情報収集の仕方◇

第１節 新規事業テーマの狙いどころを探索するための情報収集

１．会社には事業領域が必ず定義されている
　　1.1　定款とは
　　1.2　定款に記載する3つの事項
２．成長市場であること
　　2.1　PEST分析
　　2.2　成長市場の発見方法
３．自社の強みを活かせること
　　3.1　VRIO分析
　　3.2　バリューチェーン分析
４．最後に

第２節 特許情報と市場情報・ビジネス情報の組み合わせによる新規事業テーマの発掘

１．特許情報とは何か
　　1.1　特許情報の本質
　　1.2　特許情報の限界
２．市場情報・ビジネス情報の構造
　　2.1　マクロ環境情報
　　2.2　市場構造情報
　　2.3　顧客・需要情報
３．技術起点で市場機会を捉える
　　3.1　技術者が陥りやすい落とし穴
　　3.2　技術的強みの評価
４. 市場機会の捉え方　～既存市場から派生して新市場を創る～
　　4.1　後発で新規参入して新市場を創出
　　4.2　既存市場から新しい市場を創る考え方
５. 特許情報の活かし方
　　5.1　技術を活かす用途の見出し方
　　5.2　特許情報で市場情報を検証する
６．おわりに

第３節 社会・市場・技術動向の調査分析と新規テーマ創出活動の進め方

１．企業の使命は新規事業創出
　　1.1　イノベーションは企業の成長に必須
　　1.2　イノベーションの分類
　　1.3　アンゾフの事業成長マトリクス
　　1.4　日本企業のイノベーション力
　　1.5　日本企業のイノベーション力向上に向けた課題と対策
２．新規事業創出に優れた企業事例から学ぶ
　　2.1　トップのイノベーションに対する熱意
　　2.2　自社の要素技術を検索できるテクノロジープラットホーム
　　2.3　新規商品を創造するイノベーションシステム
３．新規テーマ創出活動の進め方
　　3.1　新規テーマ探索の指示と調査計画の立案
　　3.2　自社の資産を把握し自社の強みを明確化
　　3.3　新規テーマ探索ステップで必要な動向調査
　　3.4　将来展望マップを作成する。
　　3.5　動向調査を基に新規テーマ候補の創出と技術ロードマップの作成
　　3.6　新規テーマ候補から自社が取り組むテーマの選択
　　3.7　将来の自社目標ポジションの設定
　　3.8　現状と将来の自社目標ポジションのギャップ解析
　　3.9　ギャップを埋める戦略をロードマップで明確化
　　3.10　新規テーマを起案し承認
４．将来展望に有効な科学的発想手法「α発想法」による機能ツリーの作成
　　4.1　科学的発想手法「α発想法」
　　4.2　自動車用ＬＥＤのテーマの決定と関連情報の収集
　　4.3　個人ワークでチェックリスト法（ＣＬ法）を用い多量のアイデアを発想し、KJカードに記入
　　4.4　集団ワークで多量のアイデアをグループ化
　　4.5　模造紙の機能ツリーをエクセル形式に変換しまとめる
　　4.6　機能ツリーを個人に配布し、再度個人ワークでツリーを拡大し、新規アイデアを追加する
　　4.7　拡大した新規アイデアを機能ツリーに一本化する、新規アイデアについてブレーンストーミングでアイデアを拡大する
　　4.8　集団ワークの新規アイデアをツリーに追加し、全体を鳥瞰し機能ツリーを再度まとめ直す
　　4.9　新規テーマ候補の抽出
　　4.10　革新的な発想には階層状のツリー構造
５．新規テーマの発掘から新規事業の立ち上げには経営者のマネジメントが重要
　　5.1　マネジメントに将来有望なテーマの見極め力が必要
　　5.2　新規テーマの成功には適切なマネージャーの選定が重要
　　5.3　事業化可能と判断したら投資を拡大し早期市場とシェア確保

第４節 生成AIを活用した新規テーマの調査・探索方法と事例

１．生成AI
　　1.1　生成AIとは
　　1.2　生成AIの特徴
　　1.3　生成AIの長所（メリット）
　　1.4　生成AIの短所（課題・リスク）
　　1.5　生成AIは「魔法」ではない
２．生成AIを活用した新規テーマ創出活動の進め方
　　2.1　生成AIを活用した新規テーマ探索の指示と調査計画の立案
　　2.2　生成AIを活用し自社の資産を把握し自社の強みを明確化
　　2.3　生成AIを活用した動向調査
　　2.4　生成AIを活用した将来展望マップを作成する
　　2.5　生成AIを活用した動向調査を基に新規テーマ候補の創出と技術ロードマップの作成
　　2.6　生成AIを活用した新規テーマ候補から自社が取り組むテーマの選択
　　2.7　将来の自社目標ポジションの設定
　　2.8　現状と将来の自社目標ポジションのギャップ解析
　　2.9　ギャップを埋める戦略をロードマップで明確化
　　2.10　新規テーマを起案し承認
３．生成AIを活用した多量のアイデアの発想と機能ツリーの作成
　　3.1　科学的発想手法「α発想法」
　　3.2　生成AIを活用した関連情報の収集
　　3.3　生成AIを活用し多くのアイデアを生成AIに答えさせる
　　3.4　生成AIを活用してアイデアを階層図状に整理エクセル形式に変換しまとめ
　　3.5　機能ツリーを個人に配布し、再度個人ワークでツリーを拡大
　　3.6　人による2巡目の重要ポイントの選択と生成AIを活用した重要ポイントでのアイデア出し
　　3.7　重要ポイントのアイデア群を、機能ツリーにまとめ鳥瞰図が完成
　　3.8　新規テーマ候補の抽出

第５節 情報収集によるニーズギャップの抽出と新規事業テーマの発掘

１．新規事業のテーマ探しと既存事業の新製品テーマ探しの違い
　　1.1　新規事業のテーマ探しとは
　　1.2　既存事業の新製品テーマ探しとは
２．一般的な新規事業テーマ探索の進め方
　　2.1　成長分野から自社の強みを活かせるテーマを探索する「情報分析型テーマ探索」
　　2.2　アイデア出して、調べて、評価して選択する進め方「アイデア先行アプローチ」
　　2.3　未来を予測しバックキャストしてテーマを発案する「未来予測型テーマ探索」
　　2.4　有望新技術を探索し技術開発と用途開発を進める「技術テーマ探索型」
３．ニーズギャップは無限にある
　　3.1　ニーズの構造
　　3.2　潜在ニーズとニーズギャップ
　　3.3　自社に合ったニーズギャップを見つける考え方
４．置き換え理論に基づく新規事業テーマ探索
　　4.1　置き換え理論に沿った目的指向アプローチ
　　4.2　解像度を高めるには絞込みが重要
　　4.3　自社に合った探索領域（仮ドメイン）の絞込み
　　4.4　目的領域の絞込み
　　4.5　顧客の絞込み
　　4.6　商品に絞込み

第６節 生成AI・特許情報活用による新用途探索

１．生成AI時代に変わる用途探索の考え方
　　1.1　生成AIが変えた用途探索の課題
　　1.2　用途探索における技術の再定義
　　1.3　生成AI・特許情報・人の役割
２．新用途探索プロセス
　　2.1　新用途探索プロセス（TOM）
　　2.2　生成AI・特許情報・人の役割分担
３．ゴール設定（Step.1）
　　3.1 ゴール設定の必要性
　　3.2　探索目的の明確化
　　3.3　対象領域・除外領域・事業化時期の設定
　　3.4　採用基準の設計
　　3.5　ゴール設定における生成AI・特許情報・人の役割
４．技術定義（Step.2）
　　4.1　技術定義の役割
　　4.2　iMap?による技術の捉え方
　　4.3　材料名・製法名から目的機能への翻訳
　　4.4　技術定義における生成AI・特許情報・人の役割
５．用途候補抽出（Step.3）
　　5.1　用途の階層
　　5.2　用途候補抽出の進め方
　　5.3　用途探索実践事例
　　5.4　最終候補の確定と調査検証への引き継ぎ
　　5.5　用途候補抽出における生成AI・特許情報・人の役割
６．調査検証（Step.4）
　　6.1 調査検証の目的と判断基準の考え方
　　6.2　採否判断の進め方
　　6.3　採否判断で留意すべき不適合パターン
　　6.4　特許情報・生成AI・人を用いた検証の進め方
７．用途発明（Step.5）
　　7.1 用途発明の基本的考え方
　　7.2 顧客課題の設定
　　7.3 解決手段の創出と競合優位性の確認

第７節 新規事業企画へと導く市場・技術情報分析の進め方

１．新規事業企画の方向
２．市場分析の方法
３．テクノマーケティング活動
４．開発期間を予測する技術・市場分析
５．保有技術の戦略的定義・分析
６．事業開発過程での市場、技術分析

第８節 オープンイノベーション活動を用いた情報収集と留意点

１．情報収集①：ニーズ獲得の場合
２．情報収集②：シーズ獲得の場合
３．情報収集③：アイデア獲得の場合
　

◇第７章　情報のまとめ方、取捨選択の仕方、活用の仕方◇

第１節 新規事業企画・推進に必要な要素と情報収集のポイント

１．どの領域の何を狙うのか？
２．新規事業企画にとって必要な情報はなにか？
３．魅力度の高い市場とは
４．適社度を高くする施策とは
５．新規事業テーマの狙いは顧客価値提供である
６．新規事業探索・企画・推進体制について
７.新事業開発テーマ探索のための情報と収集のポイント
　　7.1　経営ビジョン・事業領域に関する情報
　　7.2　市場動向・成長性に関する情報
　　7.3　顧客ニーズ・社会課題に関する情報
　　7.4 競争環境・参入障壁に関する情報
　　7.5　自社の強み・経営資源に関する情報
　　7.6 規制・政策動向に関する情報
　　7.7 外部ネットワーク・専門知識に関する情報
８.まとめ

第２節 集めた情報の取捨選択の考え方と新規事業への活用

１．研究開発部門への経営からの要請課題
２．新規事業の基本的な考え方・進め方　　～事業化＝顧客価値×差別化×売り～
３．事業化のゴール設定～事業展開シナリオ～
４．研究開発テーマ・ねたつくりの考え方
５．集めた情報の取捨選択の考え方と新規事業への活用
６．マーケットニーズからのネタマップ作成
７．情報収集のフレームワーク　WITH AI
８．オープン型・クローズ型データ分析
９．役員説得のためのロジカルな事業化ストーリー作り
１０．基本戦略のポジショニング
１１．ＮＦＳ展開（顧客ニーズー機能性能ー技術シーズ）と技術ポトフォーリオ
１２．カスタマーフォーカス（Customer Focus）
１３．仮想カタログの作成（ Creating a Virtual Catalog ）
１４．商品コンセプトの目的と組織の役割
１５．「ファーストプリンシパル思考」と商品コンセプト
１６．ビジネスモデルの作成
１７．マスタープランの作成
１８．事業計画の評価
１９．事業成果

第３節 生成AIを活用した情報の取捨選択や要約・意思決定のサポート

１．情報の取捨選択が勝敗を分ける理由?判断の質を左右する情報整理の力
　　1.1　情報過多時代の３つの失敗
　　1.2　調査を重ねても結論を導けない理由
　　1.3　新規事業で必要な情報の種類
２．2026年最新AI機能の整理?主要生成AIツールの機能進化と戦略的使い分け
　　2.1　ChatGPT：Deep Research・検索統合・レポート管理
　　2.2　Gemini：Workspace統合・Drive文脈理解
　　2.3　Copilot：Office365横断検索・エージェント機能
　　2.4　役割分担モデル（リサーチャー／編集者／分析官／秘書）
　　2.5　具体例：「営業AI」テーマの使い分け
３．生成AIのリスクと前提理解?信頼して使うための基本姿勢
　　3.1　ハルシネーション
　　3.2　出典の確認
　　3.3　バイアスと自信満々問題
　　3.4　判断ログの重要性
４．問いの設計?判断の質を決める問いのつくり方
　　4.1　弱い問い vs 強い問い
　　4.2　仮説→検証設計
　　4.3　除外条件を決める
　　4.4　調査計画をAIに作らせる方法
５．取捨選択（スクリーニング）を自動化する?集めた情報を「残す／捨てる」基準
　　5.1　情報を捨てられない原因
　　5.2　スクリーニング基準の作り方
　　5.3　自動化の考え方
６．要約の型?読む時間を減らし、判断材料を増やす
　　6.1　要約は「短くする技術」ではない
　　6.2　要約のレベルを3段階で使い分ける
　　6.3　初心者でも的を外さない要約指示の例
　　6.4　Deep Researchレポートを社内共有できる形に整える
　　6.5　要約を組織の習慣にする
７．比較・分析：新規事業の意思決定に繋げる?要約から比較へ、判断を前に進める設計
　　7.1　「要約」から「比較」へ
　　7.2　代表的な意思決定フォーマット
　　7.3　生成AIの使いどころ
　　7.4　次の検証アクション設計
　　7.5　生成AIの強み
８．実践ケース：新規事業テーマ探索を「1週間で形にする」手順?思考を止めずに前へ進める7日間設計
　　8.1　全体設計
　　8.2　方向転換する作法
９．GPTs / Gems / Copilotエージェントによる標準化?属人化を防ぎ、思考プロセスを再現可能にする
　　9.1　なぜ属人化が起きるのか
　　9.2　GPTsとは何か
　　9.3　Gemsとは何か
　　9.4　Copilotエージェントとは何か
　　9.5　新規事業探索エージェント設計例
　　9.6　成熟モデル
　　9.7　限界と責任
１０．総括?生成AIを思考の補助線として使いこなす
　　10.1　総括

第４節 新規事業開発における情報収集プロセスの再設計
　　　　～「問い」を起点とした価値創造の実践～

１．新規事業開発における情報収集の現状と課題
２．新規事業が失敗する構造：顧客不在と競争優位の欠如
　　2.1　顧客の不在：真の課題に到達できない構造
　　2.2　競争優位性の欠如：エコシステム時代の戦略不在
　　2.3　「問いの設計」が鍵を握る
３．情報収集プロセスの再設計
　　3.1　問いの質が情報の質を規定する
　　3.2　問いを起点とした情報収集の実践
　　3.3　問いが事業を規定する
４．新規事業開発に必要な情報
　　4.1　市場情報
　　4.2　技術情報
５．情報源の構造と活用戦略（一次・二次・三次情報）
　　5.1　一次情報
　　5.2　二次情報
　　5.3　三次情報
　　5.4　情報活用の基本戦略
６．情報収集手法の設計
７．「まとめる」とは何か：洞察と意思決定への接続
　　7.1　「まとめる」とは何か
　　7.2　分析：情報の分類
　　7.3　構造化：関係性の可視化
　　7.4　洞察：意味の創出
　　7.5　意思決定：行動への接続

第５節 情報の収集・分析と資料作成ノウハウ

１．効率的・効果的な情報の収集・分析
　　1.1　情報収集のプランニングとは
　　1.2　プランニングプロセス（１）：何のために？＝資料の目的
　　1.3　プランニングプロセス（２）：何を？＝フレームワークの活用
　　1.4　プランニングプロセス（３）：どうやって？＝情報源
　　1.5　情報を見極める
２．情報を活かす資料作成ノウハウ
　　2.1　資料化は情報を削ぎ落す作業
　　2.2　情報を絞り込むためのポイント
　　2.3　論理的な構成
３．納得感と信頼感につながる資料とは
　　3.1　相手の興味・関心にこたえる
　　3.2　的確性・整合性を担保する
　　3.3　提案側としての責任を果たす