詳しい経緯を読む当時の成果、進め方と判断基準、AIでの再現
実績（当時の成果）
上場の建設テックSaaS企業では、執行役員としてマーケ・営業・商品企画を横断して担い、営業生産性を前年比160%にしました。大手商業施設では、機械学習で顧客を分類してロイヤル顧客の離反を防ぎ、年間10億円超の利益創出につなげました。いずれも「何をすれば利益が増えるか」を先に決め、そのためにデータと仕組みを整えた結果です。
独立後は、AIを使って同じことを速く、安く行っています。BtoBマーケティング支援企業では、見積り約半年・約1,000万円だったデータ基盤を2日で構築し、流入元が分からなかった約8割の申込を、チャネル別の投資対効果として見えるようにしました。AIスタートアップでは、見積り約180人月の全面リニューアルを約9人月でリリースしています。
型（進め方・判断基準）
- 目的を問い直す：「マーケでAIを使いたい」などの手法の相談には、まず「それで利益は増えるか」を問う。目的は「誰に、何をして、利益にどう寄与するか」まで言葉にする
- 設計図にする：目的・目標 → 課題・成功要因 → 誰に・何を・どう届けるか、の3段階で1枚にまとめる。この段階ではAIの使い方を決めない
- データで検証する：会計・SFA・マーケのデータをAIで横断して分析し、経営課題を定義する
- 型を発明する：成果を再現する仕事のやり方を言葉にし、4か月目以降に実装する
判断基準：「やってほしい手法」が決まっている相談ほど、目的がぶれている。手法の議論は、目的が決まるまで保留する。
AI再現（今ならこう再現し、社内に残す）
以前は、データの抽出と分析に専門チームと数か月が必要でした。今は、社内のデータをClaude Code（AIが社内の実データを読み、分析から資料作成までを行うツール）につなぎ、経営者が日本語で問えば検証済みの数字が返る状態を、数日でつくれます。分析結果は、そのまま役員向けの資料にもなります。
この仕組みは貴社の社内に残ります。契約が終わっても、経営者とエース人材が自分で問い、自分で判断できる状態を目指します。
