チーフ・イノベーション・オフィサー（CINO）。20年前、C-suiteにおけるこの役職は非常に稀なものだった。しかし今日では、フォーチュン1000社の成長を牽引する最も重要な役割の一つとなっている。しかし、Darko LovricとGreig Schneiderが2019年のHarvard Business Reviewの記事で概説したように、この役割はまだ初期段階にある。その結果、この役割に対する責任もアプローチも、組織が解決しようとしているビジネス上の課題によって異なる。
では、イノベーションと研究開発に携わる副社長や取締役にとって、これは何を意味するのだろうか？特に、ビジネスにとっての文化的な機会や脅威についてCINOに情報を提供し、教育することが彼らの任務だとしたら？
つまり、CINOのタイプを考慮するだけでなく、変化の激しい消費市場において、CINOに情報を提供し、最新の情報を提供し続けるために必要な、最適なリサーチ・インプットのタイプも考慮しなければならないということだ。また、急速に変化する消費者市場において、彼らに最新の情報を提供し続けるために必要な、最適なリサーチ・インプットのタイプも考慮しなければならない。
しかし、チーフ・イノベーション・オフィサーのタイプによって、リサーチに関して期待されることは異なる。
この6回シリーズでは、上記のHBRの記事をもとに、CINOのタイプについて解説します。LovricとSchneiderによって特定されたチーフ・イノベーション・オフィサーの6つの主なタイプに注目し、また、AIベースの人間学的アプローチがCINOのユニークな個性とスキルセットを補完できるさまざまな方法について概説します。
チーフ・イノベーション・オフィサー第1号：
研究者
ロヴリックとシュナイダーは、リサーチャーを「科学的方法論を使ってアイデアの氾濫を手なずけ、多数のデータから洞察を引き出す」人物と位置づけている。これは、白衣を愛する最高革新責任者（Chief Innovation Officer）である。彼らは朝起きると、そのカテゴリーで次に大きなものになるような、まったく新しく斬新なものを発明しようと駆り立てられている。
課題は、新たな知的財産（IP）を開発しようとするあまり、彼らのイノベーションが失敗する率が高くなり、組織内に緊張が生まれることである。その結果、LovricとSchneiderは、このタイプのCINOは、イノベーションが「答えを見つけることと同様に、正しい問いを決定すること」に集中するチーム内で成長すると強調している。
そこで、機敏で人類学的なアプローチが重要になる。
研究者」を相手にする場合、その科学的な傾向から、質的調査に対してオープンでなかったり、受け入れにくかったりすることがあります。しかし、イノベーションチームが新しいIPの開発を検討する際に「正しい質問」をしているかどうかを最も正確に検証できるのは、人類学の消費者に対する文化的理解なのです。
ありがたいことに、AI人類学の進歩は、人類学のレンズを通して、ビッグデータセットを見ることができることを意味する。データプールの規模を大きくすることで、CINOが時に定性的手法から連想されるバイアスや不正確さを排除することができる。
まず手始めに、AI人類学はノーベル賞経済学者ダニエル・カーネマンが定義した利用可能性ヒューリスティックスを排除する。
アベイラビリティ・ヒューリスティックとは、すぐに思い浮かぶ例を頼りにする精神的な近道である。何かを決めたり推測しようとしたりするとき、関連する出来事や状況がすぐに頭の中に浮かんでくる。そして、すぐに思い浮かぶからこそ、それが正しいと思い込んでしまう。これは可用性バイアスを引き起こし、ほとんどの伝統的な定性調査やエスノグラフィック調査（Nサンプルが少ない）モデル、また消費者になぜそうするのかを尋ねることに依存した調査の問題点である。
人間的要素（特にデータの収集、整理、文脈や動機の初期解釈）を排除したAIシステムを構築することで、人類学的エンジンを活用し、数百万人（数十人ではない）の消費者の中からパターンを特定することができる。カーネマンが指摘するように、活用するデータが多ければ多いほど、結果を誤って解釈する確率は低くなる。
第二に、純粋に観察的なレンズを通してこの膨大なデータを見ることで、消費者の邪魔をすることなく、代わりに私たちの製品を選んだり、トピックや問題に関心を持ったりする人々の生活に真に没頭することができる。
最後に、そして間違いなく最も重要なことですが、AI人類学は文化の移り変わりを定量化することを可能にします。そして、ご想像の通り、定量化することで、「研究者」であるCINOは、イノベーションとR&Dの意思決定に情報を提供するために使用している文化的データについて、より自信を持つことができます。
あるトピックやトレンドを調べると、それが文化の中でどれだけ関連性を増しているかを予測することができる。
これを実現するのは容易なことではなかった。検索語を取り巻くトピックユニバースを分析し、時間の経過に伴うトピックユニバース内の変化を調べるモデルを構築する必要があった。要するに、あらゆるトピック、アイデア、トレンドにまつわる意味のコンステレーションをモデル化し、研究するためにマシンを使うのだ。
具体的には、アルゴリズムは
- 検索語（これはトピックの文化に他ならない）を取り囲むトピックユニバースに新しいトピックが入ってくる。
- これらの新しいトピックは、現在トピックユニバースを構成しているものよりも成熟している。
- これらの新しいトピックが、トピックの世界をより多様性のないものにしているとしたら。つまり、あるトピックが成熟すればするほど、そのトピックが持つ意味の多様性は少なくなる。
- このような成熟したトピックは、ボリュームも検索語との結びつきの強さも増している。
この4段階の分析結果に基づいて、そのトピックに関する4年分のデータを使用し、アルゴリズムは予測を実行し、また予測の時間枠を提供することができる。
各予測にはいくつかの重要な指標がある。
- 時間枠は、予測結果に達するまでに必要な年数を示す。
- 「変化を促すトピック」とは、成熟度曲線において右肩上がりにトレンドを押し進めるトピックのことであり、「抵抗するトピック」とは、その逆を行くトピックのことである。
- 予想では
- 将来の成熟曲線の位置、将来の中核市場。
- トピックが示すボラティリティのレベル。トピックのボラティリティが高い場合、システムは予測を提供しません。これは時々見られます。
これはあなたにとって何を意味するのか？
つまり、高度に分析的なCINOのもとで、消費者文化のシフトを定量化した定性的なインサイトを提示することができるのだ。そして、これらの予測がどの程度正確なのかを尋ねられたら、過去の予測と現在の結果を比較した1000件以上のベンチマークの検索で、80.4％の予測が維持され、誤差は4.8％だったと答えることができる。
これは業界標準をはるかに凌ぐものであり、私たちの調査に基づいてクライアントのフロントエンド・イノベーション・イニシアチブをより成功に導く理由である。
結論
1年以上前、私たちはある大手CPG食品会社の官能科学グローバル・ディレクターと仕事をしていた。彼女は、"研究者 "の典型に完璧に当てはまる非常に優秀なチーフ・イノベーション・オフィサーと一緒に働いていた。そして、彼らはウェルビーイングの分野に数百万ドルを投資しようとしていた。
しかし、ディレクターは何か腑に落ちなかった。そこで彼女は私たちに5日間のスプリントを依頼し、私たちのAI人類学プラットフォームを使ってウェルネス＆ウェルビーイングの文化を探求することにした。
私たちは、この2つの用語が同じ意味で使われるものではないことを示すことができただけでなく（最高イノベーション責任者は、この2つの用語が同じ意味であると確信していた）、研究開発チームがアクションを起こすことができた技術的要件とよりよく一致するウェルネスの需要空間を特定し、定量化することもできた。
私たちは、ディレクターがCINOに誤った質問をしていることを、文化的に関連性のあるビッグデータで証明する手助けをすることができた。
そして、CINOがその報告書を見たとき、消費者の視点を誤って解釈していたことを受け入れることができたのは、大きなサンプル数とデータ量だった。
"数字は嘘をつかない"。と彼は言った。
それが、AIと人類学で文化の移り変わりを定量化する力なのだ。
NEXT UP
チーフ・イノベーション・オフィサーその2：エンジニア