「AIは価値を生む道具ではなく、検証の速度を上げる道具」— 東レ株式会社 AI×新規事業開発研修 受講者20名の評価

2026年7月28日、東レ株式会社の社内研修プログラムの一環として、AIを前提とした事業開発プロセスの実践型研修を実施した。対面とオンラインの併用で、講義に加えて参加者が実際にAIを動かす演習と、顧客役に構想をぶつける模擬相談までを一日に収めている。

参加者は20名。研修終了後にアンケートを実施し、有用度を5点満点で問う設問に平均4.6の回答を得た。20名のうち13名が5点、6名が4点、1名が3点である。この数値は受講者が研修を有用と感じたかを測ったものであって、事業成果を測ったものではない。

本記事は、そのアンケートの自由記述と、研修を主催した部門の受け止めをもとに構成している。自由記述は改善要望や低い評点のものも含めて、本記事の後半にそのまま掲載した。

何を扱ったのか

研修で用いた設計原理は3つある。業務をAX Area・Human Area・DX Areaに分ける3領域モデル。AIの学習データには存在しない、人間の側にしかない知性を注入するPI（Primal Intelligence）。そして完成品を先に作って市場に放つFull-Product Launch。

冒頭に置いたのは、検証のスピードが100倍になり、300回の検証を回すような世界がすでに来ているという話だった。ただしその前後で変えていないことがある。顧客が重要であり、一次情報が重要であるという原則そのものは一切動かしていない。AIによって変わるのは検証の速度と回数であって、何を検証すべきかを決めるのは人間の側にある。この順序を崩すと、AIで事業を作るという話は途端に空回りする。

受講者20名の自由記述から

AIの役割の捉え方に触れた回答が複数あった。新規事業創出をアイデア勝負ではなく顧客との仮説検証の回転数の勝負として捉える見方、そしてAIがその回転数を上げる道具であるという整理について、演習で体感したという記述がある。

素材メーカーという立場からの線引きにも言及があった。ソフトウェアやコンテンツの領域と、物理的な製造が伴う領域とで、完成品の扱い方が変わるという点である。AIで資料作成や仮説立案を高速化し、人間は顧客との対話と現場の一次情報の収集に集中するという分担への言及も含まれていた。

研修中のワークで作った手順を、同じ研修の別の場面で使ったという回答もあった。生成AIを個人や小規模組織の作業効率化の範囲で使っていたが、事業につなげる視点は持っていなかった、という記述も出ている。

回答の全文は本記事の後半に掲載している。

素材が存在しない段階で、何を顧客に見せるか

Full-Product Launch は、完成品を先に作って市場に放ち、完成品でしか得られない反応を回収する進め方である。ソフトウェアやコンテンツなら、これは文字どおり動くものを作ることを意味する。日本語で指示を書けば数十分で完成品ができる状態になったことが、この進め方を成立させた。

素材メーカーでは、そのまま適用できない。素材には物理的な製造が伴うので、完成品をその場で作ることはできない。

そこで研修で扱ったのは、まだ存在しない素材について、それがすでにあるかのような資料を先に作り、顧客にぶつけるという進め方である。素材そのものは無くてよい。それを説明できる資料があれば、顧客の課題がどこにあるかを確かめる対話は始められる。たたき台があると、たとえ想定と違っていても「そちらではなく、これではないか」という具体的な議論に入れる。

これは完成品の代わりではなく、完成品が作れない領域での検証の入口である。

この進め方には前提が一つある。完璧でないものを出すことへの心理的な壁を、先に外しておく必要がある。

すでに売るものが決まっている商材なら、価格の桁が違う、スペックが間違っているというミスは許されない。その規律が働いているほど、未完成のものを外に出すことへの抵抗は強くなる。だから最初に申し送りをする。これは構想段階のコンセプトであり、完成品の提案ではない、と伝える。期待値を揃えたうえで出せば、完璧でないもののほうが対話を早く始められる。

主催部門の受け止め

研修を主催した部門の責任者は、次のように述べている。

一通り通して聞かせていただいた印象としては、十分に伝わったのかなと思います。東レの人間からすると、体に染みついている共通部分として、現場をよく知らないと仕事にならないよね、ということを昔からよく現場主義と言うのですが、今回の考え方はその現場主義に通じるところがあります。

実際に新規ビジネスを立ち上げるというのは、本当に泥臭いことの繰り返しであって、お客様の現場を知らないと成り立たない。そこが非常にダイレクトに伝わった気がします。

手を動かす部分についても言及があった。

私も実際、いただいたものを元に動かしてみたら、できたのでびっくりしました。頭では分かっていても、実際に触ってみたら自分でもできる、というのは非常に良かったです。私くらいの年齢の人間でも触ってみたらできるというのは実感できましたので、若い方だったら、もっともっとこれもできないか、あれもできないかと発展させていける可能性もあるのではないかと思いました。

検証の回転数では届かない領域

もっとも低い評点をつけた回答は、次のように書いている。

新事業創出という点では学びになった。一方で、東レという規模の大きい会社の長期利益をどう生むかという点では、やや反映しにくい点があった。ただ、他社はこういうスピード感で動いていることを忘れてはいけない。

この指摘は、本研修が扱えた範囲の輪郭と重なる。こちらの整理を述べておきたい。

新規事業には、性質の異なる2つの軸がある。

ひとつは、既存技術や既存製品の用途展開である。高付加価値な材料を生み出し、その用途を開拓して客単価と顧客数を引き上げていく。イノベーションのジレンマに抗うための王道であり、ここにはAIがほぼ全面的に効く。調査も仮説の量産も資料の作成も速くなり、コストも下がる。検証の回転数を上げれば、当たる確率は上がる。一日の研修で扱えたのは、この領域である。

もうひとつは、何十年先を見越した基礎研究から、模倣困難な技術を生み出す方向である。世の中の大きな変化を捉え、圧倒的な技術力と先行して押さえた特許によって、他社が特許切れ後も追いつけない水準を作る。企業規模に見合う利益を生むのは、多くの場合こちらである。

後者のアプローチは、前者と全く違う。未来の顧客を最初から見定め、キーとなるパートナーを早い段階で巻き込み、中長期の絵を一緒に描く。 ここで問われるのは、顧客の窓口担当者が何を困っているかではなく、その会社の経営層が次の10年に何を考えているかまで読み切ったうえで動けているか、である。読み切れていなければ、新しい技術を仕込む場所が決まらない。

これは3領域モデルでいう Human Area の仕事である。取引先の経営が向かう先を読み、そこで得た一次情報を技術の言葉に翻訳する。この活動は人間にしかできず、AIの活用とは別の設計が要る。検証の回数を100倍にしても、ここには届かない。

一日の研修で扱えるのは前者までである。後者を仕込むには、別の設計が必要になる。

素材開発そのものにAIを使うには

事業開発のプロセスとは別に、素材開発そのものへのAI適用という論点がある。マテリアルズ・インフォマティクスと呼ばれる領域である。

どの条件を組み合わせれば目的の特性が出るのか。この探索は、原理的にはAIが得意とする仕事である。実験データと世の中の知識を組み合わせて、検証レシピの設計時間を大きく縮めることは、いまの技術で可能である。算出された物性から「この特性ならこういう用途にはまるかもしれない」という提案を出し続ける仕組みも作れる。

ただし、前提が2つある。

過去の実験データが構造化されていること。 どの条件で何を試し、どういう結果になったかが、AIに読める形で蓄積されていなければ、最新のモデルを持ってきても効果は出ない。ここはAIの問題ではなくデータベース設計の問題であり、素材メーカーがAIを本格的に使うときに最初にぶつかる壁になる。

機密情報を扱える環境が設計されていること。 配合のレシピや具体的な用途は、素材メーカーにとって最も機密性の高い情報である。これを一般的なオープン環境に入力すれば漏洩のリスクがある。どういうセキュリティ環境でAIを動かすかというシステム設計は、研究開発部門にとって避けて通れない。オープンな情報とクローズドな情報を切り分けて運用している企業はすでにあり、そことの差は小さくない。

今回の研修で扱ったのは事業開発のプロセスであり、この領域には踏み込んでいない。素材メーカーにおけるAX全体を考えるなら、事業開発と素材開発の両方に設計が要る。