新規事業の初期検証は、顧客発見・MVP試作・反応分析の3つのフェーズに分けると、AIの使い所が明確になります。任せていい領域と人間が判断すべき領域を見分けられれば、検証コストを下げつつ意思決定の精度は落とさずに済みます。
「AIで新規事業の検証を加速したい」という相談が、この1年で目に見えて増えました。一方で、「AIに任せたら時間は短くなったが、出てきた仮説が浅くて結局やり直した」という話も同じくらい聞きます。
問題は「AIを使うか/使わないか」ではなく、検証プロセスのどこに、どの程度AIを噛ませるかの設計です。ここを最初に決めずに走ると、加速したつもりが空回りに終わります。
なぜ初期検証で失敗するのか
そもそも、新規事業は「失敗するのが普通」と言われる領域です。
CB Insightsが2023年以降にシャットダウンした431社のスタートアップを分析したTop Reasons Startups Failでは、失敗の主因として プロダクト・マーケットフィット（PMF）不足が43%、タイミングのミスが29% と報告されています。つまり「市場に合うものを作れていない」「タイミングを読み違えた」が根本原因で、資金枯渇はその結果でしかないという整理です。
日本の状況も似た傾向です。ダイヤモンド・オンラインが紹介したアビームコンサルティングの調査では、年商200億円以上の780社を対象にした分析で、取り組んだ新規事業のうち累損解消にまで至った割合は7%。逆に言えば、新規事業の93%が投資回収に届かないまま終わります。
日本総合研究所の新事業開発の成功と失敗の要因に関する一考察も、失敗要因の筆頭に「需要予測や市場の読み違え」を挙げています。
数字の出所はバラバラですが、結論は揃っています。多くの新規事業は、初期の仮説検証が浅いまま本実装に進んで失敗している。だからこそ、検証フェーズに時間と知恵をかけるほどリターンが大きい——という構造です。
AIで加速できるのは「3つのフェーズ」だけ
ここからが本題です。新規事業の初期検証を、私たちは次の3フェーズに分けて設計します。
| フェーズ | 内容 | AIで加速できる比率（目安） |
|---|---|---|
| 1. 顧客発見 | 課題仮説の構築・インタビュー分析 | 5〜6割 |
| 2. MVP試作 | プロトタイプの実装・改修 | 7〜8割 |
| 3. 反応分析 | 数値とコメントから意思決定 | 3〜4割 |
「AIで全部加速できる」は嘘です。逆に「AIは使えない」も嘘です。フェーズごとに人とAIの分担割合が違う——これが現場で見えてきた実態です。
順番に見ていきます。
フェーズ1: 顧客発見 — インタビュー設計と分析
新規事業の出発点は、ほぼ例外なく「誰のどんな課題を解くか」の仮説立案と検証です。
ここでAIが効くのは2か所。インタビューガイドの作成と、インタビュー後の発話データの構造化です。
ガイド作成については、生成AIが質問テンプレートを叩き台として5〜10分で出してくれます。「BtoB SaaSの請求業務担当者を対象に、現状の苦労と代替手段を引き出す質問を10問」と頼めば、それなりに使える原案が出る。ただし、自分が立てた課題仮説を確かめる方向にバイアスがかかった質問になりがちなので、最後は人間が「これは誘導質問になっていないか」を見直す必要があります。
もう一つの「発話データの構造化」も強力です。1時間のインタビューを録音→文字起こしまでは既製のツールで自動化できます。その先、**「課題に関する言及」「現状の代替手段」「金銭的・心理的コスト」「ピボットの兆候となる脱線」**といった観点で分類するところを生成AIにやらせると、人間が読み直して整理するより圧倒的に早い。
ただし、ここでも警戒すべき罠があります。インタビュー記録から本当に拾うべきは、**「想定外の発言」**です。生成AIは「想定通りの発言」をきれいに要約することは得意ですが、「予想外」を強調するのは苦手です。重要な気づきは結局、生録音を聞き直さないと取りこぼす——これは肝に銘じておくところです。
フェーズ2: MVP試作 — プロトタイプ実装の高速化
ここがAIの加速が最も効くフェーズです。
総務省の令和7年版 情報通信白書によれば、2024年度に日本企業の49.7%が生成AIを「積極的に利用」「利用予定」と回答しました。前年度の42.7%から7ポイント増です。背景には、コード生成・プロトタイピングに使えるAIの実用性が一気に上がったことがあります。
具体的には、ここ1〜2年でこんなことが現実になりました。
- ランディングページの試作: 1〜2日 → 数時間
- 業務SaaS風モックの構築: 2週間 → 2〜3日
- API連携を含むプロトタイプ: 1ヶ月 → 1〜2週間
Mewtonでも、新規事業の検証フェーズではClaude CodeやCursorを全面的に使い、オーダーメイドAI開発の費用が30〜100万円になる理由で書いたとおり、従来比で工数が1/3〜1/5に圧縮されています。
この圧縮分を「事業者側のコスト削減」に使うか、「同じ予算でより多くの試行回数を回す」に使うかは、戦略の選択です。新規事業の初期では後者のほうが価値が出ます。3案を1ヶ月で作って捨てるほうが、1案を3ヶ月で磨くより学びが多い。
ただし注意点が一つ。「動くものができる」と「ユーザーが触りたくなるもの」は別物です。AIが書いた初稿は機能としては動きますが、UIの細部や言葉の選び方には人間の手が必要です。ここを省くと「触られないMVP」が量産されます。
判断業務の自動化でAIエージェントを使う場面については、AIエージェントとは何か — RPAやChatGPTと何が違うのかで別の整理をしています。
フェーズ3: 反応分析 — 数字に踊らされない
MVPを世に出した後の反応分析が、3フェーズの中で最もAIに頼ってはいけない領域です。
生成AIは数字を綺麗に要約するのが得意です。「DAU 120人、CVR 3.2%、平均滞在2分10秒」を渡せば、それらしいレポートを書いてくれる。ただ、初期検証で本当に意味があるのは、その数字の**裏側にある「なぜ」**です。
たとえばCVR 3.2%という結果に対して、
- 訪問者の質が悪かったのか（広告チャネルが合っていない）
- ファネルの設計が悪いのか（離脱箇所が想定と違う）
- そもそも需要がないのか（ターゲット仮説が外れている）
このどれに当たるかは、ユーザーに直接聞かないと分かりません。コメント分析を生成AIにかければそれっぽい傾向は出ますが、その傾向を信じて本実装に進むと、PMFのない方向に高速で進んでしまう。日本総研の指摘する「需要予測の読み違え」は、まさにここで起きます。
私たちが進めるときは、初期検証の意思決定会議には必ず人間の判断を残します。AIは数字の整理係であって、撤退や進行の判断者ではない——というシンプルな線引きです。
ちなみに、CommercePickが集計した2026年版・企業の生成AI利用実態調査では、生成AIの活用業務として「文書作成63.1%」「情報収集・要約51.4%」「アイデア出し37.4%」が上位を占めました。「意思決定」が上位に来ていないのは、現場の感覚として正しいと思っています。
AIに任せてはいけない領域 — 3つだけ覚える
検証フェーズ全体を通して、AIに任せると事業を壊しやすい領域を3つに絞ります。
1. 課題の真贋判断
「これは本当に困っている課題か」を最終確認するのは、必ず人間です。AIは「ありそうな課題」を整然と並べますが、その中に「実在しない課題」が混ざる確率はゼロにはなりません。
2. 撤退・継続の意思決定
数値の整理はAI、意思決定は人。ここを混ぜると、もっともらしい根拠で誤った判断をしてしまいます。
3. ステークホルダーとの直接コミュニケーション
顧客、共同創業者、出資者との会話は、AIに代行させてはいけません。新規事業のような不確実性の高い領域では、相手の表情や声色から拾える情報が、テキストで返ってくる情報より重い局面が必ずあります。
Mewtonの新規事業パートナーで気をつけていること
Mewtonでは新規事業パートナーとして、レベニューシェア型で初期検証から本実装まで関わります。
技術側の人間が初期から入ることで、フェーズ2のMVP試作は実態として大きく加速します。一方で、フェーズ1の顧客発見とフェーズ3の反応分析は、「同じ船に乗る」前提で時間をかけて一緒にやることを大事にしています。
外注の関係でこれをやろうとすると、どうしてもフェーズ2のスピードだけを評価軸にしてしまう。背景は外注では新規事業は成功しない — なぜパートナーが必要なのかで詳しく書きました。
逆に、Mewtonがパートナーとしてお引き受けしにくいのは、以下のようなケースです。
- 仮説検証を飛ばして「とにかく作って」と依頼される
- 顧客接点の運営は丸ごとお任せしたい
- AI/ソフトウェアが事業のコア要素でない
ここは正直にお伝えしています。合わないと感じたら、別のやり方を一緒に探すほうが結果として双方のためになります。
「まだパートナーまでは早いが、検証フェーズの設計だけ相談したい」段階であれば、AI顧問の文脈でも対応しています。
よくある質問
MVPの段階で、AIが書いたコードをそのまま本番に使ってよいですか
検証フェーズではほぼ問題ありません。むしろMVPで時間をかけ過ぎることのほうがリスクです。本実装に移る前に、セキュリティ・運用・拡張性の観点で人間がレビューする工程を入れるのが現実的です。
ChatGPTやClaudeで顧客インタビューを代替できますか
完全代替はおすすめしません。仮想インタビュー（ペルソナを設定してAIに答えさせる）は、仮説のたたき台を作る場面では有効ですが、本物のユーザーの「想定外の発言」は出てきません。仮想インタビューで仮説を磨いてから、リアル5〜10人に当てるのが最短ルートです。
どのくらいの規模から「新規事業パートナー」を検討すべきですか
初期費用10万円から始められる設計にしているので、規模というより事業のフェーズで判断します。プロダクトの形が決まっておらず、AI/ソフトウェアが事業のコア要素になる段階であれば、規模の大小に関わらず相談に乗れます。
新規事業の検証だけで終わって、本実装まで進まない可能性はありますか
普通にあります。検証の結論が「やめたほうがいい」になることも珍しくありません。その判断ができるための検証なので、「やめる」を選べる状態を作るのが私たちの仕事の一部だと考えています。