diff --git a/README.md b/README.md index 8201610..5d6a151 100644 --- a/README.md +++ b/README.md @@ -1,60 +1,66 @@ # ML Enablement Workshop -プロダクトを機械学習 / 生成 AI により継続的に成長させるロードマップが作れるワークショップです。本ワークショップの特徴をお客様の声と共に紹介します ( リンク先で事例を紹介しています ) 。 +ML Enablement Workshop は、生成 AI を含めた AI/ML 技術をプロダクトの成長に繋げられるチームを組成するためのワークショップです。 -🚀 : **1~3 カ月以内**で成果や学びが得られるマイルストンを設定し、終了後すぐに行動を開始できる。 -* [*ワークショップ内に開発チームの Todo リストまで落とし込み、翌日から進捗確認の定例を開始できた*](https://github.com/aws-samples/aws-ml-enablement-workshop/tree/main?tab=readme-ov-file#%E6%A0%AA%E5%BC%8F%E4%BC%9A%E7%A4%BE%E3%82%B8%E3%83%BC%E3%83%8B%E3%83%BC) +| 組織横断でのチームの組成 | Amazon の開発プロセスの実践 | 1~3 カ月で最初の成果を獲得 | +|:--------|:---------|:------| +|![Team](docs/images/top/top_1.jpeg) | ![Measure](docs/images/top/top_2.jpeg) | ![Plan](docs/images/top/top_3.jpeg) | +| 企画・ビジネス側と開発側が一体で取り組む | 顧客体験から逆算して考える
[Working Backwards](https://aws.amazon.com/jp/executive-insights/content/product-management-at-amazon/#Working_Backwards.3A_being_customer_obsessed) を実践 | 必要十分な手法で迅速に顧客の反応を得る | -📏 : **計測可能な KPI**を決めることで、計測に基づきロードマップの修正ができるようにする。 -* [*ML Enablement Workshop での顧客体験分析を通じ、もっともインパクトのある用途を特定しタスクと効果測定 KPI を決められた*](https://github.com/aws-samples/aws-ml-enablement-workshop/tree/main?tab=readme-ov-file#%E6%A0%AA%E5%BC%8F%E4%BC%9A%E7%A4%BE%E3%82%B3%E3%82%B3%E3%83%9A%E3%83%AA) +## 🚴 ワークショップの流れ -⚽ : **企画・ビジネス側と開発側が一体でユーザー理解を深める**プロセスを提供し、プロダクト開発チームのコミュニケーションを改善する +ワークショップは参加者に対しワークショップでの役割を伝える [Day0](https://github.com/aws-samples/aws-ml-enablement-workshop/blob/main/docs/organizer/day0.md) を実施後、 2 部構成のプログラムを行います。 1 部で Amazon の開発プロセスを一通り実践し、 2 部からは参加者自信が主導しより時間を取るべきプロセスの再考と 1~3 カ月で最初の成果を獲得する計画を立てます。それぞれのパートの解説と資料は、 Title のリンクからアクセスできます。 -* [*ML Enablement Workshopによりプロダクトマネージャー、開発者、研究開発者共同でワークショップを行った結果、機械学習の推進に不可欠なロール間のコミュニケーションが生まれた*](https://github.com/aws-samples/aws-ml-enablement-workshop/tree/main?tab=readme-ov-file#%E6%A0%AA%E5%BC%8F%E4%BC%9A%E7%A4%BE%E3%83%9E%E3%83%8D%E3%83%BC%E3%83%95%E3%82%A9%E3%83%AF%E3%83%BC%E3%83%89) +| Title |[Day0: 目的とロールの確認](docs/organizer/day0_v2.md)|[実践編: Amazon 流を実践](docs/organizer/day1_v2.md)|[改善編: 仮説検証の自走を開始](docs/organizer/day2_v2.md)| +|:--------|:---------|:------|:------| +| Image |![Day0](docs/images/top/ml-enablement-day0.png)|![Day1](docs/images/top/ml-enablement-day1.png)|![Day2](docs/images/top/ml-enablement-day2.png)| +| Work | 参加者各自の役割の確認 | Working Backwards の 5 つのプロセスで仮説立案 | 参加者自身によるプロセス改善と 1 ~3 カ月の計画作成 | +| Time | 1 時間 ( リモート可 ) | 3.5 時間 | 1~3 時間 | -## :books: ワークショップ資料 +ワークショップをご活用いただいたお客様のフィードバックをまとめています -ワークショップは参加者に対しワークショップでの役割を伝える [Day0](https://github.com/aws-samples/aws-ml-enablement-workshop/blob/main/docs/organizer/day0.md) を実施後、 3 部構成のプログラムを行います。各パートの解説と資料は、 Title のリンクからアクセスできます。 +### お客様事例 -| Title |[理解編: 成長サイクルの理解](docs/organizer/day1.md)|[応用編: 顧客体験改善への応用](docs/organizer/day2.md)|[開始編: 検証/実装を開始する](docs/organizer/day3.md)| -|:--------|:---------|:------|:------| -| Image |![Architect](docs/images/top/ml-enablement-01-architect.png)|![Application](docs/images/top/ml-enablement-02-application.png)|![Action](docs/images/top/ml-enablement-03-action.png)| -| Work | 事例に基づくビジネスモデル作成 | 顧客への提案シナリオ作成と反応の予測 | 1 ~3 カ月のマイルストン作成 | -| Time | 3 時間 | 4 時間 | 3 時間 | +| Customer | Quote | +|:--------|:---------| +| | [株式会社マネーフォワード](https://corp.moneyforward.com/)
*ML Enablement Workshopによりプロダクトマネージャー、開発者、研究開発者共同でワークショップを行った結果、機械学習の推進に不可欠なロール間のコミュニケーションが生まれました*
詳細 : [ユーザに最高の付加価値を提供するための AI 活用に向けて](https://pages.awscloud.com/APAC_FIELD_T2_jp-isv-saas-on-aws-2022-archives-reg.html) (@ [SaaS on AWS 2022](https://pages.awscloud.com/APAC_FIELD_T2_jp-isv-saas-on-aws-2022-day1-inperson-reg.html)) | +|| [株式会社ジーニー](https://geniee.co.jp/)
*ML Enablement Workshop の刺激的な体験を通じ、明確なアクションだけでなく良質な検討フレームワークを持ち帰ることができました* | +| | [株式会社ココペリ](https://www.kokopelli-inc.com/)
*ML Enablement Workshop での顧客体験分析を通じ、 Big Advance の顧客にもっともインパクトがある生成 AI の用途を特定しタスクと効果測定 KPI を決められました*
・[AWSが開催する「ML Enablement Workshop」に参加します](https://www.kokopelli-inc.com/all/news/4323/)
・[ビジネスマッチングでのClaudeによる文章生成](https://note.com/kokopelli_inc/n/nc2a18f4afe76) | -**理解編**で、プロダクトが機械学習で成長する仕組みを学び、事例を参考に自社のビジネスモデルを設計します。 -**応用編**で、顧客への提案シナリオを構築、シミュレーションし予測される反応を洗い出します。 -**開始編**で、ビジネス価値を着実に積みつつ検証を進めていくための段階的なステップを設計します。 +**様々なお客様のプロダクトチームで、ワークショップをご活用頂いています** -## ⚡ 補完コンテンツ +活用頂いた事例を掲載頂ける場合は、[Issue](https://github.com/aws-samples/aws-ml-enablement-handson/issues/new?assignees=&labels=enhancement&template=case-study.md&title=)よりご連絡ください。 -ML Enablement Workshop は特定プロダクトにおける AI/ML のユースケース発見と行動計画作成にフォーカスしています。フェーズとしてはプロトタイピングの段階での実施が適しており、前段の学習や検証、後段の実装のフェーズでは下表のとおり補完関係にあるコンテンツの利用をご検討ください。 +## 🚶 ワークショップ実施前に -| Phase |学習・検証|プロトタイピング|実装・展開| -|:--------|:---------|:------|:------| -| Image |![Learning](docs/images/top/phase-01.png)|![Prototyping](docs/images/top/ml-enablement-01-architect.png)|![Implementation](docs/images/top/phase-03.png)| -| Purpose | 組織全体の AI/ML 活用リテラシーの向上 | ユースケースの発見とロードマップ作成 | 実装の開始、本番展開 | -| Content | Community Workshop | ML Enablement Workshop | AWS Samples | -| Time | 2~3 時間 | 10 時間 | 1~3 時間 | +ML Enablement Workshop 実施前に、**組織全体の AI/ML 活用リテラシーの向上** を行いたい場合はコミュニティ版の資料のご活用を検討ください。 ### Community Workshop #### プロダクトを成長させる生成 AI のユースケースを考えるワークショップ -プロダクトマネージャーを対象に、プロダクトで生成 AI を活用するためのアイデアを発想、検証するためのワークショップです。1) 生成 AI 活用のポイント、 2) アイディエーション、 3) ビジネスモデルキャンバスを利用したアイデアの効果検証、の 3 パートから成ります。 3 パートのどの段階まで行くかは、 Easy / Normal / Hard の 3 段階から選べるようになっています。 +プロダクトマネージャーを対象に、プロダクトで生成 AI を活用するためのアイデアを発想、検証するためのワークショップです。回によって構成は異なりますが、基本的に次のフォーマットです。 + +1. 機械学習・生成 AI の基礎知識とプロダクト活用のポイント +2. アイディエーション +3. ビジネスモデルキャンバスを利用したアイデアの効果検証 -コミュニティでの開催を想定しており、複数の会社のプロダクトマネージャーらを集め意見交換を行うことで新しい視点で発案を促します。過去の開催レポート、発表資料は下記をご参照ください。 +コミュニティでは複数社、個社では複数プロダクトのプロダクトマネージャーを集め意見交換を行うことで新しい視点で発案を促します。過去の開催レポート、発表資料は下記をご参照ください。 | Index | Image | Presentation / Report | |:------| :-----|:----------------------| -| vol.3 | ![vol3](docs/images/top/community_workshop_vol3.png) | [イベントページ](https://aws-startup-community.connpass.com/event/310075/)
・[ワークショップ進行資料](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-ai-noyusukesufa-jian-wakusiyotupu-vol-dot-3)
・[ワーク用バリューキャンバス台紙](docs/value_canvas_A3.pdf)
・[バリューキャンバス作成後のアクションガイド](https://pmdao.notion.site/f5baa01855884eb7b6248b36cfe2ddbc)
イベントレポート : [生成AIが活きるプロダクト体験を発見する鍵 -24のバリューキャンバスの分析から見えたもの](https://note.com/piqcy/n/n3fe552b3e5b4) -| vol.2 | ![vol2](docs/images/top/community_workshop_vol2.png) | [イベントページ](https://productkintore.connpass.com/event/301832/)
AWS 大渕 麻莉: [生成系AI活用においてプロダクトマネージャーの重要性が増した説](https://speakerdeck.com/ohbuchim/sheng-cheng-xi-ai-huo-yong-nioitepurodakutomaneziyanozhong-yao-xing-gazeng-sitashuo)
Notion 早川 和輝: [Notion AIから学ぶ生成AIプロダクトの仮説検証と実践方法](https://notion.notion.site/notion/Notion-AI-AI-c42a634df5b74b3cba2574a03d165d0b)
AWS 久保 隆宏: [生成系 AI 活用用途のアイディエーションと検証](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-xi-ai-noyusukesuwokao-eruwakusiyotupu)
イベントレポート : [コミュニティの力でAIをプロダクトに組み込むアイデアに磨きをかけよう](https://note.com/piqcy/n/nf840e424698c) -| vol.1 | ![vol1](docs/images/top/community_workshop_vol1.png) | [イベントページ](https://productkintore.connpass.com/event/296335/)
Sansan 西田 貴紀: [Sansan LabsのLLM活⽤から考えるLLMプロジェクトの要点整理](https://speakerdeck.com/sansan_randd/llm-project-essentials-from-sansan-labs-llm-use)
株式会社Gaudiy 北川 和貴 : LLMエージェントをtoC提供して見えた可能性と難しさ (限定公開)
AWS 久保 隆宏: [生成系 AI 活用用途のアイディエーションと検証](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-xi-ai-noyusukesuwokao-eruwakusiyotupu)
イベントレポート : [「プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ」を開催しました。](https://note.com/piqcy/n/n7097e8708185)| +| vol.3 | ![vol3](docs/images/top/community_workshop_vol3.png) | イベントレポート : [生成AIが活きるプロダクト体験を発見する鍵 -24のバリューキャンバスの分析から見えたもの](https://note.com/piqcy/n/n3fe552b3e5b4)
・[ワークショップ進行資料](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-ai-noyusukesufa-jian-wakusiyotupu-vol-dot-3)
・[ワーク用バリューキャンバス台紙](docs/value_canvas_A3.pdf)
・[バリューキャンバス作成後のアクションガイド](https://pmdao.notion.site/f5baa01855884eb7b6248b36cfe2ddbc)
・[イベントページ](https://aws-startup-community.connpass.com/event/310075/) +| vol.2 | ![vol2](docs/images/top/community_workshop_vol2.png) | イベントレポート : [コミュニティの力でAIをプロダクトに組み込むアイデアに磨きをかけよう](https://note.com/piqcy/n/nf840e424698c)
AWS 大渕 麻莉: [生成系AI活用においてプロダクトマネージャーの重要性が増した説](https://speakerdeck.com/ohbuchim/sheng-cheng-xi-ai-huo-yong-nioitepurodakutomaneziyanozhong-yao-xing-gazeng-sitashuo)
Notion 早川 和輝: [Notion AIから学ぶ生成AIプロダクトの仮説検証と実践方法](https://notion.notion.site/notion/Notion-AI-AI-c42a634df5b74b3cba2574a03d165d0b)
AWS 久保 隆宏: [生成系 AI 活用用途のアイディエーションと検証](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-xi-ai-noyusukesuwokao-eruwakusiyotupu)
[イベントページ](https://productkintore.connpass.com/event/301832/) +| vol.1 | ![vol1](docs/images/top/community_workshop_vol1.png) | イベントレポート : [「プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ」を開催しました。](https://note.com/piqcy/n/n7097e8708185)
Sansan 西田 貴紀: [Sansan LabsのLLM活⽤から考えるLLMプロジェクトの要点整理](https://speakerdeck.com/sansan_randd/llm-project-essentials-from-sansan-labs-llm-use)
株式会社Gaudiy 北川 和貴 : LLMエージェントをtoC提供して見えた可能性と難しさ (限定公開)
AWS 久保 隆宏: [生成系 AI 活用用途のアイディエーションと検証](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-xi-ai-noyusukesuwokao-eruwakusiyotupu)
[イベントページ](https://productkintore.connpass.com/event/296335/)
| 個社開催も実績があります。 * NTT DATA Intramart : [プロダクトを成長させる生成系 AI のユースケースを考えるワークショップ実施レポート](https://dev.intra-mart.jp/%e3%83%97%e3%83%ad%e3%83%80%e3%82%af%e3%83%88%e3%82%92%e6%88%90%e9%95%b7%e3%81%95%e3%81%9b%e3%82%8b%e7%94%9f%e6%88%90%e7%b3%bb-ai-%e3%81%ae%e3%83%a6%e3%83%bc%e3%82%b9%e3%82%b1%e3%83%bc%e3%82%b9/) +## 🏃‍♀️ ワークショップ実施後に + +ワークショップ実施後の素早いプロトタイプ構築のために AWS として様々なアセットを公開しています。 + ### AWS Smaples 開発者、データサイエンティストを対象に、実装のフェーズで役立つサンプルを提供しています。 @@ -121,36 +127,6 @@ ML Enablement Workshop は特定プロダクトにおける AI/ML のユース * いいえ。 ML Enablement Workshop はアクションプランを作るためのワークショップで、研修を目的としていません。実施に際しては、特定のプロダクト、プロダクト機能を選定して頂く必要があります。 * [プロダクトを成長させる生成 AI のユースケースを考えるワークショップ](https://speakerdeck.com/icoxfog417/purodakutowocheng-chang-saserusheng-cheng-xi-ai-noyusukesuwokao-eruwakusiyotupu) は 2~3 時間でユースケースの発案、検証が行えるプログラムになっています。詳細は追加コンテンツを参照してください。 -## お客様事例 - -### [株式会社マネーフォワード](https://corp.moneyforward.com/) - - - -**[ユーザに最高の付加価値を提供するための AI 活用に向けて](https://pages.awscloud.com/APAC_FIELD_T2_jp-isv-saas-on-aws-2022-archives-reg.html)** (@ [SaaS on AWS 2022](https://pages.awscloud.com/APAC_FIELD_T2_jp-isv-saas-on-aws-2022-day1-inperson-reg.html)) -マネーフォワードでは 「Money Forwardクラウド」 の中長期の重要テーマとしてバックオフィス業務の自動・自律化を目指す 「Autonomous Backoffice」 を標榜し、AI 活用の取組みを進めています。推進するうえでの課題や課題に対する取組み、今後の展望についてお伝えするとともに、AI ユースケース創出のための取組みとして、AWS 支援による PdM を対象としたワークショップについてもご紹介します。| - -### [株式会社ジーニー](https://geniee.co.jp/) - -![Geniee Cases](docs/images/cases/Geniee_Case.png) - -競争の激しい広告プラットフォーム事業で、継続的にインパクトのあるユースケースを生み出せるチームを組成するために ML Enablement Workshop を活用。組織横断で企画立案から検証計画まで一気通貫で作成し、ワークショップ終了翌日から進捗確認の定例を開始する迅速な立ち上がりを実現。 - -### [株式会社ココペリ](https://www.kokopelli-inc.com/) - -![Kokopelli Case](docs/images/cases/Kokopelli_Case.png) - -中小企業 DX に不可欠なサービスを提供する Big Advance で、豊富な機能を限られた時間で活用できるようカスタマージャーニーを整理し、生成 AI を用いたユースケースの検証を終了後すぐに実施。お客様からの記事もご参照ください。 - -* [AWSが開催する「ML Enablement Workshop」に参加します](https://www.kokopelli-inc.com/all/news/4323/) -* [ビジネスマッチングでのClaudeによる文章生成](https://note.com/kokopelli_inc/n/nc2a18f4afe76) - - -**様々なお客様のプロダクトチームで、ワークショップをご活用頂いています** - - -活用頂いた事例を掲載頂ける場合は、[Issue](https://github.com/aws-samples/aws-ml-enablement-handson/issues/new?assignees=&labels=enhancement&template=case-study.md&title=)よりご連絡ください。 - ### 外部登壇資料 * [溶け込むラジオ出演](https://open.spotify.com/show/2cM4nkI88ySjFBUfQK9U74) diff --git a/docs/images/cases/geniee_logo.png b/docs/images/cases/geniee_logo.png new file mode 100644 index 0000000..7ebc342 Binary files /dev/null and b/docs/images/cases/geniee_logo.png differ diff --git a/docs/images/cases/kokopelli_logo.png b/docs/images/cases/kokopelli_logo.png new file mode 100644 index 0000000..93404cd Binary files /dev/null and b/docs/images/cases/kokopelli_logo.png differ diff --git a/docs/images/top/ml-enablement-day0.png b/docs/images/top/ml-enablement-day0.png new file mode 100644 index 0000000..1854c8e Binary files /dev/null and b/docs/images/top/ml-enablement-day0.png differ diff --git a/docs/images/top/ml-enablement-day1.png b/docs/images/top/ml-enablement-day1.png new file mode 100644 index 0000000..f2e4fcf Binary files /dev/null and b/docs/images/top/ml-enablement-day1.png differ diff --git a/docs/images/top/ml-enablement-day2.png b/docs/images/top/ml-enablement-day2.png new file mode 100644 index 0000000..de71b60 Binary files /dev/null and b/docs/images/top/ml-enablement-day2.png differ diff --git a/docs/images/top/top_1.jpeg b/docs/images/top/top_1.jpeg new file mode 100644 index 0000000..81286fc Binary files /dev/null and b/docs/images/top/top_1.jpeg differ diff --git a/docs/images/top/top_2.jpeg b/docs/images/top/top_2.jpeg new file mode 100644 index 0000000..0e2bce8 Binary files /dev/null and b/docs/images/top/top_2.jpeg differ diff --git a/docs/images/top/top_3.jpeg b/docs/images/top/top_3.jpeg new file mode 100644 index 0000000..92a2866 Binary files /dev/null and b/docs/images/top/top_3.jpeg differ diff --git a/docs/images/top/ml-enablement-01-architect.png b/docs/images/top/v1/ml-enablement-01-architect.png similarity index 100% rename from docs/images/top/ml-enablement-01-architect.png rename to docs/images/top/v1/ml-enablement-01-architect.png diff --git a/docs/images/top/ml-enablement-02-application.png b/docs/images/top/v1/ml-enablement-02-application.png similarity index 100% rename from docs/images/top/ml-enablement-02-application.png rename to docs/images/top/v1/ml-enablement-02-application.png diff --git a/docs/images/top/ml-enablement-03-action.png b/docs/images/top/v1/ml-enablement-03-action.png similarity index 100% rename from docs/images/top/ml-enablement-03-action.png rename to docs/images/top/v1/ml-enablement-03-action.png diff --git a/docs/organizer/assets/day0/ws_overview.png b/docs/organizer/assets/day0/ws_overview.png new file mode 100644 index 0000000..2d64587 Binary files /dev/null and b/docs/organizer/assets/day0/ws_overview.png differ diff --git a/docs/organizer/assets/day0/ws_practice.png b/docs/organizer/assets/day0/ws_practice.png new file mode 100644 index 0000000..1937141 Binary files /dev/null and b/docs/organizer/assets/day0/ws_practice.png differ diff --git a/docs/organizer/assets/day0/ws_preparation.png b/docs/organizer/assets/day0/ws_preparation.png new file mode 100644 index 0000000..bff7c1a Binary files /dev/null and b/docs/organizer/assets/day0/ws_preparation.png differ diff --git a/docs/organizer/day0_v2.md b/docs/organizer/day0_v2.md new file mode 100644 index 0000000..d1d588a --- /dev/null +++ b/docs/organizer/day0_v2.md @@ -0,0 +1,152 @@ +# ML Enablement Workshop Day0 + +## 目次 + +* ML Enablement Workshop のゴール +* ワークショップの開催条件 +* ワークショップの参加者 +* ワークショップの進め方 +* 質疑応答 +* Next Step +* 参考書籍 + +## ML Enablement Workshop のゴール + +ワークショップのゴールは、 **生成 AI を含めた AI/ML 技術を、プロダクトの成長に繋げられるチームを組成することです**。そのために次の 4 つの目標の達成にチャレンジします。 + +1. AI/ML による成長に欠かせないチームのメンバーを集める +2. チームが目指すゴールと到達状況の計測方法を決める +3. 得られた情報に基づき計画を修正する方法を習得する +4. 活動状況について経営層へのレポーティングを開始する + +AI/ML 特に生成 AI は進化の速い領域です。そのため、特に 3) の変化に対応する方法を習得することが重要で、 ML Enablement Workshop の v2 移行はこの点に注力して作成されています。ワークショップは次のイメージで行います。 + +![Workshop Overview](./assets/day0/ws_overview.png) + +* **実践編**で、 Amazon の顧客起点で考える Working Backwards の 5 つのプロセスを通しで行います。主な目的は「得られた情報に基づき計画を修正する方法を習得」することです。そのため、アウトプットが不完全であることを許容します。 + * 時間は 3.5 時間を予定しています。参加人数によりある程度時間は前後します。 +* **改善編**で、アウトプットを習得した方法で改善します。具体的には、データや議論が不十分と感じるプロセスを特定し再度実施します。その上で、今後のマイルストンを決めます。 + * 時間は 3 時間を予定しています。参加人数によりある程度時間は前後します。 + * マイルストンを立てる後半 1 時間が必須で、前半 2 時間をどのプロセスにどれくらい充てるかは改善編が始まる前に参加チーム自身で計画し、当日の運営も自ら実施します。これは、ワークショップ後の予行演習を兼ねています。 + +ワークショップ終了後、進捗を定期的にスポンサーとなった経営層に報告する場を設けます。組織横断でチームを組成するには組織間の利害関係を調整する必要があり、経営層の方が組織間の調整を継続するには進捗と成果の定期的なインプットが不可欠です。 + +## ワークショップの開催条件 + +ワークショップの開催条件は以下の 2 つです (AWS から提供する場合は追加条件があるため、担当にご確認ください ) 。 + +1. AI/ML の取り組み及びワークショップ開催に経営層の支持がある +2. 「AI/ML による成長に欠かせないチームのメンバー」が集められる + +これは、ゴールを達成するための前提条件でもあります。 + +## ワークショップの参加者 + +プロダクトマネージャー、開発者、データサイエンティストの参加を必須としています。生成 AI の場合、基盤モデル利用の経験を積んだ開発者の方がデータサイエンティストを兼任してもかまいません。過去の参加企業の方からは、顧客の情報や体験を得るうえで UX デザイナー、営業、カスタマーサポートの方に参加してもらい良かったというフィードバックがあり、追加の職責の方の招待も柔軟に検討ください。 + +主となる 3 役について ML Enablement Workshop が想定している職責の業務内容を説明します。会社により定義が異なっていることもあるので、参加者の方が実際に行っている業務と、本ワークショップでの定義が一致しているかを確認してください。 + +* プロダクトマネージャー + * プロダクトのビジネス的な成功、そのためにロードマップを作成しどのような機能を開発するか方針を示し意思決定を行う職責の方です。 + * 参考: [プロダクトマネジメントのすべて 事業戦略・IT開発・UXデザイン・マーケティングからチーム・組織運営まで](https://www.amazon.co.jp/%E3%83%97%E3%83%AD%E3%83%80%E3%82%AF%E3%83%88%E3%83%9E%E3%83%8D%E3%82%B8%E3%83%A1%E3%83%B3%E3%83%88%E3%81%AE%E3%81%99%E3%81%B9%E3%81%A6-%E4%BA%8B%E6%A5%AD%E6%88%A6%E7%95%A5%E3%83%BBIT%E9%96%8B%E7%99%BA%E3%83%BBUX%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3%E3%83%BB%E3%83%9E%E3%83%BC%E3%82%B1%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0%E3%81%8B%E3%82%89%E3%83%81%E3%83%BC%E3%83%A0%E3%83%BB%E7%B5%84%E7%B9%94%E9%81%8B%E5%96%B6%E3%81%BE%E3%81%A7-%E5%8F%8A%E5%B7%9D-%E5%8D%93%E4%B9%9F/dp/4798166391/ref=d_pd_vtp_sccl_3_1/356-1302783-3087709?pd_rd_w=kMJMk&content-id=amzn1.sym.cbb45385-7b99-44b7-a528-bff5ddaa153d&pf_rd_p=cbb45385-7b99-44b7-a528-bff5ddaa153d&pf_rd_r=VNVE3FYZYAE1GYH2438T&pd_rd_wg=OvK72&pd_rd_r=829f808a-3dc8-49ff-8f8b-2affc105dce0&pd_rd_i=4798166391&psc=1) + * プロダクトでの機械学習導入が顧客の課題、ビジネスの課題に直結しているか判断頂くために参加いただきます。 +* 開発者 + * プロダクトの開発スケジュールやチームのリソース状況を把握している方です。 + * 実行可能な計画をアウトプットするため、大まかな見積りや現在のスケジュールとの兼ね合いを判断いただくために参加いただきます。 +* データサイエンティスト + * 機械学習モデルの構築、またデータの分析を行う。 + * 機械学習の専門家として、プロダクトで有用な用途や事例の提案、できること / できないことを判断頂くために参加いただきます。 + +**ワークショップにはすべての役割が必要です。** [機械学習プロジェクトの失敗確率は 8 割を超える](https://note.com/piqcy/n/n9c9e97896596) と言われており、その要因としてチームの連携不足は理由の 1 つに挙げられています。 + +**ワークショップ終了後もチームとしての連携が続きます**。ワークショップが表面的な会話になると、終わった後に「実はインパクトが低いと思っていた」「実はスケジュール的に無理だった」と後出しで計画が変わることがあります。異なるロールの方と本音で議論するために、必要に応じ事前に情報共有・懇親の場を設けることをお勧めします。 + +ワークショップ実施者向けチェックリスト + +- [ ] : 参加が必須である 3 つの職責の方が参加メンバーに含まれている + * 含まれない場合、該当の職責を持つ方にも参加いただくよう依頼してください。会社によっては担当がいない場合や肩書の定義が異なることもあるため確認をお願いします。 + * 3 つの職責に加え参加いただいたほうが良い方がいたら声がけをお願いします（例：カスタマーサポート / UX デザイナーな等） +- [ ] : 参加者は顔見知りか ? + * 今回初めて顔を合わせる場合、お互いに意見が言いやすいよう事前に自己紹介や懇親を行う場を設けることを推奨します。 +- [ ] : 実践編と改善編開催に向けた事務手続きをお願いします + - [ ] : 日程の決定 + - [ ] : 会場の決定 ( オンライン / オフライン ) + - [ ] : 設備の確認 ( ホワイトボード / ペン / ポストイット ) + - [ ] : 参加者同士での連絡方法の確立 (Slack Channel など ) + +※ ワークショップの開催はオフラインを推奨しています。 + +## ワークショップの進め方 + +今、このドキュメントを読んでいるのは Day0 のフェーズです。 Day0 の後に「実施編」「改善編」の 2 パートを実施しワークショップは終了します。 Day0 は実際参加する方に **「なぜ集められたのか」「ワークショップでどのような役割が期待されているのか」** を事前に説明し合意を得ることが目的です。以後のパートでは時系列に沿い各職責が何を行うのかを説明します。 + +### ワークショップ前 + +ワークショップ開催前に、各職責には事前ワークがあります。実践編では「どんなプロダクトのどんな顧客をターゲットにするか」は決まっていることが前提でスタートするので、プロダクトマネージャーは決定と共有をお願いします。これは、スコープを区切ることで実験しやすい範囲で活動を開始するために不可欠です。 + +![Workshop Preparation](./assets/day0/ws_preparation.png) +※「顧客」は契約当事者で、例えば子供向け教材の場合親が顧客で子供はユーザーです + +ワークショップにおいて、ユースケースは自分で考えるよりも成功事例を借りる形で考えます。ゼロから考えるよりも、過去の成功事例を組み合わせる方がよい解決策になるためです ( 裏付けが知りたい方は [THINK BIGGER 「最高の発想」を生む方法：コロンビア大学ビジネススクール特別講義](https://amzn.asia/d/iUPZDY5) を参照してみてください ) 。そのため、事例の収集が肝になり、この役割をデータサイエンティストの方に担って頂きます。事例がプロダクトの成長にひも付くものになっているかは、事前にプロダクトマネージャーの方と確認いただくとよいです。 + +- [ ] : ワークショップで扱うプロダクトと対象顧客 ( ※ ) が決まっている +- [ ] : 改善編までの間に 1~3 時間の振り返りの場が確保されている +- [ ] : 可能な限り、データがすぐに参照できる環境が整備されている +- [ ] : プロダクトの成長に繋がる事例が 3~4 つ収集されている + + +### ワークショップ中 : 実践編 + +ワークショップの実践編は Amazon のプロダクト開発プロセス、 Working Backwards に沿い時間内を意識してワークを進めます。プロダクトマネージャーの宿題は Listen 、データサイエンティストの宿題は Invent 、開発者の宿題はデータが必要な随所で使います。 + +![workshop](./assets/day0/ws_practice.png) + +実践編の目的は「得られた情報に基づき計画を修正する方法を習得」することなので、次の 3 点を意識してください。 + +1. **とりあえず決める**: 改善編が控えているので、実践編の意思決定は「とりあえず」で構いません。時間が来たらサイコロでもよいので決めましょう。 +2. **知らない時は仮定する**: 改善編が控えているので十分な情報がない場合は仮定して先に進みましょう。仮定した情報は確認が必要なので、事実・実績の情報とは区別しましょう。 +3. **出し惜しみせず取り組む** : 本ワークショップで決めた計画は定期的に経営層へ進捗を報告して頂きます。会社の期待がかかるプロジェクトに抜擢されたメンバーとして、知識・能力を振るってください。 + +- [ ] : Amazon の Working Backwards のプロセスを理解した + + +### 実践編後・改善編前 + +実践編終了後、振り返りを行ってください。この時間は自分たちの意思決定にはどの Working Backwards のどのプロセスが不十分か特定し、改善編で補完する計画を立てるために必要です。また、ポストイットなどでのアウトプットを電子化しておくことも必要です。 + +改善編は 2 時間が補完の時間、 1 時間が今後のマイルストンを立てるための時間になります。前半 2 時間の使い方、進行は参加チームにお任せします。この 2 時間は、ワークショップ終了後実際に活動を始めてみて修正が感じた時の対応の予行演習でもあります。その点で、ワークショップ終了後のリードを担う方を進行担当に任命してください。 + +- [ ] : 改善編 2 時間の時間配分と進行担当が決まっている +- [ ] : 不足していたデータや議論などが特定され、改善編開催までに準備するためにそれぞれに作業が割り振られている +- [ ] : 実施編のアウトプットが電子化されており、改善編で使えるようになっている。 + +### ワークショップ中 : 改善編 + +改善編では事前に立てたプランに沿い進行頂きます。後半 1 時間で今後のマイルストンを立て、ワークショップは終了です。 + +- [ ] : 各自の Todo が明確になっている +- [ ] : ワークショップ終了後の定例進捗会議がスケジュールされている +- [ ] : 初回の経営層への報告日が決まりスケジュールされている + +### ワークショップ後 + +ワークショップ後は、マイルストンの達成に向け決めた活動を実施します。活動を始めると情報がどんどんアップデートされるため、修正する必要があると感じたら改善編の要領で必要なプロセスを再度実施してください。 + +## 質疑応答 + +ワークショップの目的、職責の不明点などについて質問をください。 + +## Next Step + +ワークショップ前の準備の開始をお願いします。 + +## 参考書籍 + +ワークショップを推進するにあたり、必要な事前インプットがないか確認します。インプットに有用な書籍やリソースを紹介します。 + +- [ ] プロダクトマネージャーの方はビジネスモデルの作成やカスタマージャーニーの作成の経験があるか ? + * あまりない場合、プロダクトマネージャーとしてビジネスモデルの作成や顧客体験の可視化を主導できるように、下記の推薦図書で事前のインプットを行ってください。 + * [プロダクトマネジメントのすべて 事業戦略・IT開発・UXデザイン・マーケティングからチーム・組織運営まで](https://www.amazon.co.jp/%E3%83%97%E3%83%AD%E3%83%80%E3%82%AF%E3%83%88%E3%83%9E%E3%83%8D%E3%82%B8%E3%83%A1%E3%83%B3%E3%83%88%E3%81%AE%E3%81%99%E3%81%B9%E3%81%A6-%E4%BA%8B%E6%A5%AD%E6%88%A6%E7%95%A5%E3%83%BBIT%E9%96%8B%E7%99%BA%E3%83%BBUX%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3%E3%83%BB%E3%83%9E%E3%83%BC%E3%82%B1%E3%83%86%E3%82%A3%E3%83%B3%E3%82%B0%E3%81%8B%E3%82%89%E3%83%81%E3%83%BC%E3%83%A0%E3%83%BB%E7%B5%84%E7%B9%94%E9%81%8B%E5%96%B6%E3%81%BE%E3%81%A7-%E5%8F%8A%E5%B7%9D-%E5%8D%93%E4%B9%9F/dp/4798166391) : プロダクトマネジメントについて網羅的に紹介されている書籍です。Part1 / Part2 の箇所が目を通していただければ幸いです (書籍内ではビジネスモデルキャンバスに近いリーンキャンバスを使用しています) 。Part1: プロダクトの成功 (27 ページ)、Part2: プロダクトを育てる (131 ページ) まで読んでいただければ。 + * (Optional) [ビジネスモデルの教科書: 経営戦略を見る目と考える力を養う](https://www.amazon.co.jp/%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%83%A2%E3%83%87%E3%83%AB%E3%81%AE%E6%95%99%E7%A7%91%E6%9B%B8-%E7%B5%8C%E5%96%B6%E6%88%A6%E7%95%A5%E3%82%92%E8%A6%8B%E3%82%8B%E7%9B%AE%E3%81%A8%E8%80%83%E3%81%88%E3%82%8B%E5%8A%9B%E3%82%92%E9%A4%8A%E3%81%86-%E4%BB%8A%E6%9E%9D-%E6%98%8C%E5%AE%8F/dp/4492533435) : ビジネスモデルについて様々な事例を知りたい場合、副読書的に参照いただければと思います。 + * (Optional) [ジョブ理論 イノベーションを予測可能にする消費のメカニズム](https://www.amazon.co.jp/%E3%82%B8%E3%83%A7%E3%83%96%E7%90%86%E8%AB%96-%E3%82%A4%E3%83%8E%E3%83%99%E3%83%BC%E3%82%B7%E3%83%A7%E3%83%B3%E3%82%92%E4%BA%88%E6%B8%AC%E5%8F%AF%E8%83%BD%E3%81%AB%E3%81%99%E3%82%8B%E6%B6%88%E8%B2%BB%E3%81%AE%E3%83%A1%E3%82%AB%E3%83%8B%E3%82%BA%E3%83%A0-%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%83%AA%E3%83%BC%E3%83%80%E3%83%BC1%E4%B8%87%E4%BA%BA%E3%81%8C%E9%81%B8%E3%81%B6%E3%83%99%E3%82%B9%E3%83%88%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E6%9B%B8%E3%83%88%E3%83%83%E3%83%97%E3%83%9D%E3%82%A4%E3%83%B3%E3%83%88%E5%A4%A7%E8%B3%9E%E7%AC%AC2%E4%BD%8D-%E3%83%8F%E3%83%BC%E3%83%91%E3%83%BC%E3%82%B3%E3%83%AA%E3%83%B3%E3%82%BA%E3%83%BB%E3%83%8E%E3%83%B3%E3%83%95%E3%82%A3%E3%82%AF%E3%82%B7%E3%83%A7%E3%83%B3-%E3%82%AF%E3%83%AA%E3%82%B9%E3%83%86%E3%83%B3%E3%82%BB%E3%83%B3/dp/4596551227) / [ユーザーストーリーマッピング](https://www.amazon.co.jp/%E3%83%A6%E3%83%BC%E3%82%B6%E3%83%BC%E3%82%B9%E3%83%88%E3%83%BC%E3%83%AA%E3%83%BC%E3%83%9E%E3%83%83%E3%83%94%E3%83%B3%E3%82%B0-Jeff-Patton/dp/4873117321) : カスタマージャーニー / ユーザーストーリの作り方についてより詳しく知りたい場合、副読書的に参照いただければと思います。 +い。 diff --git a/docs/organizer/day1_v2.md b/docs/organizer/day1_v2.md new file mode 100644 index 0000000..e2eaddd --- /dev/null +++ b/docs/organizer/day1_v2.md @@ -0,0 +1,20 @@ +# ML Enablement Workshop : 実践編 (Day1) + +## ワークショップ資料 + +実践編 : Working Backwards Walk Through +* [PDF](../presentations/ml-enablement-v2-01-practice.pdf) +* [PPT](../presentations/ml-enablement-v2-01-practice.pptx) + +## ワークショップの進め方 + +実践編の目的は時間内に Amazon のプロダクト開発プロセスである Working Backwards を完遂することです。議論が白熱したりするとこの目的を達成できないので、進行を行うにあたり次の 5 点を意識してください。 + +1. 議論やデータが不十分と感じて不満がたまる可能性があることを事前に伝える +2. その不満は、改善編でかいけつできることを伝える +3. 意思決定者の決定にゆだねる + * Define では課題ごとに担当を決めていただきカテゴリと点数の意思決定権を持ってもらいます +4. 意思決定を投票で行う + * Invent では各人のスコアリングによって考える解決策が決まります +5. 型にはめて決める + * Test/Iterate では評価基準を決めますが、どれぐらいのデータを集めればよいのかはある程度型があります。例えばユーザーインタビューは大体 5 人に聞けば 85% の問題が発見できると言われています ( [参考](https://note.com/mikiok/n/n0784034f4004) ) 。また、母集団が 10,000 人の場合 100 人に効けば 90% の精度で傾向を確認できます ([参考](https://jp.surveymonkey.com/curiosity/how-many-people-do-i-need-to-take-my-survey/))。このように、キリの良い、ある程度保証された数値で対象のデータ数などを仮決めしてしまうことで決定速度を速められます。 diff --git a/docs/organizer/day2_v2.md b/docs/organizer/day2_v2.md new file mode 100644 index 0000000..8d58805 --- /dev/null +++ b/docs/organizer/day2_v2.md @@ -0,0 +1,15 @@ +# ML Enablement Workshop : 改善編 (Day2) + +## ワークショップ資料 + +改善編 : Continuous improvement +* [PDF](../presentations/ml-enablement-v2-02-improve.pdf) +* [PPT](../presentations/ml-enablement-v2-02-improve.pptx) + +## ワークショップの進め方 + +改善編の目的は実践編で不足していたプロセスを**自ら**補完し解決策をより納得感の高いものにすること、そして今後の活動のマイルストンを決めることです。 + +1. ワークショップが終わってからが本番なので、改善編で予行演習をするため基本的には参加者に運営をゆだねます。時間が足りなくなりそうな場合も、ファシリテーターが仕切るのではなく足りなくなった分どのプロセスを削るのかなど、問いかけをしつつ意思決定のボールは参加者にゆだねてください。 +2. マイルストンの決定では、必ずその場で Outlook 等のスケジューラーに定期的な進捗会議と経営層への報告タイミングの予定を登録してもらってください。 + diff --git a/docs/organizer/day0.md b/docs/organizer/v1/day0.md similarity index 99% rename from docs/organizer/day0.md rename to docs/organizer/v1/day0.md index 3024ffe..98f40ed 100644 --- a/docs/organizer/day0.md +++ b/docs/organizer/v1/day0.md @@ -17,7 +17,7 @@ ML Enablement Workshop は 3 部構成のプログラムです。 -![Workshop Agenda](./assets/day0/ws_agenda.png) +![Workshop Agenda](../assets/day0/ws_agenda.png) 理解編ではビジネスモデル、応用編では価値提案のストーリー、開始編では AI/ML 機能を価値検証するための 1~3 カ月の計画をアウトプットします。 @@ -91,7 +91,7 @@ MLEW で議論する機能の範囲や使う技術の範囲は、絞られてい ロールプレイを行う際、普段接している顧客の立場からユースケースについて批判的な反応を共有してください。ロールプレイの結果を受け、ユースケースの再選択を実施してください。 -![Proposal Simulation](./assets/day0/proposal_simulation.png) +![Proposal Simulation](../assets/day0/proposal_simulation.png) #### Day3 開始編 @@ -108,7 +108,7 @@ MLEW で議論する機能の範囲や使う技術の範囲は、絞られてい #### ワークショップ開始前 プロダクトに応用できる事例を 2 - 6 個あらかじめ収集いただき、 Day1 で共有いただきます。なぜ自社プロダクトで有効と判断したのか、どのような手法なのか、どの程度のインパクトが見込めるかなど、事例をピックアップした背景もご準備をお願い致します。もし自社のビジネスやプロダクトの課題、あるいは競合他社の動向に知見がない場合はプロダクトマネージャーに事前に相談いただくと当日スムーズに議論できます。事例をまとめるフォーマットに指定はありませんが、以下に Problem、Solution、Impactでまとめた例を示します。 -![Intuit Case Sample](./assets/day0/intuit_case.png) +![Intuit Case Sample](../assets/day0/intuit_case.png) - [ ] 自プロダクトドメインの事例の収集（背景を含めた説明ができることが望ましい） - [ ] プロダクトマネージャーに、ビジネスやプロダクトの課題について事前にヒアリングし認識を合わせる diff --git a/docs/organizer/day1.md b/docs/organizer/v1/day1.md similarity index 100% rename from docs/organizer/day1.md rename to docs/organizer/v1/day1.md diff --git a/docs/organizer/day2.md b/docs/organizer/v1/day2.md similarity index 100% rename from docs/organizer/day2.md rename to docs/organizer/v1/day2.md diff --git a/docs/organizer/day3.md b/docs/organizer/v1/day3.md similarity index 100% rename from docs/organizer/day3.md rename to docs/organizer/v1/day3.md diff --git a/docs/presentations/ml-enablement-v2-01-practice.pdf b/docs/presentations/ml-enablement-v2-01-practice.pdf new file mode 100644 index 0000000..b584333 Binary files /dev/null and b/docs/presentations/ml-enablement-v2-01-practice.pdf differ diff --git a/docs/presentations/ml-enablement-v2-01-practice.pptx b/docs/presentations/ml-enablement-v2-01-practice.pptx new file mode 100644 index 0000000..a165d57 Binary files /dev/null and b/docs/presentations/ml-enablement-v2-01-practice.pptx differ diff --git a/docs/presentations/ml-enablement-v2-02-improve.pdf b/docs/presentations/ml-enablement-v2-02-improve.pdf new file mode 100644 index 0000000..bfa87c2 Binary files /dev/null and b/docs/presentations/ml-enablement-v2-02-improve.pdf differ diff --git a/docs/presentations/ml-enablement-v2-02-improve.pptx b/docs/presentations/ml-enablement-v2-02-improve.pptx new file mode 100644 index 0000000..8545c4e Binary files /dev/null and b/docs/presentations/ml-enablement-v2-02-improve.pptx differ