どこまで人間が考えるべき？ DXプロジェクト構想をChatGPTに投げてみた
先日、DXプロジェクト構想の方法をご紹介しました。今回はこれをChatGPTで埋めてみたいと思います。お題は前回と同じく研修にしてみました。
真面目にプロンプトを書いたのは初めてかもしれません。
なおChatGTP4oを利用しています。出力は整形していますが加筆・修正などは行っていません。
ペルソナ設定
カスタマージャーニーマップを描く前に、どんなユーザがいるのかを明示しておきます。
//Persona
以下の#企業に関して、#説明にしたがって10名のペルソナを描いてください。
#企業
社員10,000人の製造業
100年の歴史を誇る
取引先の評価は高いが、一般にはあまり知られていない
売上の8割は日本国内で、社員は全員日本人
最近は業績が伸び悩んでいるが、黒字なので倒産の心配はない
大半の社員は新卒から働いている
#説明
できるだけリアルに人物像を描いてください。
優秀、やる気があるなど一定の層に固まらないように、幅広い層からサンプリングしてください1. 鈴木 太郎（43歳、工場長）
役職・部署: 工場運営部 工場長
性格: 真面目で責任感が強い。細かい計画を立てて物事を進めるタイプ。
背景: 新卒から同社に勤務。休日は家族と過ごすか趣味のゴルフを楽しむ。最近の業績低迷が気がかりで、部下への指導が厳しくなる傾向にある。
2. 高橋 花子（28歳、営業）
役職・部署: 営業部 主任
性格: 明るく快活で、社内のムードメーカー。
背景: 入社以来、国内営業に従事。仕事にやりがいを感じているが、給与面では少し不満。プライベートでは趣味のヨガに没頭。
3. 田中 一樹（51歳、開発部長）
役職・部署: 開発部 部長
性格: 静かで冷静。論理的に物事を考えるが、人付き合いは苦手。
背景: 同社の製品開発に30年以上携わるベテラン。新技術に興味があるが、若手とのジェネレーションギャップに苦労している。
4. 山本 真由美（35歳、経理担当）
役職・部署: 経理部 一般職
性格: 几帳面で真面目。新しいことにはあまり挑戦しない慎重派。
背景: 大学卒業後に入社。結婚して子どもが一人。家庭と仕事の両立に苦心している。
5. 小林 涼介（22歳、新入社員）
役職・部署: 製造部 作業員
性格: やや内向的だが、丁寧な仕事ぶりで評価を得ている。
背景: 高卒で入社。初めての職場環境に緊張しているが、先輩たちの指導を受けて成長中。
6. 井上 雅人（46歳、管理職）
役職・部署: 人事部 マネージャー
性格: 社交的でリーダーシップがある。部下の成長を支援するのが得意。
背景: 新卒で入社し、順調に昇進。最近は中堅層のモチベーション低下が気になっている。
7. 佐藤 美咲（31歳、広報担当）
役職・部署: 広報部 担当者
性格: 創造的で情熱的。アイデアを出すのが得意。
背景: 中途採用で入社。社外への知名度を上げるプロジェクトを任され奮闘中。趣味は写真撮影。
8. 西村 幸太（59歳、ベテラン作業員）
役職・部署: 製造部 シニアスタッフ
性格: 温厚で面倒見が良い。部下や後輩に慕われている。
背景: 高卒で入社して以来、現場一筋。あと数年で定年を迎える。
9. 村田 加奈（40歳、IT担当）
役職・部署: IT部 主任
性格: 静かで内向的だが、専門知識が豊富で頼りにされている。
背景: 女性エンジニアとしてキャリアを築いてきたが、最近の技術革新についていくのに苦労している。
10. 中村 健（25歳、若手営業）
役職・部署: 営業部 新人スタッフ
性格: ポジティブで挑戦意欲が高い。少し空回りすることも。
背景: 大卒で入社し、営業職として奮闘中。成果が出せずに悩んでいるが、努力は惜しまない。
ChatGPTのペルソナはキラキラ系の優秀層に固まりがちな気がしますので、幅広い層を考えるように指示してあります。それなりに普通そうなので次のステップに移ります。
カスタマージャーニーマップ
//Customer Journey Map
先ほどのペルソナ全員分に関し、#業務のカスタマージャーニーマップを#出力形式に従って描いてください。
カスタマージャーニーマップは、最低でも5ステージ以上になるように、できるだけ細かいステージに分けて考えてください。
#業務
IT研修
多くの社員から難しいというフィードバックを受けている
IT部門は、現在のビジネス環境ではこの程度のリテラシーは必要と考えている
各研修は15分ほどで長くはないが、大量なので合計すると拘束時間は長い
#出力形式
全員分で1つの表形式
1列目: 名前
2列目: ステージ
3列目: 感じている問題
縦に続くのでスクリーンショットは途中で打ち切っていますが、10人分の問題が列挙されています。考察が甘いですが、この時点では数を出すのがポイントなのでいいでしょう。
Impact-Feasibility Matrix
//Impact-Feasibility Matrix
先ほどカスタマージャーニーマップの結果を、#説明に従って整理し、#出力方法に従って出力してください。
#説明
問題: #対象を整理し分類した結果。あまりまとめすぎず、20個くらいがベスト
解決策: 問題を解決できるデジタル技術
インパクト: 問題が解決できたときのビジネスインパクト。財務・非財務いずれでも良い。1-5の5段階で、5がインパクト大。5や4ばかりにならないように注意すること
技術的可能性：解決策が実現できる可能性。1-5の5段階で、5が実現性が大きい。5や4ばかりにならないように注意すること
#出力方法
表形式
1列目: 問題
2列目: 解決策
3列目: インパクト
4列目: 技術的可能性
#対象
感じている問題
これも画像は途中で打ち切っています。何も指定しないと数項目にまとめてしまうことがあるため、出力を少し多めにしました。
インパクトも技術的可能性も少し適当な感じがしますので、実際にプロジェクトを構想するときは人力でチェックした方がいいと思います。
取り組む問題の選択
//問題の選択
この中で、インパクトと技術的可能性の合計点が最も高く、取り組むのにふさわしい問題を選んでください。
同点があった場合には、その中でこの問題を選択した理由も説明してください。合計点が「9」の問題が6つあります。
・日常業務が多忙で、研修の重要性を認識する余裕がない
・実務にどう役立つかが具体的にイメージできない
・研修内容が難解で理解が追いつかない
・忙しい業務の中で研修内容を思い出す余裕がない
・研修の構成やゴールが曖昧で全体像がつかめない
・実務に役立つ具体例が少ない
・短い時間で次々と進むため理解が追いつかない
・内容に創意工夫がなく学びにくさを感じる
＜選択した問題＞
「実務にどう役立つかが具体的にイメージできない」 を選びます。
理由
ビジネスインパクト: この問題が解決されれば、社員が学んだ内容を実務に反映しやすくなり、会社全体のパフォーマンス向上につながる。
技術的可能性: ケーススタディやインタラクティブ教材など、既存技術を活用した即効性のある解決策が導入可能である。
緊急性: 多くの社員が実務への応用に困ることは、研修の意義そのものを揺るがすため、優先順位が高いと判断。
同点が多すぎて迷うところです。選択の理由も少し軽いですね。とりあえず次に行きましょう。
ジョブ理論
//ジョブ理論
この問題をジョブ理論を用いて更に深く掘り下げます。
#説明に従って分析し、#出力形式に従って出力してください。
#説明
未達成の目標: 現時点で言語化できていない要素を含め、ユーザがまだ得られていない、本当に欲しいものや成し遂げたいこと。本質を1つだけ記載する。
状況: どんなときに困っているのか
障壁: 成し遂げたいことを阻んでいる障壁、障害
代替: ベストな解決策がないために、代わりに頼っている不完全なプロダクトやサービス
基準: 欲しいものを決定する基準は何か、目標達成と引き換えに犠牲にできる側面は何か
#出力形式
表形式
1行目: 選択された問題
2行目: 未達成の目標
3行目: 状況
4行目: 障壁
5行目: 代替
6行目: 基準
予想よりいい感じの分析ができています。ジョブ理論などマイナーなフレームワークの場合、プロンプト内で各項目の説明をしてあげると精度が上がるようです。
問題の再設定
//問題の再設定
ジョブ理論の結果を基に、解決すべき問題を再設定してくださいジョブ理論の分析結果を基に、解決すべき問題を以下のように再設定します。
＜再設定された問題＞
「研修で学んだ内容が業務にどう適用できるかを具体的に理解し、実際の業務で成果を出すための明確な道筋が欠けている。」
この再設定された問題は以下のポイントを含んでいます：
未達成の目標: 研修内容を業務に役立てて成果を出す。
状況: 実務に戻ったときに適用方法がわからない。
障壁: 忙しい業務の中で研修内容の整理・適用をする余裕がない。
基準: 実務への即応性と効率性。
多少は問題の解像度が上がり、何を目指せばいいのかはっきりしてきたような気がします。
解決手段の探索
//解決手段の探索
再設定された問題を解決できる手段を、デジタル技術の中から幅広く探してください。20以上の選択肢を列挙してください。＜解決手段のリスト＞
AIベースの個別アドバイザー: 業務内容に基づいて研修内容を適用する方法を提案するAIツール。
タスクマッチングプラットフォーム: 研修内容を実務タスクに自動でマッチングさせるシステム。
シミュレーションツール: AR/VRを活用して業務環境を仮想的に再現し、研修内容を試せる環境を提供。
ケーススタディ生成エンジン: AIを使って業務に合った具体例やケーススタディを自動生成。
パフォーマンスダッシュボード: 学んだスキルをどのように業務に活かしているかを可視化するツール。
コーチングAIチャットボット: 研修内容の適用方法についてリアルタイムでアドバイスするチャットボット。
デジタルメンタープラットフォーム: 経験豊富な社員がオンラインでピアサポートを提供するシステム。
マイクロラーニングモジュール: 必要な時に必要な部分だけを学べる短時間学習プラットフォーム。
スキル適用ワークフロー支援ツール: 業務プロセスに研修内容を取り込む手順をガイドするアプリ。
スキル検証アプリ: 学んだスキルを業務に活用できているかを定期的にテストするツール。
データ駆動型スキル分析ツール: 業務に不足しているスキルを可視化し、研修内容とのギャップを埋める。
プロジェクト管理ツールの連携機能: TrelloやAsanaなどに研修内容を直接関連付ける機能。
ワークショップアーカイブシステム: 過去のワークショップや研修資料を簡単に検索・再利用できるプラットフォーム。
音声アシスタント統合: AlexaやGoogle Assistantを活用した研修内容のクイックリファレンス。
自動タスク推奨システム: 研修内容に基づいて業務で試すべきタスクをAIが推奨。
業務適用ログツール: 学んだ内容を実際の業務にどう活用したかを記録し、後から見返せるツール。
インタラクティブQ&Aプラットフォーム: 業務で疑問が生じた際に即座に答えを得られるコミュニティやAIサポート。
ナレッジグラフベースのスキルマップ: 社内の業務と研修スキルを結びつけて視覚化するツール。
ゲーミフィケーションシステム: 業務適用の進捗をゲーム形式で追跡し、モチベーションを向上。
eラーニングプラットフォームのカスタマイズ機能: 各社員の業務内容に基づいて研修内容を調整。
プロジェクトシミュレーションゲーム: 学んだスキルを使って模擬プロジェクトを完了する実践型ゲーム。
スキルトラッキングツール: 業務に活かしたスキルを追跡し、効果を評価するシステム。
動画による成功事例の共有プラットフォーム: 同僚が研修内容を業務に活用した実例を動画で共有。
研修リマインダーアプリ: 研修で学んだ内容を定期的に通知して思い出させるアプリ。
業務応用アイデア共有プラットフォーム: 社員同士が業務への応用方法を投稿・共有できるスペース。
アジャイルラーニングツール: 学びながら試行錯誤を繰り返し、実務での適用方法を最適化。
ズレているソリューションもある気もしますが、当たりもありそうなので細かいことは気にしません。
解決手段の絞り込み
//解決手段の絞り込み
いま挙げられた解決手段のうち、問題を解決できるベストの方法はどれですか。根拠とともに説明してください。挙げられた解決手段の中で、「AIベースの個別アドバイザー」 が最も適切であると考えます。
＜理由＞
問題の本質に直結
再設定された問題「研修内容を実務にどう適用するかの具体的な道筋が欠けている」は、個別の業務環境や社員ごとの状況に依存します。
AIベースの個別アドバイザーは、社員の役割や業務内容、現在の課題に応じて、適切な適用方法を動的に提案でき、問題を直接的に解決します。
柔軟性とパーソナライゼーション
一律の解決策ではなく、個人の業務内容やニーズにカスタマイズしたアドバイスを提供できるため、幅広い社員に対応可能。
研修内容を個別タスクやプロジェクトに紐づけて具体化できる点で、他の方法よりも優位性があります。
デジタル技術の成熟度
現在のAI技術（自然言語処理、タスク推奨アルゴリズム、パーソナライゼーションエンジン）は、個別アドバイザーを十分に実現可能な水準にあります。
他の技術（例：AR/VRやナレッジグラフ）は導入コストや開発時間が高く、実現性の面で劣ります。
インパクトの大きさ
業務に即応できる具体的なアドバイスが得られるため、研修から実務への橋渡しがスムーズになり、業務効率や成果の向上が期待できます。
特に、これが継続的に使用されることで、社員のスキル向上と会社全体のパフォーマンス向上を支える重要なインフラとなる可能性があります。
＜補足案＞
他の選択肢（例えば、ケーススタディ生成エンジンやスキル適用ワークフロー支援ツール）も有効ですが、これらを組み合わせて個別アドバイザーの機能として統合することで、さらなる価値を引き出すことが可能です。
選択理由はなんだか尤もらしいですね。
Impact-Feasibility Matrixの時点では
問題：実務にどう役立つかが具体的にイメージできない
解決策：研修内容に関連するケーススタディを含めたインタラクティブ教材の導入
だったのが、最終的に
問題：研修で学んだ内容が業務にどう適用できるかを具体的に理解し、実際の業務で成果を出すための明確な道筋が欠けている
解決策：AIベースの個別アドバイザー
という形に掘り下げられているのが分かります。
Value Proposition Canvas
//Value Proposition Canvas
ジョブ理論の結果と、再設定された問題、最終的に選ばれた解決手段に関し、#説明と#出力形式にしたがってValue Proposition Canvas分析を行ってください。
#出力形式
表形式
行は#説明と同じ
1列目は項目
2列目は分析結果
#説明
Value Proposition: このビジネスが顧客に提供している本質的な価値です。列挙せず、最も重要なものを1つだけ挙げます。表層的な考察にとどまらないようにしてください。
Customer Segment: このビジネスの主要な顧客です。できるだけ狭く深く、本当に価値が届いているセグメントを選びます。
Customer Jobs: 顧客が解決したいと思いつつ、現状ではベストの解決策を持っていないポイントです。表層に囚われず、真の課題をシンプルに記載します。
Pains: 顧客がなくなって欲しいと思っている問題です。
Gains: このビジネスによって顧客が得られる喜びです。
Products and Services: Customer Jobsを解決できる具体的な製品やサービスを記載します。むやみに列挙せず少数にとどめます。
Pain Relievers: 顧客がPainsから解放されるための具体的な施策です
Gain Creators: 顧客がGainsを得られるための具体的な施策です
<解説>
Value Proposition は「個別化されたアドバイスで研修内容を実務に活かせる」という本質的価値を提供。
Customer Segment を「中堅・若手社員」に絞ることで、対象顧客のニーズをより深く理解。
Products and Services には少数の直接的な解決手段を選択し、PainsとGainsの両面をカバー。
Pain Relievers と Gain Creators を具体化することで、導入後のメリットが明確に示されています。
Value Proposition Canvasで初めてGains/Gain Creatorsの項目が出てきたのですが、「成果を実感できる」という切り口でさらりと回答しています。ここ案外と難しいので興味深かったです。
機械学習プロジェクトキャンバス
//Machine Learning Project Canvas
ジョブ理論の結果と、再設定された問題、最終的に選ばれた解決手段に関し、#説明と#出力形式にしたがって機械学習プロジェクトキャンバスで分析してください。
#出力形式
表形式
行は#説明と同じ
1列目は項目
2列目は分析結果
#説明
Purpose/Goal: 問題を解決することによって到達したい状態
User Segments: この解決策の実現で最も喜び、解決策を最も使うユーザのセグメント。狭くていいのではっきり定義する。
Actions Based on the Prediction: このAIシステムの出力を受けて、ユーザがどう利用するか。判断の参考にする、結果を信じて行動するなど。
Metrics of Success: ユーザが利用するために必要なAIシステムの満たすべき性能。定量的に示す。例えば正答率90%、棄却率5%など。
Data: このAIシステムを完成させるために必要なデータ。データの種類は抜け漏れのないように記載する。データ量は参考程度。
Algorithms/Infrastructure for Trial: AIシステムを開発するのに必要なインフラと、試すべきアルゴリズム
Data Enhancement: データが不完全なときに補強する手段。人間がアノテーションを行う、シミュレーションでデータを生成するなど
Open Strategy: インターネットに公開済みのリソースで頼れるもの。学習済み機械学習モデル、オープンデータなど
Past Knowledge/Professional Advisors: 過去に失敗した試みや、いまAIシステムなしで業務を遂行している専門家など
UI/Systems for End Users: このAIシステムがユーザに提供されるUI形態。
Model Update/Maintenance: AIモデルのメンテナンスやアップデートに関する記載
Expansion/Secondary Goal: このプロジェクトが他のプロジェクトなどに派生する効果、あるいはこのプロジェクトの裏の狙い
機械学習プロジェクトキャンバスはマイナーなので、プロンプトの説明がやや詳細になっています。それなりに埋められるものですね。Data Enhancementの部分が失敗していますが、それ以外は上々だと思います。
Value Proposition Canvasと機械学習プロジェクトキャンバスでユーザ像が少し変わってしまったのは問題です。プロンプトの書き方を工夫した方が良かったかもしれません。
PR/FAQ
//PR・FAQ
このValue Proposition Canvasと機械学習プロジェクトキャンバスの結果を反映して、このサービスが完成した際に発表されるプレスリリース資料を作成してください。
また報道陣に対する想定QAも作成してください。＜プレスリリース＞
社員一人ひとりの業務を革新するAIベースの個別アドバイザーをリリース
〜研修で学んだスキルを即実務で活用。成果を出すための道筋を提供〜
[発表日]
[企業名]（以下、当社）は、社員研修と実務を結びつける革新的なAIベースの個別アドバイザー「[サービス名]」を正式にリリースしました。このサービスは、社員が研修で学んだスキルや知識を、自身の業務に具体的に適用する方法を提供し、業務成果を最大化することを目的としています。
背景
多くの企業が社員研修に投資していますが、研修で学んだ内容が実務にどう役立つかが曖昧なままになりがちです。当社の調査によると、研修受講者の約70%が「学んだ内容を業務にどう適用するか分からない」と回答しています。この課題に対応するため、当社はAIを活用した個別アドバイザーを開発しました。
「[サービス名]」の特徴個別化されたアドバイス
社員の役職、業務内容、過去の研修履歴を分析し、具体的な適用方法を提案します。
実務と連動したタスク推奨
業務フローに組み込める形で、研修内容を活かすタスクを自動的に推奨します。
継続的な学びのサポート
チャットボット形式でリアルタイムに質問を受け付けるほか、復習や成功事例の提示も行います。
パフォーマンスの可視化
学んだスキルが業務成果にどのように影響を与えているかをダッシュボードで確認可能です。
期待される効果社員の成長: 自信を持って新しいスキルを業務に活用できるようになる。
業務効率の向上: 時間を無駄にせず、適切なタスクで成果を出せる。
企業全体のパフォーマンス向上: 研修投資の効果が明確になり、ROIが向上する。
今後の展開
「[サービス名]」はまず[特定部門/部署]で導入を開始し、全社展開を目指します。また、社員のキャリア形成やナレッジ共有を支援する追加機能も順次リリース予定です。
＜想定QA＞
Q1: このサービスの対象となる社員はどのような層ですか？
A1: 忙しい業務の中で研修内容を活かす時間が取れない中堅社員および若手社員を主な対象としています。ただし、役職や業務内容に応じて柔軟に対応可能です。
Q2: どのような技術が使われていますか？
A2: AI技術を活用し、自然言語処理と推薦システムを組み合わせています。過去の研修データや業務データを分析し、適切なアドバイスを提供します。
Q3: セキュリティやプライバシーへの対応はどうなっていますか？
A3: データは厳重に保護され、個人情報は匿名化して分析します。また、社内外の規定や法律に準拠したセキュリティ対策を実施しています。
Q4: 実際の導入効果はどのように測定しますか？
A4: 業務適用率、社員満足度、研修内容の活用度などのKPIを設定し、導入効果を定量的に測定します。
Q5: 他社との差別化ポイントは何ですか？
A5: 他社サービスと異なり、個別アドバイザーは社員一人ひとりの業務内容や目標に完全にカスタマイズされたアドバイスを提供します。また、業務フローと密接に連携する点が特徴です。
Q6: 今後の拡張予定について教えてください。
A6: キャリア形成支援や、企業全体のナレッジ共有を目的とした機能の追加を予定しています。また、他システムとの連携強化も計画中です。
さすが、自然文の生成はお手の物です。想定QAに関しては、何も指定していないのでそれっぽいことが並べてありますが、ここも本当はプロンプトで指定すべきだったと思います。
フィードバック
//feedback
このプレスリリース資料を最初のペルソナ10名に見せたときのフィードバックを記載してください1. 吉田 太郎（38歳・生産管理部 課長補佐）
フィードバック: 「AIスケジューラーは便利だと思うが、どれくらい現場のスケジュールにフィットするのか具体例が欲しい。自分たちの業務は日々変化するので、柔軟性があるか気になる。」
2. 佐藤 花子（28歳・広報部 社員）
フィードバック: 「デスクトップやモバイル対応があるのは魅力的。でも、使い方が直感的で簡単だともっと安心できる。UIのスクリーンショットやデザイン例が欲しい。」
3. 山田 健太（55歳・技術部 部長）
フィードバック: 「これは若手や管理職向けかもしれないが、我々のような技術系の人間にとって本当に必要か疑問だ。具体的な利用シーンを知りたい。」
4. 中村 涼子（45歳・品質管理部 チームリーダー）
フィードバック: 「研修が進むと現場にどう役立つのか、より長期的な効果についても触れて欲しい。企業全体に与える影響も強調すると良い。」
5. 高橋 翔（24歳・営業部 社員）
フィードバック: 「業務が忙しい中で使うには、通知やアラートが分かりやすいと助かる。競合サービスと何が違うのかもっと明確にして欲しい。」
6. 小林 和夫（50歳・人事部 部長）
フィードバック: 「導入プロセスについての説明がありがたい。ただ、どれくらいのコストがかかるのか、初期費用や運用費用の具体的な情報が欲しい。」
7. 松田 陽介（32歳・研究開発部 社員）
フィードバック: 「AIの精度や学習プロセスに関心がある。どういうアルゴリズムでスケジュールが提案されるのか、技術的な背景をもう少し詳しく知りたい。」
8. 橋本 美沙（41歳・総務部 課長）
フィードバック: 「ITリテラシーが高くない人でも使いやすいかが心配。研修に抵抗感がある社員にも効果的な機能があれば安心。」
9. 田中 実（47歳・製造ライン オペレーター）
フィードバック: 「現場の作業が最優先なので、スケジュール提案が本当に業務に支障を与えないか懸念がある。もっと簡単な機能があると良い。」
10. 藤井 真由（29歳・経理部 社員）
フィードバック: 「効率化に興味があるので、リマインダー機能や進捗管理が魅力的。ただし、操作が複雑だと続かないので簡便性が重要。」
＜総合的な改善点＞
具体例の追加: 利用シーンやスケジュール提案の具体的な事例を挙げる。
UI/UXの可視化: ユーザーインターフェースの例を提供する。
導入コストの透明性: コスト情報をより明確にする。
現場での適用性: 柔軟性や現場での影響に関する説明を強化。
競合との差別化: 他サービスとの差別点を明確にする。
なかなかリアルな雰囲気を感じます。PoCで行うべきことが見えてきたのではないでしょうか。
雑感
DXプロジェクト構想、ChatGPTは思ったより使えそうな雰囲気です。
プロンプト中に解説を入れることで、マイナーなフレームワークでもそれなりの分析ができることが分かりました
列挙するのは大得意。本当は先に人間が考えておいて、AIに考えさせた結果で思い付かなかった選択肢が1つでもあれば喜ぶという使い方がいいと思います
絞り込みの部分は、AIの判断は少し軽い気もします。もう少し多角的な視点で検討したい場合には、人間が行うか、観点をプロンプトに入れた方がいいかもしれません
ペルソナ設定や自然文の出力は、この程度のクオリティでいいなら、LLMで十分だと思います
フィードバックが絶賛でないのは有用そうです
今回は全てChatGPTに任せてみましたが、実際には人間と共創した方がいいと思います。あるいはアイデアコンテストで競争してみても面白いかもしれません。