第1部. 「知的生産性を測定する」可視化から始める働き方変革

(2018年4月13日 11:00〜12:30)

　付加価値生産性の定義は、『付加価値 ÷ 投入資源 (従業員数、時間など) 』 であることが知られています。生産性の向上には、効率性追求 (=分母を 小さくする) と付加価値追求 (=分子を大きくする) という2つの方法が ありますが、コトづくり (ビジネスアイデアの実現) の時代に入って、 効率性追求のアプローチだけでは世界と戦えなくなっています。
　私どもは、一橋大学 野中郁次郎名誉教授の監修のもと、知識創造理論 (SECI) の調査を70社以上に実施し、R&D改革の一歩目が、社会の未解決 問題や顧客の潜在ニーズへの共感度向上にあることを提唱してまいりました。SECI調査を軸に、知識資産、イノベータマインド、阻害要因、組織文化の 可視化についてご紹介いたします。

1. そもそも生産性とは何か
2. ホワイトカラーの生産性向上が難しい理由
3. ヒトの”知”こそが、付加価値の源泉である
4. 知的生産性の定義
5. 知的生産性を可視化する
6. 可視化できること (知的生産性の測定)
   • 業務工数
   • 知識創造プロセス
   • 知識資産活用
   • イノベータマインド
7. 可視化できること (行動促進環境の測定)
   • ビジョン浸透
   • 組織文
   • 生産性阻害要因
   • 働きがい
   • オフィス活用
8. 可視化から問題抽出、原因の深堀へ
9. 新しいR&Dスタイルの構想
10. 実践と定着

第2部. 研究開発業務の効率化、生産性向上の取り組みと働き方・意識の改革

(2018年4月13日 13:15〜14:45)

　演者のこれまでの経験と今後の研究開発を推進する上で重要視しているポイントを説明する。具体的な内容としては、表題に挙げた各項目について、それぞれ支障がない範囲で具体例も挙げながら、研究開発を推進する上で考慮すべきと思う点を説明する。

• 旭化成グループの事業概要
• 研究開発業務の効率化
• 研究開発における生産性向上の取り組み
• 立場、経験、年齢を考慮した働き方・意識の改革 など

第3部. 人工知能を使ったR&D業務効率化、生産性向上のシステム作り

(2018年4月13日 15:00〜16:30)

　研究開発業務の効率化・生産性向上のために人工知能を活用する際の考え方や注意点を、最近の動向、技術的 な特性、実際の活用事例などを踏まえて説明します。人工知能の成果は過熱するブームに便乗して喧伝されること が多いため、「何がどこまで実現できるか」を正確に理解することは、事実を整理しても難しい状況と言えます。その ため、人工知能に対して過大な期待を寄せたまま、対象業務の特性や要素技術の得意・不得意を把握せずに企画 を進め、導入に失敗するケースが見られます。
　本講演では、研究開発の現場に人工知能を導入する際の取り組み 方や、現在の人工知能関連技術の特性に基づく導入検討ステップを順番に説明します。

• いま人工知能が注目されている理由
• 人工知能=ビッグデータに対する機械学習の適用
• ハイプサイクルに沿った「人工知能」のフェーズ
• 今回の「人工知能ブーム」の傾向と今後の動向
• 現在の人工知能でいま何がどこまでできるのか
• 人工知能の活用事例
• 人工知能ビジネス業界におけるプレイヤー
• 人工知能の導入のための注意点
• 知財関連業務に対する人工知能のインパクト
• 特許調査と人工知能