なぜ使うのか？
この AI フローを使用して、戦略プレゼンテーションをカスタマイズされた Data & AI Use Case Manager に変換し、データ＆AI導入事例を評価・優先順位付けします。戦略目標と主要な成果（OKR）に照らして。
誰が使う？
データ＆AIの戦略担当者、コンサルタント、ファシリテーター、イノベーションマネージャー、プロダクトオーナー、事業ドメインの所有者、AIトランスフォーメーションチームは、このワークフローを使って戦略やインプット文書を変換し、すぐに使えるデータ＆AI導入事例マネージャーアプリにできます。
いつ使用するか？
組織に戦略プレゼンテーションや戦略ブリーフィングがあり、それをデータ＆AIの導入事例を収集、評価、順位付けする実用的なシステムに変換したい場合に、このワークフローを使用します。
戦略を手動でソフトウェア要件に変換することなく、データ＆AIの導入事例を管理し、戦略上重要な優先付け基準に基づいて評価できる最初の実用的なウェブアプリを作成したい場合に有用です。
何を使うか？
このワークフローは次のシンプルな原則に従います：
AIが情報を構造化します。
人間が何が重要かを判断します。
AIがその判断を再度構造化します。
その結果からソフトウェアが生成されます。
このワークフローでは、Miro AI フローを使って戦略コンテンツを抽出・変換し、関係者の投票で関連する優先付け基準を選定し、MCP — Model Context Protocol — によって準備したボードのコンテキストを Lovable に引き渡し、vibe コーディングによるウェブアプリを生成します。
使用方法
I. 戦略をアップロード
戦略プレゼンテーションをボックス（ステップ 1）内に配置します。
プレゼンテーションは企業の戦略デッキ、事業部門の戦略、変革ロードマップ、あるいはその他の戦略的な入力ドキュメントでも構いません。本テンプレートでは例として公開されている Mitsubishi Corporate Strategy 2027 を使用しています。
II. OKR を定義する
右上の「ステップを実行」をクリックして、最初の Miro AI フローを実行します（ステップ 2）:
このフローは戦略プレゼンテーションを読み込み、5 件の目標とそれに対応する主要な成果を抽出して OKR カタログを作成します。
OKR は戦略デッキとその後の優先順位付けモデルの間に、構造化された中間レイヤーを作ります：
このステップでは、ワークフローが次に進む前に、広範な戦略デッキを確認可能な OKR カタログに変換します。チームは 5 つの目標とそれらの主要な成果が戦略を正しく反映しているかを確認し、表現を調整したり、漏れている点を追加したり、適合しない解釈を削除したりできます。レビュー後、OKR カタログは優先順位付け基準を導出する共通の土台となり、その後のアプリ生成にも使われます。
III. 優先順位付け基準の導出。
2 回目の Miro AI Flow（ステップ 3）を実行します。
この Flow は OKR カタログを元に動作し、12 の優先順位付け基準を導き出します：
事業性の基準（4項）
望ましさの基準（4項）
実現可能性の基準（4項）
各基準には短い名称、定義、そしてなぜ重要かの短い説明が含まれます。
これらの基準は OKR を、データと AI の導入事例を評価するための具体的な評価軸に変換します。次に進む前にこの表を確認することをおすすめします: 基準名を変更したり、定義を調整したり、文脈に合わない点を修正したりしてください。基準が明確であればあるほど、関係者が投票しやすくなり、アプリが導入事例を戦略に照らして採点しやすくなります。
IV. 関係者に投票してもらう。
以下の AI アクションボタンをそれぞれ一度クリックしてください（ステップ4）：
これにより、前の表から優先付け基準が付箋に抽出され、事業性、望ましさ、実現可能性の3つのカテゴリに配置されます。
付箋を使って議論、レビューを行い、最後にドット投票を行ってください。（ステップ 5）
ドット投票では、各関係者に同じ数のドットを配布します（例：3 つ）。関係者には、最も重要だと考える基準にドットを置くよう依頼してください。同じ基準に複数のドットを置いてもかまいません。
投票が終わったら、ドットを付箋にそのまま残してください。投票数は各基準が関係者にとってどれほど重要かを示し、後で重み付けの指標として使用されます。
V. AI ソフトウェアを生成する。
次の Miro AI Flow を実行してください（ステップ 6）。
このフローは投票結果を整理された引き継ぎ表に変換します。投票された基準とその重み付けを特定し、各基準の「定義」と「なぜ重要か」という追加のコンテキストを含めます。
この表は、Data & AI 導入事例マネージャー ウェブアプリの戦略固有の入力になります：関係者が選択した基準と、採点に必要な文脈を含みます。
Lovable 向けの手順：vibe-coding プロセスを開始する
ボード上の緑のボタンをクリックします（ステップ 7）。リンク先は lovable.ai です。
Lovable にログインするか、まず登録してください。利用にはご自身のクレジットが必要です。
現在の Miro ボードの URL を定義済みのプロンプトにコピーしてください（ステップ 8）。そのプロンプトを調整したうえで、Lovable のチャット入力欄に貼り付けます。
オプション：Lovable を Miro MCP に接続する
Lovable がまだ Miro MCP に接続されていない場合は、先に接続を設定してください。
これで Lovable は MCP 経由であなたの Miro ボードにアクセスできるようになります。
VI. データ&AI 導入事例の管理
生成されたプロトタイプを開き、新しいデータ&AI導入事例をフリーテキストで追加します（ステップ 9）。
アプリケーションは AI を使って提案を解釈し、関連する評価要素を抽出してスコアを計算し、ランキングを更新します。
プロトタイプが Miro ボードで選択された基準を反映しているか、ランキングが次に取り組むべきデータ&AI導入事例について有益な議論を促すかどうかを確認してください。
lovable.ai の UI 内で、いつでもさらに反復して調整できます。
さらに詳しく知るには
Datentreiber はこの Miroverse テンプレートに加えて、次のものも提供しています：
ご興味がある方、またはご質問やフィードバックがある場合は、次の連絡先までお問い合わせください: info@datentreiber.de.
著作権：Datentreiber GmbH に帰属します。
