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戦略的な目標と主要な成果（OKR）に沿って、データ & AI の導入事例を評価・優先順位付けするためのカスタマイズされた Data & AI 導入事例マネージャーに変換できます。
誰が使うのか？
Data & AI ストラテジスト、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、事業ドメインの責任者、および 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、すぐに構築できる Data & AI 導入事例マネージャーのウェブアプリに変換できます。
いつ使う？
組織に戦略プレゼンテーションや戦略的ブリーフィングがあり、それをデータ＆AI導入事例を収集・スコアリング・ランキング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てください。
戦略を手動でソフトウェア要件に変換することなく、Data & AI の導入事例を管理し、組織にとって戦略的に重要な優先付け基準に沿ってスコアリング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？
このワークフローは以下のシンプルな原則に従います：
AI が情報を構造化します。
人間が重要なことを決めます。
AI がその決定を再び構造化します。
ソフトウェアは、この結果から生成されます。
このワークフローでは、Miro の AI フローを使って戦略の内容を抽出・変換し、関係者の投票で該当する優先順位付け基準を選定し、MCP — Model Context Protocol — を通じて準備したボードのコンテキストを Lovable に引き渡して、vibe-coded 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内に配置します（ステップ1）。
プレゼンテーションには、コーポレート戦略デッキ、事業部門の戦略、トランスフォーメーションのロードマップ、またはその他の戦略的インプット文書を使用できます。このテンプレートでは、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.
右上の "Run step" をクリックするだけで、最初の Miro AI フローを実行します（ステップ2）:
そのフローは戦略プレゼンテーションを読み取り、OKR カタログとして 5 件の目標 とそれぞれの主要な成果を抽出します。
OKRs 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、幅広い戦略デッキを、ワークフローが次に進む前にレビュー可能な OKR カタログに変換します。チームは、5つの Objectives とそれに対応する Key Results が戦略を正しく反映しているかを確認し、文言を調整したり、抜けている点を追加したり、適合しない解釈を取り除いたりできます。レビューが完了すると、OKR カタログは優先順位付け基準を導出するための共有の基礎となり、その後アプリを生成する際の基盤にもなります。
III. 優先順位付け基準の導出。
2 番目の Miro AI Flow（Step 3）を実行します。
この Flow は OKR カタログをもとに動作し、12 の優先順位付け基準を導出します：
4 つの事業性基準
4 つの望ましさ基準
4 つの実現可能性基準
各基準には短い名前、定義、およびその重要性の簡単な説明が含まれます。
これらの基準は OKR を、データ & AI 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：基準名の変更、定義の調整、または文脈に合わない点の修正を行ってください。基準が明確であればあるほど、関係者による投票やアプリによる導入事例の戦略へのスコア付けが容易になります。
IV. 関係者の投票.
次の各 AI アクション ボタンをそれぞれ 1 回クリックします（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、3 つのカテゴリ：事業性、望ましさ、実現可能性に配置されます。
付箋は議論、レビュー、そして最後のドット投票に使用します（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割り当てます（例：3つ）。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付けても構いません。
投票が終わったら、ドットは付箋に残しておいてください。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 Flow 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"、および “なぜ重要か” という追加の文脈を含めます。
この表は、戦略に特化した入力として Data & AI 導入事例マネージャーのウェブアプリに取り込まれます。関係者が選択した基準と、それらをスコアリングに使用するために必要なコンテキストが含まれます。
Lovable の指示：vibe-coding プロセスを開始
ボード上の緑色のボタンをクリックしてください（ステップ 7）。lovable.ai
Lovable にログインするか、先に登録してください。また、ご自身のクレジットが必要です。
現在の Miro ボードの URL を所定のプロンプトにコピーしてください（ステップ 8）。その後、編集したプロンプトを Lovable のチャット入力に貼り付けます。
オプション：Lovable を Miro MCP に接続
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。
Lovable で、セットアップ をクリックします。
Miro コネクタのウィンドウで、接続 をクリックします。
認可画面で、アクセスを許可 をクリックします。
あなたの組織とあなたの Miro チーム を選択します。
追加 または 再度追加 をクリックします。
これで準備完了です。
これで Lovable は MCP を通じてあなたの 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、自由テキストで新しいデータ & AI 導入事例を追加します（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、該当する評価要素を抽出してスコアを算出し、ランキングを更新します。
プロトタイプが Miro ボードで選択し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 導入事例に関する建設的な議論を促すものになっているかを確認してください。
lovable.ai の UI 上で、いつでもさらに調整できます。
さらに詳しくは？
Datentreiber はこの Miroverse テンプレートだけでなく、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方は、以下までご連絡ください: info@datentreiber.de.
著作権：Datentreiber GmbH が全著作権を保有します.
