なぜ使う？
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 導入事例マネージャーに変換し、Data & AI の導入事例を評価・優先順位付けすることで、戦略的目標と主要な成果（OKR）に照らして活用できます。
誰が使う？
Data & AI 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、ビジネスドメイン所有者、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、戦略や入力文書をすぐに使える Data & AI 導入事例マネージャー 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、ランク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てください。
手作業で戦略をソフトウェア要件に落とし込むことなく、データ & AI の導入事例を管理し、あなたにとって戦略的に重要な優先付け基準に基づいて評価する最初の実用的なウェブアプリを作りたい場合に便利です。
何を使う？
このワークフローは、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定します。
AI がその決定を再び構造化します。
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 — を使って準備したボードのコンテキストを Lovable に引き渡し、vibe-coded な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は、企業戦略デッキ、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資料などで構いません。このテンプレートでは公開されている「Mitsubishi Corporate Strategy 2027」を例として使用しています。
II. OKR を定義する。
右上の「Run step」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）：
フローは戦略プレゼンテーションを読み取り、5 件の目標とそれに対応する主要な成果を含む OKR カタログを抽出します。
OKR は、戦略デッキとその後の優先順位付けモデルの間に、構造化された中間層を作ります。
このステップでは、幅広い戦略デッキをレビュー可能な OKR カタログに変換します。チームは、5つの Objectives とそれぞれの Key Results が戦略を正しく反映しているか確認し、文言を調整したり、抜けている点を追加したり、不適切な解釈を削除したりできます。レビューが完了すると、OKR カタログは優先順位付け基準の導出および後のアプリ生成のための共有基盤になります。
III. 優先順位付け基準を導出する。
2 回目の Miro AI Flow を実行します（ステップ 3）。
この Flow は OKR カタログを基に、12 個の優先順位付け基準を導出します。
事業性に関する基準（4 件）
望ましさに関する基準（4 件）
実現可能性に関する基準（4 件）
各基準には短い名称、定義、および重要性を示す簡潔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、文脈に合わない点の修正などを行ってください。基準が明確であるほど、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スコアリングしやすくなります。
IV. 関係者に投票してもらう。
以下の AI 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.(Step 5)
ドット投票では、関係者に同じ数のドットを割り当ててください（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。関係者は同じ基準に複数のドットを付けても問題ありません。
投票が終了したら、付箋にドットを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、後で重みづ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 を実行します.(Step 6)
このフローは投票結果を整理し、引き継ぎ用のテーブルに変換します. 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 “重要である理由” といった追加のコンテキストを含みます.
この表は、Data & AI Use Case Manager ウェブアプリ向けの戦略別インプットになります。関係者が選択した基準と、それらをスコアリングに使うために必要なコンテキストが含まれます。
Lovable 向けの手順：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ます（手順 7）。lovable.ai
Lovable にログインするか、まず登録してください。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（手順 8）。そのプロンプトを適宜編集して、Lovable のチャット入力欄に貼り付けてください。
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、まず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. データと AI 導入事例の管理.
生成されたプロトタイプを開き、データと AI の導入事例を自由記述で追加します（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、関連するスコアリング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と AI の導入事例について有意義な議論を促すかを確認してください。
lovable.ai の UI 内で、いつでもさらに繰り返し改善できます。
さらに詳しい情報
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：
ご関心がある方、またはご質問やフィードバックがある方は、以下までお問い合わせください： info@datentreiber.de。
著作権： すべての権利は Datentreiber GmbHに帰属します。
