TWOSTONE&Sons グループ新会社 × 次世代コンサルモデル

PMO × AI × 自社プロダクト (PJ リスク管理基盤) で「管理・報告」 を「経営意思決定をダイレクトに変える」 へ — 阪口様カジュアル面談 前イメージ確認用

次世代コンサルモデル イメージ — 阪口様カジュアル面談 前確認用

「いただいたお話に興味がありますが、 まずはカジュアル面談という形でもよろしいでしょうか」 (大山)
大山が考える 「PMO × AI × 自社プロダクト = 経営意思決定をダイレクトに変える 次世代コンサルモデル」 のイメージはこちらです。 認識合わせのための叩き台として触ってご確認ください。

大山の考える次世代コンサルモデルの 3 要素:
① 従来 PMO の管理・報告 から脱却 (RAG ステータス更新 + 進捗集約 で止まらない)
② AI で過去パターンと推論を統合し「次の一手」 を提示
③ 自社プロダクト (PJ リスク管理基盤) を OS として、 顧客企業の現場 → 経営判断までを 1 つのフローに
= 結果として、 経営会議の議題が「現状報告」 から「次の意思決定」 へシフトする。 そのコンサルモデルを TWOSTONE&Sons グループ新会社で実装する想定。

3 層連動 (現場 → PMO → 経営)

フリーランス + 顧客 PJ 入力
稼働・成果・温度感
→
グループ PMO 集約
6 サービス横断予兆
→
AI 経営示唆
解約予兆 + 拡張機会
→
経営判断 (取締役会)
サービス別 ROI

本デモの構成 (汎用サンプル)

セクションTWOSTONE 文脈での狙い
Before / After従来のサービス別 KPI 報告 vs グループ統合 AI 経営示唆
現場 → PMO 集約Midworks 8,000+ フリーランス × 顧客 PJ の予兆検出
AI 経営示唆稼働離脱予兆 / 顧客解約予兆 / 追加発注機会の自動提示
経営判断 4 択サービス別: 続行 / 追加投資 / 縮小 / 撤退 + LTV インパクト
What-if市況変動 / 採用ペース変動が ARR にどう波及するか
仕組みの裏側6 サービス API 統合 + AI ロジック + BREAK THE RULES 思想
本デモが示す価値: TWOSTONE&Sons の 6 サービスは独立 KPI で報告される構造。 これを横断統合し、 AI が「フリーランス稼働離脱予兆 + 顧客解約予兆 + 教育→紹介転換率 + マーケ ROI」 を 1 ページに集約。 取締役会で「サービス別の次の一手」 を毎週決められる構造へ。

Before / After — 従来 PMO と AI 拡張 PMO の対比

同じ PJ ポートフォリオを、 従来 PMO と AI 拡張 PMO で扱った場合の差分。

従来 PMO (管理・報告)

  • Midworks / tech boost / Tech Stars Agent 等で別々の管理画面・別 KPI
  • フリーランス離脱は退会フォーム提出後に判明
  • 顧客解約も解約通知後に対策会議
  • サービス間のシナジー機会は属人的判断
  • 取締役会の議題 = 「現状報告」 で 80% 消費
問題: 6 サービス間のシナジー機会を逃し、 解約・離脱は事後対応。

次世代コンサル (PMO × AI × 自社プロダクト)

  • 6 サービスの全データを毎日 AI が再評価
  • フリーランス離脱予兆を 6 週前にアラート + tech boost 教育リテンション提案
  • 顧客解約予兆を 4 週前にアラート + Midworks CONSULTANT 上位投入提案
  • サービス間シナジー (tech boost → Midworks 案件流入) を AI が定量化
  • 取締役会の議題 = 「サービス別の次の一手 + LTV インパクト」
価値: グループ統合 KPI + AI 示唆で、 取締役会の議論時間がサービス成長の「次の一手選択」 に集中。

サンプル数値での差分

離脱予兆発見

6w 前- 8w
従来は退会通知時

解約回避

- 32%
AI 早期介入

サービス間流入

+ 28%
tech boost → Midworks

取締役会時間

- 40%
「現状」 → 「次の一手」

現場 → PMO 集約 — Midworks 8,000+ フリーランス × 顧客 PJ 予兆検出

フリーランスと顧客企業の双方が毎日入力する 3 項目から、 AI が解約・離脱予兆を検出するまで。

現場入力 (30 秒で済む 3 項目)

① リスク自己評価

5 段階でも可・選ぶだけ

② 進捗率

スライダー 1 操作・%

③ コミュ温度感

顧客との空気を 1 タップ

PMO 集約ビュー (30 PJ 一覧の一部)

PJリスク進捗温度感AI 予兆
FL-A × 顧客 X低
→継続見込み
FL-B × 顧客 Y中
↓離脱予兆 (6w 内)
FL-C × 顧客 Z高
↓顧客解約予兆 68%
FL-D × 顧客 W低
↑追加発注機会 +30%
FL-E × 顧客 V中
→スコープ拡大兆候
...............
予兆検出の仕組み: 過去 PJ の「3 項目時系列パターン」 と「結末 (順調終了 / 解除 / 追加発注 / クレーム)」 を AI が学習。 現 PJ の 3 項目時系列が、 過去のどの結末パターンに最も似ているかを毎日推定。

AI 経営示唆 — 過去パターン + 推論で「次の一手」

単なるアラートではない。 過去事例からの根拠 + 具体アクション + ROI 推定 まで提示。

示唆 1: FL-C × 顧客 Z (解約リスク高)

予兆: 顧客満足 32% / FL 稼働率低下 / 温度感 ↓ → 過去 3 案件の同パターン 4 週以内に解約。
推定: 解約確率 68% (信頼度 84%)
示唆アクション:
  1. Midworks CONSULTANT 上位 1 名・2 週間投入
  2. 顧客 KGI を週次レビューに変更
  3. 3 週目に経営層対顧客 1on1 を入れる
推定 ROI: 解約確率 22% へ低下 / LTV 影響 +¥ 18M

示唆 2: FL-D × 顧客 W (追加発注機会)

予兆: 温度感 ↑ + 顧客の要望追加多数。
推定: 追加発注受入確率 72%
示唆アクション:
  1. Midworks 2 次提案 (FL 追加 2 名) を 1 週間以内に投入
  2. tech boost 法人研修パッケージを紹介
推定 ROI: 月間売上 +30% / 顧客 LTV 1.6 倍

示唆の根拠 (AI が引用する過去パターン)

類似 PJ当時の状態結末当時の対策
過去-2024-007進捗 30% / 温度感 ↓解除 (4w 後)対策なし
過去-2023-022進捗 35% / 温度感 ↓継続 → 黒字上位コンサル投入
過去-2023-041進捗 28% / 温度感 →解除 (5w 後)対策遅延

経営判断 4 択 — 続行 / 追加投資 / 縮小 / 撤退

毎日の経営会議で見るのは「進捗報告」 ではなく「次に決めるべき判断」。

続行

14PJ
安定 + 拡張機会あり

追加投資

3PJ
AI 推奨アクション提示

縮小

2PJ
リソース再配分

撤退検討

1PJ
機会損失極小化

判断 1 件の詳細 (FL-C × 顧客 Z 撤退検討)

判断推定 ROIリスク意思決定者
続行 (現状維持)- ¥ 24M解除 + 評判悪化—
追加投資 (+1 名・2 週)+ ¥ 18M投入工数 +¥ 3M役員 X
縮小 (機能を半減)- ¥ 6M顧客満足度低下役員 X
撤退 (合意解除)- ¥ 12M関係終了取締役会
意思決定の効率化: 4 択 + 推定 ROI が並ぶことで、 経営層の議論時間は「現状把握」 から「優先順位の選択」 に集中。 同じ会議時間で扱える判断数が 2-3 倍 へ。

What-if — リスク要因変動時の経営判断シミュレーション

「リスク要因が悪化したら」「人材が 1 人増えたら」 のような仮想変化が、 経営判断にどう影響するか即座に確認。

シナリオ A: 現状維持

続行 PJ14
追加投資 PJ3
縮小 PJ2
撤退 PJ1
年度 ROI+ ¥ 84M

シナリオ B: 上位人材 +2

続行 PJ16 (+2)
追加投資 PJ5 (+2)
縮小 PJ1 (-1)
撤退 PJ0 (-1)
年度 ROI+ ¥ 142M

シナリオ C: 不景気 (受注 -20%)

続行 PJ10 (-4)
追加投資 PJ2 (-1)
縮小 PJ5 (+3)
撤退 PJ3 (+2)
年度 ROI+ ¥ 12M

What-if の操作

受注変動: ±0%
上位人材数: +0 名
価格戦略: ±0%
スライダーを動かすと PJ 別の判断が再計算される (汎用サンプルのため UI のみ)

仕組みの裏側 — 使うデータ・AI ロジック・運用フロー

「魔法」 ではない。 既存ツールに AI 層をかぶせる現実的な構成。

使うデータ (TWOSTONE 6 サービス API 横断)

Midworks + CONSULTANT

案件 DB / 稼働ログ / 評価
稼働率・継続月数
顧客評価
単価レンジ

tech boost + Tech Stars

受講進捗 / 転職活動
学習完了率
転職活動状況
Midworks 流入

Expert Partners + SONOSAKI

マーケ / その他事業
CAC / LTV
クロス CV
マーケ ROI

AI ロジック (3 層)

  1. パターン認識: 過去 PJ の時系列特徴量 → 結末ラベルへの教師あり学習
  2. 類似事例検索: 現 PJ 状態 ベクトル化 → 過去 PJ ベクトル空間で最近傍
  3. 示唆生成: LLM が「過去事例 + 現状 + アクション候補」 を統合し、 経営層向け文章に整形

運用フロー (1 日)

02:00 データ取得
→
04:00 AI 再計算
→
06:00 示唆生成
→
07:00 経営層配信
→
日中 判断実行

導入コスト目安 (TWOSTONE 規模・サンプル)

項目初期月額備考
6 サービス API 統合¥ 8M¥ 0.3MMidworks/CONSULTANT/tech boost/Tech Stars/EPM/SONOSAKI
AI 学習データ整備¥ 4M¥ 0.1M過去 5 年 PJ + フリーランス + 受講者ログ
LLM API + 推論基盤—¥ 0.8M8,000 FL × 日次 × 中規模モデル
運用 / モニタリング¥ 3M¥ 0.5M専属チーム想定
合計¥ 15M¥ 1.7M / 月—
投資回収: Midworks の継続率 +1pt = ARR +¥ 数十 M 規模。 「BREAK THE RULES」 = 既存 SaaS の単一画面常識を疑い、 6 サービス横断 AI で 1 ページ集約する独自実装。 初期 ¥ 15M は継続率 1pt 改善で半年以内に回収可能 (サンプル試算)。

▶ シナリオを選んで「設計開始」 を押してください

押すと 具体的な分析・提案・ROI 推定・大山の介入案 が 5 段階で順次出現します。

シナリオ A: 解約予兆 顧客

FL-C × 顧客 Z
進捗 32% / リスク高 / 温度感↓

シナリオ B: 追加発注機会

FL-D × 顧客 W
進捗 78% / リスク低 / 温度感↑

シナリオ C: 新市場転用

パス C (海外 × IT)
市場規模 ¥92B / 立ち上げ難度 高
①現場入力
②AI予兆分析
③経営判断 4 択
④ROI 推定
⑤大山介入案