目次
こんにちは！
今日は、「補助金のKPI設定って、何をどう決めればいいのか全然わからない...」そんな悩みを抱えている経営者さんに、ちょっと希望が持てる物語をお届けしたいと思います。
「付加価値額を年平均3%以上向上」って言われても、そもそも付加価値額の計算方法すら分からなくて、そっとPDFを閉じたこと、ありませんか？
KPIって聞いただけで「難しそう...」って身構えてしまって、補助金申請を諦めたこと、ありませんか？
「SMART基準？BSC？何それ美味しいの？」って、専門用語の羅列に心が折れたこと、ありませんか？
大丈夫です。その気持ち、痛いほどわかります。
実は、多くの中小企業が補助金申請で最も苦労するのが、この「KPI設定」なんです。でも、ここだけの話...ChatGPTやClaude、Geminiといった最新のAIを上手に使えば、体系的なKPI設計の知識がゼロでも、プロ並みの設定ができるようになるんです。
これから紹介するのは、埼玉県で水処理装置を製造する中小企業の経営企画室長、田中優子さん（36歳）という架空の人物の物語です。でも、彼女が直面した「KPI設定の壁」での苦悩と、3つのAIとの出会いによる劇的な変化は、実際の補助金申請の現場でよくある話を基にしています。
きっと「これ、私のことだ！」って思う場面がたくさんあるはずです。
物語を読み終わる頃には、あなたも「KPI設定、もう怖くない」って思えるようになっているかもしれません。そして、もしもっと具体的なプロンプトのテクニックを知りたくなったら、この物語の最後で紹介する実践的な解説記事も用意していますので、お楽しみに！
それでは、KPI設計のプロフェッショナルへと成長していく、一人の経営企画室長の挑戦物語をどうぞ。
第1章：補助金KPIの迷宮に迷い込んだ経営企画室長
朝8時。株式会社xxxの会議室に、重い空気が漂っていました。
「優子さん、今度こそ補助金、取れるんだよね？」
社長の言葉に、経営企画室長の田中優子（36歳）は内心で冷や汗をかきました。元エンジニアの彼女にとって、技術の話なら何時間でもできます。でも、経営指標となると...。
「はい、今回は必ず...」
そう答えながら、優子の頭の中は真っ白でした。
会議が終わって自席に戻ると、パソコンに向かって深いため息をつきました。画面には、昨日ダウンロードした「ものづくり補助金」の公募要領が開かれています。
そして、赤線を引いた部分が目に飛び込んできました。
「事業計画期間において、給与支給総額を年率平均1.5%以上増加、付加価値額を年率平均3%以上増加させる計画であること」
「付加価値額って...何？」
優子は思わずつぶやきました。
3年前の悪夢がよみがえります。当時も補助金に挑戦しましたが、適当に設定したKPIが未達となり、補助金の一部返還を求められたのです。あの時の経理部長の冷たい視線を、今でも忘れることができません。
「また失敗したら、今度こそ会社での立場が...」
そんな不安に押しつぶされそうになりながら、優子はGoogle検索を始めました。
「補助金 KPI 設定方法」
検索結果を見て、さらに絶望が深まります。
- SMART基準
- バランスト・スコアカード（BSC）
- 先行指標と遅行指標
- OKRとKPIの違い
- ISO 22400
「何これ...全部英語じゃん...」
専門用語の嵐に、頭がクラクラしてきました。
隣の席から、経理部長の山田さん（52歳）の声が聞こえてきます。
「優子さん、また補助金？どうせ採択されないんだから、時間の無駄だよ」
その言葉に、優子の心はさらに沈みました。
でも、諦めるわけにはいきません。株式会社xxxの水処理技術は、確かに優れています。この技術をもっと多くの人に届けるためには、設備投資が必要なんです。
「誰か...誰か助けて...」
優子は、藁にもすがる思いでスマートフォンを取り出しました。
そして、最近話題のChatGPTのアプリを開いたのです。
第2章：ChatGPT o4-miniとの出会い「まずは基本から学ぼう」
「えっと...どう聞けばいいんだろう...」
優子は恐る恐る、ChatGPTに話しかけました。
優子の入力： 「補助金申請でKPIを設定しないといけないんですが、そもそもKPIって何ですか？」
すると、ChatGPT o4-miniが明るく答えてくれました。
ChatGPT o4-miniの回答： 『こんにちは！KPIについて説明させていただきますね😊
KPIは「Key Performance Indicator」の略で、日本語では「重要業績評価指標」と言います。
ものすごくざっくり言うと、「目標を達成するために、どれくらい進んでいるかを測る物差し」のことです！
例えば、ダイエットで考えてみましょう：
- 最終目標（ゴール）：3ヶ月で5kg痩せる
- KPI：週に何回運動したか、1日の摂取カロリーは何kcalか
補助金申請では、「事業でこんな成果を出します！」という約束を、数字で示す必要があるんです。』
「なるほど！ダイエットの例えなら分かりやすい！」
優子は少し希望が見えてきました。
優子の入力： 「じゃあ、付加価値額って何ですか？年率3%向上って言われても...」
ChatGPT o4-miniの回答： 『付加価値額は、簡単に言うと「会社が生み出した価値の合計」です！
計算式はこちら： 付加価値額 = 営業利益 + 人件費 + 減価償却費
つまり、「儲け + 従業員への還元 + 設備投資」の合計なんです。
年率3%向上というのは、例えば：
- 現在の付加価値額：1億円
- 1年後：1億300万円（+3%）
- 2年後：1億609万円（+6.09%）
- 3年後：1億927万円（+9.27%）
という感じで、毎年少しずつ成長していく計画を立てることです！』
優子は電卓を取り出して、自社の数字を当てはめてみました。
「えーっと、うちの営業利益が2,000万円、人件費が6,000万円、減価償却費が1,000万円だから...」
「付加価値額は9,000万円か！」
初めて自社の付加価値額を計算できて、優子は少し自信がつきました。
でも、ここでo4-miniが提案してきたKPIに、優子は首をかしげました。
ChatGPT o4-miniの回答： 『素晴らしいです！では、こんなKPIはどうでしょう？
- 付加価値額：年10%成長を目指しましょう！
- 売上高：年20%アップ！
- 新規顧客数：年間50社獲得！
- 従業員満足度：90%以上！
きっと実現できますよ！頑張りましょう！💪』
「えっ...年10%成長？20%売上アップ？」
優子は違和感を覚えました。o4-miniは励ましてくれるけど、ちょっと楽観的すぎるような...。
「これ、本当に実現できるのかな...」
そんな疑問を抱いた優子は、より精度の高い分析ができるという「ChatGPT o3」の存在を知ることになります。
第3章：ChatGPT o3-proが描く「戦略的KPI体系」
「ChatGPT o3かぁ...」
優子は、ChatGPTの画面でモデルを切り替えようとしました。すると、「o3」と「o3-pro」という2つの選択肢が表示されます。
※注：o3-proは2025年6月時点でChatGPT Proプラン（月額200ドル）の加入者のみ利用可能です。通常のPlusプラン（月額20ドル）の方は「o3」をご利用ください。
「o3-proの方が精度が高いらしいけど...まあ、普通のo3で十分かな」
優子はo3を選択し、今度はもっと詳しい情報を入力することにしました。
優子の入力：
私は水処理装置製造業の経営企画室長です。ものづくり補助金の申請でKPIを設定する必要があります。
【会社情報】
- 業種：水処理装置製造業
- 従業員：25名
- 年商：5億円
- 現在の付加価値額：9,000万円
【補助金の要件】
- 付加価値額を年率平均3%以上向上
- 給与支給総額を年率平均1.5%以上増加
体系的で実現可能なKPI設計を教えてください。
しばらく待つと、o3から驚くほど詳細な回答が返ってきました。
ChatGPT o3の回答： 『お待たせしました。水処理装置製造業の特性を踏まえ、バランスト・スコアカード（BSC）の4つの視点から体系的なKPI設計をご提案します。
まず、KPI設計の基本原則「SMART基準」を確認しましょう：
- Specific（具体的）
- Measurable（測定可能）
- Attainable（達成可能）
- Relevant（関連性がある）
- Time-bound（期限設定）
さらに、先行指標と遅行指標のバランスも重要です：
- 先行指標：行動を促す指標（例：提案書提出数）
- 遅行指標：結果を示す指標（例：受注額）
理想的な比率は50:50です。
【推奨KPI体系】
1. 財務の視点（遅行指標中心）
- 付加価値額：9,000万円 → 9,810万円（年3.0%成長）
- 給与支給総額：3.6億円 → 3.65億円（年1.5%増加）
- 営業利益率：4% → 4.5%
2. 顧客の視点（先行・遅行混在）
- 顧客満足度（NPS）：現状把握後、10ポイント向上
- リピート率：60% → 70%
- 新規引き合い数：月10件 → 月15件（先行指標）
3. 業務プロセスの視点（先行指標中心）
- 製造リードタイム：14日 → 10日（30%短縮）
- 不良率：2% → 1%
- 設備稼働率：70% → 85%
4. 学習と成長の視点（先行指標）
- 技能資格取得者数：5名 → 10名
- 改善提案数：月20件 → 月30件
- 研修受講時間：年間20時間/人 → 30時間/人
【北極星メトリクス】 全体を統括する最重要指標として「顧客あたり生涯価値（LTV）」を設定することをお勧めします。』
「すごい...こんなに体系的に考えるんだ...」
優子は圧倒されました。BSCという言葉は聞いたことがありましたが、4つの視点でKPIを整理するなんて考えたこともありませんでした。
でも、同時に不安も湧いてきます。
「これ、本当に全部達成できるの？」
そんな疑問を抱いた優子は、次により厳格な検証をしてくれるというClaude Opus 4に相談することにしました。
第4章：Claude Opus 4による「容赦ない検証」
優子は、ChatGPT o3が提案したKPI一覧をコピーして、Claude Opus 4に貼り付けました。
優子の入力： 「このKPI設定について、実現可能性と妥当性を厳しくチェックしてください」
すると、Claudeは冷静かつ鋭い分析を始めました。
Claude Opus 4の回答： 『KPI設定を拝見しました。体系的な構成は評価できますが、いくつか重要な問題点があります。
【問題点1：Vanity指標の混在】 「改善提案数：月30件」は典型的なVanity指標です。数だけ増やしても、実際の改善に繋がらなければ意味がありません。
修正案：「実装された改善提案による工数削減時間」に変更
【問題点2：因果関係の不明確さ】 「技能資格取得者数」と「付加価値額向上」の因果関係が説明されていません。資格を取ることが、どう収益に繋がるのでしょうか？
【問題点3：測定方法の未定義】 「顧客満足度（NPS）」の現状値が不明です。測定方法も定義されていません。
それでは、SMART+CLEAR基準で各KPIを検証しましょう：
付加価値額：年3.0%成長
- Specific（具体的）：✓
- Measurable（測定可能）：✓
- Attainable（達成可能）：△（業界平均と比較が必要）
- Relevant（関連性）：✓
- Time-bound（期限）：✓
- Collaborative（協働的）：？
- Limited（限定的）：✓
- Emotional（感情的）：×
- Appreciable（認識可能）：✓
- Refinable（改善可能）：✓
総合評価：7/10
より現実的なKPI設計のために、以下を提案します：』
「うわぁ...めちゃくちゃ厳しい...」
優子は少しへこみました。でも、Claudeの指摘は的確です。
経理部長の山田さんが通りかかり、画面を覗き込みました。
「へぇ、AIがこんな分析してくれるんだ」
「山田さん！」
優子は慌てましたが、山田さんは意外にも興味深そうでした。
「このClaudeってやつ、なかなか鋭いね。確かに改善提案の数だけじゃ意味ないよ」
初めて山田さんから前向きな反応が返ってきて、優子は驚きました。
Claudeは続けて、より実践的な提案をしてくれました。
Claude Opus 4の回答（続き）： 『経理部門との協働を考慮し、以下の修正KPIを提案します：
【財務KPI - 必達目標】
- 付加価値額
- 現状：9,000万円
- 目標：9,270万円（+3.0%）
- 測定：四半期ごと
- 算出根拠：過去3年の成長率2.5%を基準に設定
- 労働生産性
- 現状：360万円/人
- 目標：371万円/人（+3.0%）
- 測定：半期ごと
- 重要性：補助金の評価基準に直結
【先行指標 - アクション促進】
- 新規見積提出件数
- 現状：月8件
- 目標：月12件
- 因果：提出数×成約率20%×平均単価＝売上増
- 製造工程改善による原価削減額
- 目標：年間500万円
- 測定：実装済み改善の積算
- 因果：直接的に営業利益に反映』
「なるほど！こっちの方が現実的だ」
優子は、Claudeの提案に納得しました。山田さんも頷いています。
でも、まだ一つ疑問が残っていました。
「この目標値って、業界的に見てどうなんだろう？」
その答えを求めて、優子は次にGemini 2.5 Proに相談することにしました。
第5章：Gemini 2.5 Proで見つけた「業界の羅針盤」
優子はGemini 2.5 Proを開き、業界ベンチマークについて質問しました。
優子の入力： 「水処理装置製造業の業界平均的なKPIベンチマークを教えてください。特に中小企業（従業員25名規模）のデータが知りたいです」
Geminiは、膨大なデータから関連情報を瞬時に抽出してきました。
Gemini 2.5 Proの回答： 『水処理装置製造業の業界ベンチマークデータをお示しします。
【業界平均値（従業員20-50名規模）】
財務指標：
- 付加価値額成長率：年2.3%（過去5年平均）
- 労働生産性：340万円/人
- 営業利益率：3.8%
- 設備投資比率：売上の4.2%
製造指標（ISO 22400準拠）：
- OEE（設備総合効率）：65%
- 不良率：1.8%
- 製造リードタイム：12-18日
- 在庫回転率：年6.5回
顧客関連指標：
- 顧客継続率：75%
- 平均受注単価：800万円
- 年間受注件数：60-80件
人材指標：
- 離職率：8%
- 技能資格保有率：全従業員の40%
- 年間研修時間：15時間/人
貴社の現状と比較すると、付加価値額成長率3%は業界平均を上回る意欲的な目標ですが、達成可能な範囲内です。』
「やった！うちの目標は野心的だけど、非現実的じゃない！」
優子は安心しました。
さらに、GeminiにNotebookLMの活用方法も教えてもらいました。
優子の入力： 「過去の補助金採択事例から、成功するKPI設定のパターンを分析したいです」
Gemini 2.5 Proの回答： 『NotebookLMを活用した分析方法をご提案します：
- 採択事例の収集
- 中小機構の成果事例データベース
- 都道府県の補助金採択結果公表資料
- 業界団体の事例集
- NotebookLMへのアップロード
- PDF形式の事例集を一括アップロード
- 「水処理」「製造業」でタグ付け
分析プロンプト例
アップロードした採択事例から、以下を分析してください：
1. 採択された企業のKPI設定の共通パターン
2. 付加価値額の目標設定範囲
3. 最も多く使用されている先行指標
4. 審査員に評価されやすい表現
実際の分析結果から、以下のパターンが見えてきます：
成功事例の共通点：
- 現実的な成長率（2.5-4.0%）
- 定量・定性のバランス（7:3）
- 地域貢献指標の組み込み
- SDGs関連指標の追加』
優子は早速、NotebookLMに過去の採択事例PDFをアップロードしてみました。
すると、驚くべき発見がありました。
「採択された企業の8割が、3つ以上の視点からKPIを設定している...」
「しかも、必ず1つは地域貢献や環境配慮の指標を入れてる！」
この発見は、優子のKPI設計を大きく前進させることになります。
第6章：3つのAIによる「最終レビュー会議」
優子は、これまでの検討結果をまとめ、3つのAIに同時に相談することにしました。
「よし、最終チェックだ！」
優子の入力（3つのAIに共通）：
以下のKPIセットについて、それぞれの観点から最終評価をお願いします。
【必達KPI】
1. 付加価値額：9,000万円→9,270万円（+3.0%）
2. 給与支給総額：3.6億円→3.65億円（+1.5%）
3. 労働生産性：360万円/人→371万円/人（+3.0%）
【戦略KPI】
1. 新製品売上比率：10%→20%
2. 顧客継続率：75%→80%
3. 製造リードタイム：14日→10日
【先行指標】
1. 新規提案数：月8件→月12件
2. 工程改善実施数：四半期5件
3. 研修受講率：60%→80%
【社会貢献KPI】
1. CO2削減率：5%
2. 地域雇用数：2名新規採用
3つのAIから、それぞれ特徴的な回答が返ってきました。
ChatGPT o3の回答： 『戦略的整合性の観点から評価します。
強み：
- BSCの4視点を網羅
- 因果関係が明確（提案→受注→売上→付加価値）
- 北極星メトリクスとして「顧客継続率」が機能
改善提案：
- データ収集の自動化計画を追加
- 月次レビューのプロセス定義
- リスクシナリオ（最悪▲20%）の想定
総合評価：85/100点』
Claude Opus 4の回答： 『実現可能性とActionable度を検証しました。
Actionable度評価：
- 新規提案数：◎（営業行動に直結）
- CO2削減率：△（測定方法が不明確）
- 研修受講率：○（行動は明確だが効果は間接的）
リスク評価：
- 最大リスク：主要顧客の発注減
- 対策：顧客分散化KPIの追加を推奨
測定可能性： 全13指標中11指標が既存システムで測定可能
総合評価：78/100点（堅実で実行可能）』
Gemini 2.5 Proの回答： 『業界ベンチマークとの比較結果：
優位性のある目標：
- 製造リードタイム10日（業界平均15日）
- 新製品売上比率20%（業界平均12%）
業界水準並み：
- 付加価値額成長3%
- 顧客継続率80%
注目ポイント： 貴社の目標は「攻めと守りのバランス」が取れています。 特に製造効率化は競争優位性に直結します。
採択可能性：高（推定75%）』
「すごい...それぞれ違う視点から評価してくれてる！」
優子は、3つのAIの意見を統合して、最終的なKPIセットを完成させました。
経理部長の山田さんも、完成したKPI体系を見て驚いていました。
「優子さん、これは素晴らしい。論理的で、かつ現実的だ」
「山田さん...」
「正直、見直したよ。これなら協力する」
初めて山田さんから協力の言葉をもらい、優子の目に涙が浮かびました。
第7章：Genspark AI SheetsでKPI管理表を「一瞬で作る」革命
KPI設計が完成した優子でしたが、新たな課題に直面していました。
「これ、どうやって管理表を作ればいいんだろう...」
13個ものKPIを整理して、管理表を作って、計算式を設定して...考えただけで気が遠くなります。
そんな時、SNSで見つけたのが「Genspark AI Sheets」でした。
「AIがデータを検索して、自動でスプレッドシートを作ってくれる？」
優子は早速、Genspark AI Sheetsにアクセスしました。
優子の入力： 「水処理装置製造業のKPI管理表を作成してください。以下の13個のKPIを管理できるようにして、業界ベンチマークデータも調べて入れてください」
すると、驚くべきことが起きました。
Genspark AI Sheetsは、Web上から水処理業界の情報を自動で検索し、わずか数分で完成度の高いスプレッドシートを作成したのです。
作成されたシートの内容：
- KPI一覧表（13個のKPIが整理された状態）
- 業界ベンチマークデータ（自動検索で収集）
- 計算式が組み込まれた実績入力欄
- 達成率を表示する列
「すごい！手作業なら半日かかる作業が数分で終わった！」
さらに便利だったのは、自然言語での分析機能でした。
優子の追加入力： 「このKPIデータを分析して、どの指標を優先的に改善すべきか教えてください」
Genspark AI Sheetsは、入力されたデータを即座に分析し、優先順位をつけて表示してくれました。
山田さんも画面を見て感心しています。
「へぇ、データ収集から分析まで、こんなに簡単にできるのか」
「そうなんです！ただ、実績データは手動で入力する必要がありますけど」
「それでも十分だよ。Excelで一から作るより遥かに効率的だ」
優子は続けて、Genspark AI Sheetsの活用方法を探りました。
優子の入力： 「四半期ごとのKPIレビュー用に、実績と目標を比較するグラフを作成してください」
AIは即座に、見やすいグラフ付きのシートを生成しました。
「これなら、レビューの度に新しいシートを作ってもらえば、常に最新の業界データと比較できる！」
山田さんも納得の表情です。
「なるほど。定期的に新しいシートを作成して、そこに実績を入力していけばいいわけか」
「はい！手動での更新は必要ですが、フォーマット作成の手間が省けるだけでも大助かりです」
まさに、スプレッドシート作成の革命でした。
第8章：四半期レビューで見えた「本当の成功」
補助金申請から3ヶ月後。
優子は初めての四半期KPIレビューを迎えていました。Genspark AI Sheetsのダッシュボードには、様々な数字が表示されています。
「さて、どうなっているかな...」
【第1四半期の結果】
- 付加価値額：計画比102%（順調）
- 新規提案数：計画比120%（好調）
- 製造リードタイム：12日（目標10日に対して未達）
- 研修受講率：45%（目標20%に対して大幅超過）
「あれ？思ってたのと違う...」
優子は、3つのAIに相談しました。
優子の入力： 「第1四半期のKPI実績を分析してください。特に計画との乖離について、原因と対策を教えてください」
ChatGPT o3の分析： 『興味深い結果ですね。典型的な「初期の歪み」が見られます。
好調指標の分析：
- 新規提案数：補助金への期待感が営業部門のモチベーションを向上
- 研修受講率：KPI設定により学習意欲が顕在化
要改善指標：
- 製造リードタイム：設備投資前のため当然の結果
- 対策：まず工程分析から着手し、ボトルネックを特定』
Claude Opus 4の提言： 『第2四半期に向けて、以下のKPI修正を推奨します：
- 研修受講率の目標を上方修正（80%→90%） 理由：明らかに過小評価していた
- 製造リードタイムにマイルストーンを設定
- Q2：現状分析完了
- Q3：改善実施
- Q4：10日達成
- 新たに「ボトルネック工程の特定数」を先行指標として追加』
優子は、KPIが単なる数字ではなく、組織の状態を映し出す鏡だということを実感しました。
そして、補助金の採択通知が届いたのは、まさにこのレビューの最中でした。
「やった！採択された！」
事務所中に歓声が響きました。
審査員のコメントには、こう書かれていました。
「KPI設定が極めて体系的かつ現実的。特に先行指標と遅行指標のバランス、4つの視点での整理が高く評価できる。継続的な改善プロセスも明確で、事業の成功可能性が高い」
エピローグ：KPI設計のプロフェッショナルへの変革
あれから1年。
株式会社xxxの会議室で、優子は他の部門長たちにKPI設計の研修を行っていました。
「KPIは、会社の健康診断だと思ってください」
「体重だけじゃなく、血圧も、コレステロールも、運動習慣も見る。それがBSCの考え方です」
参加者たちは熱心にメモを取っています。
優子の手元には、この1年間の成果が記されていました。
- 付加価値額：9,000万円→9,450万円（+5.0%）
- 顧客継続率：75%→82%
- 製造リードタイム：14日→9日
- 従業員の資格取得数：5名→12名
目標を上回る成果でした。
でも、優子にとって最も価値があったのは、数字ではありませんでした。
「優子さん、今度は売上予測の精度を上げるKPIを一緒に考えてもらえる？」
営業部長からの相談です。
「もちろんです！ChatGPT、Claude、Geminiと一緒に考えましょう」
今や優子は、社内のKPI設計の第一人者として認められていました。
そして何より、あの経理部長の山田さんが、今では最大の協力者になっていることが、優子には嬉しくてたまりません。
「優子さん、来月の全社会議で、KPI管理の成功事例を発表してもらえないか」
社長からの依頼に、優子は笑顔で答えました。
「はい！AIとの対話で学んだこと、全部お話しします」
優子のデスクには、今も3つのAIのブックマークが並んでいます。
そして、Genspark AI Sheetsのダッシュボードは、毎日自動更新されています。
月に一度、優子は必ず3つのAIとKPIレビューを行います。これが彼女の新しい習慣になりました。
最後に、優子は新入社員たちにこう伝えています。
「KPI設計を難しく考えないで。AIは最高の学習パートナーです」
「分からないことは素直に聞く。複数の視点で検証する。そして実践する」
「この繰り返しで、必ずできるようになります」
窓の外では、新しい製造設備が稼働を始めていました。
補助金で導入したその設備は、今日も水処理の未来を支えています。
優子の物語は、ここで一旦終わります。
でも、あなたの物語は、今から始まるのかもしれません。
もし、もっと具体的なプロンプトの書き方や、KPI設計の詳細なテクニックを知りたくなったら...
その答えは、こちらの解説記事「補助金KPI設定を8時間→2.5時間に短縮！ChatGPT・Claude・Gemini実践活用術」にすべて詰まっています。
研究所所長 ホジョ助
優子が使った具体的なプロンプト、3つのAIの使い分け方、Genspark AI Sheetsの活用法まで、余すところなく公開しています。
さあ、あなたも優子のように、KPI設計のプロフェッショナルへの第一歩を踏み出してみませんか？
AIと一緒なら、きっとできるはずです。
