| name | cross-industry-researcher |
| description | 異なる業界を横断的にリサーチし、業界特有の課題を発見・整理するスキル。 四季報ベースの194業界を対象に、Web検索で最新の業界動向・課題を収集し、 ITエンジニアの上流工程・事業企画・経営戦略立案を支援する。 Use when: (1) 特定業界の課題を調べたい, (2) 異業界の課題を横断比較したい, (3) 新規事業・プロダクトのネタを探したい, (4) 業界トレンドをキャッチアップしたい, (5) 顧客課題の解像度を上げたい, (6) LT・ブログのネタとして業界課題を整理したい
|
Cross-Industry Researcher — 異業界横断リサーチャー
AI時代のITエンジニアに求められる「業界課題の発見力」を高めるためのスキル。
四季報の業界分類をベースに、Web検索を活用して最新の業界課題を収集・分析・整理する。
コンセプト
プログラミング能力だけでは差別化できない時代、
「どの業界の、どんな課題を、どう解決するか」を構想できるエンジニアが価値を持つ。
このスキルは以下のサイクルを回す：
- 業界を選ぶ → 四季報194業界から関心領域を特定
- 課題を掘る → 複数フレームワークで構造的に分析
- 知見を蓄える → 発見した課題をナレッジとして整理
- アイデアに変換 → ITエンジニアの視点でソリューションを構想
起動時アクション
Step 1: モード選択
ユーザーに以下のモードを提示し、選択してもらう：
A. 業界深掘りモード — 特定の1業界を選んで徹底リサーチ
B. 横断比較モード — 複数業界(2-4)を選んで課題を比較分析
C. トレンドスキャンモード — 今注目の業界課題トップ10を素早くスキャン
D. ランダム発見モード — ランダムに業界を選び、未知の課題に出会う
Step 2: 業界選択
references/industry-list.md の業界一覧からユーザーに選択してもらう。
ランダムモードの場合は、12大分類からランダムに1つ、その中から中分類を1-2個選出。
Step 3: リサーチ実行
選択されたモードと業界に応じて、以下の分析を実行する。
分析フレームワーク
業界課題の発見には、以下のフレームワークを段階的に適用する。
詳細は references/analysis-frameworks.md を参照。
Phase 1: マクロ環境分析（PEST）
WebSearchで以下を調査し、業界に影響する外部要因を整理する：
| 観点 | 検索クエリ例 | 抽出する情報 |
|---|
| Politics（政治） | {業界名} 規制 法改正 2026 | 法規制の変化、政策動向 |
| Economy（経済） | {業界名} 市場規模 成長率 2026 | 市場トレンド、景気影響 |
| Society（社会） | {業界名} 人手不足 高齢化 消費者変化 | 人口動態、価値観の変化 |
| Technology（技術） | {業界名} DX AI 技術革新 2026 | テクノロジーインパクト |
Phase 2: 業界構造分析（5 Forces）
業界の競争環境を5つの力で分析する：
- 業界内の競争 — 主要プレイヤーと競争激化度
- 新規参入の脅威 — スタートアップ・異業種参入
- 検索:
{業界名} 新規参入 スタートアップ 異業種参入
- 代替品の脅威 — 技術革新による業界破壊
- 検索:
{業界名} 代替 ディスラプション AI代替
- 買い手の交渉力 — 顧客の行動変化
- 売り手の交渉力 — サプライチェーンの課題
- 検索:
{業界名} サプライチェーン 原材料 調達
Phase 3: 課題の構造化（As-Is / To-Be + Gap分析）
業界の「現状」と「あるべき姿」を整理し、ギャップから課題を特定：
As-Is（現状） Gap（課題） To-Be（理想）
───────────── ───────────── ─────────────
・アナログ業務が多い → DX推進の遅れ → デジタル完結
・属人的な意思決定 → データ活用不足 → データドリブン経営
・人手に依存 → 人材不足・高齢化 → 自動化・省人化
Phase 4: ITエンジニア視点での課題変換
発見した課題を、IT/AIソリューションの観点で再解釈する：
| 業界課題 | IT/AIソリューション仮説 |
|---|
| 人手不足・属人化 | RPA、AIアシスタント、ナレッジベース構築 |
| 情報の非対称性 | プラットフォーム構築、マッチングサービス |
| 品質のバラツキ | AI品質検査、予測保全、標準化システム |
| レガシーシステム | クラウド移行、API連携、モダナイゼーション |
| 規制対応の複雑さ | RegTech、コンプライアンス自動化 |
| 顧客体験の劣化 | UX改善、パーソナライゼーション、チャットボット |
出力フォーマット
業界深掘りモードの出力
# 📊 業界リサーチレポート: {業界名}
## 1. 業界概要
- 市場規模: ¥XX兆円（成長率: X%）
- 主要プレイヤー: A社、B社、C社
- 業界の特徴: （3行以内）
## 2. PEST分析
| 観点 | 現状 | 今後の見通し |
|------|------|------------|
| 政治 | ... | ... |
| 経済 | ... | ... |
| 社会 | ... | ... |
| 技術 | ... | ... |
## 3. 業界の主要課題 TOP5
1. **{課題名}** — {1行の説明}
- 背景: {なぜこの課題が生じているか}
- 影響度: 高/中/低
- IT/AIソリューション仮説: {エンジニア視点での解決案}
2. ... (以下同様)
## 4. 注目トレンド
- {トレンド1}: {説明}
- {トレンド2}: {説明}
## 5. ITエンジニアへの示唆
- ビジネスチャンス: {この業界でITが活きる領域}
- 必要な技術スタック: {具体的な技術}
- 参入障壁・注意点: {知っておくべきこと}
## 6. 参考リンク
- [出典1](URL)
- [出典2](URL)
横断比較モードの出力
# 🔄 業界横断比較レポート
## 比較対象
- 業界A: {名前}
- 業界B: {名前}
## 共通課題
| # | 課題 | 業界A | 業界B | 共通度 |
|---|------|-------|-------|--------|
| 1 | ... | ... | ... | 高/中/低 |
## 業界固有の課題
### 業界A固有
- ...
### 業界B固有
- ...
## クロスインダストリー・インサイト
- {業界Aの解決策が業界Bに適用できる可能性}
- {異業界の知見を組み合わせた新しいアプローチ}
リサーチ実行手順
WebSearch クエリ戦略
業界ごとに以下のクエリパターンで検索する：
基本クエリ:
"{業界名} 課題 2026"
"{業界名} 業界動向 最新"
"{業界名} DX 事例"
"{業界名} AI活用 事例"
深掘りクエリ:
"{業界名} 人手不足 対策"
"{業界名} 新規参入 スタートアップ"
"{業界名} 規制 法改正"
"{業界名} サプライチェーン 課題"
"{業界名} 顧客ニーズ 変化"
"{業界名} レガシーシステム 刷新"
トレンドクエリ:
"{業界名} 生成AI 活用"
"{業界名} サステナビリティ ESG"
"{業界名} グローバル展開 課題"
情報の信頼性評価
収集した情報は以下の基準で信頼性を評価する：
| 信頼度 | ソース例 |
|---|
| 高 | 官公庁レポート、業界団体発表、上場企業IR |
| 中 | 大手メディア記事、コンサルレポート、調査会社データ |
| 低 | 個人ブログ、SNS投稿（裏取り必要） |
課題発見の思考法
ゼロベース思考
前提や常識を一度リセットし、「なぜそうなっているのか？」を根本から問い直す。
クリティカルシンキング
「本当にそれが課題なのか？」「もっと上位の課題はないか？」と批判的に検証する。
アナロジー（類推思考）
異業界の成功パターンを抽象化し、対象業界に適用できないか考える。
- 例: Uberの配車モデル → 建設業界の重機シェアリング
- 例: Netflixのレコメンド → 医療の個別化治療提案
SCAMPER
既存の業界慣行を7つの観点で再構成する：
- Substitute（代用）: 何を別のもので置き換えられるか？
- Combine（結合）: 何と何を組み合わせられるか？
- Adapt（応用）: 他業界の手法を適用できないか？
- Modify（変更）: 何を変更・拡大・縮小できるか？
- Put to other use（転用）: 別の用途で使えないか？
- Eliminate（削除）: 何を取り除けるか？
- Rearrange（再配置）: 順序や構造を変えられないか？
関連リソース
他スキルとの連携
| スキル | 連携方法 |
|---|
technical-writing-skill | 発見した業界課題をブログ記事化 |
aws-community-builder | AI×業界課題のブログネタとして活用 |
hackathon-strategist | 業界課題をハッカソンのアイデアソースに |
marp-slides | リサーチ結果をLTスライドに変換 |
