executive-summary

name	executive-summary
description	技術説明を経営層・政策立案者向けの投資判断資料に変換する。ROI / ビジネスインパクト表現、 技術用語→ビジネス価値への翻訳、Abstraction Ladder による聴衆レベル別の表現最適化を実行し、 executive-summary.md を出力する。 Use when 「経営層向けに変換して」「Executive Summaryを作って」「投資判断向けに」 「役員向けに」「政策立案者向けに」「ビジネス価値に翻訳して」「抽象度を上げて」。

Executive Summary Generator — Phase 2: 経営層向け変換

概要

技術的な説明・データ・アーキテクチャ情報を、経営層・政策立案者が 投資判断・意思決定に使える形式に変換する。 「何ができるか」（技術）を「何が変わるか」（ビジネス / 社会インパクト）に翻訳する。

Abstraction Ladder（抽象化レベル）

入力の技術情報を、ターゲット聴衆に応じて適切なレベルに変換する:

レベル	対象者	表現の焦点	例
Level 1	技術者	実装詳細、API、アーキテクチャ	「Kubernetes 上で GPU クラスタを構築し vLLM で推論サーバーを運用」
Level 2	マネージャー	機能、メリット、タイムライン	「AI モデルの運用基盤を整備し、研究者が即座に利用可能に」
Level 3	経営層（CxO）	ビジネスインパクト、ROI、競争優位性	「研究計算基盤のスケーラビリティと運用コスト最適化を実現」
Level 4	政策立案者	国家戦略的意義、社会的インパクト	「国際競争力のある研究インフラ基盤の構築」

変換パターン集

AI for Science 領域

技術表現（Level 1）	経営層/政策向け表現（Level 3-4）
ARIM データを RAG 化	日本の研究データ資産を AI 活用可能な国家レベル知識基盤へ転換
ML モデルの精度が 92%	従来手法比で材料探索コスト 40% 削減を実現
Kubernetes 上で GPU クラスタ構築	研究計算基盤のスケーラビリティと運用コスト最適化
Graph Neural Network で分子特性予測	新素材発見サイクルを数年→数週間に短縮
MCP+A2A プロトコル実装	異種 AI 間の安全な連携基盤で研究生産性を飛躍的向上

Microsoft 技術領域

技術表現（Level 1）	経営層向け表現（Level 3）
Azure OpenAI Service の Fine-tuning	自社データで最適化された AI が業務効率を 30% 向上
GitHub Copilot のコード補完	開発者生産性の 40% 向上（GitHub 調査データ）
Microsoft Fabric でデータ統合	サイロ化されたデータの一元管理で意思決定速度を加速

実行手順

Step 1: 入力分析

1. 入力資料（技術文書・research-notes.md・storyline.md）を読み込む
2. 各情報の現在の Abstraction Level を判定する
3. ターゲット聴衆の Level を requirements.md から特定する
4. 変換が必要な箇所をリストアップする

Step 2: 聴衆レベル判定

ターゲット聴衆に応じて変換パターンを選択する:

聴衆タイプ	変換先 Level	重視する要素
CTO / 技術役員	Level 2-3	技術的正確性 + ビジネスメリット
CFO / 財務役員	Level 3	ROI、コスト削減、投資回収期間
CEO / 社長	Level 3	競争優位性、市場ポジション
MEXT / 政策担当	Level 4	国家戦略整合性、社会的インパクト
取締役会	Level 3-4	リスクとリターンのバランス

Step 3: 変換実行

各技術情報について以下の変換プロセスを適用する:

1. 技術要素の特定: 「何の技術か」
2. 価値の抽出: 「その技術で何が改善されるか」
3. 定量化: 「どれだけ改善されるか」（可能な場合）
4. ビジネス言語化: 「経営指標でどう表現するか」
5. 文脈付与: 「なぜ今重要か」

Step 4: Executive Summary 生成

出力テンプレート: executive-summary.md

# Executive Summary: {タイトル}

## 提言の要旨
{3行以内で「何を」「なぜ」「どうするか」を記述}

## ビジネスインパクト
| 指標 | 現状 | 提案後 | 改善幅 |
|------|------|--------|--------|
| {KPI名} | {現在値} | {期待値} | {改善率} |

## 投資概要
| 項目 | 内容 |
|------|------|
| 初期投資 | {金額 or 規模感} |
| 運用コスト | {月額/年額} |
| 投資回収期間 | {N ヶ月/年} |
| 期待 ROI | {N% or 定性表現} |

## 競争環境
{競合との比較 — 自社/提案のポジショニング}

## リスクと対策
| リスク | 影響度 | 対策 |
|--------|--------|------|
| {risk} | 高/中/低 | {mitigation} |

## 推奨アクション
{意思決定者に求める具体的なアクション — 動詞で記述}

## タイムライン
{主要マイルストーン — 3〜5 項目}

## 参考資料
{詳細資料への参照リンク}

変換時の数値処理ルール

数値を残すべき場合

• 定量データが存在する: 「精度 92%」→「従来比 40% コスト削減」（数値変換）
• 公式統計がある: 「GitHub 調査で 40% 生産性向上」（出典付き引用）
• ROI 計算可能: 具体的な投資対効果の数値

数値を概算で表現する場合

• 正確な数値が不明: 「大幅な改善」ではなく「推定 20-30% の改善」（範囲で表現）
• 異なる指標への変換: 元の数値と変換ロジックを注記する

数値を使わない場合

• 比較不能: 全く新しい価値の場合は定性表現
• 機密データ: 具体的な金額が開示不可の場合は「XX億円規模」のように表現

Validation Loop（検証ループ）

変換品質チェック

1. executive-summary.md の各セクションを検証:
   a. 提言の要旨が 3 行以内か
   b. ビジネスインパクト表に定量指標があるか
   c. 推奨アクションが動詞で記述されているか

2. 技術的正確性の検証:
   a. 変換後の表現が技術的に不正確でないか
   b. 元の技術情報と変換後のビジネス表現が矛盾しないか
   c. 数値の変換ロジックが妥当か

3. 聴衆適合性の検証:
   a. Abstraction Level がターゲットに適合しているか
   b. 専門用語が聴衆の知識レベルに合っているか
   c. CTO 向けと CFO 向けで適切に使い分けているか

4. 全チェック通過 → ⏸️ ユーザー承認 → Phase 3 へ引き渡し

Failure Recovery（失敗時リカバリ）

失敗パターン	原因	リカバリ手順
過度な抽象化	Level を上げすぎた	具体的な数値・事例を 1 つ以上追加
技術的不正確	変換時に意味が変化	元の技術表現と並記し、技術者にレビュー依頼
ROI 算出不能	データ不足	「定量化には追加データが必要」と明記し、定性表現で代替
聴衆レベル誤判定	requirements.md の聴衆情報不足	Level 2-3 の中間で作成し、ユーザーに確認
数値の根拠不明	出典なしの数値	数値を削除し、定性表現に変更。出典調査を提案

Quality Gates（品質ゲート）

• 提言の要旨が 3 行以内で完結している
• ビジネスインパクト表に 1 つ以上の定量指標がある
• 推奨アクションが具体的な動詞で記述されている
• 変換後の表現が技術的に正確である（元情報と矛盾しない）
• Abstraction Level がターゲット聴衆に適合している
• 数値には出典または変換ロジックが明記されている
• リスクと対策が 1 項目以上記載されている
• タイムラインに主要マイルストーンが 3 項目以上ある
• 機密情報が適切に処理されている（伏字 or 削除）

Gotchas（落とし穴）

1. 過度な抽象化 — 具体性の喪失

Abstraction Level を上げすぎると「ふわっとした」資料になり、 意思決定に使えなくなる。変換後も必ず 1 つ以上の具体的な数値を残すこと。 「大幅な改善」ではなく「推定 30% のコスト削減」のように定量表現を維持する。 抽象化しても「検証可能性」を失わないことが鍵。

2. 技術嘘 — 変換時の意味変容

「ML モデルの精度 92%」を「100% 正確な予測」に変換するのは技術嘘。 変換後の表現が元の技術的事実と矛盾しないことを必ず検証する。 特に AI 関連では「精度」「性能」の表現に注意。誇張は信頼性を破壊する。

3. 聴衆レベルの誤判定 — CTO と CFO の違い

CTO 向けには Level 2-3（技術的正確性を保ちつつビジネスメリット）、 CFO 向けには Level 3（ROI と財務指標に集中）が適切。 同じ「経営層」でも役職により最適な変換パターンが異なる。 requirements.md の聴衆分析を必ず参照する。

4. 「投資しない場合のコスト」の省略

ROI だけでなく「現状維持のリスク/コスト」を併記すると説得力が大幅に増す。 経営層は「やる理由」より「やらないリスク」に反応しやすい。 特に競争環境が厳しい領域では必須。

5. 政策立案者向けの独特な要件

MEXT / 内閣府向けでは、国家戦略文書（科学技術・イノベーション基本計画等） との整合性を明示する必要がある。一般的なビジネス ROI では響かない。 「国際競争力」「研究力強化」「人材育成」のキーワードを意識する。

Memory Persistence（記憶の永続化）

過去の変換で学んだパターン:

• MEXT 向け成功パターン: 技術を「研究力強化」「国際競争力」の文脈で語る。 予算要求なら「投資しない場合の国際的地位低下リスク」を提示すると効果的
• Microsoft HQ 向け: 最初に「Market Opportunity Size」を提示。 TAM/SAM/SOM のフレームワークが好まれる
• CFO 向け: 3年間の TCO（Total Cost of Ownership）比較が最も説得力がある。 ROI だけでなく「Break-even point」も提示する
• CTO 向け: 技術的正確性を犠牲にしない。Level 2 で十分。 アーキテクチャ図は残し、実装詳細のみ省略する
• 変換の失敗例: 「Transformer アーキテクチャ」を「革新的 AI」に変換したら 技術者から信頼を失った。技術名は残しつつ価値を付加する

禁止事項

1. 技術嘘禁止 — 変換後の表現が元の技術的事実と矛盾してはならない
2. 根拠なし数値禁止 — 出典・変換ロジックのない数値を記載しない
3. 過度な抽象化禁止 — 変換後も 1 つ以上の具体的数値を維持する
4. 聴衆レベル無視禁止 — requirements.md の聴衆分析を参照せず変換しない
5. 機密情報の無断記載禁止 — 社内財務データ・未発表計画は公開許可を確認
6. 競合の誹謗禁止 — 競争環境の記述で競合他社を不当に貶めない
7. 出典の捏造禁止 — 存在しないレポート・統計を引用しない