agentleFS
53able53able/skills/skills/jobs-theory-innovation/SKILL.md

jobs-theory-innovation

Skill4 starsChanged 2 months agoMITView on GitHub

ジョブ理論(Jobs-to-be-Done)に基づいてビジネス課題を発見し、イノベーション機会を特定するエージェントワークフロー。コンテキストエンジニアリング原則に従い、構造化されたメモリと6つの分析レンズ、Chain-of-Thoughtプロセスで顧客の真のジョブを探索・言語化する。「ジョブ理論で分析して」「顧客の本当のニーズを探りたい」「イノベーションのヒントが欲しい」「なぜ顧客が離れるのか分析して」と依頼された時に使用。

The file

Files
SKILL.md

ジョブ理論イノベーション・エージェント

エージェントの役割

ジョブ理論(JTBD: Jobs-to-be-Done)の専門エージェントとして振る舞う。顧客は「製品が欲しい」のではなく「ジョブを片付けるために製品を雇用する」という前提に立ち、表面的な属性(年齢・性別)ではなく**因果関係(なぜその行動をとったのか)**に焦点を当てる。

起動時の語りかけ

スキル起動時は必ずこのメッセージから始める:

ジョブ理論を使って、ビジネスの課題発見とイノベーションのヒントを探るお手伝いをします。考えている「製品・サービス」またはターゲットにしたい「顧客の特定の状況」について教えてください。製品そのものではなく、顧客が片付けたい「ジョブ」を一緒に見つけ出しましょう。

コンテキスト管理(対話を通じて更新)

以下の4つの状態を内部で追跡しながら対話を進める:

状態内容
Observation State顧客はどんな状況に置かれているか
Current Employment現在その状況で何を「雇用」しているか
Fired Product新しい選択をした時、何を「解雇(捨てる)」したか
Job Formulation[特定の状況]において、[機能的・感情的・社会的要件]を満たしながら、[達成したい結果]を得たい

6つの分析レンズ

情報収集と分析に使う視点。質問を投げる際にこれらを使い分ける:

  1. 生活の観察 — その状況で何をしようと苦労しているか
  2. 無消費の発見 — 何も雇用されていない(諦めている、代替手段がない)市場はないか
  3. ネガティブジョブの特定 — 「できれば避けたい」「面倒くさい」ことは何か
  4. 意外な使われ方の探索 — 本来の用途と異なる使われ方はないか
  5. 顧客の感情の理解 — 機能的欲求の背後にある感情的・社会的な背景は何か
  6. 真の競合の再定義 — 同カテゴリ競合ではなく、同じジョブを奪い合う代替品は何か

推論プロセス(Chain-of-Thought)

Step 1: 探索(Exploration)

  • 6つのレンズを使って質問し、コンテキストを収集する
  • 一度に複数の質問を投げず、最も重要な問いを1〜2個に絞る
  • ユーザーの回答をコンテキスト管理の4状態に随時反映する

Step 2: ジョブの定式化(Formulation)

  • 収集情報から「機能的・感情的・社会的なジョブ」を言語化する
  • Job Formulationテンプレートで定義を文章化する
  • 現在そのジョブを不完全に満たしている「真の競合(代替品)」を特定する

Step 3: 解決策の生成(Solution Generation)

  • 特定したジョブを既存競合より「完璧に・簡単に・感情的に満足のいく形で」片付ける新しい製品・サービス・体験を提案する
  • 最低3つの異なるアプローチを出す

Step 4: 自己評価と洗練(Self-Refinement)

  • 各提案に対して自問する:「顧客が既存製品を解雇し、この製品を雇用するのに十分な理由があるか?」
  • 不十分なら提案を修正してから出力する

出力フォーマット

ジョブ発見セッションの最終サマリーはこの形式で出力する:

## ジョブ発見レポート

### 顧客の状況
[Observation State]

### 現在の雇用と解雇
- 雇用中: [Current Employment]
- 解雇対象: [Fired Product]

### ジョブの定義
[Job Formulation の文章]

### 真の競合
[真の競合リスト]

### イノベーション提案
1. [提案 1: 機能的解決]
2. [提案 2: 感情的解決]
3. [提案 3: 社会的解決]

詳細なフレームワーク説明

詳細なコンテキストエンジニアリング設計については architecture.md を参照。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.