AIで業務自動化したのに、なぜか現場の手間が増える――その逆説の正体を、わが家のロボット掃除機の話から、今日から効く考え方まで、ゆるっと書きました。「自動化したのに残業が減らない」現場で、いったい何が起きているのか。
“自動化”が現場の仕事を増やすという逆説 ― ツールを入れたのに残業が減らない理由
AIループインキュベーションとは？顧客の声を翌日の機能に変える
Yasu
営業の気づき、顧客の声、行動データが翌日のアプリ改善へつながる。AIループインキュベーションとは、部門間の繋ぎ目を構造化し、人が輪を回す作業から投資判断へ移る仕組みです。自動化の3段階、落ちる情報、止め方を解説
新規事業の成功事例を横展開する方法｜学びを「型」に変える5項目
新規事業の成功事例は、放っておくと一案件の中に閉じ込められます。横展開すべきは成果物ではなく、意思決定の型と成立条件です。学びを組織資産へ変える5項目、実行・伴走・俯瞰の役割、一周後の3つの投資判断を解説
新規事業のMVP検証を4週間で回す方法｜完成度より「学習の輪」
新規事業のMVP検証は、完成度を競う工程ではありません。4週間で企画・開発・改善・評価を一周させ、次の仮説へ学びを戻す設計です。大手旅行会社との共創事例から、仮説・成功条件・締め切り、伴走者、2つの評価軸を解説
AI活用で新規事業はどう変わる？「指示・回す・つなぐ」3段階
AI活用の本質は、プロンプトを磨くことではありません。AIに仕事を回させ、複数の業務をつなぎ、顧客の声や受注を次の開発へ戻すことです。新規事業でAIを事業価値へ変える3段階と、止め方・受け渡し・評価条件の設計を実例から解説
役員プレゼンに効く新規事業の撤退基準｜先に決めないと撤退できない構造になる
新規事業の撤退基準とは、続けるか・やめるかを事前に決める判断条件です。「MAXでいくら失うのか」に答えるため、売上やKPIではなく累積赤字に基準を置く理由、上限額の計算式、5つのチェックを実例で解説します。
ファインチューニングとは？その前に分類ではないかを疑う
Yuki Susai
ファインチューニングとは、学習済みモデルに自社のデータを追加学習させて特定の用途に合わせることです。AIの出力を検査する仕組みを作るとき、最初は生成モデルを賢くしようとしていました。ところが必要だったのは生成ではなく分類でした。Macの16GBで常駐でき、高速に動くエンコーダー型を選び、100件を目視で作ってから6000件へ拡張しました。言い換えや翻訳は100%、抽象化された要約は70〜80%止まります。選定の理由とデータセットの作り方を書きます。
ローカルLLMとは？大企業が行き着く理由と、届かない見積書
ローカルLLMとは、AIのモデルを外部のクラウドに預けず、自社が管理する環境の中に置いて動かす構成です。大企業がAI導入で止まるのは性能ではなく、社内データが外に出ること。ならば自社で動かせばいい——そう考えて見積もりを取ったら、私たちは止まりました。止めたのはGPUの固定費です。そこから分かったのは、全部を所有する必要はないということでした。100MBのモデルで振り分けだけを自社に持ったら、精度は95%から97%になりました。所有すべき場所を決めるための表を、そのまま置きます。
デザイン思考とは？8人に聞いたら全員が同じことを言った
デザイン思考とは、使う人の観察から出発して解決策を組み立てる進め方です。ワークショップで8名に意見を聞いたところ、共通して出たのは「ごちゃごちゃして見える、わかりづらい」でした。ここで画面を整理しに行くと外します。整理すべきは見た目ではなく機能の構造で、そのために先に作るのがファンクションリストでした。横向きで使う場面の行動観察から、進行方向の表現を水平に統一した経緯まで書きます。
内製化とは？実装は3日になったのに、決めるのに18か月かかった話
内製化とは、外部に発注していた開発を自社の側に取り戻すことです。ある共創プロジェクトでは、3日間の実装が従来の見積りなら15〜25人月に相当しました。ところが同じ日のトランザクションは0件です。止めていたのはコードではなく、QRコードを刷った印刷物が現場に置かれていないことでした。速くすると、律速はプロダクトの外へ移動します。18か月で上申日が4回動き、その理由に技術が挙がったことは一度もありません。速くなった側が何を引き受けることになるのかを、記録だけで書きます。
AI駆動開発とは？自作ハーネスとネイティブ機能を7軸で比べた
AI駆動開発とは、AIを補助ではなく実装の主役に置く進め方です。自社でオーケストレーションを組むか、提供元のネイティブ機能に乗るか。実際に7つの軸で比較したところ、4軸で自作が勝ち、3軸で構造的に負けました。自作が勝つ最大の理由は原文保全の強制です。負ける最深の理由は、スキーマの外に落ちたデータが永久に消えることでした。既知の工程は自作、探索中の仕事はネイティブ。線の引き方を、実測値ごと書きます。
