しろくま | 複業研究家

@Ats_mrk 1週間分の分析が1日5商談分に、その圧縮幅に唸ります。営業の武器は結局スピードなんですね。

創業初日からAIを「重要な社員」として組み込み、AIネイティブ経営を実践するPeopleX様の事例インタビューを公開しました！ ■ 成果 ・営業1人あたりの生産性：約6倍 ・顧客保有数：約3倍 ・ARPU：約2倍 ・従来1週間かかった企業分析 → 1日5商談分の準備が可能に AI時代において、質の高い企業データがいかに経営の根幹をなすかを示す事例ですね。 AI導入を検討される経営層、営業組織の生産性に課題を持つ方はご一読ください。

@ren_aivest ワンショットで完成品まで持っていく設計、いいですね。指示の組み立て次第で成果がこれだけ変わるんですね。

@myu_oya 民泊×AIのシナジー、気になるテーマです。収支シミュレーションやメッセージはまず着手しやすそうですね。

民泊×AIが時代の最先端。 AIと組み合わせるとシナジーが出る業務ってなんやろう ・収支シュミレーション？ ・物件探し？ ・メッセージ？ ・消耗品管理？ ・事業譲渡のシュミレーション？ エンジニアの皆さん、ガチで取りに行ってください…そして利用させてほちい

@ayatokura 解雇せず全員再教育した経営判断こそ本質、うまい整理だと感じます。AI導入の巧拙より先に問われる部分ですね。

この事例で一番印象的なのは、AIではありません。 「人材をコストではなく、未来への投資と考えた経営判断」 AIは誰でも導入しやすくなってきましたが、この判断は誰にでもできるわけではない。ここに競争力の差が生まれるのだと思います。 #AI #人材育成 #経営

@OseYoshiyuki ChatGPTが特許DBを直接検索してると思ってました、知らなかったです。仕組みの理解、専門分野ほど大事ですね。

身近な若手弁理士が、生成AIによる特許検索について少し勘違いしていた事案があり、記事にまとめました。 ChatGPT、Claude、Geminiは、標準状態でJ-PlatPatや各国特許庁のDBを直接検索しているわけではありません。 学習済み知識、ウェブ検索、特許DB連携は、それぞれ別物です。 特に重要なのは、 「特許を見つけられる」ことと 「網羅的・再現可能に検索できる」ことは違う という点です。 生成AIは非常に便利ですが、限界を理解したうえで賢く利用することが重要です。 特許調査におけるタイムラグ、収録範囲、実務での推奨ワークフローを図解付きで整理しました。 note.com/ose_yosshy/n/n… #生成AI #特許調査 #ChatGPT #Claude #Gemini #知財 #特許検索

@takechan_lawyer 事務員さんに辞めてもらった、の一言が重いです。効率化の裏で仕事が消える現実、直視しないといけないですね。

昨日の士業仲間との飲み会でも、Claude Codeのおかげで事務員さんにお願いする仕事がなくなった、という声が複数聞かれた。実際に事務員さんに辞めてもらったという人もいた。AIに仕事を奪われる人がリアルに出始めている。

@sogitani_baigie 白黒メイリオ箇条書きの方が伝わる、わかる、と思ってしまいました。AIスライドも結局は中身勝負ですね。

本職デザイナーから見れば、非デザイナーが作る"デザインに凝ったスライド"の99%は無駄な努力に見えるクオリティなので、非デザイナーは諦めて白黒メイリオ箇条書きに振り切って内容を練る方に時間を使った方が吉。あと今の生成AIが作るスライドもうるさいのが多く白黒メイリオ箇条書きのほうが良き。

ソース: nikkei.com/article/DGXZQO… (日経新聞「三河再興」連載②、2026年7月27日、会員限定記事)

【現場のノウハウをAIで外販する】 トヨタ系部品メーカーが非自動車事業を 育てるまでをまとめました。 愛知の旭鉄工木村哲也社長が、赤字体質だった自社の改善ノウハウをAIクローン化し 他社に売る事業にまで育てた経緯です。 ■① きっかけ: 「トヨタが何とかしてくれる」への違和感 木村社長は入社13年前まで約20年、トヨタの生産調査部でTPSのカイゼンに携わっていたそうです。婿養子として加わった当時は電動化の波で「全然もうかっていなかった」とのこと。問題点の洗い出しから始めたそうです。 ■② 第一歩: 200ラインに自前でセンサー設置 自社工場の延べ200ラインに取り付け、 電力使用量を可視化。稼働時間外の待機電力が負担と分かり、夜間電源オフを促した ところ使用量は6割削減できたそうです。 ■③ 事業化: 2014年システム化、16年子会社として独立 このノウハウを監視システム「iXacs」として2014年に完成。2016年には子会社アイスマートテクノロジーズを設立し、他社への展開を始めたとのことです。 ■④ 進化: 2025年、部長・社長の「AIクローン」開発 部長クローンは前日のデータを分析し、 実際のノウハウを生かしたコメントを 社内チャットに送る。社長クローンには 自著を読み込ませ、経営哲学に沿った返答をするとのことです。 ■⑤ 収益源: 1人33,000円の工場見学に月100人 全国から月100人程度が来訪するそうです。足元では造船業など、これまでとは違う業種の顧客も増えているとのことです。 ■⑥ 全体の数字: 売上185億円、非自動車事業は1%→将来50%以上へ 旭鉄工の売上高は2025年度185億円。非自動車事業は現状1%程度ですが、将来は半分以上に引き上げることも視野に入れているとのことです。 木村社長いわく「固定費があまりかからないビジネスモデルで、顧客増に比例する形で利益は増える」。 現場の改善ノウハウという外に出しづらい資産をAIで型にして売る発想、業界を問わず参考になりそうです。

ソース：soumu.go.jp/johotsusintoke…

令和8年版 情報通信白書のAIパートをGemini Notebookで超簡単にまとめました。 全文読むの大変な方、どうぞ。 読み手に応じて作り替えたりできるので、Gemini Notebookは面白いです。社内でAI推進する用、学生説明用とか。

ソース: prtimes.jp/main/html/rd/p… (AIO Tracker調査、2026年7月28日)

ChatGPTやGeminiとの対話がきっかけで商品を買った人の70%が、「知らなかった商品」または「候補外だった商品」を新たに検討していたそうです。 いわゆるオートメーションバイアスが出てますね。 なお、統計はAIO Trackerさんが、実際の購買につながった対話100件を分析した結果とのことです。 検索で見つけてもらう時代から、AIに薦めてもらってそのまま買う時代になってきてます。

マグロ漁船で常駐FDE、面白そうです。 農業の例も最近見ますが、一次産業でのニーズはありますね。

@akitomiya3 時間・予算・やりたくないことを先に3行渡すだけで答えが変わる、腹落ちします。

自分の材料を先に渡すこと。 ・使える時間は平日何分か。 ・出せるお金はいくらまでか。 ・これだけは絶対やりたくない作業は何か。 この3つを先に書くだけで、返ってくる案が急に自分向けになる。 今日、いつもの質問の前に、この3行を足してみて。

AIに副業のこと聞いてる人、たぶん半分損してる。 質問が、副業で稼ぐ方法は、みたいな聞き方になってない？それだと世の中のまとめ記事と同じ答えしか返ってこない。なぜかっていうと、AIはこっちの状況を何も知らないから。自分に合った回答を引き出すのに効くのは、

@onityanzyuku01 こなした量で満足してしまう感覚、わかる、と思ってしまいました。結果でなく作業量を見てしまうの、AIだからこそ起きる罠ですね。

AIが出る前は、ちゃんと結果が出ているかを指標で見て、優先順位をつけて仕事をしていた🧑‍💻 でも今は、AIのおかげで作業量が一気に増えたことで、気づかないうちに、タスクをたくさん終わらせたことに満足してしまっていた気がする。 冷静に考えたら、結果が出ていないのに、作業だけは昔の1週間分くらいこなしてる。 これ、結構危ないなと。 AI時代だからこそ、どれだけ作業したかじゃなくて、どれだけ結果につながったかをちゃんと見ないと、このままずるずる売上が下がる。 AIは作業量を増やしてくれるけど、結果までは作ってくれない。 改めて、見るべき指標を間違えないようにしようと思った。 by売上・利益が下がってる人

@SingularitySoci 私もAIに働かされてます、最終チェックとか決断することが増えるので仕事密度が高くなってます。。

@SBK1620 やばいです！どんどん成果が出てくるので、AIに働かされてしまいます！！

半年前まで、僕は空港でもPRをレビューしていました。 搭乗を待ちながらdiffを開いて、機内Wi-Fiでコメントを返す。２人チームではレビューできる人間が2人しかいないので、どちらかが旅行に出るとレビューが止まるからです。 今は、diffを読んでいません。 マージボタンを押すとき、中身を見ていないことのほうが多い。動作確認もしないことがあります。 無責任に聞こえると思います。でも、事故っていないんです。簡単なバグはほぼ出ません。 レビューでしか捕まらないものを、先に減らしたからです。 実装はClaude Code、レビューはCodex。書いた側と読む側を別のモデルにするだけで、だいたいの問題は見つかります。あとはルールをpure関数に切り出して3,373ケースのテスト、ESLintで関数60行・any禁止・テストにアサーション必須、CIはmac/Linux/Windows。 面白いのは、これ全部、人間のチームなら反発が出る設定だということです。「いちいちうるさい」と。実際、昔の僕もそう思っていました。 でも、書いているのがAIなら文句を言わない。 つまり僕らが「これが現実的なライン」だと思っていたものの多くは、技術的な限界ではなく、人間の忍耐が決めていた。書き手が人間でなくなった瞬間、そのラインは動きます。 lintに限りません。テストの細かさも、CIの回し方も、レビューの回数も、全部そうでした。 で、これだけ自動化して楽になったかというと——逆に忙しくなりました。思いついたことがその日のうちに動くので、動くと触る、触るとまた思いつく。 機械に仕事を奪われるはずじゃなかったのかなぁ。 設定は全部公開してます。使えそうなところだけコピーして持っていってください。 zenn.dev/singularity/ar…

@ikunet_blog 同じヘビーユーザーでも3.6倍の差、というデータは知らなかったです。使い方より思考力という結論、納得です。

生成AIは、使うだけでは成果が伸びない。 差がつくのは、情報を見極める力、考える力、試す力、学びを活かす力。 つまりメタ・スキルです。 同じAIヘビーユーザーでも、成果に最大3.6倍の差。 AIは便利ですが、最後に勝つのは“使い方”ではなく“思考力”だと感じます。

@tkworks88 乗っ取りでなく二極化、という整理はうまいと感じます。現地判断と責任は代替されないでしょうね。

2030年、不動産業はAIに乗っ取られるのか。 結論から言うと、乗っ取られない。 でも人数は減る。 消えるのは「調べて伝えるだけ」の仕事だ。 物件を検索して紹介する。資料を作る。定型のメールを送る。 ここはもう、置き換わり始めている。 では何が残るのか。 法律。重要事項説明と契約書への記名は、宅地建物取引士の仕事だ。AIが免許を持つことはできない。 現地。道路の幅も、隣地の夜の明るさも、朝の交通規制も、AIは知らない。行かないと分からない情報だからだ。 責任。AIは損害賠償の相手にならない。事故が起きたとき、頭を下げて金を払う人間が要る。 だから起きるのは、乗っ取りではなく二極化だ。 調べるだけの営業は要らなくなる。AIのほうが速くて正確だから。 残るのは、現地に立って判断し、その判断に責任を負う営業だ。 AIを敵だと思う必要はない。 調べる部分を任せて、浮いた時間を現地に使えばいい。 そのほうが、いい仕事ができる。

@chikako_career 効率化の恩恵が本人に還って来ない構図、今の現場でもよく見ます。上げた分だけ積まれるのは切ないですね。

生成AIで生産性2倍にしたら、 仕事が倍増して評価はゼロだった。 会社「AIをどんどん活用して！」 社員「ツール作って生産性2倍になりました」 会社「すばらしい！じゃあ追加でこれとこれも」 「空いた時間でさらにAI活用してね」 社員「…。」 生産性が上がるほど仕事が増える。 給料も評価も、ほとんど変わらない。 効率化の恩恵が、 働く人のところに返ってこないなら。 それって、本当の効率化なのだろうか。