匿名サピエンス

直近のワイの足取り 千葉 ↓ クアラルンプール ↓ マニラ ↓ デンバー ↓ 仁川 ↓ 成田 ↓ 福島 ↓ 千葉 次またクアラルンプール→マニラ 俺はマジで何屋さんになってしまったんだ。

とりあえず動けなかった期間はAIで軽く回して、 最近は別アカで少し遊びつつ、 会社売却やら何やら色々進めてたんだが、 やっと復活できるわ。

もう電波悪いやんけ

個人事業主が絶対に損するNG行動 【NG1】経費を使いすぎる → 融資審査で利益が少なく見える → 社会的信用が下がる 【NG2】売上を1つの口座にまとめる → 事業と個人の区別が曖昧 → 税務調査で詰む 【NG3】レシートをスマホで撮るだけ → 税務調査で経費否認のリスク → 取引先・支払理由の記録が残らない 【NG4】青色申告の65万控除を使わない → 年間13万円の無駄な税金 → 5年で65万円の差 【NG5】法人成りのタイミングを逃す → 年収600万超で個人の方が税負担重い → 社会保険料だけで年間30万円の差 全部やってる人は年間100万円損してる。

テスト投稿です

始まりました〜！ x.com/i/spaces/1PlKQ…

【新規事業開発特化】超効率化&超少労働化AI活用セミナー x.com/i/spaces/1PlKQ…

本日22:00から開催します！ ・超効率化 ・超少労働化 この２つに特化した、 『事業を作るためのAI活用術』 に関するスペースやります！ お楽しみに！！

誰かスペースやってないかな。

基本的に、あらゆる業務を言語化しないことには、 NotionだろうがAIだろうがなんだろうが うまく活用することはできません。 言語化による失敗の極致は 『無意味な支出の増加（自覚なし）』 なので本当に怖い。

自動化ツールを10個入れたのに、逆に時間が奪われていませんか？ Duke大学の2025年調査で、約60%の企業が自動化ツールを導入済み。でも82%が「自動化がビジネス変化に追いついていない」と回答してるんです。 さらに衝撃的なのが、MIT・Gartner・RAND Corporationが共通して報告した数値で、95%のAI実装が失敗。42%の企業が2025年にAI施策の大半を中止（2024年の17%から急増）。 どうしてこんなことになるのか。 答えは「設計なき自動化」にあります。 ERP導入失敗の75%超が設計・準備段階の問題に起因することが2025年の調査で明らかになってて、その内訳は ・変更管理の不備42% ・データ移行の問題38% ・経験不足のチーム35% ツールを入れる前に「どの判断に集中したいか」を決める。これだけで結果は変わります。

分析DBを作っても「見方」が間違ってる人が多すぎる。 数字は一つの温度設定で見るな。複数の視点で見ろ。 2025年のFrontiers in Neuroergonomics研究で、消費者の意思決定を3×3マトリクス（意識/無意識/両方×購入前/中/後）で分類したところ、単一視点では見落とす領域が大量に見つかった。 Kahnemanの二重過程理論も同じで、System 1（速い・感情的）とSystem 2（遅い・理性的）の両方で見ないと、従来指標では捉えられない反応を見逃す。 実際Zaraは在庫データを複数KPI（コスト・売上・需要予測）で横断分析したら、コスト20%削減、売上5%増を達成してる。 僕は同じデータを「厳しく」「普通に」「ゆるく」の3段階で分析してる。すると、気づかなかった勝ちパターンが浮き出てくる。 振り返りは、視点の温度調整が9割です。

RAGの論文を128本読んで 分かったことがある。 研究者は「論文を読む」だけじゃなくて 「読んだ論文を比較分析する」んです。 これ、X運用でも全く同じ。 伸びた投稿を3つ並べて 共通点を探してください ・最初の一文の型 ・扱ったテーマ ・投稿した時間帯 ・文章の雰囲気 ・情報の濃さ 「たまたま」を3回繰り返したら それはもう「パターン」 数字を集めるだけでは 脳は規則性を見つけられない 「共通点は何？」と問いかけて初めて 学習が始まります 記録と分析は、別物

「AIは道具」と言う人ほど、全部GPT-5で済ませてる。 実はGPT-5ファミリーは用途で性能差が3倍以上変わる。 2025年のOpenAI公式ベンチマークを見ると ・PhD級問題（GPQA）：GPT-5 Pro 89.4% / 標準版 87.3% ・コード修正（SWE-bench）：GPT-5 74.9% / 4o 30.8% ・推論モード有無：性能差+61.3pt この差が生む結果は、コスト10倍と時間5倍の無駄。 戦略設計には5 Pro + thinkingで数時間考えさせる。大量生成は4o miniで一気に処理。記事執筆は標準の5で十分。 高級車で近所のコンビニに行くような無駄を毎日繰り返してるだけ。 道具は使い分けてこそ価値になる

Notionで投稿管理してる人の9割は「ネタをメモしてるだけ」で終わってます そもそも継続できない原因は、次に何をすべきか分からないから。認知負荷が高いシステムは、ユーザーの31%が3ヶ月以内に使うのをやめるというデータもあります 機能する投稿管理システムには3つの特徴があります ・ステータスは4つ以内 ・テンプレートは穴埋め式 ・次のアクションが自動で見える 人間の脳は「考える量が多い」状態を嫌います。選択肢が多すぎると、それだけで行動のハードルが上がるんです だからシンプルな設計ほど継続率が高い。複雑さは継続の敵と言えます 実際、Oxford Academicの研究でも、認知的な負荷が増えるほどユーザーは「追加の努力が必要」と感じて抵抗を示すことが確認されています 週1回の更新より、毎日開いてサクッと使える仕組みの方が圧倒的に長く使われます

数字を全部記録してるのに成果が出ない人は、脳の仕組みを無視してます 人間の記憶は「構造」で保存されるので、バラバラな数字を並べても意味がない なぜか 脳は新しい情報を既に持っている知識の枠組み（スキーマ）に当てはめることで、記憶を高速で固定化するんです つまり、データを羅列するんじゃなくて、既存の「型」に分類する設計にしないと、脳が処理できない 2025年のPMC研究でも、間隔を空けた学習は詳細な記憶を「要点化された統合パターン」へ変換することが確認されてます（相関係数0.43-0.45、p<0.05） だから振り返りDBを作るなら ・勝ちパターンという型を作る ・負けパターンという型を作る ・各データをどちらかに分類する ・繰り返し見返して型を更新する ・型そのものを記憶する これで脳が自然に覚えてくれます 数字の羅列じゃなくて、型として保存する

AIで生産性が10倍になっても年収が変わらない人と、2倍の賃金を得る人。 この差を生むのは「AIを何に使うか」じゃない。 PwCの2025年調査が示したのは、AI高露出産業の賃金上昇率は低露出産業の2倍という事実。でも同じ産業内でも差がつく。 Wharton Budget Modelは労働コスト削減25%（長期40%）と試算。McKinseyは78%の組織がAI使用も、大半はコスト削減10%未満と報告。 つまり「使ってる」だけじゃ意味がない。 ・知識をまとめるのに使う→単なる効率化 ・メール返信を自動化→置き換え可能 ・リサーチを丸投げ→判断力が育たない ・文章生成だけ→構造設計力ゼロ ・既存業務の高速化→付加価値変わらず 逆に賃金プレミアムを得る人は「AIでは設計できない構造」を作る訓練をしている。 4.4兆ドルの生産性向上機会は、構造を設計できる人に集中する。 使うスキルより、設計する思考フレームワークを磨くべき

「AIに10回生成させて良いの選ぶ」って人、多いですよね。 半分正解で半分間違い。 2025年のベンチマークデータを見ると ・GPT-5のSWE-bench精度：74.9% ・GPT-4oの精度：30.8% ・つまり初回精度で2.4倍の差 これを見るとわかると思いますが、10回生成で品質が上がるのは最初の2-3回まで。3回目以降は誤差レベルでしか改善しない。 むしろ重要なのは「どのモデルで1回目を出すか」なんです。 GPT-4o miniで10回生成するコストと、GPT-5で1回生成するコストは同じくらい。でも精度は2倍以上違う。 生成回数で精度を稼ぐ時代は終わりました。モデル選択の設計で初回精度を上げる方が圧倒的に効率的です。

n8nで組んだ自動化フローが 毎日動いてるのに、 3週間前のエラーに気づかない。 よくある話だと思うんですが 実はこれ、人間の脳の仕組みが原因なんです。 アラート疲労の実態調査によると 週2,000件のアラートが届くチームでも 実際に対応が必要なのは3%だけ。 67%のアラートは毎日無視されて 85%は誤報という結果が出ています。 これって「オオカミ少年」と同じで 毎日100回「大変だ！」と言われると 脳が「どうせまた嘘だろう」と無視するようになる。 完璧に動く自動化ほど危ない理由がここにあって ・動いてるから確認しない ・確認しないからエラーに気づかない ・気づかないから対応が遅れる ・遅れるほど被害が大きくなる ・結果、自動化が逆効果になる 自動化は「楽になる道具」じゃなくて 「監視の仕組みとセット」で初めて機能します。

自動化で年間500時間浮いた企業が続出してる。 でも、その浮いた時間で売上100万ドル超える事業者は全体の0.2%しかいない。 なぜこんな矛盾が起こるのか？ 答えは「時間が浮いた後の戦略設計」の有無。AI導入企業の66%が収益増を報告してる一方で、78%のソロビジネスは年収5万ドル未満に留まってる。この差を生んでるのは、浮いた時間を「何に使うか」を先に決めてたかどうか。 AI上級者は初心者より1日30分多く時間を節約してる。でもそれ以上に、その30分で「顧客接点」「商品改善」「戦略立案」のどれかに投資してる。 自動化は手段。浮いた時間の投資先が勝負を分ける。