Sabitlenmiş Tweet
AIに「資料作って」と指示して、的外れな出力が返ってきたことはないでしょうか？
相手が人でもAIでも、起きているのは同じ。
共有すべきは「こう作って」（要望）ではなく「なぜ欲しいか」（要求）です。
そこで、「依頼がうまくいかない」構造と対策を整理しました！
note.com/abstconcre/n/n…
日本語
上村珠右 / shuuemura
1.4K posts
【日本は世界の問いを立てるべき】
日本が学ぶべきなのは、シリコンバレーの制度や手法を模倣することではない。
人口減少や高齢化、災害、資源制約といった日本固有の課題を、人類共通の問いとして再定義し、技術・制度・事業を組み合わせて世界へ示すことが重要
日本語
めちゃくちゃ面白い。
スタートアップはそもそも思想に駆動されており、思想があることで価値実現へ向けて進み出す。
もちろん事業を前へ進める方法論は重要な上で、「人類を前に進めるために何を解くべきか？」の思想に根ざした動きを続けたい。
blog.takaumada.com/entry/startup-…
↓ざっくりまとめた
日本語
上村珠右 / shuuemura retweetledi
【新着note公開📝】
《2026.7月上旬》LAPRAS Biz編集部が人力で選んだ、営業職が今読みたいnote5選
AI記事の量産化により、本当に欲しい知見に辿り着くことが難しい時代に💥
これは読んでおきたい！と思う、営業職向けnote記事をピックアップしました。
ぜひご覧ください👇
note.com/lapras_biz/n/n…
日本語
その上で、いきなり解決策を考えるのは、Gapの『場所(Where)』と『原因(Why)』という2段階の検証を飛ばしている。
仮説がない、もしくは暗黙的である状態であれば精度はそりゃあ下がってしまう
x.com/kodo202006/sta…
渡邉 貴志＠VITAL DESIGN代表@kodo202006
エンゲージメントスコアが下がった原因を分析もせず「若手との距離が問題だ」って言い出して1on1を月4回に増やすの、まじでやめてほしいですね。
日本語
また大前提、本当に問題が発生しているのか検証すべき場面も多くある。
Gapが実在するのか、現状は理想に対して本当に不足しているのか、その不足が目的達成をクリティカルに阻害するのか、から考える必要がある
x.com/kohide_I/statu…
石倉秀明 | ビジネスと非営利と研究のはざま@kohide_I
たぶんなんですけど... 例えば平均が3.3→3.0になった時に「下がった、なぜだ！」といきなりなっちゃうのが多いなーと思います。 そもそもこの3.3と3.0は統計的に有意な差なのかとかを検定するという発想も知識もないですし。なので、ビジネスの場でいう「データ分析」はほとんどの場面において「データを眺めているだけ」なんだと思ってます
日本語
問題解決のためには適切な『課題設定』が必要。
よくあるミスが、問題が見つかるとすぐに「Whyを考える」こと。
それっぽい理由を付けてそれっぽい施策を出しても問題が解決する確率は著しく低い。
最初にやるべきは「Whereを特定する」こと。
どこで問題が発生しているのか？から考える
日本語
成長支援は"見立て"からはじめよ｜上村珠右 / shuuemura @abstconcre
note.com/abstconcre/n/n…
日本語
これまでずっと「個社ごとに新卒研修を再発明するのもったいなくない？」と考えていた。
汎用的な基盤を整える必要があり、それはドメイン知識や業界特性によらず全ての足腰となる。
実践と改善のサイクルを何周かした上でブラッシュアップした↓
上村珠右 / shuuemura@abstconcre
入社後いきなり活躍するメンバーに共通する要素をまとめた、社会人としての基礎を身につけるための概念図。 日々PDCAを回すことは重要だが、ベースが整っていなければ付け焼き刃ですぐボロが出る。 どの環境でも汎用的に求められる要素のうち、早いうちに抑えるべきポイントを抽出している
日本語
あとはセキュリティ/プライバシーモデル。
秘匿情報はマスキング、データを切り出して権限に応じて決定論で呼び出す。
複数の情報から類推できないかも評価/チェックする機構を入れる
nvlpubs.nist.gov/nistpubs/ir/20…
日本語
やはり全体としては統一されたコンテクスト基盤が必要。
その上で領域ごとに業務フローと概念モデルとしてのミドルウェアを介して各ユースケースをアプリケーション上で実現する形
たいしょー@N_Taisho
Sierraが会社全体でAI使いまくって得た教訓。 最初は営業、サポート、分析、開発ごとに専用AIを作ったが、社員はどれを使えばいいか迷い、部門をまたぐ仕事にも弱かった、と。ここまではあるあるだ そこで、すべてを「Pinecone」という1つのエージェントに統合。Slack、GitHub、Salesforce、Linearなど37のシステムを横断し、社員ごとの権限を引き継ぎながら、顧客調査、会議準備、障害分析、契約書レビュー、PR作成まで進める。 導入を通じて分かったのは、今のボトルネックはAIの賢さではなく、会社固有のコンテキストへのアクセスだということ。 誰が何を決め、顧客に何が起き、過去にどんな議論があったのか。そこへ安全につながって初めて、AIは質問に答えるだけのチャットから、仕事を完了する存在になれる、という。
日本語
上村珠右 / shuuemura retweetledi
めちゃくちゃ面白かった。
第一想起など出てくるのは基本的な概念や考え方だったが、ダイキンさんの事例と紐付けてわかりやすく効果性と必要性を理解できた気がする
ダイキンに聞くブランドづくりの肝 「想起の鮮度」を維持する方法：日経クロストレンド
xtrend.nikkei.com/atcl/contents/…
日本語