Kazuki Kitagawa

【お知らせ】 Gaudiy Groupは、松竹様、東映アニメーション様、東宝様を引受先とする第三者割当増資を実施しました。日本のエンタメ産業を牽引する各社様とともに、ビジョン "ファン国家" の実装に向けたさらなる挑戦と、業界への貢献をGaudiyらしく誠実に進めてまいります。 prtimes.jp/main/html/rd/p…

日本を代表するエンタメ企業3社様にご出資いただけたことを、心より光栄に思うとともに、深く感謝申し上げます。 一方個人としては、自身の力不足や未熟さを常に痛感する日々です。 掲げた大義である"ファン国家"の実装に向け、一歩づつ誠実に努力していく所存です。

SaaStr Jasonの「AIエージェント増やして行った結果Salesforceに集約した」話が面白かった。 具体的にどのエージェントを使ってどんな結果が出たのかの部分も参考になったのと、AI エージェント時代にSalesforceがどんなポジションを取ろうとしているかが見えてくるのも面白かった。 以下が主なポインんと 塩漬けツールから10ヶ月で基幹システムへ ‍20年来の顧客関係にもかかわらず、SalesforceはSaaStrにとってほぼ形骸化したソフトウェアになっていました。営業チームはわずか3名に縮小し、そのうち2名は一切ログインしませんでした。データは陳腐化し、業務はGoogle SheetsとSlack、属人的な知識に依存するという、決して理想的ではない状況でした。この状況が完全に逆転したのは、CRMの刷新や新たな研修プログラムが導入されたからではなく、AIエージェントへの全面移行によって一元化されたデータハブの必要性が生じたからです。このケースは、AIの導入が、投資を諦めかけていたレガシーソフトウェアへの可能性を再び引き出しています。 AIエージェントは混乱を防ぐために中央ハブを必要とする ‍AIエージェントを1〜2つ導入するだけなら問題ありませんが、5個、10個、20個と異なる業務領域で自律的に稼働するエージェントが増えると、協調の危機が生じます。共有データ層がなければ、エージェント同士が干渉し合い、重複したアプローチが発生し、矛盾したデータが蔓延します。SaaStrはこれを実際に経験しました。AI SDRが4つのインスタンスで稼働し、インバウンドスコアリングエージェント、通話ログエージェント、スポンサーシップパイプラインエージェント、サポートチケットエージェント、イベント出席管理エージェントがすべて同時に動いていたのです。教訓はアーキテクチャ的なものです。マルチエージェントの展開には唯一の信頼できる情報源が必要であり、CRMはその自然な候補となります。 AI SDRは大規模なアウトバウンド成果を実証している ‍SaaStrは現在、異なるキャンペーンタイプをまたいで4つのAI SDRインスタンスを運用しています。Artisan AIは3つのキャンペーン（過去の参加者へのチケット販売、ウォームな関係先へのスポンサーシップアプローチ、休眠コミュニティメンバーへのVIP再活性化）を担当し、100日間で15,000件のメッセージを送り、5〜7%の返信率を達成しています。最新のAI GTMエージェントであるMonaco GTMは、真のアウトバウンドを担当し、稼働開始初日からAI業界の大手企業との商談を獲得しています。これらの数字は、AI SDRが実験的なツールではなく、特にキャンペーンタイプと見込み客の温度感でセグメント化した場合に、人間のSDRに匹敵するか上回る水準でパイプラインを生み出していることを示しています。 関係性を踏まえたAIアプローチはコールドメールを大幅に上回る ‍Agentforceが生成したキャンペーンは見込み客に対して72%の開封率と10%以上の返信率を達成しました。業界平均のコールドメール開封率が2〜4%であることと比較すると、圧倒的な差です。フォローアップが一切行われていなかった温かいインバウンドリード約3,000件へのメール送信が、すでに成約につながっています。この驚異的なパフォーマンスの差は一つの要因に集約されます。AIがSalesforceから得た過去のイベント参加歴、スポンサーシップ履歴、エンゲージメントパターン、企業情報といった完全な関係性のコンテキストを持っていたことです。これは巧みな件名の工夫によるものではなく、AIを通じて活用される構造化されたCRMデータの複利的な価値です。 インバウンドAIクオリフィケーションがコンバージョン経済を変革する ‍QualifiedとAgentforceによって動く「デジタルAmelia」は、saastr上でビデオ、テキスト、音声のあらゆる形式でインバウンドのスコアリングをリアルタイムに処理しています。数十万件のセッションを処理し、1,000件以上の見込み客を審査し、スポンサーシップの確定収益100万ドル以上、さらに250万ドルのパイプラインに貢献しています。ある月のスポンサーシップ成約案件の71%がAgentforceによって審査されたリードから生まれており、これは歴史的なインバウンド平均の29〜34%と比較して大幅な向上です。CRMのコンテキストを背景とした「AI審査」は人間のパフォーマンスに単に追いついているのではなく、根本的に超えていることを示しています。 SalesforceのM&A戦略がエージェントハブ論を裏付ける ‍SalesforceはSaaStrのAIスタックで活用している2つのツール、Momentum（CRMへの通話自動ログ）とQualified（インバウンドリードをスコアリングするAI）をいずれも買収しました。すべてのエージェント機能を自社開発するのではなく、各分野のベストインクラスのエージェントを買収してAgentforceの傘下に収める戦略です。Agentforceに2,000名が従事しているという事実と合わせて、このM&Aのパターンはその戦略的な賭けを示しています。今後5年でCRM市場を生き残る企業は、最高のデータベースを持つ企業ではなく、AIエージェントのハブとなる企業だということです。 エージェントのコストがCRM本体のコストを上回る ‍SaaStrは今や個別のAIエージェントに対して、Salesforce本体よりも多くの費用を支払っています。このコスト構造の逆転は重要な意味を持ちます。Salesforceはすべてのエージェントデータが流れるインフラとして自らを位置づけ、価値の抽出はエージェント層で起きています。このダイナミクスはクラウドコンピューティングで起きたことに似ています。インフラ層はコモディティ化し、アプリケーション層が不均衡な価値を獲得します。AIの予算計画において、エージェントのライセンス費用は増大することから、事業者はこれが支配的なコスト項目になることを念頭に置く必要があります。 AI優先の世界でCRMはOSになる ‍この記事の核心的なテーゼは直感に反する逆説です。AI優先でいくことはCRMを重要でなくするのではなく、CRMをOSにするということです。すべてのエージェントは共有データ層に読み書きする必要があります。AI SDR、インバウンドチャットボット、ウィンバックシーケンスのいずれによって開始された顧客インタラクションも、すべてのエージェントにとって記録され、照合され、利用可能でなければなりません。CRMはもはや報告ツールや営業管理層ではなく、自律的なビジネス運営の中枢神経系です。 CRMの衛生管理が「あれば望ましい」から「必須」へ ‍SaaStrが初期に犯した過ちは、CRMの規律なしに運営できると思い込んだことでした。人間がすべてを担っていた頃は、Slackのスレッド、スプレッドシート、属人的な知識でも機能しました。人間は非構造化コミュニケーションから曖昧さやコンテキストを読み取れるからです。AIエージェントにはそれができません。クリーンなレコード、定義されたフィールド、一貫したデータ入力が必要です。リーンなチームが後回しにしてきたCRMの衛生管理（標準化されたデータ入力、適切なフィールド定義、クリーンなレコード）が、エージェントがそのデータに基づいて自律的な判断を下す際には、事業存続に関わる要件となります。 エージェント間のコンテキスト共有が顧客体験の失敗を防ぐ ‍SaaStrの重要な学びの一つは、AIエージェント同士がどれほどコンテキストを共有する必要があるかを過小評価していたことです。AI SDRは、サポート対応で不満を感じたばかりの見込み客にアプローチすべきではありません。インバウンドクオリフィケーションエージェントは、見込み客がすでにアウトバウンドシーケンスに入っていることを把握すべきです。スポンサーシップエージェントは、「再接触」メールを送る前に企業のSaaStrとの全履歴を把握すべきです。中央ハブを通じた共有コンテキストがなければ、各エージェントは孤立して動作し、その結果として生まれる顧客体験は、エージェントが存在しない場合よりも悪化することすらあります。 マルチエージェント展開には慎重なオーケストレーション計画が必要 ‍エージェントを1つから20つに拡張するプロセスは線形ではありません。SaaStrは6つの顧客セグメントにわたって4つのAI SDRインスタンス、インバウンドクオリフィケーションエージェント、通話ログエージェント、スポンサーシップパイプラインエージェント、サポートチケットエージェント、イベント出席管理エージェントを運用しています。これらすべてがシグナルを生成し、学習し、判断を下しています。オーケストレーションの課題（エージェントが競合した場合はどちらが優先されるか、データはどのように流れるか、重複アプローチをどう防ぐか）は、意図的なアーキテクチャ計画を必要とします。この計画なしに機会主義的にエージェントを展開する企業は、必ず壁にぶつかります。 AIエージェントがレガシープラットフォームの価値を再生させる ‍より広い示唆はSalesforceにとどまりません。多くの組織が後回しにされたり、部分的に放棄されたレガシープラットフォームを抱えています。AIエージェントの波は、これらのシステムに対する新たな評価基準を生み出します。「誰かがログインしているか？」ではなく「これは自律エージェントのデータバックボーンとして機能できるか？」という問いです。深いデータモデル、広範な統合エコシステム、構造化された記録管理を持つプラットフォームは、元のユーザーインターフェースが活用されていなくても、エージェント優先の世界では価値が高まります。これは自社開発か外部調達かの判断やプラットフォーム移行の意思決定を根本的に見直す契機となります。 存亡をかけた賭け。ハブかデータベースか ‍Salesforceは、AIエージェントのハブであることが最高のデータベースであることより価値があるという明確な戦略的賭けをしています。この賭けは、CRMおよびエンタープライズソフトウェアの全体的な競争環境に深刻な影響をもたらします。ハブモデルが勝利すれば、機能数やユーザーインターフェースのデザインではなく、統合の深さ、エージェントオーケストレーション能力、データのアクセシビリティが主要な参入障壁となります。HubSpot、Microsoft Dynamics、新興プレーヤーにとっての問いは、自らもエージェントハブとして位置づけられるか、それともAgentforceとM&Aで積み上げてきたSalesforceのアドバンテージが超えられない壁を生み出しているかということです。

2025年末予測はAI BPO(Ambient Agent+Human in the Loop)です。 AI BPO - Ambient Agent(アンビエントエージェント) + Human in the Loopで実現するAIエージェントの新標準｜福島良典 | LayerX @fukkyy #日経COMEMO comemo.nikkei.com/n/n76970e72afd…

Great tech blog about GenJAX!

YouTuberとしての独立エントリを書きました。 現在「AIでサボろうチャンネル」というチャンネルを運営しておりまして、開設9ヶ月で33,000人と爆速で成長しております🔥 私の今後の活動にご期待ください。 note.com/seyanote/n/n7c…

note.com/takashi_koshir… This note is really informative to understand the essence of UX research. Check it out!!

時価総4000億→800億へ沈む”M&A総研の佐山さん”が次に打った一手は『クオンツ・コンサル』 ・売上2.4億円→14億円 ・コンサル人数28名→140名 どう案件をとっているのか？どう収益を上げていくのか？決算（初めて詳細が開示）や取材動画をツリーでつらつら書いていく ▼ 案件獲得の仕組み ▼ 差別化の組み込み方 ▼ 収益モデル ▼ 領域展開 ▼ 人材と規模感

仕事を選ばない人がスキルも総じて高い説。「自分が」何したいじゃなくて「他人に」どう貢献できるか。手段を選ばずできるか？こそがキャリアアップにつながり、自分の本当にやりたいことにつながることに気づいた。スキルレベルそこまでなのに仕事を選ぼうとする人ほんとに言いたいけど黙ってる

この統計は面白い！「最低賃金で働く人が、貧困層から抜け出すために必要な労働時間」。 よく「日本の給与水準は低い」と言われるけれど、実は日本は最も短い労働時間で貧困ラインを超えられる。逆に、平均給与が高いアメリカだと、日本の5倍以上働かないと貧困層にとどまってしまう。

OpenAIの求人票にある「曖昧さへの耐性」について。特にこの表の要素の言語化いいな 世界最先端AI企業 OpenAIのデザイナーに求められる「曖昧さへの耐性」 @tsuchinao83 note.com/naofumit/n/n8e…

Ogi! He's a strong curiosity and possesses strong critical thinking skills, so whenever I’m facing a tough technical challenge, I always turn to discussions with him — he gives me a lot of inspiration. The way he calmly unravels complex issues one by one reminds me of snow gently falling and accumulating in the quiet of Sweden!😀

Shreyas! He joined during the most chaotic period of our team’s expansion and helped us think through how we should move forward as a team. I really admire his strong emphasis on “fairness”—it’s a core part of his philosophy that I deeply respect. His development skills and understanding of cutting-edge AI technologies are both outstanding, and he has independently driven some of the toughest projects. He’s now one of the most trusted members of the team!

The design team at Gaudiy consistently delivers designs that exceed expectations — it’s truly impressive!! Respect.

zenn.dev/elyza/articles… I always wonder why there are so few books or blog posts about the continuous improvement process of llm app, like creating evaluation data → automated evaluation → prompt management → calibration through human feedback. In that sense, this blog post by Elyza offers incredibly valuable insights.

Sandy's blog. I respect his ability to learn new things and generate ideas has become a driving force for the team. Above all, his bright personality and rare talent for attracting people with his charm make him truly exceptional!! Take a look!

【入社エントリ🌸】 常に自分中心に生きてきたと語るエンジニアのIwaseさんが、Dev Leadという新しい役割に向けた気持ちの変化をつづったnoteです。キャリアに悩むエンジニアの方、ぜひお読みください。 #たぶんチャンス #入社エントリ note.com/gay_crocus5358…

arxiv.org/abs/2506.20803 So true. Predictions are based on a set of assumptions, and these assumptions are multiplicative. If there are two assumptions and each has a 90% accuracy, the overall accuracy would be 81% (0.9 × 0.9). However, if each assumption has only 60% accuracy, the overall accuracy drops to 36% (0.6 × 0.6). This results in more than double the difference in precision. While LLMs estimate the plausibility of assumptions based on publicly available data—mainly from the web—humans may base their estimations more on experience or domain-specific knowledge, which could potentially lead to higher prediction accuracy.