増田 稜｜Masuda Ryo

はじめまして、増田稜です。 TBMで執行役員をしています。 製造業・ディープテック・ユニコーン企業の現場で、 ・事業開発 ・エンタープライズ営業 ・採用/組織づくり をどう前に進めるか、経営層の立場から発信します。 AIは主役ではなく、 事業を伸ばすための実装手段として活用しています。 実務で使える形にして共有していくので、 同じテーマに向き合う方とぜひ繋がらせていただきたいです。

@kohhdeveloper ありがとうございます！よろしくお願いいたします😌

@r_f_11 aiアバター領域で活動しています。 よろしくお願いします！

はじめまして、増田稜です。 TBMで執行役員をしています。 製造業・ディープテック・ユニコーン企業の現場で、 ・事業開発 ・エンタープライズ営業 ・採用/組織づくり をどう前に進めるか、経営層の立場から発信します。 AIは主役ではなく、 事業を伸ばすための実装手段として活用しています。 実務で使える形にして共有していくので、 同じテーマに向き合う方とぜひ繋がらせていただきたいです。

@wogoshin1998 フォローさせていただきました！よろしくお願いいたします😌

@r_f_11 製造業 x 設計AI領域でやってます！ぜひ繋がらせてください！

Claude Codeで、業務用の「経営管理システム」を作って運用開始。 やったことはシンプルで、①正本の決定 ②自動取り込み ③週次の削除棚卸しをリマインドで固定。 忙しいほど「忘れない仕組み」が効く。製造業×AI実装でも、まずは運用設計から。

▍近況のご報告 株式会社TBMの執行役員に就任いたしました。 マテリアルソリューションセールス部と新市場開発室を引き続き兼務し、素材事業からAI事業まで、幅広い領域を担います。 これまでお力添えをいただいた皆さまに、心より感謝申し上げます。 この機会に、TBMが今どのようなフェーズにあるかについてもお伝えさせてください。 ▍カーボンソリューション事業 TBMは、工場等の排ガスから回収したCO2とカルシウム含有廃棄物を化学合成し、カーボンリサイクル素材「CR LIMEX」を製造する技術を世界に先駆けて確立しました。バージンプラスチックと比較して温室効果ガス排出量・石油由来プラスチック使用量を削減でき、CO2を素材の中に長期固定できることが大きな特徴です。建築資材や自動車部品、包装材など、幅広い産業への展開を進めています。 直近では、ベトナムの石炭火力発電事業会社VAPCO・大手建設会社Viet Haiとプラント建設に向けた基本合意を締結し、年間約16万トンのCO2を資源に転換するプロジェクトも始動しています。 tb-m.com/business/ccu/ tb-m.com/news/news-4642/ ▍高付加価値再生材事業 家庭から回収された使用済みプラスチックを原料に、独自の配合・混錬技術によりバージン材を超える曲げ強度・耐衝撃性を実現した再生材「CirculeX」を開発しました。従来の再生材が抱えていた「強度低下」「臭い」の課題を克服し、用途に応じた複数グレードを展開しています。現在、横須賀サーキュラー工場にて量産体制を構築中です。 tb-m.com/news/news-4783/ プラスチック資源循環促進法をはじめとする法規制の強化、中東情勢に伴う石油資源の調達不安定化を背景に、石油由来素材に依存しない選択肢への需要は確実に高まっています。 ▍製造業 × AI事業 さらに、TBMは製造業として自ら工場を運営し、FAX受発注の自動化や生産計画立案のAI化など、現場業務の変革に取り組んできました。その実績をもとに、製造業に特化してAI事業を開始しました。研修やコンサルティング、オーダーメイドのシステム開発からスタートして、今後は製造業向けのプロダクト開発にも本格的に取り組みたいと考えています。素材だけでなく、製造業の「実践知」を製造業を中心とした企業に提供していく事業です。 高市政権が掲げる成長戦略においても、資源循環・カーボンリサイクルは17の重点投資分野に位置づけられており、国策と事業の方向性が合致するタイミングです。TBMでは現在、この成長を共に推進する仲間を積極的に採用しています。素材、製造、AI、営業、コーポレートなど幅広い職種で募集しておりますので、ご関心をお持ちの方はぜひお声がけください。 tb-m.com カジュアルな情報交換やキャッチアップもぜひお願いいたします。引き続き、よろしくお願いいたします。

明日からスイスのダボスで「世界経済フォーラム年次総会2026」（ダボス会議）が開催されます🌍 jp.weforum.org 昨年9月、世界経済フォーラム（World Economic Forum）が発行したCCU（Carbon Capture and Utilization：二酸化炭素の回収・利用）に関するホワイトペーパーにおいて、TBMのカーボンリサイクル技術を活用した「CR LIMEX」の取組事例が紹介されました👍 タイトル：「Defossilizing Industry : Considerations for Scaling-up Carbon Capture and Utilization Pathways」 掲載箇所：P.31 lnkd.in/gQVTsxrs

\ コード無料配布 📢 / 新しいnoteを書きました！ 今回は相方 "やまじん" の新作です。 皆様はGemini Canvasで APIキーを使えることをご存知ですか？ Google AI Studioで取得できるアレではなく、 Canvasでのみ使える"学習されないAPI"を。 （※GWS環境の場合） 今回それを使って分析アプリを作ってみました！

世界経済を配信するグローバルメディアのリーダー的な存在「ブルームバーグ」にてTBMを紹介いただきました。 ブルームバーグでは、世界70か国、約4億5千万人の視聴者を擁しています。今回の記事は、ブルームバーグジャパンだけでなく、グローバル記事としても配信いただけました。 様々な変遷を遂げながらも、カーボンソリューション企業として資本市場と向き合い、挑戦するシナリオが紹介されています。 日本語版 bloomberg.com/jp/news/articl… 英語版 bloomberg.com/news/articles/…

@lily_NIKKEIResk dify

Difyで作成された「noteのリサーチを1/10に短縮する“自作AIエージェント”ワークフロー」がすごすぎたので紹介させてください！👏 毎回noteで競合調査やトレンド整理をするのって骨が折れますよね…💦 でもこのワークフローを使えば、多忙な人でも最短で必要情報だけを集約できます！ このワークフローを使えば… ・n8nベースの自作ノードでnoteにログイン取得→人気記事を最大20件自動収集 ・タイトル／URL／著者／スキ数／閲覧数／公開日時／本文（無料公開部分）を自動取得 ・キーワード入力だけで関連度の高い記事を一括リスト化 ・Googleスプレッドシートへ自動整形して蓄積 ・手作業リサーチの抜け漏れを防ぎ、所要時間を体感1/10へ ・将来的に構成案・下書き生成まで拡張可能な設計 今日はなんと特別にこのアプリのDSLファイルをみんなにプレゼントします🎁 このDifyアプリのDSLファイルが欲しい人はこの投稿に「いいね」と「dify」ってリプしてみてね🌷 ※このアカウントのフォローもよろしくね！

Gemini3, Nano Banana Pro登場で, 先月時点で私がTBSの以下番組で「OpenAIは危うい.Googleが勝つ」としてたのが注目(特に投資家層?)されてるようです 実際は公には以下記事で2024年OpenAI絶頂期からずっとGoogle有利とみてます 長い(私のX史上最長)ですが根拠, OpenAI vs Googleの展望を書いてみます 先月のTBS動画：youtu.be/oCVLb374gQ0?si… 2024年6月の記事：xtrend.nikkei.com/atcl/contents/… 参考のため、私がクローズドな投資家レクなどで使う資料で理解の助けになりそうなものも貼っておきます。 ※以下はどちらかというと非研究者向けなので、研究的には「当たり前では」と思われることや、ちょっと省略しすぎな点もあります。 まず、現在の生成AI開発に関して、性能向上の根本原理、研究者のドグマ的なものは以下の二つです。基本的には現在のAI開発はこの二つを押さえれば大体の理解ができると思います。両者とも出てきたのは約5年前ですが、細かい技術の発展はあれど、大部分はこの説に則って発展しています。 ①スケーリング則 arxiv.org/abs/2001.08361 ②SuttonのThe Bitter Lesson incompleteideas.net/IncIdeas/Bitte… ①のスケーリング則は2020年に出てきた説で、AIの性能は1)学習データの量、2)学習の計算量（=GPUの投入量）、3)AIのモデルサイズ（ニューラルネットワークのパラメータ数）でほぼ決まってしまうという説です。この３つを「同時に」上げ続けることが重要なのですが、1と3はある程度研究者の方で任意に決められる一方、2のGPUはほぼお金の問題になります。よって、スケーリング則以降のAI開発は基本的にお金を持っている機関が有利という考えが固まりました。現在のChatGPTなどを含む主要な生成AIは一つ作るのに、少なく見積もってもスカイツリーを一本立てるくらい（数百億）、実際には研究の試行錯誤も含めると普通に数千億から数兆かかるくらいのコストがかかりますが、これの大部分はGPUなどの計算リソース調達になります。 ②のThe Bitter Lessonは、研究というよりはRichard Suttonという研究者個人の考えなのですが、Suttonは現在のAI界の長老的な人物で、生成AI開発の主要技術（そして私の専門）でもある強化学習の事実上の祖かつ世界的な教科書（これは私達の翻訳書があるのでぜひ！）の執筆者、さらにわれわれの分野のノーベル賞に相当するチューリング賞の受賞者でもあるので、重みが違います。 これは端的にいうと、「歴史的に、AIの発展は、人間の細かい工夫よりも、ムーアの法則によって加速的に発展する計算機のハードの恩恵をフルに受けられるものの方がよい。つまりシンプルで汎用的なアルゴリズムを用い、計算機パワーに任せてAIを学習させた方が成功する。」ということを言っています。 ①と②をまとめると、とにかく現状のAIの性能改善には、GPUのような計算リソースを膨大に動員しなければならない。逆に言えばそれだけの割と単純なことで性能上昇はある程度約束されるフェーズでもある、ということになります。 これはやや議論を単純化しすぎている部分があり、実際には各研究機関とも細かいノウハウなどを積み重ねていたり、後述のようにスケーリングが行き詰まることもあるのですが、それでも昨今のAI発展の大半はこれで説明できます。最近一般のニュースでもよく耳にするようになった異常とも言えるインフラ投資とAIバブル、NVIDIAの天下、半導体関連の輸出制限などの政治的事象も、大元を辿ればこれらの説に辿り着くと思います。 以下、この二つの説を前提に話を進めます。 公にはともかく私が個人的に「OpenAIではなくGoogleが最終的には有利」と判断したのはかなり昔で、2023年の夏時点です。2023年6月に、研究者界隈ではかなり話題になった、OpenAIのGPT-4に関するリーク怪文書騒動がありました。まだGoogleが初代Geminiすら出してなかった時期です。（この時期から生成AIを追っている人であれば、GPT-4のアーキテクチャがMoEであることが初めて明らかになったアレ、と言えば伝わるかと思います） ChatGPTの登場からGPT-4と来てあれほどの性能（当時の感覚で言うと、ほぼ錬金術かオーパーツの類）を見せられた直後の数ヶ月は、さすがに生成AI開発に関する「OpenAIの秘伝のタレ説」を考えており、OpenAIの優位は揺らがないと考えていました。論文では公開されていない、既存研究から相当逸脱した特殊技術(=秘伝のタレ)がOpenAIにはあって、それが漏れない限りは他の機関がどれだけお金をかけようが、まず追いつくのは不可能だと思っていたのです。しかし、あのリーク文書の結論は、OpenAIに特別の技術があったわけではなく、あくまで既存技術の組み合わせとスケーリングでGPT-4は実現されており、特に秘伝のタレ的なものは存在しないというものでした。その後、2023年12月のGemini初代が微妙だったので、ちょっと揺らぐこともあったのですが、基本的には2023年から私の考えは「最終的にGoogleが勝つだろう」です。 つまり、「スケーリングに必要なお金を持っており、実際にそのAIスケーリングレースに参加する経営上の意思決定と、それを実行する研究者が存在する」という最重要の前提について、OpenAIとGoogleが両方とも同じであれば、勝負が着くのはそれ以外の要素が原因であり、Googleの方が多くの勝ちにつながる強みを持っているだろう、というのが私の見立てです。 次に、AI開発競争の性質についてです。 普通のITサービスは先行者有利なのですが、どうもAI開発競争については「先行者不利」となっている部分があります。先行者が頑張ってAIを開発しても、その優位性を保っている部分でAIから利益を得ることはほとんどの場合はできず、むしろ自分たちが発展させたAI技術により、後発事業者が追いついてきてユーザーが流出してしまうということがずっと起きているように思われます。 先ほどのスケーリング則により、最先端のAIというのはとても大きなニューラルネットワークの塊で、学習時のみならず、運用コストも膨大です。普通のITサービスは、一旦サービスが完成してしまえば、ユーザーが増えることによるコスト増加は大したことがないのですが、最先端の生成AIは単なる個別ユーザーの「ありがとうございます」「どういたしまして」というチャットですら、膨大な電力コストがかかる金食い虫です。3ドル払って１ドル稼ぐと揶揄されているように、基本的にはユーザーが増えれば増えるほど赤字です。「先端生成AIを開発し、純粋に生成AIを使ったプロダクトから利益を挙げ続ける」というのは、現状まず不可能です。仮に最先端のAIを提供している間に獲得したユーザーが固定ユーザーになってくれれば先行者有利の構図となり、その開発・運営コストも報われるのですが、現状の生成AIサービスを選ぶ基準は純粋に性能であるため、他の機関が性能で上回った瞬間に大きなユーザー流出が起きます。現状の生成AIサービスはSNSのように先行者のネットワーク効果が働かないため、常に膨大なコストをかけて性能向上レースをしなければユーザー維持ができません。しかも後発勢は、先行者が敷いた研究のレールに乗っかって低コストで追いつくことができます。 生成AI開発競争では以上の、 ・スケーリング則などの存在により、基本的には札束戦争 ・生成AIサービスは現状お金にならない ・生成AI開発の先行者有利は原則存在しない と言う大前提を理解しておくと、読み解きやすいかと思います。 （繰り返しですがこれは一般向けの説明で、実際に現場で開発している開発者は、このような文章では表現できないほどの努力をしています。） OpenAIが生成AI開発において（先週まで）リードを保っていた源泉となる強みは、とにかく以下に集約されると思います。 ・スケーリングの重要性に最初に気付き、自己回帰型LLMという単なる「言語の穴埋め問題がとても上手なニューラルネットワーク」（GPTのこと）に兆レベルの予算と、数年という（AI界隈の基準では）気が遠くなるような時間を全ベットするという狂気を先行してやり、ノウハウ、人材の貯金があった ・極めてストーリー作りや世論形成がうまく、「もうすぐ人のすべての知的活動ができるAGIが実現する。それを実現する技術を持っているのはOpenAIのみである」という雰囲気作りをして投資を呼び込んだ 前者については、スケーリングと生成AIという、リソース投下が正義であるという同じ技術土俵で戦うことになる以上、後発でも同レベルかそれ以上の予算をかけられる機関が他にいれば、基本的には時間経過とともにOpenAIと他の機関の差は縮みます。後者については、OpenAIがリードしている分には正当化されますが、一度別の組織に捲られると、特に投資家層に対するストーリーの維持が難しくなります。 一方のGoogleの強みは以下だと思います。 ・投資マネーに頼る必要なく、生成AI開発と応用アプリケーションの赤字があったとしても、別事業のキャッシュで相殺して半永久的に自走できる ・生成AIのインフラ（TPU、クラウド事業）からAI開発、AIを応用するアプリケーション、大量のユーザーまですべてのアセットがすでに揃っており、各段階から取れるデータを生かして生成AIの性能向上ができる他、生成AIという成果物から搾り取れる利益を最大化できる これらの強みは、生成AIのブーム以前から、AIとは関係なく存在する構造的なものであり、単に時間経過だけでは縮まらないものです。序盤はノウハウ不足でOpenAIに遅れをとることはあっても、これは単に経験の蓄積の大小なので、Googleの一流開発者であれば、あとは時間の問題かと思います。 （Googleの強みは他にももっとあるのですが、流石に長くなりすぎるので省略） まとめると、 生成AIの性能は、基本的にスケーリング則を背景にAI学習のリソース投下の量に依存するが、これは両者であまり差がつかない。OpenAIは先行者ではあったが、AI開発競争の性質上、先行者利益はほとんどない。OpenAIの強みは時間経過とともに薄れるものである一方、Googleの強みは時間経過で解消されないものである。OpenAIは自走できず、かつストーリーを維持しない限り、投資マネーを呼び込めないが、一度捲られるとそれは難しい。一方、GoogleはAIとは別事業のキャッシュで自走でき、OpenAIに一時的に負けても、長期戦でも問題がない。ということになります。 では、OpenAIの勝利条件があるとすれば、それは以下のようなものになると思います。 ・OpenAIが本当に先行してAGI開発に成功してしまう。このAGIにより、研究開発や肉体労働も含むすべての人間の活動を、人間を上回る生産性で代替できるようになる。このAGIであらゆる労働を行なって収益をあげ、かつそれ以降のAIの開発もAGIが担うことにより、AIがAIを開発するループに入り、他の研究機関が原理的に追いつけなくなる（OpenAIに関する基本的なストーリーはこれ） ・AGIとまではいかなくとも人間の研究力を上回るAIを開発して、研究開発の進捗が著しく他の機関を上回るようになる ・ネットワーク効果があり先行者有利の生成AIサービスを作り、そこから得られる収益から自走してAGI開発まで持っていく ・奇跡的な生成AIの省リソース化に成功し、現在の生成AIサービスからも収益が得られるようになる ・生成AI・スケーリング則、あるいは深層学習とは別パラダイムのAI技術レースに持ち込み技術を独占する（これは現在のAI研究の前提が崩れ去るので、OpenAI vs Googleどころの話ではない） ・Anthropicのように特定領域特化AIを作り、利用料金の高さを正当化できる価値を提供する 最近のOpenAIのSora SNSや、検索AI、ブラウザ開発などに、この辺の勝利条件を意識したものは表れているのですが、今のところ成功はしていないのではないかと思います。省リソース化に関しては、多分頑張ってはいてたまに性能ナーフがあるのはこれの一環かもしれないです。とはいえ、原則性能の高さレースをやっている時にこれをやるのはちょっと無理。最後のやつは、これをやった瞬間にAGIを作れる唯一のヒーローOpenAIの物語が崩れるのでできないと思います。 最後に今回のGemini3.0やNano Banana Pro（実際には二つは独立のモデルではなく、Nano Bananaの方はGemini3.0の画像出力機能のようですが）に関して研究上重要だったことは、事前学習のスケーリングがまだ有効であることが明らかになったことだと思います。 ここまでひたすらスケーリングを強調してきてアレですが、実際には2024年後半ごろから、データの枯渇によるスケーリングの停滞が指摘されていること、また今年前半に出たスケーリングの集大成で最大規模のモデルと思われるGPT-4.5が失敗したことで、単純なスケーリングは成り立たなくなったとされていました。その一方で、 去年9月に登場したOpenAIのo1やDeepSeekによって、学習が終わった後の推論時スケーリング（生成AIが考える時間を長くする、AIの思考過程を長く出力する）が主流となっていたのが最近です。 OpenAIはそれでもGPT-5開発中に事前学習スケーリングを頑張ろうとしたらしいのですが、結局どれだけリソースを投下しても性能が伸びないラインがあり、諦めたという報告があります。今回のGemini3.0に関しては、関係者の発言を見る限り、この事前学習のスケーリングがまだ有効であり、OpenAIが直面したスケーリングの限界を突破する方法を発見していることを示唆しています。 これはもしかしたら、単なるお金をかけたスケーリングを超えて、Googleの技術上の「秘伝のタレ」になる可能性もあり、上記で書いた以上の強みを今回Googleが手にした可能性もあると考えています。 本当はもっと技術的に細かいことも書きたいのですが、基本的な考えは以上となります。色々と書いたものの、基本的には両者が競争してもらうことが一番技術発展につながるとは思います！

【#TBM ハイクラス採用中】
脱炭素・循環型社会をリードする #GX #ディープテック スタートアップ。
careers.tb-m.com 営業・BizDev・技術開発・ファイナンス・人事など、部門長/マネージャー職を幅広く募集しています。
「世界を変える挑戦を。」
👉 #スタートアップ採用 #カーボンリサイクル #リファラル採用 #サステナビリティ

@4610_hotel 長尺動画

SNS戦略に関して永遠に話し続けている、72分の長尺動画が公開されました。過去最長記録です。 出し惜しみせず喋り続けたので、現代SNSで勝つ方法を何通りも学べるはず。 公開動画ですが、探すの面倒な人に動画リンク送ります。受け取り方は ①このX投稿に「いいね」 ②リプ欄に「長尺動画」とコメント ちなみに72分動画の中から切り抜いて、Xに投稿して感想を投稿してくれた方は僕がリポストします😎 皆さんのXのインプに少しでも貢献できたら。

@0x__tom 個人開発

「AI個人開発で月収6,750万円」を達成した海外プロダクト49件を一覧化してレポートを作ったのですが欲しい方いますか？このレポートの配布と解説を行うAI個人開発×海外市場を狙うためのウェビナーを開催しようと思います。このレポートが欲しい人・ウェビナーに参加したい人は「いいね」＋「個人開発」ってリプしてみて。 このレポートでは… ・プログラミング初心者が99% ChatGPTコードで月6,750万円達成したWave AI事例 ・開発5時間→48時間で収益化、月1,200万円達成したEarnifi事例 ・開発48時間→初月90万円達成、その後月3,300万円に成長したFormula Bot事例 ・17歳非エンジニアが85% ChatGPTで開発、月675万円達成したUmax事例 ・開発7日→24時間で2,000人有料登録、月1,875万円達成したMusicfy事例 ・開発48時間のMVP→7日で330万円達成したTypingMind事例 等々、非エンジニアでも実現可能な超短期開発×爆速収益化の事例をリストアップして解説しています。今、AI時代は個人開発するのに超最適な環境なんです。 ChatGPT/Claudeのおかげで非エンジニアでも数日でプロダクトを作れるし、日本市場ではなく海外市場を狙えば収益は桁が一個変わる。まさに個人開発天国です。その上、シリコンバレーではAI個人開発者が次々と成功し、マーケティング戦略次第で広告費ゼロでもバイラル達成できる環境となっています。 なので個人的にはAIを使って小さく海外向けプロダクトを作り、月100万円以上の収益を目指す開発手法はめちゃくちゃおすすめしています。ウェビナーでは… ・AI時代はなぜ個人開発がおすすめなのか？ ・何で海外市場なの？日本市場と海外市場の収益が「桁違い」な理由。 ・非エンジニアでもできる！ChatGPTを使った開発の具体的ステップ ・これやったら稼げない！収益化する際に絶対にやってはいけないポイント ・マーケティングはどうすればいい？広告費ゼロでバイラルさせる戦略とは？ ・シリコンバレーの最新トレンドから学ぶ、今狙うべきジャンルは？ といったような、実際に僕が複数のプロダクト開発とM&Aを経験したからこそわかる、ネットには落ちてない一次情報をお話ししていきますよ。AI時代、非エンジニアでも月100万円以上のキャッシュを作るのは難しくない時代です。 ぜひレポート入手&ウェビナーにも参加してみてね。

これは神ってる。。資料作成に黒船登場。 GeminiにGoogle Slidesを直接生成できる機能が搭載。 精度も高く編集も可能。本家なのでズレも少ない。画像付きで生成もできる。 ①Canvasを選択 ②作りたい資料を指示 ③Canvasで表示 ④Google Slidesで生成 これが数分で完了。Docsからスライド生成も可

これは非常に素晴らしい。全てが正解かはさておき、こういうまとめを体験ベースで出してくれているのは悩ましい現状にかなり役に立つ。今非常に重宝されそうなので一読おすすめ。 仕様駆動開発を実現する上流工程におけるAIエージェント活用 speakerdeck.com/sergicalsix/sh…

@akakurot_AI 教えて

ヤバいヤバいヤバい💦 最強AI「Manus」が革命すぎますw 1円も稼げていない雑魚の後輩に教えたら、 爆速で売上が120万円を超えてしまいました 合計：¥1,273,200 Manusがエグいのは、 ①：Xポストを毎日フルオート生成 ②：有料noteをザクザク勝手に量産 ③：販売までの導線を徹底的にガイド つまり... 毎日ベッドでゴロゴロ寝ているだけでも、 仕組みが勝手に成果を積み上げちゃいますw Manusガチっている人はまだ少ないから、 正直“今始めた人”が絶対的に有利です。 10,626文字のManus完全攻略note、 29,800円で有料販売する予定だったけど 今だけ０円でプレゼント🎁しちゃいます。 欲しい人は いいね＋リプ【教えて】 して。

🇯🇵結果速報🇧🇷 南野拓実、中村敬斗、上田綺世！　日本代表が“王国”ブラジルに鮮やか逆転、14試合目で歴史的初勝利 soccer-king.jp/news/japan/nat… 🗣️編集部より 「日本代表は前半を0-2で終えましたが、伊東純也の途中出場後に反撃を開始。3-2と逆転し、森保ジャパンが新たな歴史の1ページをめくりました」

@hikarun_videoai ニュース

まじか… 情報収集に苦労している人は全員このワークフローを使った方がいい。最新のニュースを取得してしかもショート動画にして解説してくれるから、ダラダラしながら最新情報に詳しくなれる。朝の通勤時間や洗濯の合間にサクッと見れば常識人になれる。難しい選挙や政治の話もこれで解決できるかも。 48時間限定です。完全無料でワークフローを配布します。 🌼 私をフォロー 🌼 RT & いいね & リプに「ニュース」 作り方は下記で解説します 👇