サブロー Z世代×FIRE #ITへ転職しました

20代の投資実践術🔥96年生まれ プライム上場企業 世帯年収900万 貯蓄率47％ 不動産2戸×個別株×投信積立×節約×時間 妻への報告＆備忘録✍️にnoteはじめました！

[サブロー Z世代×FIRE #ITへ転職しました @2030Saburo]

たてNISA3年目と2年目
妻と合算で丁度＋100万円❗
#楽天証券 #つみたてNISA #たてNISA

[あんぱん🍞FIREマン @anpanFIREman]

FIREして5年。5,500万円でFIREした私の現在の資産がこちら💰

[ナビゲーター・日本株 @mamoshimokaji]

昨夜、妻と長く話をした。
北海道の故郷に戻ることに決めた。
28歳で投資を始め、気づけば56歳。
資産は12億円を超え、月の収益も十分すぎるほどになった正直に言えば、もう“増やす理由”はない。
東京の物価高が話題になる中でも、派手な生活はせず、今も8年前の車に乗っています。
「必要なものを大切にする」──この考えが投資でも人生でも、一番大事だと感じています。
なぜ情報を無料で公開しているのかとよく聞かれますが、子どもの頃から“先生になること”が夢でした。経済的に困 っていないため無料で公開しています。
投資の世界は厳しい。だが、本質は驚くほどシンプルだ。それを知らないまま、多くの人が遠回りをしている。だから決めた。28年分の投資ノートを整理し、無駄な専門用語を削ぎ落とし、“本当に必要な考え方だけ”を残す。初心者でも迷わず進める形にして、すべて無料で共有する。稼ぐためじゃない。ただ、同じように遠回りする人を減らしたいだけ。
興味があれば、いいねとフォローをお願いします。

[Google Cloud Japan @googlecloud_jp]

2 日間のハンズオン イベント開催
Build with Gemini Tokyo

初日は Vibe Coding の基本を学ぶワークショップをご用意。2 日目は自身の役割に合わせたエージェントを Google Cloud 上でつくります。

■ ハイブリッド開催
■ 2026 年 9 月 3 日（木）、4 日（金）

[渡邉正裕 @masa_mynews]

初任給じゃなく35歳賃金で選ぶのが鉄則。／縦軸に35歳時点での手取り年収を、横軸に平均勤続年数をとって、マッピングしたものが左記である。35歳としたのは、大卒で社会人になって10年超がたち、「1人前の職業人」となっている時期だからだ。https://t.co/CeraZrqVwO

[FleetingBits @fleetingbits]

i've started having claude turn my codebases into visual diagrams so i can discuss the codebases with claude more easily - the moving dots are data snippets that i can inspect

[Kentaro Nakano @kcp_kn]

「未来を予測した会社ではなく、未来が到着する場所に自らを置く会社が勝つ。」

0から半年で$10M ARR規模まで伸びるAIインフラ企業が出ている理由を投資家のRishabh Kaul(@rishabhkaul が整理している。

一見すると「AIだから伸びた」「技術がすごいから売れた」という話に見えるが、彼の主張の中心は少し違う。

①売り先は大企業全体ではなく、最も先を走る数社
ここでいう顧客はAnthropic、OpenAI、Lovable、Harvey、Sierra、ElevenLabsのようなAIネイティブ企業。

彼らは半年〜1年ごとに高い評価額を正当化し続けなければならない。
毎月売上を伸ばし、毎週のように新機能を出し、利用量も急増する。

その速度で走っているから、ほとんどの会社がまだ知らない壁に最初にぶつかる。

たとえば、
・利用量が急増して推論コストが跳ね上がる
・新しいモデル構成で想定外のボトルネックが出る
・音声AIやエージェントの安全性で社内実装が詰まる
・メモリ、推論、強化学習、開発ツールの運用で限界が見える

こういう問題は一般市場にまだ出ていない。
Googleで検索しても出てこないし、業界レポートにも載らない。

だからそこに最初にいる会社が強い。

②価格の比較対象は「他社ソフト」ではない
月10万ドルで始まり、試用後に月50万ドルの契約になる。

普通の感覚だと高すぎるが顧客が比較しているのは別のSaaSではない。

比較対象は
・社内エンジニアが6ヶ月かけて作る時間
・推論コスト、トークンコスト
・新機能のリリース遅延
・成長機会の取りこぼし
・本来差別化すべき開発に集中できない損失

たとえば年間2,000万ドルかかる推論コストを1,200万〜1,500万ドルに下げられるなら、その会社にとって年間200万〜300万ドル払うのは高くない。

ソフトを買っているというより、時間と効率と成長速度を買っている。

③技術ではなく情報が堀になる
同じものを他社が作れるかと言えば、おそらく作れる。

でも、他社はその顧客と話すまで、そもそも問題の存在を知らない。

フロンティアを走る数社だけが先に痛みを持ち、その痛みを聞けた会社だけが先に解決策を作れる。

つまり順番は、

技術がある
↓
市場を見つける

ではなく、

未来を生きている顧客の近くにいる
↓
まだ市場に出ていない問題を聞く
↓
最初の解決策を作る
↓
半年後に同じ問題を持つ会社が増える

という流れ。

Rishabhはこれを「情報優位が技術優位に先行する」と表現している。

④顧客集中はこの段階ではむしろ強み
売上の80〜90%が1〜3社から来る。

普通のSaaSなら危険信号だが、この段階ではむしろ良いという。

なぜなら、その1〜3社が次の問題を最初に見せてくれるから。

広い市場に営業して「何に困っていますか」と聞くより、半年先を走っている顧客の横で一緒に作るほうが、次に売れるものが早く見える。

ロードマップが社内会議から生まれるのではなく、最も進んだ顧客の現場から生まれる。

⑤市場を説得するのではなく、市場が追いつくのを待つ
通常のSaaSは、

市場を決める
↓
製品を作る
↓
顧客に「この問題があります」と説明する

という順番になりやすい。

でもこのAIインフラ企業の伸び方は逆。

すでに未来を経験している少数の企業から始める。
その企業が抱える高額で緊急な問題を解く。
その後、競合や周辺企業が同じ問題に追いついてくる。

1社の事例が少しずつ1つの市場になる。

これは「逆向きのカテゴリ創出」だと言える。

⑥所感
AIインフラ企業のように月数千万円の契約を取る話わけではないですが、同じようなことは自社にも活かせると思いました。

・平均的な顧客を広く追いかける
・まだ困っていない人に必要性を説明する
・一般論のニーズから商品を作る

よりも、
・今まさに困っている顧客の近くにいる
・その業界で少し先に起きている問題を聞く
・1社の具体的な痛みを深く解く
・同じ問題を持つ周辺企業に横展開する

「何を作るか」だけを考えると、どうしても予測ゲームになる。
「誰の近くにいるか」を変えると、予測ではなく観察になる。

先を走る顧客のすぐ隣にいると、Googleでは調べられない明日の問題を数ヶ月早く聞ける。

技術優位の前に情報優位があるという話だと思いました。

[iwashi / Yoshimasa Iwase @iwashi86]

AI時代のEMは、自ら手を動かして作る経験がないと、この先生きのこれないという話。

・記事の筆者は、マネージャーに求められるスキルが1年前とは完全に別物になったと考えている
・今後チームを率いるには、自ら手を動かしてプロダクトを作ることが必須

・その理由は、コンテキストウィンドウやベクトルDB、MCPといった概念を深く知る必要があるから
・これらを理解していなければ、それを使うメンバーをリードするのは難しい
・また、AI slopを見抜くテイストも大事に

・AIは人間のテイストの中央値を出力するように設計されている
・そのため、生成されたコードや文書は完璧に見えても決して正確ではない
・これを見抜く直感は、深夜にAIツールと格闘して自ら開発する経験からしか得られない

・大量のAI生成コードをレビューすること自体が、新しいスキルになっている
・複雑な変更は、AIと代替案やトレードオフを議論して実装の穴を探す
・これにより、現場から一歩引いた立場でも変更内容を理解できる

・また、スピードor品質、というトレードオフはすでに消滅している
・最初から正しい方法で、アーキテクチャの整合性を保ったまま作れるようになってきている
・マネージャーとビルダーの境界線はすでに溶けつつある

https://t.co/gZeplKrIab

[Takanori Suzuki @takanorisuzuki]

オントロジーをナレッジグラフで扱うときに気をつける点をまとめてみました。
https://t.co/oRotbjfaJW

[bakigul @bakigulai]

AI agent’lar için açık kaynak Palantir yapmışlar:

Semantica.

Veriyi knowledge graph’e çeviriyor, agent kararlarını kaydediyor ve sonradan “bu kararı neden verdi?” sorusunun izini sürebiliyorsun.

Context Graph + Decision Intelligence + provenance + deterministic reasoning.

Self-hosted, MIT lisanslı.
https://t.co/w2IC2mt9yc
Yapay zeka hakkında güncel kalmak için
https://t.co/igLD9mmWgw

[のむら @ikageso17g]

暗黙知の共有知化。暗黙知を記録してデータベース化。どのように記録させるかよな… #Snowflake

[いとよ（バーチャル僧侶）@VRChat @itoyo_monk]

世界史の年表的な雰囲気でAIの主力モデルの変遷を可視化（4oの治世長いね）

[どくマネ |東大卒医師×投資 @trader_utmed]

やったー！！！！
【資産6000万】に初めて届きました😙

20代で投資に出会えて幸運でした😆

参考：資産額ごとの達成時期
200万 2019年
500万 2021年
1000万 2023年
2000万 2024年
3000万 2025年6月
4000万 2025年10月
5000万 2026年4月
6000万 2026年8月🆕

[Robert Lauko @robert_lauko]

Keeping up with @arxiv is impossible. 500+ preprints a day across dozens of fields.

@KurateOrg scores papers on 16 dimensions (impact, novelty, rigor, surprise, translational...) so you can spot what's worth reading at a glance. Sort, filter & sign up for the weekly newsletter.

[JDMC @JDMC2011]

データに意味を与える 〜 メタデータ と オントロジー と AI
https://t.co/3xbNxc1jst

[AI駆動塾 @L_go_mrk]

え、資料生成にめちゃくちゃ使えるSkills出てきたんだけど。。。

diagram-design：
・Claude Codeのスキルで27種類の図解を生成
・自分のサイトの配色・フォントを自動で読み取って反映
・minimal light/dark/full-editorialの3パターン出力、ビルドステップなし

https://t.co/wcOnX4lDYp

[高橋光 | 著書『データ分析力を高める ビジネスパーソンのためのSQL入門』 @light940]

オントロジーとグラフDBを本番運用に載せるまでの現実を解説した記事。エンタープライズAIの文脈では、理論の美しさより、エンティティ解決の精度やクエリ性能といった泥臭い課題が成否を分ける。理想論ではなく実運用の視点で書かれているのが参考になる。
https://t.co/a4nREm9OGE

[Jey @0xJeyx]

this is f*cking gold

Andrew Ng put the whole loop-to-graph shift on one page.

Loop engineering was the last thing everyone learned. Graph engineering is what it turns into, and the whole thing changes the moment you stop running one loop and wire several into a graph.

I dropped it into my setup. The very first run was different.

Not a little better. A different kind of output.

Claude stopped handing me an answer and started handing me work a second agent had already torn apart.

Bookmark it before your feed swallows it.

Read it now, then check the guide below.

[宇佐美進典 @usapon]

良い資料。

> 「どれだけ作ったか」ではなく、「どれだけ価値として積み上がったか」を見る。

AIのおかげでアウトプットのコストは急激に下がったからこそ、今後は「価値を測る力」「ユーザー観察」「KPI設計」「改善サイクル」を回せる人ほど強くなる時代に。

[じょーし @paper2parasol]

人間が判断を都度するHITL(Human in the Loop)からよりAIに任せる範囲を増やして、ループ上に人間を置くHOTL（Human on the Loop）へという話がわかりやすく書かれている

うちでも仕組み作って実践し始めてるけど、育てていくほどどんどん良くなるんだろうなあという感覚はある

トークン従量課金とのトレードオフも今後結構効いてきそうな印象
https://t.co/IEd9SYRsPp