∅∅ぬるぬる

テクノロジーやビジネスを中心に、働き方や社会の仕組みなど、日々気になることを書いています。ニュースやデータから、人や組織、暮らしへの影響を考えながら、気になる話題をぬるぬると漂っています。

[∅∅ぬるぬる @42nullnull]

マッキンゼーの記事「Beyond AI pilots: Three takeaways from McKinsey's European Claims Forum」では、保険金の査定・支払い業務を題材に、AIをパイロットで終わらせず、本番業務で成果を出すためのポイントが説明されている。

当たり前ではあるが、AIがいかに優れたテクノロジーであっても、業務プロセスの土台、対象業務の深掘り、それを実現するための組織変革がなければ、闇雲に導入しても成果は出ないということだろう。

・基本は依然として重要
AIは革新的だが、価値を引き出すためには、専門知識、適切な判断、整った業務手順といった基礎がしっかりしている必要がある。弱い業務プロセスにAIを追加するだけでは改善しない。

・特定の分野を深く掘り下げる
全てを一度にやるのではなく、特定の業務領域に絞って深く取り組む。記事では、件数の多い個人向け保険の請求処理から着手し、より複雑な領域へ広げた事例が紹介されている。その成果には、新しいテクノロジーだけでなく、業務の根本的な再設計と、選んだ領域への徹底的な注力が必要だったという。

・人と組織の再設計
単に新しいテクノロジーを導入するだけでなく、役割、スキル、働き方を根本的に見直す必要がある。人間とAIが協働する体制を効果的に設計し、それを実現するための組織能力を構築することが求められる。

https://t.co/lwPTDbMxab

[∅∅ぬるぬる @42nullnull]

TypelessとAnkerが連携！これはプロダクトの進化に期待です。ハードとソフトわかりやすいシナジー
https://t.co/lKSsJfUIus

[∅∅ぬるぬる @42nullnull]

保守が運用がという批判をしている人たちを、結果で見返してほしい。

まず、このようなチャレンジが素晴らしい。イノベーションは、何かを変えたいという強い意志から生まれる。

そして、大手と中小企業ではIT環境も予算も全く違うし、対象領域による向き不向きもある。最近はAIで作ったものに対して区別なく保守運用の課題を言う人もいるが、分かっていないと思う。

[∅∅ぬるぬる @42nullnull]

強く共感します。ITのイニシアチブを事業会社側で持たないとベンダーに搾取され続け、ITコストはかさみ、競争力を失います。そしてAIでそれがAIで覆しやすくなっているのも事実だと思います。

しかし、日本はCRMなどのノーコードのSaaSの導入でもイニシアチブを外部に投げてきた国です。SaaSの普及でも変わらなかった構造も、AIの普及では変わってほしいと願います。

[∅∅ぬるぬる @42nullnull]

建設の領域はフィジカルAIの可能性が非常に大きい。

鹿島建設は、米FieldAIの技術を使った完全自律移動ロボットを建設現場に本格導入した。

建築現場は現場ごとに作業環境が大きく異なる。また、同じ現場でも昨日まで通れた場所に今日は資材が置かれていることもある。

したがって、その場で通れる道を判断して巡回や撮影ができる汎用ロボットが活躍する。

巡回や撮影は繰り返す仕事なので、複数の現場で使えて、そのたびに技術者の手が空くなら、導入費が多少高くても元は取りやすいだろう。

フィジカルAIの普及で、建設現場の人手不足が改善することを願う。

https://t.co/lOJdR4JCTy

[∅∅ぬるぬる @42nullnull]

日本でAIによる業務効率化が進まない背景に間違いなく雇用規制の強さが影響していると思う。

日本企業は米国企業のようなドラスティックな人員削減が行えない。したがってAIを活用して業務効率化を進めても、減った業務量の分の労働力調整ができない。

また、この構造から、業務効率化を実現できた人に対して、その成果を評価・報酬としてフィードバックできる原資も作れない。

時間を削減した分はより付加価値の高い業務を行い、価値を創出する。これはよく言われるが半分綺麗事だ。AIにより削減対象になる業務は、手順の固定度合いが高い業務である。長らくそのような業務に従事してきた部門・人材にいきなりより付加価値の高い業務を求めても多くの場合はミスマッチだろう。

問題と考えるのは、これが、雇用規制として全ての企業に適用されるルールになっていることだ。

個別の企業が自ら選んで、雇用の安定を重視して事業活動を営むのは自由にすれば良い。しかし、日本で事業活動を行う場合、そうではな選択ができない。

これを変えないと、日本から、世界で戦える高生産性の企業は生まれづらいと思う。

[∅∅ぬるぬる @42nullnull]

@Naoki_Joe @F380503545921 生産性向上にインセンティブが働かない構造が課題ですね。これではAI活用は進まないと思います。

毎月18時間の時間削減したことが評価され評価・報酬にフィードバックされれば良いのですが。しかし、日本は効率化を進めても従業員を削減できないので、その原資を作れないという問題を抱えています。

[∅∅ぬるぬる @42nullnull]

"そこで分かったのは自分が「割高」であるということ"
JTCの従業員の多く、とりわけ30代後半以上で市場に目を向けた場合、これに直面する人は多いだろう。

[長さん @jtc_ojisan2]

2/23

[∅∅ぬるぬる @42nullnull]

@kazasiki 「社歴の浅いベテラン」って、とても分かりやすいですね。コンテキストを渡すとちゃんとやってくれるんだけど、こっちが前提を間違えると、すごいけどズレたものができちゃうという。

[∅∅ぬるぬる @42nullnull]

@life_is_orz 魑魅魍魎

[∅∅ぬるぬる @42nullnull]

@livedoornews サッカーではかつて、「サドンデス」が突然死を意味するということで日本では「Vゴール」、世界では「ゴールデンゴール」に変わっていったことを思い出しました。おそらくこれと同じような議論があったのでしょうが、少し立てばみんな忘れてすぐ慣れるものです。

[∅∅ぬるぬる @42nullnull]

株価が下がって、NISAの株を売るか迷っている人はご注意を。

あまり語られないNISAのデメリットですが、NISAの売却損は、特定口座の売却益と損益通算できません。同じ年に特定口座で10万円の利益、NISAで10万円の損失が出ても、特定口座の利益には税金がかかります。

https://t.co/i1LhixLvFy

[∅∅ぬるぬる @42nullnull]

AI時代に、エンジニアはどう成長していけばいいのか。

Adaptavistが欧米5カ国の開発者1,000人を対象に行った調査では、83%がAIで自分の生産性が上がったと答えている。68%は、AIエージェントの管理が日々の仕事の一部になりつつあると答えた。一方、63%は、自分でコードを書くなかで学ぶことが減ったと感じている。

AIに作業を割り振り、出力を検証し、どこで自分が介入するかを決める。こうして開発を進めるには、人間側に高い技術力と判断力が要る。

シニアエンジニアなら、これまでの経験をもとに、AIが出した修正案が妥当かどうかを判断できる。難しいのは、これから経験を積むジュニアエンジニアだ。バグの原因を自分で探る仕事までAIに任せると、判断力は求められるのに、それを養う機会は減ってしまう。

https://t.co/tZkE4vBi72

[∅∅ぬるぬる @42nullnull]

@sion_no_life82 まあ、考えて答えを出すのは大変だしストレスですからね。でも、それを乗り越えないと成長しないのも事実

[∅∅ぬるぬる @42nullnull]

AIの活用を促進し、業務効率化を図りたければ、当然だがそのインセンティブを示す必要がある。

デジタル庁が各府省庁等の職員を対象に行った「源内」の利用状況調査では、AIを使える職員に仕事が集中する懸念も挙がっている。

こうした懸念の背景には、生産性を上げて成果を増やしても、評価や報酬につながらず、業務量が増えるだけという構造上の問題があるのではないか。

この構造にメスを入れないことには、どんなにAIの活用環境を整備したところで、本質的な活用や業務効率化は進まないだろう。

https://t.co/u98FToNBEV

#デジタル庁 #AI

[∅∅ぬるぬる @42nullnull]

@billyfscd まさにです。あとは、売上の集計方法が変わったとき、誰がルールを更新するかまで決めておくとよさそうです。毎回元の担当者に確認しないと変えられないなら、まだその人への依存は残りますからね。

[∅∅ぬるぬる @42nullnull]

AI Agentの導入推進は、純粋な時短による業務効率化以上に、業務を言語化することによる属人化の排除、再現性の獲得にこそ本質的な価値があるのではないだろうか。

Snowflakeが11/3に発表した「Business Ontology」。たとえば、営業部は受注した金額を、経理部は返品分を引いた純売上高を見ているとする。どちらも会話では「売上」と呼ぶため、AIが両方のデータを読めても、「経営会議で使う売上はどれか」までは分からない。

そこで、担当者が「経営会議で使う純売上高はこう定義する」と承認し、その定義を実際の集計に使うデータと結びつける。すると、複数のAIや分析ツールが同じ定義を参照できる。

この機能を利用するには、特定の担当者の脳内にだけ存在していた集計のルールも言語化する必要がある。それにより、AI Agentが社内で決めた基準に沿って集計しやすくなる。

ここで重要なのは、AI Agentを活用しようとすることで、業務の言語化が促されることだと思う。特定の人しかできなかった集計を、ほかの人やAIも再現できるようにする。その作業ができること自体の希少性を下げることに、組織としての価値があるように思う。

https://t.co/JphM8dP8WM

22:35

[∅∅ぬるぬる @42nullnull]

@nikkei 600万円で採用できるわけはないのだが、採用する側が十分な給与水準でなければ気持ちよく高額の募集もできないわけで構造の問題だろう。

[∅∅ぬるぬる @42nullnull]

@YahooNewsTopics 雇用規制の要因は大きいと思われる。AIで業務代替しても社員の解雇ができないので、AI推進をするメリットが低く、プライオリティが上がらないのだろう。

[∅∅ぬるぬる @42nullnull]

@nikkei 生成AIが信頼できるというより、有象無象のインフルエンサーが信頼できないということで今に始まった話ではないだろう。生成AIではなく、Google検索でも同じ結果になると思われる。