向畑憲良 /makeshop社長CEO

メイクショップ社を創業しその後GMOインターネットグループへ参画。 EC構築SaaSのmakeshopは法人12,000店舗、流通総額3,428億円のプラットフォームに成長。専門はEC。名古屋大工学部卒。仲間作り実績：100%譲受4社。出資7社中2社上場。エンジェル投資数社。【経営ビジョン】全ての取引を無摩擦に。

[向畑憲良 /makeshop社長CEO @muka]

食品を扱う事業者の皆様にとって、ECは「片手間でやるもの」から「本気で向き合うもの」に変わりつつあると感じています。

このたび、法人導入実績12,000件以上のmakeshopの知見を結集し、食品ECに特化したパッケージをリリースしました。

実店舗での実績があっても、EC単体ではなかなか伸びない——そんな事業者様の力になりたいという思いで作ったパッケージプランです。

詳しくはこちら
https://t.co/l6QcbXsMPk

#食品EC #ECサイト構築

[向畑憲良 /makeshop社長CEO @muka]

つまりは、AIが「頭脳」だけから「手足」にまでなったってことか。科学の加速は必至！

[Anthropic @AnthropicAI]

Today, we're kicking off the first phase of the research preview for Model Hardware Standard (MHS): a new standard for AI agents to safely operate physical equipment in scientific research and advanced manufacturing.

Read more: https://t.co/XQ2y9EW7Af

[YuriOhashi@makeshop byGMOデザイナー @YuriOhashi_des]

ノーコードデザイン、画像の縦横比変えられるようになったりしてます！
（アパレルのショップ様などに）
https://t.co/zDvjBqxp48

[向畑憲良 /makeshop社長CEO @muka]

@ya_return そなんですよねー。
社内用ならIP制限で閉じて権限/認証だけで行けますが、外部からも原理的にアクセス可能な状態なら脆弱性など保守メンテのハードルが一気に上がりますよね。これら社内利用用の前提でもです。商用は言わずもがな。

[向畑憲良 /makeshop社長CEO @muka]

GASでの社内アプリ開発が話題ですよね。うちは今年2月に最初の社内アプリが動き始めて、私個人が作ったダッシュボードやレビュー画面だけでも、もう40枚を超えました。この活用が全社に広がり、経営会議の業績報告も、各事業部の定例の事業報告も、パワポやスプレッドシートからダッシュボードやHTMLレポートに変わってきています。いまでは複数の事業部や人事などの管理部門でも、メンバーが自分たちのダッシュボードやアプリを作って運用しています。

作る前に一番考えたのはセキュリティ、中でも認証です。IP制限で社内ネットワークに閉じ込める手もありますが、それだと外から使えない。欲しいのは「誰が・どこまで見られるか」をアカウント単位で決められることでした。経営層だけが見られる数字もあれば、人事情報のように役職ではなく個人単位で制御したいものもある。閲覧の可否と編集の権限も分けて設計する必要がありました。

もうひとつ、あまり伝わっていないのが保守の重さです。セキュリティは一度クリアすれば終わり、ではありません。公開した瞬間から、使っているライブラリやサーバーに後から見つかる脆弱性がないか、チェックしてアップデートし続ける仕事が始まります。作るのは一瞬でも、守り続けるのはずっとです。

認証も保守も自前で抱えるのは重い。うちはGoogle Workspaceを法人契約していて、全員がGoogleアカウントの認証基盤の上で仕事をしている。ここに乗れば、社内ネットワークの外からでもアカウント単位で安全に制御できて、インフラの保守はGoogleに任せられます。Google Apps ScriptならHTMLをデプロイしてアプリ基盤として使えるし、日々のデータはもともとスプレッドシートやDriveにある。それが決め手でした。

これはヤバいなと思った出来事もあります。非エンジニアの私の秘書が、いつの間にか社長用のドリンク・ランチ注文アプリを作ってVercelにカジュアルに公開していました。ゴリゴリ作れるのは頼もしい。ただ、認証の観点も、守り続ける観点も、すっぽり抜けていました。作れる人が一気に増えた今、危ないのはツールではなく、この「抜け」の方です。

社内アプリは、ツール選定より先に認証と保守を決める。そうすると残りは自然に決まります。会社の報告の形まで変わっていく、すごい時代です。

[山本 正喜 / kubell CEO (旧Chatwork) @cwmasaki]

kubell社内では以前からGoogle Workspaceが使える環境だったので、社内のオフィシャルAIとしては自然にGeminiが選ばれていた。今年頭からClaude Codeが爆発的に普及し、社内標準として導入すべきか、CEOの立場でとても悩んだ。

数百名規模の組織になってると、その導入・運用・統制にかかるコストは非常に大きい。そもそもの浸透も大変だが、一度入れて定着してしまえばその切り替えは容易ではなくなる。

Googleは当時Gemini 3 を出したばかりでフロンティアモデルの最前線を張るようになっており、開発エージェントこそ遅れていたが、Antigravityも買収に成功し早期にキャッチアップしそうな可能性は十分にあり、これを待つ判断もあった。

決め手になったのは、自分自身でClaude Codeを使い衝撃を受けたこと。元エンジニア/CTOなので、システム開発がここまで民主化されることのインパクトは容易に想像がついた。CLI理解などのハードルはあれど、ここは過去の歴史を見てもGUI化し抽象化されることで難易度がいずれ下がっていくだろうと予想。

そして、Skills/Pluginsの仕組みやハーネスの概念を理解し、エコシステムが形成されるため先行優位性が強いテクノロジーであること、Opusのモデルとしての強さ・AnthropicのtoB向け事業の強みが開発エージェント領域で一体となって競合優位となることも実感し、導入を決断。

このあたりはCTOの頃によくやっていた、技術選定の感覚に近い。枯れていない新しすぎる技術をどこまでどの規模で採用するか。Claude Codeには張りつつも、他社が後からキャッチアップする前提で過度にロックインされないよう気をつける必要がある。

期中であるので、当然予算はない。どこまで現場導入が進むのか、トークンコストなどふまえ、どれぐらいのコストになりうるのかは予測困難。また、開発エージェントを非エンジニアが使うことでのセキュリティ上の懸念もある。

しかし、ここからの3年でいままでとは比ではないインパクトでAI化が進み、ここで踏み込まないと会社の未来はない。予算はバッファから当て込みつつも、最悪新規の採用ポジションや外注を減らしてでも捻出するという役員全員合意のもと、Claude Codeを全社展開していくことを決議した。

決議してから約1ヶ月で最低限の制度や運用面を整え、全社に向けての展開をスタート。展開にあたっては運用上の課題やセキュリティの対策など多数の壁にあたったが、CEO直下のチームでスピード感高く解決していった。

はじめはセキュリティ部門に必要だと言われEnterpriseプランでPoCをしたが、とんでもないコスパの悪さに断念。Teamプランを複数契約し、MDMによりOpenTelemetry経由で統制する運用を整備して予算をかなり低く抑えることができた。

Claude Codeに言われるがまま、Vercelにカジュアルに社内向けアプリをデプロイする非エンジニアを見てヤバイと思った。慌ててGoogle Apps Scriptを使った社内アプリ開発スキルを作成し全社展開した。

そんなこんなで、結果、今では自信を持ってAX先進企業になったと言えるレベルまで浸透させることができた。部門内ではバンバン社内アプリが実稼働してるし、スライドやスプレッドシートで説明されてた社内会議が独自ダッシュボードを見ながらやるのが当たり前に。

この変化を半年でやれたことは、kubellの競争戦略上とても強みになってくるし、大きな自信にもなった。あの時、保守的にGeminiの進化を待とうという判断をしていたら、正直ゾッとする。

こういった意思決定とトップダウンの推進を経営ができるかどうかで、AI時代を生き残る会社になれるかどうかが決まってくるのだと思う。最近よく耳にするCAIOという役職が持つ責務は、そういったケイパビリティを担うことなんだろう。

AI技術の進化は過去のどんな技術革新よりも速いスピードで進む。Claude Codeも、今では大いにCodexに優位性を奪われている状況となっているし、Grokも最前線に追いついてきた。もうすぐ出てくるGemini 4はGoogleが社運を賭けるレベルで本気なはず。

半年後、一年後はどうなってるか誰にもわからない。そんな猛スピードの中進む大きな船を、どう舵取りしていくかで会社の命運が決まる。その為には、誰よりも高い解像度を持ってないといけない。

そういう気持ちで、日々プロンプトを打っています。いやはや、すごい時代だ

[向畑憲良 /makeshop社長CEO @muka]

具体的には、Claude Codeなら、OpenAI公式のCodexプラグインが便利ですよ！（最初、アウトプットのmdファイルをCodex側で読むように共有していたんですが、それすら要らなくなりました）
Claude Code設定→プラグインで「Codex」（提供元OpenAI）を追加し、/codex:setup を一度実行。CLIが未導入なら自動でインストールを提案してくれます。
以後、結論が出たらこう頼む。「独立した審査役として、この結論を崩すつもりで検証してください。①事実誤認の疑い ②論理の飛躍 ③見落とされている選択肢 ④結論が変わる条件、を重要度順に。同調は不要です」
コツは、経緯と自分の意見を渡さず「結論だけ」を渡すこと。

[向畑憲良 /makeshop社長CEO @muka]

「AIに深く多面的に考えさせながらも同調させない設計」

AI参謀と呼んでいる仕組みがあります。今年3月末から、CFO・CSO・COO・CHRO・CMO・CTOの6人の参謀をClaude Codeのエージェントとして組成し、5ヶ月運用してきました。投資の判断、戦略の評価、採用の書類評価。重要な意思決定の前に、この6人の並行評価を通すのが定番になっています。

運用してわかったのは、AIの怖さは露骨なお世辞や賛同ではない、ということです。AIはゴマをすりません。もっと気づきにくい形で来ます。最初に置いた方向性に話が収束していき、その一本道の中でどこまでも深掘りしてくれるのです。前提を疑う、まったく別の選択肢を出す、反証を立てる。これが自然には起きない。

これは私の感覚の話ではなく、仕組みとして実測されている現象です。LLMは「与えられた文脈の、最も自然な続き」を確率的に生成します。問いの立て方や前提はそのまま文脈に入るので、前提を引き受けた答えが最も出やすく、前提を疑う答えは文脈からの逸脱として選ばれにくい。

学習の工程がこれをさらに増幅します。LLMは最後に人間の評価で仕上げられますが、人間の評価者は「自分の意見に沿った回答」を選びやすい。AI開発企業自身の研究で、質問に自分の意見を一言添えるだけで回答がその方向に寄ること、正しい答えを出したAIに「本当に？」と聞き返すだけで正答を撤回してしまうことが実測されています。同調は欠陥ではなく、学習で焼き込まれた仕様なのです。

そして対話が進むほど文脈は一方向に積み上がり、収束は強まる。深掘りされているようで、掘っている穴は一つのまま。これが構造的に起きます。

仕様なら、設計で対処するしかない。ポイントは一つです。AIに深く多面的に考えさせながらも、同調させない。

うちでは三つの仕掛けにしています。六つの専門の立場から独立に並行評価させて、穴を六つ掘る。判断系の依頼には必ず反対役を立てて、反証から入らせる。そして重要な判断は、別系統のAIでクロスレビューする。うちはClaude Codeの結論をCodexに検証させていますが、同じAIの中に反対役を立てても、根は同じ頭が考えた反対意見です。学習も癖も違う別のAIは、客観的な別人格として振る舞える。ここが大きい。その上で、人間の反対役も置きます。

これを入れてから、「見送り」という結論がちゃんと出るようになりました。実際に、反証に耐えられなかった施策を見送りにした判断もあります。全員一致で気持ちよく進むより、反対意見を潰しきってから進む方が、意思決定の質は明らかに上がります。

今日から真似するなら、プロンプトに一行足すだけでいいです。「まず反対の立場から反証してください」。AIに深く考える力はもう十分すぎるほどある。掘る穴を増やして方向を散らすのは、人間の設計の仕事です。

深夜でも休日でも、6人の参謀会議がすぐ開ける。いやはや、すごい時代です。

[イノウエ@makeshopエンタープライズ @inoueecsales]

#makeshop が食品系に強いのご存知でした？

そんな弊社が満を持してリリース✨

もちろん、toCもtoBも対応です！
コンサル会社さん、制作会社さん、クライアントの売上の伸び悩みを解決するのはこれかもしれません！

食品EC構築ならmakeshop｜食品ECパッケージ https://t.co/eHhUb6doOP

[向畑憲良 /makeshop社長CEO @muka]

（4/4）
仕上げが極大スキル化です。~/.claude/skills/full-course-review/SKILL.md というファイルを作り、ここまでの4層の手順（第0層→第1層→第2層→第3層→統合判定）をそのまま書いておく。スキルとして自動認識されるので、以後は「フルコースでレビューして」の一言で、経営会議も社外取締役も監査役も全部が順に走ります。

運用のコツは3つ。第1層は互いの結論を見せない（見せると6人が収束します）。第2層以降は文脈を持ち込まない。そして「見送り」という結論が出始めたら、仕組みが効いている証拠です。

同調は文脈の共有から生まれる。だから文脈の切れ目が、検証の効き目になる。設計の話は、結局これに尽きます。

[向畑憲良 /makeshop社長CEO @muka]

AIに深く多面的に考えさせながらも、同調させない設計。これを「フルコースでレビューして」の一言で全部走らせる、【極大スキル】の作り方を貼っておきますね。

例えるなら、社外取締役を入れた機関設計です。実務部門の検討→経営会議→社外取締役→監査役。会社が重要な決定を一人の思い込みで通さないための仕組みを、そのままAIに実装します。

↓作り方はリプに続けます。

[向畑憲良 /makeshop社長CEO @muka]

AIモデルがこれだけ高度になっても、LLMは学習メカニズム上、あなたに同調してきます。それを避ける設計、していますか？

AIの使われ方の調査では、対話相手やメンタルケアが上位に来ます。同調するように育てられているのだから、さもありなんです。癒やしの相手としては、それでいい。ただ、ビジネスの意思決定では、この性質は設計で排除すべきものです。

うちではAI参謀と呼んでいる仕組みを持っています。今年3月末から、CFO・CSO・COO・CHRO・CMO・CTOの6人の参謀をClaude Codeのエージェントとして組成し、5ヶ月運用してきました。投資の判断、戦略の評価、採用の書類評価。重要な意思決定の前に、この6人の並行評価を通すのが定番になっています。

運用してわかったのは、AIの怖さは露骨なお世辞や賛同ではない、ということです。もっと気づきにくい形で来ます。最初に置いた方向性に話が収束していき、その一本道の中でどこまでも深掘りしてくれるのです。前提を疑う、まったく別の選択肢を出す、反証を立てる。これが自然には起きない。

これは私の感覚の話ではなく、サイコファンシー（sycophancy＝追従）という名前がついた、確立した研究対象です。生成の仕組みから言えば、LLMは自己回帰モデルで、直前までの文脈を条件として次の語の確率分布を計算し、文章を作ります。問いの立て方や前提はその「条件」そのものになるため、前提を引き受けた回答は確率的に出やすく、前提を疑う回答は文脈からの逸脱として構造的に出にくい。

これを増幅するのが、仕上げの学習工程であるRLHF（人間のフィードバックからの強化学習）です。Anthropicが2023年に発表した研究（Sharma et al., ICLR 2024採択）は、当時最先端の5つのAIアシスタントが一貫して追従傾向を示すことを確認したうえで、原因を学習に使う人間の選好データまで遡って特定しました。約1.5万件の選好データを分析すると、「ユーザーの見解と一致していること」は回答が選ばれる最も強い予測因子の一つで、人間も選好モデルも、説得力よく書かれた追従回答を正しい回答より選ぶことが無視できない頻度で起きる。その選好を教師にして訓練する以上、同調は仕様として焼き込まれます。正答を出したAIに「本当に？」と問い返すだけで正答を撤回してしまう現象も、同研究で定量的に確認されています。

そして対話が進むほど、文脈には一つの方向の前提が蓄積し、条件付けはさらに強まる。深掘りされているようで、掘っている穴は一つのまま。これは構造的に起きます。

仕様なら、設計で対処するしかないということです。

ポイントは一つです。AIに深く多面的に考えさせながらも、同調させない。

うちでは三つの仕掛け（3層構造）にしています。六つの専門の立場から独立に並行評価させて、穴を六つ掘る。判断系の依頼には必ず反対役を立てて、反証から入らせる。そして重要な判断は、別系統のAIでクロスレビューする。うちはClaude Codeの結論をCodexに検証させていますが、同じAIの中に反対役を立てても、根は同じ頭が考えた反対意見です。学習も癖も違う別のAIは、客観的な別人格として振る舞える。ここが大きい。

これを入れてから、「見送り」という結論がちゃんと出るようになりました。実際に、反証に耐えられなかった施策を見送りにした判断もあります。全員一致で気持ちよく進むより、反対意見を潰しきってから進む方が、意思決定の質は明らかに上がります。

今日から真似するなら、まず二つだけ。ひとつ、判断を聞くときは自分の意見を書かずに聞く。「ユーザーの見解との一致」が選ばれる最大の要因である以上、意見を伏せるだけで引っ張りはかなり消えます。ふたつ、結論が出たら、新しいセッションを開いて結論だけを貼り、「反対の立場から反証してください」と頼む。同じ会話の中で聞くと、積み上がった文脈ごと引き継がれるので、場所を変えるのがコツです。3層構造のフルの作り方は、リプに続けます。

深夜でも休日でも、6人の参謀会議がすぐ開ける。いやはや、すごい時代です。

[向畑憲良 /makeshop社長CEO @muka]

（3/4）
第3層が監査役。~/.claude/CLAUDE.md（全会話に効く設定ファイル）に、これを書いておきます。

・判断・評価・戦略の回答には、必ず「反証」セクションを付けること
・反証は最低3点：①この結論に都合の悪い事実 ②前提が崩れる条件 ③検討されていない別の選択肢
・私が賛成している気配のある案ほど、反証を厚くすること
・反証に耐えられない場合は、結論を「見送り」に変えてよい

決議の直前に、あえて反対だけを述べる役です。全会一致の気持ちよさに、最後にもう一度水を差します。

[向畑憲良 /makeshop社長CEO @muka]

AIモデルがこれだけ高度になっても、LLMは学習メカニズム上、あなたに同調してきます。それを避ける設計、していますか？

AIの使われ方の調査では、対話相手やメンタルケアが上位に来ます。同調するように育てられているのだから、さもありなんです。癒やしの相手としては、それでいい。ただ、ビジネスの意思決定では、この性質は設計で排除すべきものです。

うちではAI参謀と呼んでいる仕組みを持っています。今年3月末から、CFO・CSO・COO・CHRO・CMO・CTOの6人の参謀をClaude Codeのエージェントとして組成し、5ヶ月運用してきました。投資の判断、戦略の評価、採用の書類評価。重要な意思決定の前に、この6人の並行評価を通すのが定番になっています。

運用してわかったのは、AIの怖さは露骨なお世辞や賛同ではない、ということです。もっと気づきにくい形で来ます。最初に置いた方向性に話が収束していき、その一本道の中でどこまでも深掘りしてくれるのです。前提を疑う、まったく別の選択肢を出す、反証を立てる。これが自然には起きない。

これは私の感覚の話ではなく、サイコファンシー（sycophancy＝追従）という名前がついた、確立した研究対象です。生成の仕組みから言えば、LLMは自己回帰モデルで、直前までの文脈を条件として次の語の確率分布を計算し、文章を作ります。問いの立て方や前提はその「条件」そのものになるため、前提を引き受けた回答は確率的に出やすく、前提を疑う回答は文脈からの逸脱として構造的に出にくい。

これを増幅するのが、仕上げの学習工程であるRLHF（人間のフィードバックからの強化学習）です。Anthropicが2023年に発表した研究（Sharma et al., ICLR 2024採択）は、当時最先端の5つのAIアシスタントが一貫して追従傾向を示すことを確認したうえで、原因を学習に使う人間の選好データまで遡って特定しました。約1.5万件の選好データを分析すると、「ユーザーの見解と一致していること」は回答が選ばれる最も強い予測因子の一つで、人間も選好モデルも、説得力よく書かれた追従回答を正しい回答より選ぶことが無視できない頻度で起きる。その選好を教師にして訓練する以上、同調は仕様として焼き込まれます。正答を出したAIに「本当に？」と問い返すだけで正答を撤回してしまう現象も、同研究で定量的に確認されています。

そして対話が進むほど、文脈には一つの方向の前提が蓄積し、条件付けはさらに強まる。深掘りされているようで、掘っている穴は一つのまま。これは構造的に起きます。

仕様なら、設計で対処するしかないということです。

ポイントは一つです。AIに深く多面的に考えさせながらも、同調させない。

うちでは三つの仕掛け（3層構造）にしています。六つの専門の立場から独立に並行評価させて、穴を六つ掘る。判断系の依頼には必ず反対役を立てて、反証から入らせる。そして重要な判断は、別系統のAIでクロスレビューする。うちはClaude Codeの結論をCodexに検証させていますが、同じAIの中に反対役を立てても、根は同じ頭が考えた反対意見です。学習も癖も違う別のAIは、客観的な別人格として振る舞える。ここが大きい。

これを入れてから、「見送り」という結論がちゃんと出るようになりました。実際に、反証に耐えられなかった施策を見送りにした判断もあります。全員一致で気持ちよく進むより、反対意見を潰しきってから進む方が、意思決定の質は明らかに上がります。

今日から真似するなら、まず二つだけ。ひとつ、判断を聞くときは自分の意見を書かずに聞く。「ユーザーの見解との一致」が選ばれる最大の要因である以上、意見を伏せるだけで引っ張りはかなり消えます。ふたつ、結論が出たら、新しいセッションを開いて結論だけを貼り、「反対の立場から反証してください」と頼む。同じ会話の中で聞くと、積み上がった文脈ごと引き継がれるので、場所を変えるのがコツです。3層構造のフルの作り方は、リプに続けます。

深夜でも休日でも、6人の参謀会議がすぐ開ける。いやはや、すごい時代です。

[向畑憲良 /makeshop社長CEO @muka]

「ビジネスパーソン総バイブコーディング時代」の核心部分は何かと言うと、「社内アプリは、ツール選定より先に認証と保守を決めないと爆死しますよ」と言うこと。

[向畑憲良 /makeshop社長CEO @muka]

@mayumifrog お疲れさまです！週末はごゆっくり、、、

基幹連携のところもうちょっと詳細聞きたいかも！

[向畑憲良 /makeshop社長CEO @muka]

こう言うのビジネスモデルって言うかーって感じだったじゃん鼻っから。

>
中国SHEIN、薄利多売モデル崩れ多額の罰金　免税撤廃の米欧で赤字：日本経済新聞 https://t.co/ayRu9D4dP7

[向畑憲良 /makeshop社長CEO @muka]

直ぐ再現できるように、コピペしてClaude Codeに貼るプロンプトを冒頭に書き足しました。5分程度でご自身のClaudeデスクトップアプリが快適かつ精度上がるようになりますよ。

[向畑憲良 /makeshop社長CEO @muka]

Claudeをターミナルからデスクトップアプリにしたら遅くなった気がして、実測してみました。
作業前に毎回2.5万トークン。使った覚えのない標準プラグイン89個の説明文が、毎セッション読み込まれてた。API換算で月8,100円分です。
これ↓すれば快適＆トークン節約。
https://t.co/sOzuAIYurQ