wy

船井総研のこの図、まじで“売れる事業の型”を完璧に言語化してる。 ①SNSや広告など複数のチャネルから顧客リストを集める ②まずは単発セミナーなど、低リスク商品を販売 ③低単価のサブスク（月額制）で信頼を深める ④最後に高単価のサブスクやメイン商品にアップセルこの流れを作りきれれば、どんなビジネスでも安定して伸ばせる。どんなビジネスも「安く試してもらって、信頼を積み上げ、徐々にファン化させる」構造を作れば勝てる。結局、売れる仕組み＝信頼を階段状に積み上げる構造なんですよね。

bakusoku_kigyo's tweet photo. 船井総研のこの図、まじで“売れる事業の型”を完璧に言語化してる。

①SNSや広告など複数のチャネルから顧客リストを集める
②まずは単発セミナーなど、低リスク商品を販売
③低単価のサブスク（月額制）で信頼を深める
④最後に高単価のサブスクやメイン商品にアップセル

この流れを作りきれれば、どんなビジネスでも安定して伸ばせる。

どんなビジネスも「安く試してもらって、信頼を積み上げ、徐々にファン化させる」構造を作れば勝てる。

結局、売れる仕組み＝信頼を階段状に積み上げる構造なんですよね。

408

422

30K

copwatanabe retweeted

NEWS

@NEWS_0

2 days ago

高校の文化祭でPOSシステムをCloudflare上に1から構築/運用した話〜短期開発から本番障害、そして完売まで〜 - Qiita https://t.co/rgb3aVi9MJ

294

880K

copwatanabe retweeted

沖ケイタ｜FFFの主🐟

@namakemono0309

4 days ago

https://t.co/ktlTm5dDGe

118

216

36K

Who to follow

中村芳平

@yoshihei3q

@hei3q 外食ジャーナリスト。04年頃から日刊ゲンダイに08年頃から夕刊フジに「外食ウォーズ」ものを連載。現在「日刊ゲンダイ」、ネット媒体の「フードスタジアム」などに外食ものを連載。著書に『笑ってまかせなはれ　グルメ杵屋社長椋本彦之の「人作り」奮闘物語』『居酒屋チェーン戦国史』などがある。趣味囲碁アマ5段格、飲み歩

にしほり｜情セキなマーケ

@nshr_market

SecureNavi（情報セキュリティ系SaaS）のマーケティング全般 | WEBからイベントまで何でもやります | メタルと筋トレとバーガーキングが好きな愛知県民

コマさん

@tennpouriageup

copwatanabe retweeted

ゆたろ @yutafuru

5 days ago

Figmaデザイン納品後、開発側に渡すときに意識していること #UI #UIデザイン #UIデザイナー https://t.co/F05zXa0xls

copwatanabe retweeted

國光宏尚クリプトおじさん (Hiro Kunimitsu)

@hkunimitsu

5 days ago

最近、AI界隈で話題になっている「Jev」、詳しく調べました。最初に結論から言うと、個人が今すぐJevを直接使う理由は、ほとんどないです。普通にChatGPTやClaudeを使ってResearchしたり、文章を書いたり、仕事を手伝ってもらうなら、それで十分。 JevはChatGPTの代わりになるAIではありません。では、なぜ話題なのか？ Jevが面白いのは、「AIが裏側で何百万回、何千万回と判断するときに使うAI」だからです。今のLLMは文章を書く、深く考えるだけでなく、「次はどのTool？」「retryする？」「安全？」「高性能モデルが必要？」といった小さな判断にも使われています。 AI Agentが普及すると、1回の依頼の裏側でこうした判断が10回、50回、100回と発生する。 1000万ユーザーが1日10回Agentを使い、裏で20回判断すれば、1日20億decision。ここで毎回LLMを動かすのはかなり無駄です。 Jevは、この「判断」だけを切り出したモデル。 LLMのように文章を1tokenずつ生成せず、「A、B、Cのどれ？」「YESの確率は？」「どの行動？」を直接返す。例えば、営業3%、請求92%、サポート5%。ざっくり言えば、 LLM＝「次に何を書くか」を予測するAI Jev＝「どの選択肢が正しい可能性が高いか」を予測するAI 従来のClassifierはSpam、Fraudなど用途ごとに専用モデルが必要でしたが、Jevは文章＋質問＋選択肢を渡せば汎用的に判断できる。いわば「汎用Decision Model」です。さらに重要なのがCalibration。 LLMに「何%自信がある？」と聞いて90%と答えても、その数字は基本的には生成された文章です。 Jevは「90%と判断したケースなら、実際にも約90%正しい」という状態を目指す。これなら、99%以上→自動実行、90〜99%→別AIで確認、それ以下→人間へ、のようなAgent運用がしやすい。学習方法も面白い。 TypeSafeによると、JevはほぼSynthetic Dataで学習しています。「この表現に弱い」「この条件で間違える」という部分を見つけ、その周辺の問題を人工的に大量生成して鍛える。つまり、「必要な判断能力を鍛える訓練問題を量産する工場を作る」という発想です。 TypeSafeのCEO、Diogo Almeidaは元OpenAI、元Google Brainで、InstructGPTやRLHFの研究に参加していた人物。 ChatGPTにつながる「人間にとって良い回答を返すAI」を作った側の人が、今度は「ソフトウェア内部の小さな判断まで文章生成AIでやる必要があるのか？」という逆方向の問題を解きにいっているのが面白い。 Jevが効きそうなのは、Tool選択、Model Routing、安全判定、retry/stop、AI出力評価、Moderation、Risk判定など、「1回の判断は軽い。でも何百万回、何億回も発生する」領域です。例えばCoding Agent。ユーザーは「このbug直して」と頼むだけですが、裏ではRepoを見る？どのTool？Commandは安全？Testする？retryする？もう終わる？と大量の判断が走る。ここを毎回Frontier LLMで処理する必要はない。Jev的なDecision Modelで高速処理し、難しいところだけLLMに戻せばいい。逆に、経営判断、企画、文章作成、深いResearchなどは普通にLLMの方が向いています。つまりJevは新しいChatGPTではなく、「ChatGPTやClaudeの裏側に入って、AI全体を速く、安く、安定させる部品」に近い。そしてJev的な機能は、今後OpenAI、Google、Anthropicなどにも実装されていく可能性が高い。一般ユーザーが「今日はJevを使おう」と意識することは、たぶんありません。ChatGPTやClaudeを普通に使っているだけで、裏側でTool選択、Routing、安全判定などが最適化され、「速くなった」「安定した」と感じるだけ。そうなるとTypeSafeが独立して大きくなれるかは別問題です。「高速なClassifier」だけなら大手は自前で作れる。一方でTypeSafeが、Jev→Model Router→Agent Router→Eval→Guardrail→Cost Optimizerまで広げ、「どのAIに、いつ、どれだけ計算させるかを決めるAI」、つまりAI時代のDecision Infrastructureを取れればかなり大きい。僕は最終的には、個人から見ると「1つのAI」、企業の社員から見ても「会社のAIアシスタント」。でも裏側では多数のAIやModelが自動的に使い分けられる世界になると思っています。 CPU、GPU、Neural Engineを意識せずiPhoneを使うのと同じです。 Jevで一番面白いのは「新しいAIモデルが出た」ことではない。 AIが1つの巨大モデルですべてを処理する時代から、「考えるAI」「書くAI」「判断するAI」「探すAI」「実行するAI」を最適に組み合わせる時代に入り始めていること。 AI競争も「一番賢いモデルはどれか」だけではなく、「大量のAIをどう組み合わせて、最も速く、安く、正確に仕事を終わらせるか」の競争になっていく。 Jevは、その変化をかなり象徴していると思います。 PS：また新しいAIを勉強しなきゃ、と思った方は安心してください！w

hkunimitsu's tweet photo. 最近、AI界隈で話題になっている「Jev」、詳しく調べました。

最初に結論から言うと、個人が今すぐJevを直接使う理由は、ほとんどないです。普通にChatGPTやClaudeを使ってResearchしたり、文章を書いたり、仕事を手伝ってもらうなら、それで十分。

JevはChatGPTの代わりになるAIではありません。

では、なぜ話題なのか？

Jevが面白いのは、「AIが裏側で何百万回、何千万回と判断するときに使うAI」だからです。

今のLLMは文章を書く、深く考えるだけでなく、「次はどのTool？」「retryする？」「安全？」「高性能モデルが必要？」といった小さな判断にも使われています。

AI Agentが普及すると、1回の依頼の裏側でこうした判断が10回、50回、100回と発生する。

1000万ユーザーが1日10回Agentを使い、裏で20回判断すれば、1日20億decision。

ここで毎回LLMを動かすのはかなり無駄です。

Jevは、この「判断」だけを切り出したモデル。

LLMのように文章を1tokenずつ生成せず、「A、B、Cのどれ？」「YESの確率は？」「どの行動？」を直接返す。

例えば、営業3%、請求92%、サポート5%。

ざっくり言えば、

LLM＝「次に何を書くか」を予測するAI
Jev＝「どの選択肢が正しい可能性が高いか」を予測するAI

従来のClassifierはSpam、Fraudなど用途ごとに専用モデルが必要でしたが、Jevは文章＋質問＋選択肢を渡せば汎用的に判断できる。

いわば「汎用Decision Model」です。

さらに重要なのがCalibration。

LLMに「何%自信がある？」と聞いて90%と答えても、その数字は基本的には生成された文章です。

Jevは「90%と判断したケースなら、実際にも約90%正しい」という状態を目指す。

これなら、99%以上→自動実行、90〜99%→別AIで確認、それ以下→人間へ、のようなAgent運用がしやすい。

学習方法も面白い。

TypeSafeによると、JevはほぼSynthetic Dataで学習しています。「この表現に弱い」「この条件で間違える」という部分を見つけ、その周辺の問題を人工的に大量生成して鍛える。

つまり、「必要な判断能力を鍛える訓練問題を量産する工場を作る」という発想です。

TypeSafeのCEO、Diogo Almeidaは元OpenAI、元Google Brainで、InstructGPTやRLHFの研究に参加していた人物。

ChatGPTにつながる「人間にとって良い回答を返すAI」を作った側の人が、今度は「ソフトウェア内部の小さな判断まで文章生成AIでやる必要があるのか？」という逆方向の問題を解きにいっているのが面白い。

Jevが効きそうなのは、Tool選択、Model Routing、安全判定、retry/stop、AI出力評価、Moderation、Risk判定など、

「1回の判断は軽い。でも何百万回、何億回も発生する」

領域です。

例えばCoding Agent。ユーザーは「このbug直して」と頼むだけですが、裏ではRepoを見る？どのTool？Commandは安全？Testする？retryする？もう終わる？と大量の判断が走る。

ここを毎回Frontier LLMで処理する必要はない。Jev的なDecision Modelで高速処理し、難しいところだけLLMに戻せばいい。

逆に、経営判断、企画、文章作成、深いResearchなどは普通にLLMの方が向いています。

つまりJevは新しいChatGPTではなく、「ChatGPTやClaudeの裏側に入って、AI全体を速く、安く、安定させる部品」に近い。

そしてJev的な機能は、今後OpenAI、Google、Anthropicなどにも実装されていく可能性が高い。

一般ユーザーが「今日はJevを使おう」と意識することは、たぶんありません。ChatGPTやClaudeを普通に使っているだけで、裏側でTool選択、Routing、安全判定などが最適化され、「速くなった」「安定した」と感じるだけ。

そうなるとTypeSafeが独立して大きくなれるかは別問題です。「高速なClassifier」だけなら大手は自前で作れる。

一方でTypeSafeが、Jev→Model Router→Agent Router→Eval→Guardrail→Cost Optimizerまで広げ、「どのAIに、いつ、どれだけ計算させるかを決めるAI」、つまりAI時代のDecision Infrastructureを取れればかなり大きい。

僕は最終的には、個人から見ると「1つのAI」、企業の社員から見ても「会社のAIアシスタント」。でも裏側では多数のAIやModelが自動的に使い分けられる世界になると思っています。

CPU、GPU、Neural Engineを意識せずiPhoneを使うのと同じです。

Jevで一番面白いのは「新しいAIモデルが出た」ことではない。

AIが1つの巨大モデルですべてを処理する時代から、「考えるAI」「書くAI」「判断するAI」「探すAI」「実行するAI」を最適に組み合わせる時代に入り始めていること。

AI競争も「一番賢いモデルはどれか」だけではなく、「大量のAIをどう組み合わせて、最も速く、安く、正確に仕事を終わらせるか」の競争になっていく。

Jevは、その変化をかなり象徴していると思います。

PS：
また新しいAIを勉強しなきゃ、と思った方は安心してください！w

168

145

20K

copwatanabe retweeted

なつ

@Dia_Nexus

7 days ago

UXデザイナーのための「Jev」活用ガイド｜なつ (生活者/デザイナー/リサーチャー) @Dia_Nexus #AIとやってみた https://t.co/sNYqzjRh7F Jevについて、技術や事例を上げながら「そもそもなぜこんなに話題なのか？」「機能を考えるための観点」「今後必要な議論」などを書いてみました。

166

191

23K

copwatanabe retweeted