百々雅基(ドド)｜AI × 業務オペレーション

PLAN-B AIソリューション事業部 部長｜組織の生産性を上げるためのAI活用について発信しています｜普段はAIオペレーションマネージャーとして、生成AIを組織の業務フローに組み込んでいます｜将来は琵琶湖のほとりで犬を走り回らせて暮らしたい

[出田 晴之 / PLAN-Bマーケティングパートナーズ @haruideta]

【4/27（月）出版！】
「60分でわかる！ LLMO 超入門」、技術評論社さまに素敵なバナーを作成いただきました！

”超入門”として、SEOのご担当者さまのみならず、広報/PR、広告宣伝の部門の方々にも向けた内容となっております！

↓↓↓Amazon↓↓↓
https://t.co/5bbAXb2lVY

[出田 晴之 / PLAN-Bマーケティングパートナーズ @haruideta]

新刊『60分でわかる！LLMO 超入門』を4/27に出版します。

AI検索対策は、SEOの延長としての側面と、新たな対応が求められる側面の両方があると感じています。

本書ではそれらを踏まえつつ、AI検索対策を“Web上のブランドマネジメント”として整理しました。

SEO・PR・広告に関わる方におすすめです。

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

claude codeで業務を自動化していくの便利すぎるが、企業単位で活用できるイメージが湧かない…

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

音声入力アプリ「Typeless」に関して深刻なリスクが見つかったようです。
こういうことがあるので、何でもかんでも自由に使っていいよというのは会��としてリスクがありますね…
とはいえ、厳しくしすぎても時代に置いていかれるので、社内で迅速にリスクチェックする体制が必要ですね

[げれげれ @medmuspg]

【注意喚起】音声入力アプリ「Typeless」をリバースエンジニアリングした結果、かなり深刻なプライバシーリスクが見��かったので共有します。

■ 結論から

Typelessは「On-device history」「Zero data retention」を謳っていますが、実際にはすべての音声データがAWS（米国オハイオ）のサーバーに送信されて処理されています。ローカルの音声認識モデルは一切入っていません。

それだけなら「クラウドSTTサービス」として普通ですが、問題は音声以外に収集しているデータの範囲です。

■ 何を調べたか

macOS上でTypeless v0.9.3のバイナリ解析、ネットワーク通信調査、ローカルDB解析、ネイティブライブラリの文字列解析を実施しました。

■ 確認された事実

1. 音声処理は100%クラウド

アプリ内��Whisper等のSTTモデルは存在せず、音声はOpusで圧縮後、WebSocket（wss://api.typeless.com/ws/rt_voice_flow）経由でAWS us-east-2のサーバーにリアルタイム送信されます。

https://t.co/8SDDBPTiDS → https://t.co/EsKcMHXl8p

公式プライバシーポリシーにも「processed in real time on our cloud servers」と書いてあるので嘘ではないのですが、マーケティングの「On-device」という表現は履歴保存に限定されており、かなりミスリーディングです。

2. 音声以外にも広範なデータを収集

ローカルのSQLiteデータベースとネイティブライブラリの解析で、以下のデータ収集を確認しました：

・ 閲覧中のWebサイトの完全URL（Gmail、Google Docs等も記録）
・ フォーカス中のアプリ名、ウィンドウタイトル
・ 画面上のテキスト（アクセシビリティAPIで再帰的に収集する「collectVisibleTexts」関数）
・ クリップボードの読み書き（パスワードマネージャのTransientTypeも処理可能）
・ CGEventTapによるシステムレベルのキーボード入力監視
・ ブラウザのDOM要素情報（Safari, Chrome, Edge, Firefox, Brave対応）
・ ユーザーがテキストを編集した内容（TrackEditTextService → sendTrackResultToServer）

3. ローカルDBに個人情報が平文保存

typeless.dbに音声認識結果のテキスト、閲覧URL、アプリ情報が平文で保存されています。「Zero data retention」を謳いながら、ローカルには全て残っています。音声ファイル（.ogg）も削除されずに残存。

4. 過剰な権限要求

音声入力ツールなのに、マイクに加えて画面録画、カメラ、Bluetooth、アクセシビリティの権限を要求します。スクリーンショット機能も内蔵されています。

5. 会社の透明性がほぼゼロ

・ 利用規約・プライバシ���ポリシーに法人名の記載なし
・ 所在��は「サンフランシスコ郡、CA」（利用規約の管轄地のみ）
・ WHOISは非公開（GoDaddy + Cloudflare）
・ SOC2、ISO27001等のセキュリティ監査の記載なし
・ 連絡先は [email protected] のみ

■ 技術的な根拠（再現可能）

以下のコマンドで誰でも確認できます：

# ネットワーク通信先
nslookup https://t.co/8SDDBPTiDS

# app.asar内のAPI URL
strings /Applications/Typeless.app/Contents/Resources/app.asar | grep "https://t.co/8SDDBPTiDS"

# WebSocket通信プロトコル
strings /Applications/Typeless.app/Contents/Resources/app.asar | grep "rt_voice_flow"

# キーボード監視のネイティブライブラリ
strings /Applications/Typeless.app/Contents/Resources/lib/keyboard-helper/build/libKeyboardHelper.dylib | grep -i "key pressed"

# 画面テキスト収集
strings /Applications/Typeless.app/Contents/Resources/lib/context-helper/build/libContextHelper.dylib | grep -i "collectVisibleTexts"

# ローカルDBの中身
sqlite3 ~/Library/Application\ Support/Typeless/typeless.db ".schema history"

■ 何がまずいのか

CGEventTap（キーボード監視） + アクセシビリティAPI（画面テキスト収集） + クリップボードアクセス。この3つの組み合わせは技術的にキーロガーと同等の能力を持ちます。

これを運営法人が不明なサービスに許可しているということです。

音声入力の精度向上のためにコンテキスト（使用中のアプリや入力フィールドの情報）を取得すること自体は合理的な設計です。しかし、それをクラウドに送信する場合、運営の信頼性とセキュリティ体制が問われます。法人名すら公開していない会社にその信頼を置けるかは、各自で判断してください。

■ 代替手段

完全ローカルで動作する音声入力ツールは存在します：

・ Whisper.cpp / MLX Whisper（OSS、完全ローカル、無料）
・ macOS標準の音声入力（Apple Silicon上でオンデバイス処理）
・ Superwhisper（Whisperベース、Mac向け、ただし要検証）

■ まとめ

・ Typelessの音声認識は100%クラウド処理（ローカルモデルなし）
・ 音声以外にも画面テキスト・URL・キーボード入力を収集可能な技術基盤
・ 運営法人が不透明（法人名・所在地の公開なし）
・ セキュリティ監査の証拠なし

利用中の方はリスクを認識した上で判断してください。少なくともLittle Snitch等でネットワーク通信を監視することを推奨します。

#typeless

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

「AIに仕事を任せて4時間離席したら、完成品が待ってた」

海外のAI起業家の記事を読んだんですが、これがめちゃくちゃリアルで、組織にAIを組み込む仕事をしている自分としても刺さる内容だったので共有します。

彼いわく、ずっと「やり取りしながら」が前提でAIと仕事してたのが、ある日を境に変わったと。
「���ういうの作って」と伝えて放置→戻ったら完成。
修正もいらない。
しかもAIが自分でアプリを開いて、ボタン押して、テストして、気に入らなかったら自分で直してくれる。
……もはや「ツール」じゃなくて「チームメンバー」ですよね。

進化のスピードも改めて整理するとすごい。
・2022年→ 7×8＝54とか言ってた
・2023年→ 司法試験受かった ・2024年→ 大学院レベルの科学を解説
・2026年2月→ AIが「自分自身を作る」のに使われた
GPT-5.3 Codexは、自分の開発に自分が関わった初のモデル。ここが一番ゾクッとしたポイント。

この記事から、普段組織のAI活用を推進している立場として感じた学びを3つにまとめます。

① 「AI使ったけど微妙だった」は過去の話
無料版で試して「こんなもんか」と思った人、社内にもめちゃくちゃ多い。
��もそれ、ガラケーでスマホを評価してる��うなもの。
最新モデルが出るたびに、できることも限界も変わります。
2ヶ月前にできなかったことが今はできるのが当たり前の世界。
だからこそ、社内のAI推進担当は「今この瞬間に何ができるのか」を常にキャッチアップして、自分自身がワクワクしている状態で現場に届けることが大事。
推進者のテンションが低いと、組織は絶対に動かない。

② 今この瞬間が、組織として一番差がつくタイミング
まだほとんどの会社がAIを本格活用できていないです。
だからこそ「AIで3日分の作業を1時間で終わらせました」と見せられる組織は、採用でも営業でも圧倒的に強くなります。
個人の努力だけに頼らず、業務フローにAIを組み込む仕組みを今のうちに作れるかが勝負です。
今作った差はこの後モデルがさらに賢くなるにつれて大きくなってい��ます。

③ 「うちの仕事は特殊だから大丈夫」は一番危ない思い込み
法律、金融、医療、ライティング…
PCで完��する仕事は全部射程圏内。
「でもAIに判断力はないでしょ」って声は、社内でもよく聞きます。
どの業界も「うちは特別」と思いがち。でも特別な業界なんてない。変化を前提に組織を設計し直す方が、よっぽど現実的。

結局、個人にも組織にも一番大事なのは「変化に慣れる筋肉」をつけること。
まずは毎日1時間、AIを業務に使ってみる。
それだけで半年後、見える景色がまったく変わるはずです。

[Matt Shumer @mattshumer_]

https://t.co/ivXRKXJvQg

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

@jinjin07131971 ありがとうございます！よろしくお願いいたします！

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

ClaudeのCoworkはUXが最高！

Coworkについては「ローカルファイルの操作ができる」という機能面が注目されがちですが、正直なところ、それよりもUX（ユーザー体験）の設計に大きな価値を感じ��した。
以下、特に印象的だった3つのポイントを共有します。

① 選択肢ボタンで回答できる
エージェントからの確認や質問に対して、チャットを打たなくても選択肢ボタンをクリックするだけで回答できます。
これは地味に見えて、実際に使うとかなり快適です。
従来のチャットUIだと「はい」「いいえ」のような単純な回答でもキーボードで入力する必要がありました。Coworkではボタン一つで完了するので、作業の流れが中断されません。
特にエージェントが連続で複数の確認をしてくる場面では、この差が顕著に感じられます。

② 作業状況がリアルタイムで可視化される
今エージェントがどんなツールを使って、何をしているのかが一目でわかります。
通常のClaudeだと、長いタスクを依頼した際に「今何やってるんだろう...」というブラックボックス感がありました。処理が終わるまで待つしかない。
Coworkでは作業プロセスが可視化されているので、エージェントの動きを見守りながら「あ、今この段階か」と把握できます。
これは単なる��心感だけでなく、途中で軌道修正したい場合にも早めに介入できるという実用的なメリットがあります。

③ 自律的に動く設計になっている
個人的に最も大きな違いはここです。
Coworkはタスクを受け取ると、まずプランニングを行ってから実行に移ります。
こちらの指示が多少曖昧でも意図を汲み取って補完してくれている印象を受け、「察する力」が高いというか、より協業相手に近い動き方をする印象を受けました。

まとめ：機能より体験の進化
Coworkの本質的な価値は、ファイル操作ができるという機能面だけではありません。
AIエージェントとの協業体験そのものが洗練されている点にあると感じました。
選択肢UIによる操作の軽さ、作業状況の透明性、自律的なプランニング。これらが組み合わさることで、「AIに仕事を任せる」という体験の質が一段上がっています。
エージェント時代において、こうしたUXの設計がますます重要になっていくのではないでしょうか。

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

ChatGPTは導入したが、いまいちうまくいっているように思えない
そんなことを思っている方はAIオペレーションマネージャーという職種の導入を検討してみても良いかもしれません！

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

https://t.co/9ASgxmPBdK

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

https://t.co/9ASgxmPBdK

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

「ライセンス買ったのに、誰も使わない」

DX担当者のみなさん、この経験ありませんか？

でもこれ、現場や個人の問題ではありません。

AIやDXツールを
「各自が自由に使うもの」にしてしまっていることが原因です。
本来、AIは個人に委ねるものではなく、
組織全体でコントロールすべきもの。

重要なのは
「何に使うか」よりも
「業務オペレーションのどこに組み込むか」。
・いつ使うのか
・誰が使うのか
・どの業務フローで使うのか

ここまで設計して初めて、AIは“使われる”ようになります。
ツール選定の前に、オペレーション設計。
DX担当者の腕の見せどころは、まさにここです。

#AI活用 #DX推進

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

「AIは人の仕事を奪う」

これ、半分正しくて半分間違いです。

よくある勘違いとして
「AIに仕事を奪われるくらいなら使わない」と反抗する勢力が出てきますが、
ここはちゃんと伝えていかないといけないポイント。

奪われるのは「仕事」ではなく「作業」。
そして増えるのは「判断」です。

「AIに作業を任せて、人間は判断に集中する」

この組み合わせがうまく機能するチームほど、結果的に強くなります。

だからこそDX担当者は、
AI＝敵ではないという考え方を現場に丁寧に伝えていくことが重要です。

#AI活用 #DX推進

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

AI活用、個人の工夫で終わらせない。
成果を出している組織は、AIを業務プロセスそのものに組み込んでいます。

ポイントはこの3つ👇
“使い方を教える”のではなく、“使わざるを得ない���計”を作ること。

① 業務プロセスにAIを使うフローを組み込む
　「この業務はこの工程でAIを使う」
　を前提に業務フローを設計
　→ 個人の判断に委ねない

② プロンプトではなく、GPTs／Gemをそのまま渡す
　「どう聞くか」を考えさせない
　→ 業務専用AIを使うだけで成果が出る状態に

③ 工数を把握できる仕組みを最初に作っておく
　「このプロセスで◯時間削減」
　を定量的に見える化
　→ 改善の価値を説明できる

AI活用が定着するかどうかは、
ツールの性能ではなく業務設計と測定設計で決まります。

個人の工夫を、組織の業務フローに昇格させる。
ぜひ意識してみて���ださい。

#組織文化 #AI活用 #業務設計 #DX推進

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

AI活用が根付く組織には「安全な場所」があります。

・試して失敗してもOK
・うまくいかないを共有できる
・「こうしたらどう？」を言える

逆に「結果だけ求める」��織だと、誰もチャレンジしなくなります。

AI導入の前に、まず心理的安全性。

みなさんの組織はいかがですか？

#組織文化 #AI活用

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

AI活用が進む組織には「伝道師」がいます。

・自分で試して
・うまくいったら人に教え
・「こういう時はこう」を共有する

この人がいるかいないかで、浸透スピードが全然違います。

DX担当者の仕事は「最初の一人を見つけて育てること」かもしれません。

みなさんの組織にはそういう方、いるでしょうか？

#組織文化 #AI活用

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

「複数部署同時導入」で失敗しました。

・各部署の温度差
・サポートが分散
・��も深く使いこなせない

結果、どの部署も「いまいち」で終わりました。

1部署で成功体験→横展開が結局正解でした。
急がば回れ、まずは小さい成功が大事です。

「全社展開」を急ぐと失敗しやすいので、まずは1チームから！

#AI活用 #失敗事例

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

ChatGPTではすでに実装されてましたが、claudeでもfigmaなどのツールをチャットから指示を出��るようになりましたね

今まで手作業で作らないといけなかったフロー図がチャットするだけで作られるのは楽すぎる！

[Claude @claudeai]

Your work tools are now interactive in Claude.

Draft Slack messages, visualize ideas as Figma diagrams, or build and see Asana timelines.

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

「AIを導入したけど、成果が出なかった」

この声、本当に多いです。

でも質問させてください。

「成果」って何を測っていましたか？

・時間削減？→何時間が何時間に？
・コスト削減？→いくらがいくらに？
・品質向上？→どの指標で？

測るものを決めずに始めると「なんとなく失敗した気がする」で終わってしまいます。

まずは業務整理と工数管理から！

#AI活用 #DX推進

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

AI導入で成果が出ないチーム、共通点があります。

「全部AIに任せようとすること」なんです。

議事録作成を例にすると：

【AI】音声→テキスト変換
【AI】要約・構造化
【人間】内容の確認・補足 ←ここ大事！
【AI】フォーマット整形・配布

どこまで行っても最終判断は人間がすべき部分がまだまだ多いと思います。
「どこまでAI」「どこから人間」を明確にして、期待しすぎず活用することが大事です。

#AI活用 #業務効率化

[百々雅基(ドド)｜AI × 業務オペレーション @dodoBtoB1]

AI導入の「壁」って、実は技術の問題じゃないんです。

「うちの業務は特殊だから」
「セキュリティが心配で」
「使いこなせる人がいない」

これ、よく聞きますよね。

でも正体は「変化への不安」なんです。

技術の話をする前に、この感情と向き合えるかどうか。ここが導入成功の分かれ目になります。

#AI活用 #DX推進