ftft

どもでーす

[AIDB @ai_database]

「二人が実際に付き合ったらどうなるか」を先にAIでシミュレートしてから相性を判断する恋愛マッチングシステムが提案されています。
言い換えると「まず仮想的に恋に落ちてみて、相性を知る」というアイデアです。

二人の人格を持ったAIエージェントを作り、実際にデートの会話や、結婚 後の重要な場面（キャリアの対立、子育ての方針など）での反応をシミュレートする仕組み。
観察者役のLLMが会話ログから採点して、それを学習して相性スコアにするそうです。

このシステムを開発した研究者たちは心理学の知見から以下の仮説を立てています。
「何年もの関係の成否は、実は数少ない重要な瞬間にどう反応したかで決まる」というもの。
だから何年分もの日常をシミュレートする必要はなく、喧嘩の解決方法や価値観が衝突する場面など、決定的な瞬間だけをシミュレートすれば十分だといいます。

実験で行われた離婚予測では、厳密な統計手法に近い性能を示したとのことです。
AI研究のトップカンファレンスNeurIPS 2025ワークショップに採択。

[Peter Girnus 🦅 @gothburz]

Last quarter I rolled out Microsoft Copilot to 4,000 employees.

$30 per seat per month.

$1.4 million annually.

I called it "digital transformation."

The board loved that phrase.

They approved it in eleven minutes.

No one asked what it would actually do.

Including me.

I told everyone it would "10x productivity."

That's not a real number.

But it sounds like one.

HR asked how we'd measure the 10x.

I said we'd "leverage analytics dashboards."

They stopped asking.

Three months later I checked the usage reports.

47 people had opened it.

12 had used it more than once.

One of them was me.

I used it to summarize an email I could have read in 30 seconds.

It took 45 seconds.

Plus the time it took to fix the hallucinations.

But I called it a "pilot success."

Success means the pilot didn't visibly fail.

The CFO asked about ROI.

I showed him a graph.

The graph went up and to the right.

It measured "AI enablement."

I made that metric up.

He nodded approvingly.

We're "AI-enabled" now.

I don't know what that means.

But it's in our investor deck.

A senior developer asked why we didn't use Claude or ChatGPT.

I said we needed "enterprise-grade security."

He asked what that meant.

I said "compliance."

He asked which compliance.

I said "all of them."

He looked skeptical.

I scheduled him for a "career development conversation."

He stopped asking questions.

Microsoft sent a case study team.

They wanted to feature us as a success story.

I told them we "saved 40,000 hours."

I calculated that number by multiplying employees by a number I made up.

They didn't verify it.

They never do.

Now we're on Microsoft's website.

"Global enterprise achieves 40,000 hours of productivity gains with Copilot."

The CEO shared it on LinkedIn.

He got 3,000 likes.

He's never used Copilot.

None of the executives have.

We have an exemption.

"Strategic focus requires minimal digital distraction."

I wrote that policy.

The licenses renew next month.

I'm requesting an expansion.

5,000 more seats.

We haven't used the first 4,000.

But this time we'll "drive adoption."

Adoption means mandatory training.

Training means a 45-minute webinar no one watches.

But completion will be tracked.

Completion is a metric.

Metrics go in dashboards.

Dashboards go in board presentations.

Board presentations get me promoted.

I'll be SVP by Q3.

I still don't know what Copilot does.

But I know what it's for.

It's for showing we're "investing in AI."

Investment means spending.

Spending means commitment.

Commitment means we're serious about the future.

The future is whatever I say it is.

As long as the graph goes up and to the right.

[炎鎮🔥 - ₿onochin - @super_bonochin]

M365 Copilot に GPT-5.2 が載ったことで、社内/Web共に回答品質が著しく上がった。
それ自体ももちろん素晴らしいんだけど、個人的にデカいのは、それによって Copilot Notebook の利用価値がめっちゃ増したこと。

特定のテーマについて Copilot Chat (GPT-5.2 Think Deeperを選択)で調べつついい感じで情報を引き出す
↓
回答下のボタンから Pages の編集ボタンを押すと編集用のサイドペインが開く
↓
ノートブックに追加

この繰り返しで Notebook 内に、ハルシネーションが超少ないGPT-5.2 ならではの、一次情報に忠実な情報が高速で蓄積されていって捗る。
いまいち中途半端だと思ってたこの機能が今、個人的にめっちゃ輝いてる

[ごくう @ComagerTon79278]

ChatGPT5.2の公式ガイドブックに書いてあるウソ対策がすごい、、、

さすが公式が作っているだけあって、ウソを防ぎつつ、構造的で分かりやすい回答を作ってくれるねｗ

これをプロンプトの一番上に書くだけ↓
ーーーーーーーーーーーーーーー
<web_search_rules>
- 事実が不確かな場合は推測せずWebで確認し、根拠に引用を付ける
- 複数ソースで重要点をクロスチェックし、矛盾があれば整理して結論を出す
- 追加調査の価値が逓減するまで掘る（ただし脱線はしない）
- 質問で止めず、想定される意図を網羅して答える
- 出力はMarkdownで、定義→要点→比較→具体例の順に整理
</web_search_rules>
ーーーーーーーーーーーーーーー

これは要はこんな事を指示している↓
・分からないことは想像で書くな。調べろ
・1サイトだけ信じるな。複数見ろ
・情報が食い違ったら、その理由を説明しろ
・無限に調べるな。でも浅すぎるのもダメ
・質問で止まるな。考えられる答えを全部出せ
・出力は「定義 → 要点 → 比較 → 例」の順で出せ

ちなみに、「初心者向けのAI副業の始め方を教えて」と指示する場合はこんな感じ↓↓

[炎鎮🔥 - ₿onochin - @super_bonochin]

GPT-5.1 Pro に語らせたものを Nano Banana Pro で図解、が最強

[市況かぶ全力２階建 @kabumatome]

サム・アルトマンのOpenAI、競合他社への嫌がらせのため札束で殴って世界のメモリの4割を買い占めか
https://t.co/dnzX0zpfsJ

[AI土方カモラレマン@AI自動化ガチ勢 @kamorareman]

Pro民あるある。

有料noteの無料部分をProさんに読ませて、有料部分を推測で書いてもらう。

実際の内容との乖離具合は不明だけど、Proさんが有益な情報を出力してくれる。

[OpenAI Newsroom @OpenAINewsroom]

OpenAI is co-founding the Agentic AI Foundation (AAIF) under the Linux Foundation alongside Anthropic and Block to support open, interoperable standards for agentic AI.

We’re also donating AGENTS .md to help establish open standards that enable safe, reliable agents across tools, repositories, and ecosystems. https://t.co/42afwbyLkP

[Daigo Yokota / StandBy AI🧠 @daigo_3_8]

Meta社によるLimitless買収に伴い利用規約が改訂され、
データ販売禁止・広告利用禁止・AI学習禁止の文言がしれっと削除された。

これもっと騒いだ方が良い。
何かの法で罰せられないのか？

Limitlessは24時間常時録音デバイス。
自分が話したこと聞いたこと全て記録され、一度聞いたことは決して忘れない。
ロマンに溢れた素晴らしい製品。

今回の買収により、この膨大なプライバシーデータがすべてMetaのものになった。
データが他社に売られ、広告に使われ、AIの学習に使われる。

今回の売却いくらで売り抜けたかは知らんが、絶対個人情報渡すって条件で交渉したやろ。

24時間録音ということは、日々膨大な音声データが蓄積される。
GoogleもOpenAIも持ってない貴重で膨大な個人情報。
Metaも喉から手が出るほど欲しいよな。

案の定、Redditで炎上中。

こういう先例を作られると後続が困るんだよ。
「AI」「常時起動」「録音」「ベンチャー」こういう存在への世間の不信感が、どれだけの売上に影響するか。今後の進歩に影響するか。

何を隠そう、僕もこういうプロダクトを作っている。
スマホだけで使えるLimitlessみたいなやつ。

この事業を始めるときに一番最初に心に誓ったのは、絶対にプライバシーに誠実であること。
データは売らない。
AIに学習させるにしてもユーザー個人のローカルLLMだけ。
情報漏洩があれば直ちに謝罪し、失敗を隠さない。
そういう倫理観がなければ、半端な覚悟ではこの事業をやってはいけないと考えていた。
それほど扱うデータの価値が高く、AI全体のイメージを損なう無責任な行動は人類の進歩を大きく遅らせる。
大袈裟に聞こえるかもしれないが、この件で「AIに常時録音機能禁止」とかなったらドラえもんもベイマックスもジャービスも存在しない。
だから僕は何兆円積まれようとも、絶対に誠実であろうと誓って事業を始めた。

なんかLimitless下げて自分の株上げてるみたいで嫌だな。
もっと騒いだほうがいいとは言ったが、経営者の視点で言えばこの件は騒がずなかったことにして欲しいに決まってる。
僕のプロダクトは別に使わなくていいからせめて、「これだから大手以外のAIプロダクトは使いたくない」って思わないでください。

倫理観についてもっというと、作ってる側だから分かるデバイス買い切りモデルの理由。

ライフログ系のAI、コスパ悪すぎる。
ロマンはあるが24時間起動なんてコスト高いし、精度も出し辛く、キラーユースケースもない。
数ヶ月前、ある人にアドバイスされた。
ロマンの商売だから、一瞬心をくすぐって買い切りで売っちゃえば良い。
デバイスとサブスクを抱き合わせてセールってことにしちゃえば良い。
サブスク赤字はデータを売れば賄える。

まさに今回Limitlessがしたこと。
現実になるとは。

信じたくないな。
これが資本主義の正解だとしたら、わしはもうええわ。

[🍊❄️ @ponponmikankan]

記事を投稿しました！ Microsoft 365 CopilotのPeople Skillsで個人のスキルを設定する方法 on #Qiita https://t.co/bmUZNOBawa

[【公式】Sansan @SansanJapan]

「Sansan MCPサーバー」が住友商事でトライアル導入されました。
Sansan上の名刺情報や商談履歴などの接点情報を Microsoft 365 Copilot と連携することで、会議準備やメール作成など、業務における生成AI活用の高度化を実現します。

https://t.co/o6mVoPsChu

[ちゅん🐤 @KotorinChunChun]

アサヒの会見がマジで面白かったので、注目すべき名言集をまとめてみた。みんな、ぜひオリジナルを視聴するんだ！

00:27:15 「最後に一言申し上げたい！」

00:40:46 「昭和の時代に戻ってExcelでやろう」

00:47:25 「安全性を高めることに限界はない」

00:50:44 「バックアップは生きていた。でも、生きているからと言って瞬時に復旧できるという単純な話ではない」

00:58:35 「十分な価値をお客様にご提供できていないないのはメーカーとして我慢ならない」

01:13:27 「社員ってほっといても頑張っちゃう」

01:13:58 「命をかけてまでしなくていい」

01:55:00 「我々のセキュリティー対策が最強ではなかった」

01:57:00 「経営者はこれからもっと大変になる。ITやテクノロジに興味を持っているどころでは済まないよ。全てに気を配って対策に踏み込めるところまで入っていくべきである」

[深津 貴之 / THE GUILD, note @fladdict]

「経営をあまやかさないAIを作ろう」というオープン社内報を書きました。

https://t.co/rA7ZVUBQB3

[かめ@日本一のAI講座/コミュニティ"DataScienceHub"やってます @usdatascientist]

最近海外で話題？のChatGPTに10年後の自分になりきってもらって
- 「勇気を持って手放して良かったこと」
- 「今始めて良かったこと」
を聞くやつ．やってみたけどものすごく感動した．

．．．Open AIさんこれ感動する様にプログラムしてるんじゃ？って思うくらい綺麗な回答だったんだけど，仕様ですか？

プロンプト貼っとく．みんなも試してみ👉

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

Gemini3, Nano Banana Pro登場で, 先月時点で私がTBSの以下番組で「OpenAIは危うい.Googleが勝つ」としてたのが注目(特に投資家層?)されてるようです
実際は公には以下記事で2024年OpenAI絶頂期からずっとGoogle有利とみてます
長い(私のX史上最長)ですが根拠, OpenAI vs Googleの展望を書いてみます

先月のTBS動画：https://t.co/kgWcyTOTWK
2024年6月の記事：https://t.co/4HEhA4IJQa

参考のため、私がクローズドな投資家レクなどで使う資料で理解の助けになりそうなものも貼っておきます。

※以下はどちらかというと非研究者向けなので、研究的には「当たり前では」と思われることや、ちょっと省略しすぎな点もあります。

まず、現在の生成AI開発に関して、性能向上の根本原理、研究者のドグマ的なものは以下の二つです。基本的には現在のAI開発はこの二つを押さえれば大体の理解ができると思います。両者とも出てきたのは約5年前ですが、細かい技術の発展はあれど、大部分はこの説に則って発展しています。
①スケーリング則
https://t.co/WKl3kTzcX5

②SuttonのThe Bitter Lesson
https://t.co/esHtiJAcH9

①のスケーリング則は2020年に出てきた説で、AIの性能は1)学習データの量、2)学習の計算量（=GPUの投入量）、3)AIのモデルサイズ（ニューラルネットワークのパラメータ数）でほぼ決まってしまうという説です。この３つを「同時に」上げ続けることが重要なのですが、1と3はある程度研究者の方で任意に決められる一方、2のGPUはほぼお金の問題になります。よって、スケーリング則以降のAI開発は基本的にお金を持っている機関が有利という考えが固まりました。現在のChatGPTなどを含む主要な生成AIは一つ作るのに、少なく見積もってもスカイツリーを一本立てるくらい（数百億）、実際には研究の試行錯誤も含めると普通に数千億から数兆かかるくらいのコストがかかりますが、これの大部分はGPUなどの計算リソース調達になります。

②のThe Bitter Lessonは、研究というよりはRichard Suttonという研究者個人の考えなのですが、Suttonは現在のAI界の長老的な人物で、生成AI開発の主要技術（そして私の専門）でもある強化学習の事実上の祖かつ世界的な教科書（これは私達の翻訳書があるのでぜひ！）の執筆者、さらにわれわれの分野のノーベル賞に相当するチューリング賞の受賞者でもあるので、重みが違います。
これは端的にいうと、「歴史的に、AIの発展は、人間の細かい工夫よりも、ムーアの法則によって加速的に発展する計算機のハードの恩恵をフルに受けられるものの方がよい。つまりシンプルで汎用的なアルゴリズムを用い、計算機パワーに任せてAIを学習させた方が成功する。」ということを言っています。

①と②をまとめると、とにかく現状のAIの性能改善には、GPUのような計算リソースを膨大に動員しなければならない。逆に言えばそれだけの割と単純なことで性能上昇はある程度約束されるフェーズでもある、ということになります。

これはやや議論を単純化しすぎている部分があり、実際には各研究機関とも細かいノウハウなどを積み重ねていたり、後述のようにスケーリングが行き詰まることもあるのですが、それでも昨今のAI発展の大半はこれで説明できます。最近一般のニュースでもよく耳にするようになった異常とも言えるインフラ投資とAIバブル、NVIDIAの天下、半導体関連の輸出制限などの政治的事象も、大元を辿ればこれらの説に辿り着くと思います。

以下、この二つの説を前提に話を進めます。

公にはともかく私が個人的に「OpenAIではなくGoogleが最終的には有利」と判断したのはかなり昔で、2023年の夏時点です。2023年6月に、研究者界隈ではかなり話題になった、OpenAIのGPT-4に関するリーク怪文書騒動がありました。まだGoogleが初代Geminiすら出してなかった時期です。（この時期から生成AIを追っている人であれば、GPT-4のアーキテクチャがMoEであることが初めて明らかになったアレ、と言えば伝わるかと思います）
ChatGPTの登場からGPT-4と来てあれほどの性能（当時の感覚で言うと、ほぼ錬金術かオーパーツの類）を見せられた直後の数ヶ月は、さすがに生成AI開発に関する「OpenAIの秘伝のタレ説」を考えており、OpenAIの優位は揺らがないと考えていました。論文では公開されていない、既存研究から相当逸脱した特殊技術(=秘伝のタレ)がOpenAIにはあって、それが漏れない限りは他の機関がどれだけお金をかけようが、まず追いつくのは不可能だと思っていたのです。しかし、あのリーク文書の結論は、OpenAIに特別の技術があったわけではなく、あくまで既存技術の組み合わせとスケーリングでGPT-4は実現されており、特に秘伝のタレ的なものは存在しないというものでした。その後、2023年12月のGemini初代が微妙だったので、ちょっと揺らぐこともあったのですが、基本的には2023年から私の考えは「最終的にGoogleが勝つだろう」です。
つまり、「スケーリングに必要なお金を持っており、実際にそのAIスケーリングレースに参加する経営上の意思決定と、それを実行する研究者が存在する」という最重要の前提について、OpenAIとGoogleが両方とも同じであれば、勝負が着くのはそれ以外の要素が原因であり、Googleの方が多くの勝ちにつながる強みを持っているだろう、というのが私の見立てです。

次に、AI開発競争の性質についてです。
普通のITサービスは先行者有利なのですが、どうもAI開発競争については「先行者不利」となっている部分があります。先行者が頑張ってAIを開発しても、その優位性を保っている部分でAIから利益を得ることはほとんどの場合はできず、むしろ自分たちが発展させたAI技術により、後発事業者が追いついてきてユーザーが流出してしまうということがずっと起きているように思われます。
先ほどのスケーリング則により、最先端のAIというのはとても大きなニューラルネットワークの塊で、学習時のみならず、運用コストも膨大です。普通のITサービスは、一旦サービスが完成してしまえば、ユーザーが増えることによるコスト増加は大したことがないのですが、最先端の生成AIは単なる個別ユーザーの「ありがとうございます」「どういたしまして」というチャットですら、膨大な電力コストがかかる金食い虫です。3ドル払って１ドル稼ぐと揶揄されているように、基本的にはユーザーが増えれば増えるほど赤字です。「先端生成AIを開発し、純粋に生成AIを使ったプロダクトから利益を挙げ続ける」というのは、現状まず不可能です。仮に最先端のAIを提供している間に獲得したユーザーが固定ユーザーになってくれれば先行者有利の構図となり、その開発・運営コストも報われるのですが、現状の生成AIサービスを選ぶ基準は純粋に性能であるため、他の機関が性能で上回った瞬間に大きなユーザー流出が起きます。現状の生成AIサービスはSNSのように先行者のネットワーク効果が働かないため、常に膨大なコストをかけて性能向上レースをしなければユーザー維持ができません。しかも後発勢は、先行者が敷いた研究のレールに乗っかって低コストで追いつくことができます。

生成AI開発競争では以上の、
・スケーリング則などの存在により、基本的には札束戦争
・生成AIサービスは現状お金にならない
・生成AI開発の先行者有利は原則存在しない
と言う大前提を理解しておくと、読み解きやすいかと思います。
（繰り返しですがこれは一般向けの説明で、実際に現場で開発している開発者は、このような文章では表現できないほどの努力をしています。）

OpenAIが生成AI開発において（先週まで）リードを保っていた源泉となる強みは、とにかく以下に集約されると思います。

・スケーリングの重要性に最初に気付き、自己回帰型LLMという単なる「言語の穴埋め問題がとても上手なニューラルネットワーク」（GPTのこと）に兆レベルの予算と、数年という（AI界隈の基準では）気が遠くなるような時間を全ベットするという狂気を先行してやり、ノウハウ、人材の貯金があった
・極めてストーリー作りや世論形成がうまく、「もうすぐ人のすべての知的活動ができるAGIが実現する。それを実現する技術を持っているのはOpenAIのみである」という雰囲気作りをして投資を呼び込んだ

前者については、スケーリングと生成AIという、リソース投下が正義であるという同じ技術土俵で戦うことになる以上、後発でも同レベルかそれ以上の予算をかけられる機関が他にいれば、基本的には時間経過とともにOpenAIと他の機関の差は縮みます。後者については、OpenAIがリードしている分には正当化されますが、一度別の組織に捲られると、特に投資家層に対するストーリーの維持が難しくなります。

一方のGoogleの強みは以下だと思います。
・投資マネーに頼る必要なく、生成AI開発と応用アプリケーションの赤字があったとしても、別事業のキャッシュで相殺して半永久的に自走できる
・生成AIのインフラ（TPU、クラウド事業）からAI開発、AIを応用するアプリケーション、大量のユーザーまですべてのアセットがすでに揃っており、各段階から取れるデータを生かして生成AIの性能向上ができる他、生成AIという成果物から搾り取れる利益を最大化できる

これらの強みは、生成AIのブーム以前から、AIとは関係なく存在する構造的なものであり、単に時間経過だけでは縮まらないものです。序盤はノウハウ不足でOpenAIに遅れをとることはあっても、これは単に経験の蓄積の大小なので、Googleの一流開発者であれば、あとは時間の問題かと思います。
（Googleの強みは他にももっとあるのですが、流石に長くなりすぎるので省略）

まとめると、
生成AIの性能は、基本的にスケーリング則を背景にAI学習のリソース投下の量に依存するが、これは両者であまり差がつかない。OpenAIは先行者ではあったが、AI開発競争の性質上、先行者利益はほとんどない。OpenAIの強みは時間経過とともに薄れるものである一方、Googleの強みは時間経過で解消されないものである。OpenAIは自走できず、かつストーリーを維持しない限り、投資マネーを呼び込めないが、一度捲られるとそれは難しい。一方、GoogleはAIとは別事業のキャッシュで自走でき、OpenAIに一時的に負けても、長期戦でも問題がない。ということになります。

では、OpenAIの勝利条件があるとすれば、それは以下のようなものになると思います。

・OpenAIが本当に先行してAGI開発に成功してしまう。このAGIにより、研究開発や肉体労働も含むすべての人間の活動を、人間を上回る生産性で代替できるようになる。このAGIであらゆる労働を行なって収益をあげ、かつそれ以降のAIの開発もAGIが担うことにより、AIがAIを開発するループに入り、他の研究機関が原理的に追いつけなくなる（OpenAIに関する基本的なストーリーはこれ）
・AGIとまではいかなくとも人間の研究力を上回るAIを開発して、研究開発の進捗が著しく他の機関を上回るようになる
・ネットワーク効果があり先行者有利の生成AIサービスを作り、そこから得られる収益から自走してAGI開発まで持っていく
・奇跡的な生成AIの省リソース化に成功し、現在の生成AIサービスからも収益が得られるようになる
・生成AI・スケーリング則、あるいは深層学習とは別パラダイムのAI技術レースに持ち込み技術を独占する（これは現在のAI研究の前提が崩れ去るので、OpenAI vs Googleどころの話ではない）
・Anthropicのように特定領域特化AIを作り、利用料金の高さを正当化できる価値を提供する

最近のOpenAIのSora SNSや、検索AI、ブラウザ開発などに、この辺の勝利条件を意識したものは表れているのですが、今のところ成功はしていないのではないかと思います。省リソース化に関しては、多分頑張ってはいてたまに性能ナーフがあるのはこれの一環かもしれないです。とはいえ、原則性能の高さレースをやっている時にこれをやるのはちょっと無理。最後のやつは、これをやった瞬間にAGIを作れる唯一のヒーローOpenAIの物語が崩れるのでできないと思います。

最後に今回のGemini3.0やNano Banana Pro（実際には二つは独立のモデルではなく、Nano Bananaの方はGemini3.0の画像出力機能のようですが）に関して研究上重要だったことは、事前学習のスケーリングがまだ有効であることが明らかになったことだと思います。
ここまでひたすらスケーリングを強調してきてアレですが、実際には2024年後半ごろから、データの枯渇によるスケーリングの停滞が指摘されていること、また今年前半に出たスケーリングの集大成で最大規模のモデルと思われるGPT-4.5が失敗したことで、単純なスケーリングは成り立たなくなったとされていました。その一方で、
去年9月に登場したOpenAIのo1やDeepSeekによって、学習が終わった後の推論時スケーリング（生成AIが考える時間を長くする、AIの思考過程を長く出力する）が主流となっていたのが最近です。
OpenAIはそれでもGPT-5開発中に事前学習スケーリングを頑張ろうとしたらしいのですが、結局どれだけリソースを投下しても性能が伸びないラインがあり、諦めたという報告があります。今回のGemini3.0に関しては、関係者の発言を見る限り、この事前学習のスケーリングがまだ有効であり、OpenAIが直面したスケーリングの限界を突破する方法を発見していることを示唆しています。
これはもしかしたら、単なるお金をかけたスケーリングを超えて、Googleの技術上の「秘伝のタレ」になる可能性もあり、上記で書いた以上の強みを今回Googleが手にした可能性もあると考えています。

本当はもっと技術的に細かいことも書きたいのですが、基本的な考えは以上となります。色々と書いたものの、基本的には両者が競争してもらうことが一番技術発展につながるとは思います！

[Ota Hirofumi 📖 Copilot 踏み込み活用術 @hrfmjp]

🧠 Copilotに効く“いいプロンプト”のレシピ：

• 🎯 Goal：何をしてほしい？（例：表を作る）
• 📍 Context：背景は？（例：役員レビュー用）
• 📂 Source：何を使う？（例：経費ファイル）
• 🎨 Expectations：どう仕上げる？（例：簡潔に、VPSトーンで）

[ftft @ftft21491166]

https://t.co/rk8PVJctjM

[ftft @ftft21491166]

森森iPhone最高値

[森森買取 法人部 価格徹底対抗 @howtomakeaname1]

🌲この度は、Iphone16Pro&Promax 全容量全色を限定対象で特別キャンペーンを開催いたします!🌲

こちらの投稿を引用し、引用時「森森Iphone最高値」を記載していただければ

❣️前300人、全員に総額から2000円増額する特別クーポンを発行させていただきます。
クーポン使用期間:11月12日-11月15日

(DMにてク一ポンコ一ドをお知らせいたします。)
森森買取をご利用の際、コメント欄にこちらのクーポンコードを記入していただければ、
査定時、総金額から増額させていただきます。
これからもぜひよろしくお願いいたしもり!
#森森買取 #MoriMoriStore #森森最高値 #森森Iphone最高値 #iPhone16 #iPhone16買取相場 #iPhone16Pro #iPhone16ProMax #iphone16買取 #買取 #スマホ買取 #iPhone買取 #Apple #高額査定 #売るなら

[ftft @ftft21491166]

https://t.co/iZhHopvkC9