NOBE

いいなと思ったツイートをリツイートする。 老舗OA機器→クラウドエースGCPsier ICTを活用して中小企業を応援したい！#中小企業診断士 #ITストラテジスト 目指すは自分なりのデータマネジメントアーキテクト@nobenotoshokan #本好き #図書館好き #図鑑 #辞典 #GoogleCloud #撮影好き

[松田直樹 姉 @3333_naoki]

詳細は話せませんが、様々な事に対して温かく、本当に温かいし丁寧です。

明治安田Jリーグ　開幕。
明治安田さんとの歴史。

[うちた @uchita_success]

働き方が丸見えのダッシュボード作ってみた。

レスの早さ、時間配分、商談の癖、サボってるSalesforce入力…。今まで気づけなかったこと、何をやれば成果に繋がるかを教えてくれる。

どの職種でもOK。作成時間はAIで30分。
誰でもできる実装方法、続きに置いてます👇

[コムテ @commte]

これめっちゃ有用！デジタル庁ガイドブック

ダッシュボード開発に使ったら見違えたねえ
エッセンス↓

◯　ダッシュボード作成の流れ

要件の整理 → プロトタイピング → 実装

◯ 載せるべき情報を選ぶ

- データ → 目的に当てはまるものを選ぶ
- 見る人が読み解くことができる単位まで分割
- データ全体の中で突出するデータに気づけるように
- 利用可能な最新データ → ダッシュボード反映

◯ レイアウト基本

1. 見る人の視線の動きに合わせる
2. 左上から右下に、上から下へ
3. 全体から部分が並ぶように
4. 右下は詳細情報

◯　ダッシュボード設計原則

- 全体 → 部分。階層構造に
- 適切な情報量に
- 複雑な操作を要求しない
- 比較対象を提供（目標値、平均値、前年値）

◯　グラフ

- 折れ線グラフ:時間変化、傾向
- 棒グラフ:数量比較
- 面グラフ:時間変化、傾向、構成比
- 円グラフ:構成比

◯　コントラスト比

- 背景色に対し、3:1以上のコントラスト比
- マウスオーバーかフォーカス時に数値表示
- グラフの色面領域の近くに数値を記載
- 色覚多様性の考慮

◯　デジタル庁 カラーパレット

- Blue（青色）→ おすすめ！
- Light Blue（薄い青色）
- Cyan（シアン色）
- Green（緑色）
- Orange（オレンジ色）
- Red（赤色）
- Solid Gray（灰色）

※ 配色は2~3色くらいに抑えると見やすい

◯　グラフ設計原則（知りたいことを知れる）

- シンプルに
- 意味のある順列に
- 強弱つける
- 待たせすぎない

◯　グラフ設計原則（誤解を生まない）

- わかりやすく表記
- データを定義
- 表現を歪曲しない
- メタ情報を記載

◯ 知りたいことを知れる(Do’s/Don’ts)

- 全体の指標と詳細のグラフを表示する
- グラフ項目の並び順に意味を持たせる
- 不要な要素は削除する
- 不要な装飾やリッチな表現は使わない
- グラフに使用する色数を絞る

◯　誤解を生まない(Do’s/Don’ts)

- タイトルにグラフの内容とデータ種別を表記
- タイトルや凡例をシンプルに保つ
- グラフと凡例を隣接する
- グラフの原点は原則として0にする
- 色のみで分類を識別しない

pdf ↓
https://t.co/7BtNfKgVF1

ダッシュボードデザインの実践ガイドブックとデザインテンプレート↓
https://t.co/64O4rqusNM

[にも｜AIによって爆誕 @ai_ai_ailover]

https://t.co/6ZQIlLpjEM

[江藤@AIで1日を240時間にする男｜Radineer @RadineerE10]

これあれば、社内ダッシュボードの外注もう要らなくないか。。。

Anthropicが7月15日に発表したClaude Artifactsのアップデートがガチでヤバいです。
ArtifactsがMCPコネクタを呼び出せるようになり、「AIに作らせた画面」が「ライブデータで動く社内アプリ」に変わりました。
デプロイ作業なし、エンジニアなしで、です。

何が起きたか👇
・Claudeに「売上ダッシュボード作って」と頼んで作らせたArtifactが、BigQueryなどのデータソースから最新データを自動取得するようになった
・一度作って共有すれば、開くたびに各閲覧者の画面で最新の数字に更新。作者が作り直す必要なし
・一番賢いのが権限の仕組みで、データ取得は閲覧者自身のコネクタ経由で実行される。つまり部長は部長の権限の数字だけ、担当者は担当者の数字だけが見える
・表示だけでなく、画面上からの処理実行も可能
・対象はPro/Max/Team/Enterpriseの有料プラン。一般公開のArtifactでは使えず、ローカルのMCPサーバーも公開後は呼び出し不可

地味に見えて、権限のところが革命なんですよね。
社内ダッシュボード配布で一番面倒なのは画面を作ることではなく「誰に何を見せるかの管理」で、これが構造的に解決されている。
閲覧者ごとにアクセス権が自動で効くので、配布の承認ハードルが大きく下がります。

X上では「SaaSはもう要らない」の声も出ていますが、正確には半分だけです。
ダッシュボードの表示・分析の層は内製できるようになった。
ただ「放っておくと集まらないデータを、フォーマットを決めて集める仕組み」はSaaSの価値として残ります。
あとClaude依存のロックインと、監査ログなど運用設計の宿題は事前に考えておくべきです。

毎週の会議のために数字をコピペしてレポートを作っている会社は、その作業ごと消せる可能性があります。
BIツールの契約更新前に、選択肢としてブクマ推奨です。

[こま｜n8n × AI @ai_yorozuya]

落合陽一さんが2社に見積もりを頼んだら、どっちも1000万円。
50万はダメですと断られた。

それをエージェントに頼んで、朝起きたらできてた。
かかったのは、およそ200ドル。

[そう｜𝗔𝗜ビジネス戦略家 @Sou_AIDriven]

https://t.co/BrzAZpp167

[すぐる | ChatGPTガチ勢 𝕏 @SuguruKun_ai]

メルカリが公開した「Claude Codeを会社で安全に使うための設定と配り方」資料が有益。bypassなどやってはいけない操作制限から、全社員への設定の一括配布、さらにはエンジニアと非エンジニアで安全レベルを分ける方法まで体系的に解説。Claude Codeを会社で導入したい人は全員読んだ方がいい👇🧵

[NOBE @nob01834]

@emoiralios めちゃくちゃいいですね、ラリオスさんと同じような業務の方も、マネジメント人してる人はメンバーを受講者に置き換えても良いですね

[熊谷正寿【GMO】 @m_kumagai]

激しく同意😊企業の競争力は「AIを使っているか」ではなく「AIを業務インフラとして組み込めているか」で決まる

#AI

[銀次 | AI×効率化 @ginji_aihack]

孫正義のChatGPTの使い方、僕らと全然違った。

検索に使うのは「間違った使い方」とバッサリ。

じゃあ何に使うか。0:47〜で明かされるやり方は、正直マネしたことなかった。

[チャエン | デジライズ CEO《重要AIニュースを毎日最速で発信⚡️》 @masahirochaen]

【保存版】Claude Code公式が「Getting started with loops」を公開。

今後のClaude Code活用で重要になるのは、単なる“プロンプト術”ではなく「ループ設計」

ループとは、AIエージェントが 作業 → 検証 → 修正 → 再実行 を、停止条件に達するまで繰り返す仕組み。

公式では主に4タイプに整理されています👇

① Turn-based
・普段のプロンプト。人が毎回確認しながら進める
・短い修正や探索向き

② Goal-based `/goal`
・「Lighthouse 90点以上」「テスト全通過」など、成功条件を決めて反復
・最大試行回数も指定できる

③ Time-based `/loop` `/schedule`
・PR確認、Slack要約、CI修正などを定期実行
・外部環境の変化を見に行く作業に強い

④ Proactive
・バグ報告の確認→修正→レビュー→返信まで、自律的に回す
・定型化された継続業務向き

ただし、重要なのはAIに丸投げすることではありません。

・何を任せるか
・いつ止めるか
・どう検証するか
・トークンをどう抑えるか

ここまで設計して初めて、Claude Codeは“作業者”ではなく“仕組み”になります。

結論、これからのAIコーディングは「良い指示」より「良いループ設計」が差になる。

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

コンサル能力とは「頭が良いこと」でない。

コンサル能力とは、
曖昧で複雑な問題を、
意思決定可能な形に構造化し、
必要な事実を集め、
仮説を検証し、
相手を納得させ、
実行可能な変化につなげる総合能力。

コンサル能力
＝ 問題設定力
× 構造化力
× 仮説思考力
× 分析力
× 判断力
× コミュニケーション力
× 実行推進力

実際、
主要ファームの面接設計も、
「知識量」だけを試すものにはなってない。

McKinseyは、
クライアント向け職種の面接を、
Personal Experience InterviewとProblem-Solving Interviewなどで構成。

BCGはケース面接で、構造化、質問、データ分析、計算、重要論点の特定などを見ると説明。

Bainも、合理的な仮定、素早い計算、他者の考えを建設的に発展させることなどを評価すると説明している。

AI時代には、
コンサル能力の定義がさらに変わる。

特に、今後の採用を考えるうえで重要なのは、

AIによって、
情報検索
市場調査の初期整理
論点候補の生成
Excel分析支援
PPTドラフト
議事録
ベンチマーク整理
コード生成
は、急速に効率化される。

これから相対的に価値が上がるのは、

正しい問いを作る力
何を信じ、何を疑うかを判断する力
矛盾した事実から意味を見つける力
経営者と現場の異なる論理を統合する力
不完全情報下で決断を支援する力
実装過程で発生する抵抗を扱う力

つまり、

AIが「答えを作る能力」を民主化するほど、
人間のコンサルタントには、
「何を問うか、何を決めるか、誰をどう動かすか」
が求められる。

という構造。

コンサル能力とは、賢
そうなことを言う能力ではない。

混沌とした現実から、
本質的な問題を発見し、
構造化し、
仮説と事実を往復しながら意思決定可能な答えを作り、
その答えを組織の行動と成果へ変換する能力。

したがって、
コンサル面接で本当に試されているのは、

「ケース問題を解けるか」だけではない。

本質的には、

この人を、
答えが分からず、
利害関係者が多く、
時間も情報も足りないクライアントの現場に置いたとき、
問題を整理し、
周囲と協働し、前
に進めることができるか。

ケース面接は、
コンサル能力の一部を圧縮して観察する手段であり、
志望動機、
職務経歴の深掘り、
失敗経験、
リーダーシップ経験、
対話姿勢まで含めて、
一人のコンサルタントとしての
「総合的な問題解決能力」
を見られていると理解するのが最も実態に近い。

BCGも、
ケース面接では唯一の正答を当てることより、
思考プロセス、
戦略的アプローチ、
説得力のある解決策を提示する能力、
を見るとしている。

[にも｜AIによって爆誕 @ai_ai_ailover]

https://t.co/ZkAIQSZl3Y

[みかみ@AI活用の専門家 @mikami01_ai]

国が副業を推進する時代
裏を返せば「本業だけでは豊かに生きられない」という現実です

文句を言っても何も変わらない
行動した人だけが、収入を変えられます

AIを使って副収入を目指す具体的な方法を、ウェビナーで全部公開します↓
https://t.co/2abdxCd4bn

[Addness｜目標達成自律型AI @AddnessOS]

https://t.co/RgZWCNkv8M

[KAWAI @kawai_design]

Skillsが多くなり過ぎたので
社員（Skills）紹介サイトを作成。

どんな社員がいるか
把握しやすくなりました👀

毎日日報を書かせ、働いていない社員は
首にすることにしました（笑）

Skillsに関する記事はこちら
https://t.co/FFKFGutl9w

[Shintaro@HAA @Shintaro_datax]

わかりみ深すぎる。やはり組織導入には壁がまだ厚い。

[今野健介｜Claude×EC専門家 @dansyu_callenge]

https://t.co/5FIBwUPFwb

[くまらぼ @hiro44_pino]

Claude使うなら保存推奨
モデル選びを間違えると
生産性は平気で2〜3倍変わるぞ

初心者ほど
一番賢いOpusを使えばいいと思いがち
でも、それかなり遠回り

自分がClaude初心者におすすめするのはこれ　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
・Haiku＝作業員
・ Sonnet＝エース
・ Opus＝切り札
そして最初の1か月は、
ほぼSonnetだけ使えばOK

記事を書く
資料を作る
調べ物をする
壁打ちする

これ、全部Sonnetで十分です

逆に、毎回Opusを使うと、
・高性能だけど遅い
・使い分けが分からない
・結局どのモデルが得意か理解できない
状態になりがち

まずはSonnetを使い倒してください

これは難しいなと
感じた瞬間だけOpusを投入する

この感覚を掴めると、
一気にClaudeを使いこなせるようになる

どの作業でどのモデルを使えばいいか
1枚にまとめました↓
あとで絶対見返すので保存推奨