野口ぴろきち | ススムワーク

組織を10年成長させつづける事業戦略エンジニア｜株式会社ススムワーク代表・野口洋史（ぴろきち）｜AI×採用×ブランディング｜AI実践コミュニティ「すすもう会」運営中｜がんばっている人の隣で「大丈夫、いっしょにやってみましょう」と言いつづけたい人

[野口ぴろきち | ススムワーク @pirokichi]

「難しそう」で止まっていた人へ——Cursor超初心者講座の、正直な案内

この講座は、こういう人のためのものです

- Cursorを一度も触ったことがない
- ChatGPTは使うけれど、Cursorは初めて
- プログラミングの画面に、なんとなく苦手意識がある
- AIツールに興味はあるけれど、難しそうで一歩踏み出せない

ひとつでも当てはまれば、7/23の90分は、あなたのための時間です。

やらないこと・やること

まず安心してほしいので、この講座でやらないことから。

- 難しいコードを書く
- 上級者向けの細かい設定に踏み込む

やるのは、その手前の"基本"だけです。

- 画面の見方（左：ファイル一覧／中央：編集画面／右：AIチャット）
- AIに日本語で頼んで、ファイルを作ってみる
- 変更内容を確認して、採用する

テーマは「懇親会の企画」。身近な題材で、手を動かしながら"AIに任せて進める"感覚をつかみます。

当日の流れ（約90分）

1. オープニング（今日の流れとゴール）
2. そもそもCursorって何？（ChatGPTとの違いを、やさしく）
3. 初期設定（起動・必要な方は日本語化）
4. 画面の見方（★メイン）
5. みんなでやるワーク（★体験）
6. まとめ・質疑応答

「ここにファイルがある」「ここでAIに質問する」「ここで変更を確認する」——この基本が分かれば、今日はOK。終わったあとに「思ったより怖くないな」と感じてもらえたら十分です。

よくある質問に、正直に答えます

Q1. 本当に、超初心者でも大丈夫ですか？
大丈夫です。この講座は「使いこなす」の前の「画面に慣れる」から始めます。上の「やらないこと」のとおり、コードも専門用語の暗記も出てきません。それでもつまずいたら、その場で聞いてください。少人数でやっているのは、そのためです。

Q2. 5,478円の価値が、正直わかりません。
持ち帰るものは、知識ではなく体験です。AIに日本語で頼んでファイルを1つ作り切る——「相談相手」だったAIを「仕事の相棒」に変える最初の操作を、自分の手でやった実感が残ります。翌日、いつものチラシ文案や案内文づくりで、そのまま試せます。1回きりの答えではなく、毎日使える"頼み方"が残るのが、この90分の価値です。

Q3. 平日の午前は、参加が難しいのですが。
すすもう会の会員は、アーカイブで後から視聴できます。当日リアルタイムで手を動かすのがいちばんですが、「見返せる」という保険があると、思い切って予定を組みやすくなるはずです。

Q4. 経営者が「超初心者講座」に出るのは、少し気が引けます。
すすもう会には、不動産、経営コンサル、建築設計、保育園の運営など、いろんな仕事の方がいます。共通点は、AIの専門家ではないこと。それに、基本を我流で覚える時間こそ、経営者にとっていちばん高くつきます。基本から最短で行くのは、合理的な選択です。

事前準備だけ、お願いします

Cursorのインストール・アカウント作成・ログインを、当日までに（3ステップほどです）。当日インストールから始めると、全員の時間が足りなくなってしまうので。うまくいかなければ、遠慮なく声をかけてください。すすもう会は「わからない」と言える場所です。

参加のご案内

- 日時：2026年7月23日(木)10:00-11:30・オンライン（90分）
- 参加費：5,478円（単発）
- 申込：https://t.co/EryVoxOdfQ

すすもう会は少人数で、ひとりひとりに目が届く運営を大切にしています。密なサポートを保つため、人数が増えすぎたら募集を締め切ります。気になっている方は、お早めにどうぞ。

なお、単発1回分は月会費（月5,478円）と同額です。続けるなら会員（参加し放題＋アーカイブ）がお得です → https://t.co/6hH1mmcCPx

AIを「知っている人」から、「使える人」へ。7/23、その最初の一歩を一緒に。

[野口ぴろきち | ススムワーク @pirokichi]

📊 月1,278時間削減。3社に共通する生成AI活用の型

月1,278時間。生成AIを業務に統合したことで、飲食店の経営支援を行うリディッシュ株式会社が叩き出した削減時間だ。今週目にしたレポートのなかで、僕がいちばん引っかかった数字がこれだった。

全体の業務時間のうち約52%、半分以上がこの取り組みで浮いた計算になる。元のレポートでは、これは常勤スタッフ約1名分の工数に相当すると書かれている。1つの部署やチームの話ではなく、会社全体でこれだけの時間が生まれたというのは、かなり大きな話だと思う。

僕が注目したのは、この会社が「AIツールを導入した」で止まっていない点だ。業務のどこにAIを差し込むかを設計し直したうえで、この数字にたどり着いている。ツールを入れること自体より、業務の見直しに時間をかけた結果なのだと僕は読んだ。

📊 もう2社の事例を見てみると

・通販を中心に事業を展開する北の達人コーポレーションは、AIを使いこなす人材を育てる研修を実施。法律や表記のリサーチにかかっていた時間が、数時間からほぼゼロに縮んだ
・研修を受けたスタッフの約65%が、自動化の仕組みを自分の手で設定できるレベルにまで到達した
・従業員15名の製造業A社は、請求書のチェックと転記という地味な作業にAIを取り入れ、経理担当の月間業務時間を大きく減らした

💡 3社に共通する型

3社を並べてみて、僕には共通する型が見えた。まず、ツールを選ぶ前に「自社のどの業務が重いか」がはっきりしていること。次に、経営者自身が主導して動いていること。そして、現場のスタッフまで巻き込んで、使う人を広げていること。北の達人コーポレーションの「研修参加者の65%が自分で設定できるようになった」という数字は、まさにこの3点目を裏づけていると思う。

これを自社の話に置き換えると、僕はこんなふうに読める。経営者が1人で頑張ってツールを触っているだけの状態と、現場のスタッフまでが自分の手で設定できる状態とでは、積み上がる時間の量がまったく違ってくる。北の達人コーポレーションの数字は、その差をそのまま表しているように見える。

🎯 業種別に置き換えると

これを自社に当てはめるなら、業種によって入口は変わってくるはずだ。たとえば製造業なら、リディッシュ株式会社が飲食業の現場でやったような業務の棚卸しを、生産管理や在庫管理の工程にあてはめてみると、近い成果が見えるかもしれない。仮に小売業であれば、北の達人コーポレーションのリサーチ業務削減の話は、価格調査や競合店舗の情報収集といった、地味だけど時間を食う作業に置き換えて考えられるはずだ。サービス業なら、製造業A社の請求書チェックの事例が、見積書や請求書まわりの事務作業にそのまま重なってくるのではないかと僕は思う。

たとえるなら、これは大きな一撃で変わる話ではなく、小さな水漏れを1つずつ塞いでいく作業に近い。派手な仕組みを1つ入れるのではなく、地味な業務を1つずつ手放していった結果として、月1,278時間という数字に積み上がっている。3社に共通するのは、この「小さく始めて改善を重ねる」という進め方そのものだったのだと思う。

このレポートには、まだ紹介しきれていない企業の事例も残っている。今週はこの3社を選んだけれど、続きはまた来週、別の会社の型を紹介するつもりだ。

👇 リンクはコメント欄に

#ススムワーク #今週のAI視点

[野口ぴろきち | ススムワーク @pirokichi]

💡 IT導入補助金で生成AI導入、半年でコスト回収した事例

💡 月350時間の業務削減。その効果で、自己負担分の110万円をわずか半年で回収できた計算になるという。

行政書士事務所が公開している事例として、IT導入補助金を活用した生成AI導入の話が紹介されている。顧客との契約内容をまとめた書類と約款についての質問に、ChatGPTが自然な文章で答えるシステムを構築した、という内容だ。

開発にかかった総額は320万円。このうち210万円をIT導入補助金でまかない、残りの110万円を自己負担で導入したという。人が対応していた顧客対応の業務が自動化され、月350時間分の業務が削減された結果、半年ほどで自己負担分を回収できる計算になった、というのがこの事例の骨子だ。

🔢 元記事で触れられている要点を整理すると、こんな感じになる。

・開発総額320万円のうち210万円を補助金で調達
・自己負担は110万円、回収までの目安は半年
・削減された業務量は月350時間
・対象は顧客からの契約内容や約款についての質問対応
・2025年度の制度改定で、生成AI機能を搭載したツールの導入が加点対象に

僕が注目したのは、削減時間の大きさよりも、投資回収までの期間が「半年」という具体的な数字で示されている点だ。補助金の話は「いくらもらえるか」に目が行きがちだけれど、この事例は「自己負担分がどれくらいの期間で回収できるか」まで示していて、そこに実務としてのリアリティを感じた。

制度の変化にも触れておきたい。元記事によると、IT導入補助金は2025年度の改定で、これまでのインボイス対応中心の位置づけから、人手不足解消に重点を移したという。生成AIの機能を持つツールを導入すると加点される仕組みになっているそうだ。

これを中小企業に置き換えて考えてみると、業種によって当てはまり方が変わってきそうだ。

たとえば製造業なら、工数管理や見積もりの作成に同じような仕組みが使えるかもしれない。見積書のひな形や過去の受注データを参照しながら、金額の目安をシステムが提示してくれる、という形が考えられるはずだ。

サービス業や士業であれば、今回の事例そのものに近い。顧客からの問い合わせ対応や契約内容の確認業務を、書類を検索して回答する仕組みに置き換えることで、同じように時間削減につながる可能性がある。

小売業だったらどうだろう。在庫や商品情報についての問い合わせ対応に、同じ考え方を応用できるかもしれない。ただし対象になる書類や情報が業種ごとに違うので、自社にとって何を検索対象にするかを整理するところが最初の一歩になりそうだ。

たとえるなら、これまで人が一件ずつめくっていた分厚いファイルを、システムが代わりにめくって該当ページを開いてくれるようなものだ。めくる作業がなくなること自体が、月350時間という数字につながっているのだと思う。

補助金の制度は毎年少しずつ中身が変わる。今回のように「生成AIを搭載したツールが加点対象になる」という変化は、これから同じような導入を検討する会社にとって、知っておいて損はない情報だと思う。

✅ 3つのポイント、メモしておくと便利かもしれない。開発総額と補助額と自己負担額の内訳、回収までの期間の目安、そして加点対象になる要件。この3つを押さえておくと、自社に置き換えて考えるときの土台になるはずだ。

👇 リンクはコメント欄に

#ススムワーク #補助金情報

[野口ぴろきち | ススムワーク @pirokichi]

今週のAIニュース】巨大市場と成果不在のギャップ、経営者自身の関与が生む差、定型業務から始める実装の順番（2026/07/11〜07/17）｜ススムワーク

今週の空気
今週素材を並べてみて感じたのは、「大きな数字」と「小さな現場」のあいだにある温度差でした。McKinseyやMIT、RANDといった名だたる調査機関が「AIプロジェクトの8割から9割は成果につながっていない」と口を揃える一方で、税理士事務所や中小の製造業では、地道な業務改善で確かな時間削減を積み上げている実例がいくつも出てきています。この落差、単なる矛盾じゃないと僕は見ていて、むしろ「全社的な変革」を狙うほど失敗しやすくて、「目の前の困りごとをひとつ潰す」ところから始めた会社ほど結果が出ている、そんな構図が透けて見えた一週間でした。読者のみなさんの会社が今どちらに近いかで、来週から見るべきニュースの角度も変わってくるはずです。

生成AIの経済効果は最大7.9兆ドル、でも「成熟した」と言える会社はわずか1%
.....
https://t.co/4cJ3yb5bdK

[野口ぴろきち | ススムワーク @pirokichi]

📊 AIプロジェクトはなぜ8割失敗するのか、2026年調査の逆説

AIプロジェクトの8割以上が、目指した事業価値を出せないまま終わっている。

2026年に入って発表された複数の調査を読み比べていて、僕はこの数字に釘付けになった。AIはこれだけ話題になっていて、多くの企業が予算をつけて取り組んでいるはずなのに、なぜここまで失敗率が高いのか。今週読んだ資料の中でも、いちばん手が止まった一本だった。

📊 まず背景を整理しておきたい。米国のシンクタンク、ランド研究所がデータサイエンティストやエンジニアに直接インタビューした定性調査では、企図した事業価値を実現できずに終わったAIプロジェクトが80%以上にのぼるという結果が出ている。

さらに厳しいのが、マサチューセッツ工科大学が手がけた調査プロジェクト「プロジェクト・ナンダ」（2025年）の数字だ。生成AIのパイロット導入を行った組織のうち、測定可能なリターンを得られたのはわずか5%。つまり95%の組織が、目に見える成果を得られないまま終わっている。

追い打ちをかけるように、市場調査を手がけるエスアンドピー・グローバル・マーケット・インテリジェンスの2025年調査では、AIの取り組みの大部分を放棄した企業が42%にのぼった。前年の17%から、たった1年で倍以上に膨らんだ数字だ。この一連の調査をまとめたレポートには、ガートナーの分析も引用されている。

💡 数字を整理すると、こうなる。

・ランド研究所: AIプロジェクトの80%以上が事業価値を実現できず失敗
・マサチューセッツ工科大学「プロジェクト・ナンダ」: 生成AIパイロットで測定可能なリターンを得た組織はわずか5%
・エスアンドピー・グローバル・マーケット・インテリジェンス: 2025年に42%の企業がAI施策の大部分を放棄(前年17%から倍増)
・共通する失敗要因は、技術ではなく組織側の課題

僕が注目したのは、これらの調査がそろって「原因は技術ではない」と言っている点だ。指摘されている要因を分解すると、大きく4つある。まず、そもそも社内で「何をもって成功とするか」の定義が揃っていないこと。次に、AIに読み込ませるデータの整理やルールづくり(ガバナンス)が追いついていないこと。3つ目は、既存の業務システムや現場のオペレーションとの統合でつまずくこと。そして最後、プロジェクトが佳境に入った段階で経営層の後押しが途切れてしまうことだ。僕の見立てでは、これはAIツールの性能の問題ではなく、「導入前にどこまで決めておくか」という経営マネジメント側の設計の問題なんだと思う。

🎯 これを中小企業の現場に置き換えて考えてみたい。

たとえば製造業なら、現場の検品や在庫管理にAIを入れようとしたとき、「何をもって成功とするか」を工場長と経営者が違うイメージのまま走り出してしまうかもしれない。工場長は「不良品の見逃しゼロ」を目指していたのに、経営者は「人件費の削減」を期待していた、というようなズレだ。

仮に小売業だったら、需要予測にAIを使い始めても、店舗ごとのデータの取り方や商品コードの付け方がバラバラなままでは、精度は上がらないはずだ。現場の入力ルールを整えるという地味な作業が、実は成功の分かれ目になる。

サービス業であれば、問い合わせ対応にAIを導入しても、途中で「これ以上は人が対応したほうが早い」と現場が判断し、経営層のフォローがないままフェードアウトしていく、という展開も十分ありうる。最初の3か月は良くても、担当者が変わった瞬間に誰も引き継がない、というのはどの業種でも起こり得る話だ。

たとえるなら、これは新しい機械を工場に一台導入するのと似ているのかもしれない。機械そのものがどれだけ優秀でも、「誰が操作を覚えるか」「稼働の目標値をどこに置くか」「うまくいかない時に誰が判断するか」を決めていなければ、宝の持ち腐れになる。AIも同じで、ツールを入れること自体はゴールではなく、そこから先の「決め事」を誰がいつまでに固めるかが、成否を分けているように見える。

この3つの数字、僕は今週読んだ資料の中でいちばん引っかかったので、ここにまとめておく。似たような話を社内で共有するとき、そのままメモしておくと便利だと思う。

👇 リンクはコメント欄に

#ススムワーク #今週のAI視点

[野口ぴろきち | ススムワーク @pirokichi]

【債務超過から抜け出して、銀行から追加融資をうけて、中長期的に黒字回復したい経営者向け】

ススムワークで、融資を受けるにあたって事業計画が必要だったので、中小企業のお金のお悩みを解決するAIエージェントアプリを、どうせなら・・・世のため、人のため、経営者のためと思ってつくりこみました！すんごいのできた！

僕の会計スキルと経営戦略の考え方を、このアプリにすべて詰め込んだのですが、僕より明らかに有能なAIアプリになりました！なんかとにかくすごい！モニター対応してもらったのですが、めっちゃ好評です！依頼から最短1日ですごい事業計画書ができます！できあがる事業計画書のレベルは、僕目線だと「中堅以上の中小企業診断士に依頼して、1ヶ月かかって、50万円はかかるもの」相当です！

このポストが偶然目に止まって、お困りの方がもしおられたら、詳しくご説明・ご提案できますので、FacebookメッセンジャーでDMしてください！お付き合いの長い方ならご存知だとおもいますが、僕は守秘義務めっちゃ守るので、一切漏れません。相談したことすら漏れません。ひとりで悩んでいるのなら、話くらいは聞いてみるか、ってお声がけくださいね！

[野口ぴろきち | ススムワーク @pirokichi]

📝 効果は14〜55%、なのに全体は変わらない不思議

タスク単位でAIを使うと14%から55%も効果が出るのに、会社全体で見るとその効果はほとんど誤差の範囲に消えてしまう。しかも企業向けAI導入プロジェクトの95%は、期待した成果を出せずに終わっているという数字まである。

数字だけ見ると、AIは「現場では効くのに、経営指標には出てこない道具」ということになる。今週いろんな調査に目を通していて、いちばん引っかかったのがこのねじれだった。

面白いのは、これが1つの調査だけの話ではないということだ。経営者向け調査、大手コンサルの調査、そしてノーベル賞受賞者による学術的な予測。切り口の違う複数の情報源が、そろって同じ方向を指している。

📊 2026年の主な調査を並べてみると

・経営者向け調査では、タスク層の効果は14〜55%だが、企業全体の生産性への影響は無視できる水準。しかも大規模導入の95%が失敗している
・デロイト調査では、66%の企業が生産性向上を報告しながら、収益成長につながったのは20%にとどまる
・PwCの世界経営者調査では、56%の経営者が「AI投資から何も得ていない」と回答している
・BCGの調査では、42%の従業員が週1日分の時短を実感しているのに、66%はその時間の使い方について十分な指導を受けていない
・ノーベル賞受賞者による予測では、今後10年の総生産性成長率はわずか0.5〜0.7%にとどまるとされている

タスク層の14〜55%という数字と、企業全体では無視できる水準という数字。この2つを並べて見ると、AIそのものの性能が疑われているわけではないことがわかる。問題は、個々のタスクで生まれた効果が、組織全体の数字までうまく積み上がっていないことにある。

💡 僕が注目したのは、この調査群が「効果が出ていない」と言っているのではなく、「効果の使い道が決まっていない」と言っている点だ。42%が時短を実感しているのに、その多くが戦略的な仕事に転用できていない。道具は動いているのに、受け皿がまだできていない、というのが僕の見立てだ。

56%の経営者が「何も得ていない」と答えている一方で、66%の企業が生産性向上を感じている。この2つの数字が同時に成り立つのは、感じている効果と、経営者が期待していた効果の種類が違うからなんだと思う。現場の時短は起きているのに、それが売上や利益として経営者の目に見える形になっていない。

⚙️ これを中小企業の現場に置き換えて考えてみる。

たとえば製造業なら、検品や在庫管理にAIを入れて時間が浮いたとする。その浮いた時間を「次は何をするか」まで決めておかないと、浮いた時間はただの空白になってしまうはずだ。

たとえば小売業なら、接客記録や発注業務をAIに任せて時短ができたとしても、その分を新商品の企画や常連客への提案に回す設計がなければ、数字には表れてこないだろう。

たとえばサービス業なら、見積書や報告書の作成をAIに任せて浮いた時間を、既存業務の穴埋めに使ってしまうと、生産性は変わらないまま終わる可能性がある。

たとえるなら、これは新しい機械を工場に入れたのに、その機械が作った部品をどこに運ぶか決めていない状態に近いのかもしれない。機械そのものは正しく動いている。足りないのは、その先の動線だ。

つまりこの調査群が示しているのは、AIの性能の問題ではなく、浮いた時間を何に使うかという「配分の設計」の問題なんだと思う。道具を入れるところまでは誰でもできる。そのあとの工程を、経営の側がどれだけ準備できているか。そこが分かれ目になっている気がする。

元になった調査には、業種別・企業規模別の内訳データも載っている。気になる業種がある人は、そちらから読み進めると発見が多いはずだ。

👇 リンクはコメント欄に

#ススムワーク #今週のAI視点

[野口ぴろきち | ススムワーク @pirokichi]

ある調査レポートの、最後の一文が頭から離れません。

「中小企業に足りないのは、ツールではなく——伴走者だ」

ツールなら、もうみんな持っています。ChatGPTは触ったことがある。でも、会社の仕事に組み込めているかというと、導入率は中小企業で12%（大企業は42〜48%）。差の理由の1位は「何から始めればいいか分からない」の62%でした。

順番を決めてくれる人が隣にいれば、動ける会社はたくさんある。数字はそう読めます。

すすもう会がやっているのは、その"隣に立つ"ほうの仕事です。7/23のCursor講座では、最初の一歩をみんなで揃えて踏みます。見逃しても、会員ならアーカイブでどうぞ。

7/23(木)10:00-11:30 オンライン
▶ https://t.co/EryVoxOdfQ

[野口ぴろきち | ススムワーク @pirokichi]

📊 AIで仕事が消える予測と、6860万人の現実

6,860万人。これが2025年、日本で働いている人の数だ。前年より64万人多く、5年連続の増加になる。

AIや自動化が仕事を奪う、という話をここ数年よく耳にするようになった。でも労働政策研究・研修機構と日本統計局が公表した数字を見る限り、そういう展開にはなっていない。

完全失業率は2.5%。前年と同じ水準で、悪化のきざしは見当たらない。むしろ就業者数は増え続けている。

この数字を整理すると、こうなる。

・就業者数6,860万人（2025年・前年比64万人増）
・完全失業率2.5%（前年と同水準）
・就業者数は5年連続で増加
・情報通信業の労働者比率は2007年3.1%→2022年4.4%（15年間で1.3ポイント増）

僕が注目したのは、最後の情報通信業の数字だ。ITの世界でいちばん自動化が進んで当然に見える業種でさえ、15年かけて労働者比率がたった1.3ポイントしか動いていない。自動化が一気に人を置き換える、という話とは、だいぶ違う速度で現実は進んでいる。

これを中小企業の現場に置き換えて考えると、見えてくるものがある。自動化やAI導入は、人をまるごと不要にする話ではなく、業務の一部を少しずつ肩代わりする話として進んでいくものなのかもしれない。5年連続の就業者数増加という数字は、そのことを裏づけているように見える。

たとえば製造業なら、検品や在庫管理をAIに任せる場面が増えても、それがそのまま人員削減に直結するとは限らないはずだ。空いた時間を新しい受注対応や品質改善に回す、という展開のほうが起きやすいのかもしれない。

小売業なら、AIレジや需要予測のツールを導入しても、仕入れ判断や接客といった人にしかできない部分は残り続けるだろう。人手不足のなかで、AIが担う部分と人が担う部分のすみ分けが進む、という流れのほうが自然に思える。

サービス業なら、問い合わせ対応の一部をAIに任せたとしても、複雑な相談ごとや信頼関係が必要な場面では、結局のところ人が動くことになりやすいはずだ。

情報通信業の1.3ポイントという数字は、たとえるなら、15年かけてゆっくり満ちてくる潮のようなものだ。劇的に押し寄せるのではなく、少しずつ、しかし確実に水位が変わっていく。中小企業にとっての自動化も、同じようなペースで進んでいくものとして捉えたほうが、実態に近いのかもしれない。

6,860万人・64万人増・2.5%・1.3ポイント。この4つの数字、覚えておくと便利かもしれない。景気や採用の話題が出たときに、思い出す材料になるはずだ。

👇 元レポートはコメント欄に

#ススムワーク #数字で見るAI

[野口ぴろきち | ススムワーク @pirokichi]

【インプット中心のAIセミナーで頭でっかちになっていませんか？】

いろんなセミナーがありますが、知識強化が中心で、結局は終わってから自力で取り組まないといけなくて、取り組んでみたらやり方がわからなかったり、つまづいてしまって、でも相談できるサービスになっていなかったり、個別コンサルティングになっていたり、あーやりたいけど、わからないから今のところいいや！みたいになっていませんか？

こういったお悩みを解決しようとしてススムワークが取り組んでいるのが、実践コミュニティ「すすもう会」です！

すすもう会では、教えることよりも、私にもできた！に焦点を当てるコンセプトにして運営しています！なので、毎回ガヤガヤいいながらも、とにかく私にもできた！を量産できるように、誰も取り残すことなく、できるようになることを目指して運営しています

そんな中で、これまで取り組んできた生成AI(ChatGPTやGeminiなど)は、多くの方が難しいことまでできるようになってきました。次はAIエージェントに頼んでみよう！ということで、AIエージェントの中でもCursorを選定して、最初のセッティングから、最初の初期操作から、1つ1つ丁寧に私にもできた！になってもらおうという位置づけです

1回で深くまでできるようになることは目指していなくて、コツコツ毎月着実に進んでいくことで、気がついたら結構なことができるようになっている！！！を目指しています

前回Cursor講座をやったのですが、もっともっと難易度を下げないと脱落者が出ることがわかったので、仕切り直しての追加開催です！ご都合をつけて、ぜひ参加してください

7月23日(木)10:00-11:30で、ZOOMでの開催です。参加費用もありえないくらいの価格に設定したので、心折れてしまった方、諦めてしまっている方は、ぜひご参加くださいね！日程がどうしても合わない方は、ライブ参加ではなく、アーカイブ視聴もできるようになっていますし、自分のペースで振り返ることができます。1番身につくのはライブ参加だと感じているので、何とかご都合をつけてこの波に乗ってください！できたことをアーカイブで振り返るのと、知らないことを自習してアーカイブで学ぶのとでは、定着率がまったく違うのはおわかりいただけると思います

お待ちしていますね！

[野口ぴろきち | ススムワーク @pirokichi]

学ぶ場所を選ぶとき、僕がいちばん見てほしいのは、講師の経歴でもカリキュラムでもありません。

「質問しやすいかどうか」です。

すすもう会のホームページには、参加者の声を載せています。そのなかに、こんな一言があります。
「初歩的な質問でも、自然に聞ける雰囲気」

地味な感想に見えるかもしれません。でも、僕はこれがすべてだと思っています。

大人になってからの学びが挫折する場所は、たいてい決まっています。内容が難しいからではなく、「こんなことも分からないと思われたくない」が先に立って、質問を飲み込むから。飲み込んだ質問は消えません。分からないまま次に進んで、分からないが積み重なって、ある日そっと足が向かなくなる。

だから、すすもう会は順番を逆にしました。
内容より先に、「分からないと言える空気」をつくる。不動産の人も、経営コンサルの人も、建築設計の人も、保育園の人もいる——全員がAIの専門家ではないから、「初歩的な質問」という概念自体が、そもそも成立しない場所です。

7/23のCursor超初心者講座も、その空気のなかでやります。
インストールでつまずいても、画面のどこを見ればいいか分からなくても、その場で聞いて、その場で解決して、先へ。「私にもできた」を持ち帰ってもらうことが、この日のゴールです。

ひとりで調べて心が折れた経験がある方へ。今度は、聞ける場所でやってみませんか。

7/23(木)10:00-11:30 オンライン

[野口ぴろきち | ススムワーク @pirokichi]

🔭 AI導入失敗率82%、現場定着はわずか18%という数字

ここ1週間で、AI導入の現場定着に関する数字を何度か目にした。

パイロットプロジェクトを始めた製造業の中小企業のうち、87%が現場定着に失敗しているという調査結果だ。最終的に現場へ根づいたのはわずか18%、失敗率は82%にのぼる。実証実験が止まる、運用が中止される、投資対効果がわからないまま終わる・・・そんなケースが積み重なっているらしい。

📊 具体的な数字を並べてみる。

・パイロット開始企業の87%が現場定着に失敗
・現場定着の成功率はわずか18%
・失敗の主因は経営・現場・IT部門の連携不足(70%)
・金属加工業のケースは180万円投資も6ヶ月で放置
・成功企業は最初の3ヶ月で信頼を獲得

💡 僕が注目したのは、失敗の主因が技術力ではなく「連携不足」に集約されている点だ。180万円を投資した金属加工業のケースでは、そもそも「何の不良をどれだけ減らしたいか」という目的が、導入前に定義されていなかったという。検証の指標が決まっていなければ、6ヶ月後に「効果があったのか」を誰も判断できない。それなら現場が経験と勘に戻るのは、むしろ自然な選択だったのかもしれない。

需要予測AIのケースは、少し違う角度の失敗に見える。経営層が現場リーダーへのヒアリングを行わないまま導入し、現場は「変わった環境では使えない」と受け止めて、意図的に予測を避けるようになったという。技術の精度以前に、現場が「自分たちの声が反映されていない」と感じた時点で、使われない道具になってしまうんだなと感じた。

これを業種別に置き換えて考えてみる。

たとえば製造業なら、検査AIを入れる前に「どの不良をどれだけ減らしたいのか」を数値で決めておく必要があるはずだ。目的が曖昧なまま導入すると、6ヶ月後に誰も効果を語れなくなる。

たとえば小売業なら、需要予測AIを入れる場合も、店舗スタッフの実感を先に拾っておかないと、「当たらない」の一言で使われなくなるかもしれない。現場の納得感は、精度そのものより先に必要になるはずだ。

たとえばサービス業なら、業務効率化のAIを入れるときも、現場の負担がどう変わるかを事前にすり合わせておかないと、便利なはずの仕組みが「余計な作業」として扱われてしまうかもしれない。

たとえるなら、新しい道具を現場に配っただけで、使い方の説明も、使う理由も渡していないようなものかもしれない。道具そのものは悪くなくても、使われなければ投資はそこで止まってしまう。

一方で、この調査が拾っていた成功企業の共通点も気になった。最初の3ヶ月で小さな成功体験を作り、現場の信頼を獲得してから広げていく・・・そんな段階的なアプローチだったという。派手な一撃ではなく、小さく積み上げるやり方が、結果的に定着率を分けているのかもしれない。

87%と18%。この2つの数字の差が、ここ1週間ずっと頭に残っている。

#ススムワーク #AI時代の経営視点

[野口ぴろきち | ススムワーク @pirokichi]

✅ ものづくり補助金でAI検査導入、傷混入率2%→0.01%以下に

✅ ものづくり補助金の「省力化（オーダーメイド）枠」を使った事例で、傷の混入率が2%から0.01%以下まで下がった検査ラインがあると知った。

省力化枠は、人手に頼っていた工程をAIやロボットで置き換える投資を後押しする枠だ。今回の事例集には、農産物の検査ラインにAIビジョンを導入したケースと、熱供給サービスの現場に予測AIを導入したケースの、2つが並んでいた。

📊 事例の要点を整理すると、こうなる。

・木質バイオマスを使う熱供給企業は、熱需要予測AIを導入し、日々変動する熱需要を自動で予測することで最適な熱供給を実現した
・その結果、運転監視員の省人化が進んだ
・「蜜柑AIビジョン」という検査アルゴリズムでは、傷の混入率が2%から0.01%以下に低減した
・腐敗の混入率も0.3%から0.2%以下まで下がった
・活用したのは、ものづくり補助金の「省力化（オーダーメイド）枠」で、補助率は1/2〜2/3

💡 僕が注目したのは、検査精度の向上が単なる歩留まり改善では終わっていない点だ。傷や腐敗の混入率がここまで下がると、検査結果そのものが「信用できる基準」として扱われるようになる。だからこそ、海外への長期輸送という選択肢が現実的になり、ブランドの付加価値と新しい販路開拓につながった、というのがこの事例の構造だと僕は読んだ。

省人化の話も同じ構造を持っている。熱需要予測というのは、本来なら経験を積んだ担当者が勘と経験で調整してきた領域のはずだ。そこにAIが入ることで、監視という仕事自体が減る。人が足りないから仕方なく削るのではなく、AIに任せられる部分を明確にした上での省人化、という順番になっているのが特徴だと思う。

🔧 これを他の業種に置き換えるとどうなるか、少し考えてみた。

製造業なら、目視検査に人を貼り付けている工程はどこも同じ構造を抱えているはずだ。カメラとAIで異物や傷を検知できれば、検査精度が「担当者の経験」ではなく「数値」で語れるようになる。数値で語れる検査は、取引先への説明もしやすくなるだろう。

小売業なら、店舗の在庫管理や発注のタイミングに近い話になるかもしれない。仮に需要予測AIを発注業務に応用できれば、欠品や過剰在庫という、人の勘に頼りがちな判断をデータで補える可能性がある。

サービス業なら、予約や稼働の需要予測に近い応用が考えられる。仮に繁閑の波をAIが予測できれば、無理のないシフト調整につながるはずだ。

たとえるなら、今回の事例は「検査員の目」を「数値化された基準」に置き換えた話だ。目は疲れるし、日によって精度が揺れる。でも数値は揺れない。揺れない基準を持てたことが、海外輸送という次の一手を可能にしたのだと思う。

元の事例集には、熱供給企業がどう運転監視の体制を変えていったかという、もう少し詳しい経緯も載っている。本文では検査ラインの話を中心に取り上げたけれど、気になる方はそちらも読んでみてほしい。

👇 リンクはコメント欄に

#ススムワーク #補助金情報

[野口ぴろきち | ススムワーク @pirokichi]

AIの答えが「なんか違う」とき、その9割は、頼み方で直せます。

ツールを替える前に、今日から使える3つの型を置いておきます。

①役割を渡す
「あなたは中小企業向けの広報担当です」と最初に一言。立場が決まると、答えの的が急に絞れます。

②見本を1つ見せる
「この案内文と同じトーンで」と過去の文章を貼る。ゼロから説明するより、見本1つのほうが早くて正確です。

③先に質問させる
「書き始める前に、不明点を質問して」と頼む。AIが想像で埋める部分が減って、やり直しが減ります。

3つとも、才能ではなく"型"です。知っていれば今日から効きます。

そして、この延長線上に「ファイルごと任せる」という次の型があります。頼み方が分かってきた人の、次の一歩。7/23のすすもう会で、Cursorというツールを使って一緒にやります。

（7/23(木)10:00-11:30 オンライン ▶ https://t.co/EryVoxOdfQ ）

[野口ぴろきち | ススムワーク @pirokichi]

📝 ROI中央値10%――「絞った企業」は2.1倍成果を出していた

今週読んだ調査のなかで、最後まで頭に残ったのはこの数字だった。AI投資のROI(投資対効果)、中央値はわずか10%。

マッキンゼーとグーグルクラウドが実施した、経営層や情報システム部門の責任者およそ5,400名を対象にした大規模調査と、BCG(ボストン・コンサルティング・グループ)による19の市場・1,803社の経営層調査。この2つを統合して分析した報告が、今週の編集会議でいちばん議論になった素材だ。

📊 数字を並べると、正直かなり厳しい。

・AI投資のROI中央値は10%にとどまる
・約33%の企業が「成果は限定的」と回答している
・ROIを確実に測定できている企業はわずか29%
・一方「先進企業」(施策を3.5個のユースケースに絞った企業)は、他社(平均6.1個に分散)と比べてROIが2.1倍高い

僕がこの調査で注目したのは、「技術が悪い」という結論に一切なっていない点だ。BCGの別調査でも、ROIを確実に実現できている企業は「計測の仕組みを先につくる」「無理せず段階を踏んで広げる」「現場で使う場面を先に決めておく」の3点を徹底しているという。つまり差を生んでいるのは技術力ではなく、最初にどれだけ絞り込めたか、という導入戦略の話なんですよね。

これを中小企業に置き換えて考えてみると、輪郭がはっきりしてくる。

たとえば製造業なら、生産管理・品質検査・在庫予測・需要予測・設備保全・・・とやりたいことは山ほど浮かぶはずだ。でも先に手を広げすぎると、どれも「試してみただけ」で終わりやすい。仮に最初の3ヶ月は品質検査の一点だけに絞るとしたら、効果測定もしやすいし、社内の理解も得やすいはずだ。

小売業なら、需要予測・接客支援・在庫最適化・販促文章づくりなど選択肢は広い。もし最初から全部を並行して試そうとすると、どの施策が効いたのかが最後まで分からなくなる。たとえるなら、5つの蛇口を同時にひねって、どの水がいちばんおいしいか判定しようとするようなものだ。まずは1つの蛇口をじっくり味わうほうが、判断はしやすいのだろう。

サービス業であれば、予約対応・顧客対応の下書き作成・シフト管理あたりが候補になるはずだ。仮に「まず顧客対応の一次返信だけ」と決めて、計測の仕組みを先に用意しておけば、3ヶ月後には胸を張って社内に報告できる数字が残るのではないだろうか。

💡 僕の見立てでは、この調査がいちばん伝えたいのは「絞る勇気」の話だと思う。あれもこれも試したくなる気持ちはよくわかるし、それ自体は悪いことじゃない。でも、成果を測る前提を先につくって、範囲を絞ってから始める。この順番を変えるだけで、同じ投資でも結果が変わってくるという話なんですよね。

この3点、そのまま社内の会議資料にメモしておくと便利かもしれない。

👇 リンクはコメント欄に

#ススムワーク #今週のAI視点

[野口ぴろきち | ススムワーク @pirokichi]

新しいソフトを開いて、10秒で閉じる。

7/23の講座を準備しながら、ずっと考えていたのは、あの瞬間のことです。

画面いっぱいに知らないボタン。英語のメニュー。どこを押せば何が起きるのか分からない——「難しそう」の正体は、たいてい機能ではなく"画面"のほうです。

だから7/23のCursor講座は、90分のメインを「画面の見方」に使います。
左に何が並んでいるか。どこでAIに話しかけるか。AIがした変更を、どこで確認するか。この3つが分かるだけで、「10秒で閉じる」は起きなくなります。

高度な機能は、その先でいい。まず、画面が怖くなくなること。最初の一歩の設計として、順番はこれで十分だと思っています。

（7/23(木)10:00-11:30 オンライン ▶ https://t.co/EryVoxOdfQ ）

#Cursor #AIエージェント

[野口ぴろきち | ススムワーク @pirokichi]

🤔 中小企業のAI導入率12%、本当の壁は補助金ではない

中小企業のAI導入率は12%。大企業の40%超と比べると、この差は思っている以上に大きい。

これはリーチ社の調査で示された数字だ。僕が注目したのは、その原因として挙げられているのが『資金不足』ではなく、『何から手をつけていいか分からない』という意思決定の曖昧さだった点だ。AI導入には最大450万円、補助率1/2から最大4/5という、かなり手厚い補助金制度がすでに用意されている。それでも導入は進んでいない。つまり、お金の話ではないということになる。

同じ調査によると、中小企業の6割が『AIをまだ業務で使えていない』と答えている。導入すらしていない企業が多いというより、使い始めてはみたものの活用しきれていない、という状態に近いのかもしれない。

📊 今回の調査で押さえておきたい数字
・導入率は12%、大企業は40%超
・補助金は最大450万円、補助率1/2〜最大4/5
・6割が『まだ使えていない』と回答
・成功の鍵は『限定的かつ測定可能な単一業務』への適用
・三重県の老舗ジャバラメーカー・ナベル様は年間約2万件の受注データ突合を3名体制から1名体制に移行し、精度も同時に向上させた

💡 僕の見立て
この数字を見て感じたのは、AI導入で一番つまずくのは技術でもお金でもなく『どこから手をつけるか』を決める部分だということだ。多くの会社は、AIを導入するとなると『会社全体を変える』ような大きな絵を描こうとしてしまう。でも、大きな絵から入ると、決めることが多すぎて動けなくなる。

ナベル様の事例が教えてくれるのは、その逆の順番だ。受注データの突合という、限定された一つの業務だけに絞り込んだからこそ、3名体制から1名体制へという、誰が見ても分かる成果につながった。大きな変革ではなく、小さくて測定可能な一勝ちを先に作る。この順番の違いが、12%と40%という差を生んでいるように僕には見える。

これを業種ごとに置き換えて考えてみると、もう少し具体的になる。たとえば製造業なら、検品数量や在庫の数量チェックのように、毎日繰り返していて答え合わせがしやすい業務から始めるのが向いているはずだ。小売業なら、発注データと入荷実績の突合や、在庫台帳の照合あたりが同じ構造を持つだろう。サービス業なら、予約情報や顧客データの重複チェックのような、地味だけれど毎回人の目で確認している業務が候補になるかもしれない。

共通しているのは、『これだけ減った』『これだけ速くなった』と数字で語れる業務を最初に選ぶという発想だ。たとえるなら、いきなりフルマラソンを走ろうとするのではなく、まず1キロだけ走ってみて『思ったより走れた』という手応えを得るようなものだと思う。その手応えがあるかないかで、次の一歩を踏み出せるかどうかが変わってくる。

ここでもう一つ引っかかったのが、『自社にはAIは合わない』という空気が一度社内に根付くと、次のチャレンジがしづらくなるという指摘だ。最初の挑戦でつまずいた記憶は、意外と長く残る。だからこそ、最初に選ぶ業務は、失敗しにくく、成果が見えやすいものであるべきなんだろう。

🎯 補助金は用意されている。あとは、どの業務から始めるかを決めるだけ、、、と言いたいところだけど、この『決める』が実は一番難しい部分でもある。ここは正直、僕もまだ、業種を問わず使える『最初の一手』の選び方を言い切れずにいる。ナベル様のような『測定しやすい単一業務』という視点は一つの手がかりだけど、その業務をどう見つけるかは、会社ごとに違うはずだから。

👇 リンクはコメント欄に

#ススムワーク #AI常識の逆張り

[野口ぴろきち | ススムワーク @pirokichi]

「AIエージェント」を、30秒で説明できますか。

ChatGPTまでは使えている。でも、その"次"と言われている言葉の中身は、意外と曖昧なまま——という人が実は多い。今日はその30秒ぶんの話です。中身は、思っているよりずっとシンプルなので。

これまでのAI（ChatGPTなど）は、ひとことで言えば"聞けば答えてくれるAI"。優秀な相談相手ですが、もらった答えを仕事に反映するのは、あなたの手作業でした。

AIエージェントは、そこが違います。
"やっておいて、が通じるAI"。あなたのファイルを見ながら、作成や修正といった作業そのものを進めてくれる。相談相手と、机を並べて手を動かす同僚くらいの違いがあります。

「で、具体的に何ができるの？」——7/23の講座で覚える操作は、こうです。
・AIに日本語で頼んで、ファイルを作ってもらう（当日の題材は懇親会の企画）
・内容が変わったら、関係するファイルをまとめて直してもらう

題材は身近でも、覚える操作は仕事のそれです。お客様への案内でも、発注書まわりの文面でも、「作って・直して・ファイルに残る」の形は同じ。この"任せる感覚"は、翌日の資料づくりにそのまま残ります。

Cursorは、その入口としていちばん分かりやすいツールです。90分で、任せる感覚を自分の手でつかみに来てください。プログラミングの知識はいりません。

説明できる側になるより、"使ったことがある側"になるほうが早い。7/23は、そのための90分です。

7/23(木)10:00-11:30 オンライン（90分）

[野口ぴろきち | ススムワーク @pirokichi]

白状すると、僕はAIに「飽きた」ことが何度かあります。

正確に言うと、飽きたというより、疲れた。
すごいと聞いて触ってみる。たしかにすごい。でも数週間たつと、開く回数が減っている——ブックマークの奥で眠っているAIツール、あなたにもありませんか。

なぜ続かないのか、考え続けて、いま思うのは、原因は意志の弱さではなく"扱い方"だったということです。

僕たちは新しいツールを、無意識に「道具」として扱います。道具には正しい使い方があって、覚えなければ使えない。マニュアルを読み、機能を覚え、うまく使えない自分にため息をつく——この構図になった瞬間、続かなくなる。仕事が忙しいとき、道具の勉強は後回しになるに決まっているからです。

でも、AIにはもうひとつの扱い方があります。
「相棒」として付き合う、という扱い方です。

相棒に、正しい使い方はありません。あるのは、やりとりだけです。
雑に頼んでみる。ずれた答えが返ってくる。「そうじゃなくて、こう」と言い直す。だんだん、こちらの言葉が通じるようになる——この繰り返しは勉強ではなく、関係づくりに近い。そして関係づくりは、忙しくても続きます。仕事の中でやれるからです。

ChatGPTを"相談相手"にするところまでは、多くの人ができています。聞けば答えてくれる、いい関係です。
ただ、相談相手との会話は、それだけでは仕事になりません。もらった答えをファイルに写す作業は、ぜんぶ自分の手元に残る。ここで疲れて、また「飽きた」がやってきます。

次の段階は、相談相手に仕事を任せてみることです。
あなたのファイルを直接見てもらい、作成や修正まで進めてもらう。相談相手が、机を並べる相棒に変わる。Cursorというツールが体験させてくれるのは、この関係の変化です。

7/23のすすもう会で、その最初の一歩をやります。
画面の見方から、AIに日本語で頼んでファイルを1つ作るところまで。プログラミングの知識はいりません。「何度か飽きた」経験のある人にこそ、来てほしい90分です。今度は勉強ではなく、相棒との顔合わせなので。

[野口ぴろきち | ススムワーク @pirokichi]

🌐 財務責任者734人調査、AI投資8割が生産性向上に届かず

734社。デューク大学と米国のアトランタ連銀が共同で実施した財務責任者向け調査で、AIに投資した企業の80%以上が「生産性の向上を実感できていない」と回答した。2026年3月25日に発表されたこの調査結果、僕は数字を見て思わず二度見してしまった。

この調査が対象にしたのは、企業の財務の意思決定を担う責任者734名。AI導入の是非を数字で判断する立場の人たちだ。売上や採用の勢いだけで語られがちなAI活用の話を、財務という一番シビアな物差しで測り直した調査、と言えるかもしれない。

もうひとつ、この調査で見逃せないのが雇用への影響だ。AIによる雇用削減は、事前に語られていた終末論的な予測の9分の1程度にとどまり、実際に雇用削減が起きた割合は0.4%のみだったという。「AIが仕事を奪う」という不安の声はここ数年ずっと聞こえてきたけれど、財務責任者という現場に一番近い立場からの回答は、その不安とはずいぶん違う手触りをしている。

・AI投資企業のうち80%以上が生産性向上を実感できていない
・調査対象は財務責任者734名という大規模なサーベイ
・雇用削減は終末論的予測の9分の1、実数は0.4%のみ
・発表はデューク大学とアトランタ連銀の共同調査

僕が注目したのは、「生産性が上がらない」という数字と「雇用はほぼ減っていない」という数字が、同じ調査の中で並んでいるという点だ。これは普通に読むと矛盾しているように見える。AIに投資したのに成果が出ていないなら、なぜ企業は人を減らさずに済んでいるのか。僕の見立てでは、これは「AIが仕事を代替する」という単純な図式ではなく、「AIをどう業務に組み込むかがまだ手探りの段階」にある企業が大半、ということを示しているのだと思う。ツールを入れただけでは生産性は上がらない。そこに気づいている企業がまだ少ない、あるいは気づいていても組み込み方を試行錯誤している最中、ということなのだろう。

これを中小企業の現場に置き換えて考えてみると、業種によって景色はだいぶ変わってくるはずだ。

たとえば製造業なら、AIを導入しても現場の作業手順そのものを見直さない限り、生産性の数字には反映されにくいはずだ。ツールだけ新しくして、従来の工程をそのまま踏襲していれば、投資は「入れただけ」で終わってしまう可能性がある。

小売業であれば、接客や在庫管理にAIを部分的に取り入れても、店舗オペレーション全体を再設計しなければ、数字としての生産性向上にはつながりにくいだろう。仮に発注業務の一部をAIに任せたとしても、そこで生まれた時間を何に使うかを決めていなければ、効果は見えないままかもしれない。

サービス業なら、AIによる問い合わせ対応の効率化を試みたとしても、それが売上や顧客満足度という指標にどう跳ね返るかまで設計していなければ、「導入したのに変わらない」という感覚だけが残るはずだ。

たとえるなら、AIは新しい工具箱のようなものかもしれない。工具箱を買っただけでは家は建たない。どの工具をどの工程で使うかを決めて、初めて意味が出てくる。今回の調査結果は、多くの企業がまだ工具箱を開けたばかりの段階にいることを、数字として映し出しているのだと僕は読んでいる。

この3つのポイント、頭の片隅にメモしておくと、社内でAI活用の話が出たときに冷静な判断材料になるはずだ。

👇 リンクはコメント欄に

#ススムワーク #海外AI最前線