Kopyゆるく個別株投資🛹

40代/広島出身/杉並在住/戸建/早朝散歩🛹🚵🏌️🏃/妻と娘/酒辞めて4年目/172㎝62キロ/IT資格14個/日米株投信5000 万 年間配当23万/積立月10万/1馬力/外資ITでサステナコンサルで苦悩中😩/#株クラ

[Kopyゆるく個別株投資🛹 @sanpodiet]

2025自己紹介

👪40代男、妻子有り、杉並
🏢外資IT
💵NISA枠はインデックス投資、日米株、ビットコイン
🏠住宅ローン3000万返済中
✈️旅行、スケボー🛹、ドローン、メルカリ　
🍶たまに飲む(元断酒部)
👔ミニマリスト
🌳自然好き

[Kopyゆるく個別株投資🛹 @sanpodiet]

2024自己紹介

👪40代男、妻子持ち、杉並区
🏢外資IT
💵NISA枠はインデックス投資のみ、その他日本株とアメ株
🏠住宅ローン3000万返済中
✈️旅行、ドライブ、ポイ活、メルカリ　
🍶飲まない
👔ミニマリスト
🌳自然好き

#株友
#投資家さんとつながりたい

[町田市いじめ公式アカウント @machida__izime]

【初公開⚠️】#殺し方ノートの実物

加害女児のイニシャルを自分で隠すのが
悔しい！がそれ以外全て公開

小学6年生の加害児童が描いたとは思えない猟奇的な実物ノートの描写に気味の悪さを強く感じます。楽しそうに❤️マークまであり一つ一つの描写にサイコパス加害女児の異常さを感じます。
#拡散希望

[DEATHDOL NOTE @DEATHDOL_NOTE]

【害悪度S】

町田市立小学校
加害女児4人(モザイク)

備考
・被害者は遺書を残して自死
・「女児の○し方ノート」を学校に提出
・机の中に「死ね！」等のメモを入れる
・学校はいじめを把握していたが隠蔽
・校長はまさかの教育長に栄転
・加害生徒4人は謝罪なし

遺族 : @machida__izime

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

日本のヒューマノイド政策で最も危険なのは、
「米国と中国がヒューマノイドを作っている。日本も国産ヒューマノイドを作ろう」
という発想。

日本が目指すべきは、
日本版Teslaを1社作ることではない。

必要なのは、
「Physical AI産業OS」

日本には、

産業ロボット
減速機
モーター
精密ベアリング
センサー
FA
品質管理
製造現場
システムインテグレーション

という世界有数の産業資産が存在する。

問題は、技術がないことではない。

個々の技術が強い一方で、

AI
ロボティクス
現場データ
シミュレーション
安全認証
現場SI

が、
一つの産業アーキテクチャとして接続されていないこと。

米国は、
AIモデルとクラウドを統合する。
中国は、
EV、バッテリー、モーター、部品、量産を統合する。

日本が取るべき戦略は、
「世界で最も安全に、確実に、Physical AIを現場実装できる国」
になること。

そのために必要なのは、

①重要部品産業の強化
②ロボット基盤モデルの開発
③工場・物流・医療・建設からの実世界データ基盤構築
④シミュレーションと共通評価環境
⑤Physical AI現場統合SI産業の育成
⑥安全、保険、責任ルールの整備
⑦国際標準化

補助金政策も変える必要がある。

ロボットメーカーに開発費を出して終わりではいけない。

開発
↓
現場導入
↓
実世界データ取得
↓
共通評価
↓
モデル改善
↓
再導入

という国家規模の学習ループを作るべき。

日本が目指すべきなのは、
世界一のヒューマノイドを1台作ることではない。

100社の完成品メーカーが利用し、
1,000社の部品メーカーが参加し、
10,000の現場から学習する、
『Physical AI産業基盤を構築すること』

AIでは米国、
量産では中国。

その間で日本は、

「現場実装の国」
という第三のポジションを取りにいくべき。

「ヒューマノイドを買うか」ではなく、「Physical AI時代に自社の業務・データ・設備をどう変えるか」
を今から設計すべき。

産業政策では、
国産ヒューマノイド1社を作る発想ではなく、部品・ロボット・現場データ・AI・SI・安全基準を統合した「Physical AI産業OS」を構築しなければならない。

Physical AIは、ロボット政策ではない。

次の20年の製造業、物流、医療、介護、建設、インフラを再設計する産業政策としての位置付けとして重要テーマとして見据えていくべき。

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

これからのITコンサルビジネスの真価が問われる。

Microsoft Frontier Companyの設立は、
単なる新組織のニュースではない。

AI産業の主戦場が、
モデルから企業変革へ移ったことを示す象徴的な出来事。

Microsoftが25億ドルを投じ、約6,000人規模の「Microsoft Frontier Company」を立ち上げた。

このニュースを、
「MicrosoftがAIコンサルを始めた」
とだけ見ると見誤る。

本当に起きているのは、

「AIモデル競争」から、
「企業を実際にAI化できる会社の競争」への移行。

OpenAIもDeployment Companyを設立し、AWSもFDE組織を強化している。

なぜ、AIが進化しているのに、人間のエンジニアを企業の現場へ大量投入するのか。

答えは、

企業のAI導入を止めているのは、
AIの性能不足ではないからだ。

・業務が整理されていない
・データが分散している
・判断基準が暗黙知になっている
・承認プロセスが複雑
・例外処理がベテラン社員の頭の中
・PoCは作ったが本番業務に入らない
・AIの成果を評価するKPIがない

どれだけ賢いAIを導入しても、
企業側の仕事がAIの働ける構造になっていなければ成果は出ない。

ココに、
日本のITコンサルが取るべき大きな市場がある。

MicrosoftやOpenAIと、
モデルやAI基盤で競争する必要はない。

取るべきポジションは、

AIと日本企業の間にある翻訳・再設計・実装レイヤーとなる、
「AI Transformation FDE型コンサル」

経営課題を特定する。
業務をWorkflowに分解する。
AIに任せる仕事と、人間が判断する仕事を分ける。
企業固有の暗黙知をDecision Logicに変換する。
データ、AI、SaaS、既存システムを接続する。
Human-in-the-Loopを設計する。
本番導入する。
評価する。
改善する。
また評価する。

成果物は、
PowerPointだけではない。

「企業がAIによって継続的に学習・改善する仕組み」そのものが成果物になる。

これからのコンサル会社は、

Advisory Firm
から
AI Transformation Operating Company
へ変わる必要がある。

価値が下がるのは、

・情報収集代行
・資料作成代行
・PoC量産
・製品導入説明
・人月中心の常駐

価値が上がるのは、

・Problem Framing
・Workflow Design
・Context Engineering
・AI Orchestration
・Evaluation Engineering
・Agent Governance
・FDE
・Change Management

だと思う。

AI時代に重要なのは、
「どのAIを使うか」だけではない。

「企業の仕事を、
AIと人間が最も成果を出せる構造へどう作り直すか」

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

これが、
Appleの強さであり、
現代のAI・DX・プロダクト開発・コンサルティングにも通用する、
『極めて重要な経営原則』

技術に詳しいだけでは勝てない。
顧客が何を体験し、
何に価値を感じるかを理解し、
その体験を実現するために技術を選べる。
その企業が勝つ。

ジョブズが伝えたかったのは、
技術否定ではない。

むしろ逆で、

本当に技術を活かしたいなら、
技術から考えるな。
顧客体験から考えろ。

このエピソードから学ぶべき知見は、

1. 顧客体験を最上位概念に置く
技術、機能、業務、組織、KPIはすべて手段。
最上位に置くべきは、顧客がどんな体験をするか。

2. 技術は目的ではなく、価値実現の手段である
AI、クラウド、SaaS、データ、アプリ、エージェントは、それ自体では価値ではない。
価値になるのは、顧客や現場の状態が変わったとき。

3. 批判の中から真実を拾う
強いリーダーは、批判をすべて否定しない。
正しい部分を認め、そのうえで大きな方向性を示す。

4. 完璧な正解より、意思決定と修正能力が重要
間違いを避けるより、早く決めて、早く学習し、早く修正する組織が強い。

5. 技術理解よりも、価値変換能力が重要
専門家であることは重要だが、それだけでは不十分。
技術を顧客価値、事業成果、体験価値に変換できる人材が強い。

6. 顧客は機能ではなく、変化を買う
顧客は「高機能な製品」を買っているのではない。
便利になる、早くなる、安心できる、成果が出る、かっこよくなる、失敗しなくなる、という変化を買っている。

7. 経営者は技術選定者ではなく、体験設計者であるべき
経営者の仕事は、最新技術を追いかけることではない。
どの顧客に、どんな価値を、どのような体験として届けるかを決めること。

新規事業、
AI導入、
DX、
プロダクト開発、
営業改革を考えるときは、

顧客は誰か
顧客は何に困っているか
顧客はどんな体験になれば価値を感じるか
その体験は事業成果にどうつながるか
その体験を実現するために必要な業務・組織・データ・技術は何か
まず何を作って検証するか
間違いが分かったら、どう修正するか

この順番が、
ジョブズの言う、
「顧客体験から技術へ逆算する」ということ。

[KAWAI @kawai_design]

https://t.co/egp8DZJDSM

[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】Anthropic公式がClaude Fable 5のプロンプトエンジニアリングガイドを公開。

要点は、旧モデル向けの細かい指示はもう不要ということ。

①effortが知能・速度・コストの主導権
②挙動は短い指示ひとつで制御
③進捗の虚偽報告は一文でほぼ消せる

読むだけでAI活用レベルが上がります。必読です。

詳細はスレッドで解説↓

[sayu @sayu_nt]

虐待し痩せ細った６kgの２歳児娘に対して

父親「めっちゃ臭いし最悪 猫より厄介やな」
母親「ほんまに余計な仕事 増やす奴やわ」
父親「あほどう？」
母親「あほは水飲ませて 寝かせているよ」

検察「長女をストレスのはけ口にしていた」

鬼畜やん…

[hr @hr0196]

松尾先生、いよいよAIコンサルみ
https://t.co/9ePtwOBYXs

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

AI Readyとは、
企業の判断OSを作ること。

AI Readyなデータ基盤とは、
DWHを作ることでも、
BIを整えることでも、
RAGを導入することでも、ない。

それらは必要な部品にすぎない。

本質は、
企業の業務判断をAIが扱える構造に変換すること。

これまでのデータ基盤は、
人間がデータを見るためのもの。

これからのデータ基盤は、
AIがデータを読み、
文脈を理解し、
異常を検知し、
原因を調べ、
次の行動を提案し、
人間の承認を経て業務を動かすための基盤になる。

AI Readyなデータ基盤とは、

・データの置き場ではない
・分析の道具でもない
・RAGの材料庫でもない
・BIの進化版だけでもない

それは、『AI時代の業務OS』

そしてエンジニアに求められるのは、
単にデータを流すことではない。

これからのエンジニアは、
AIが誤解しないデータ構造を作り、
AIが暴走しない権限を設計し、
AIの判断を検証できる根拠を残し、
AIの提案が業務成果、
につながる導線を作る人になる。

AI Readyの本質は、
技術導入ではない。

企業の暗黙知、
業務定義、
判断基準、
実行プロセスを、
AIが扱える形式に変換すること。

だからこそ、
AI Readyなデータ基盤を作れる企業は、
AIを「便利なツール」として使う企業ではなく、
AIを「業務を動かす同僚」として組織に組み込める企業となる。は

[Kopyゆるく個別株投資🛹 @sanpodiet]

一位通過したらトーナメント見れない

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

経営企画の本質は、
経営者が会社全体を正しく見て、
資源配分し、
意思決定し、
実行を動かすための中枢機能。

会社の現実を
・数字
・事業
・組織
・市場
・資本
コレらを言語に翻訳し、経営判断に変換する機能。

AI時代の経営企画は、
数字を集める部署ではなく、
会社の分断された情報・意思・資源・時間軸を統合し、
経営者の意思決定能力を組織全体に実装するオーケストレーター。

経営企画機能を強化するなら、
以下を確認すべき。

❶戦略面
中計が単なる数値目標になっていないか。
事業ポートフォリオの優先順位が明確か。
撤退・縮小の基準があるか。
成長投資の評価基準があるか。
AI・DX投資が事業KPIに接続されているか。

❷経営管理面
予算・実績・見込の定義が統一されているか。
差異分析が原因報告で止まっていないか。
P/LだけでなくB/S・C/Fを見ているか。
KPIが部門別最適になっていないか。
経営会議で意思決定に使える粒度になっているか。

❸組織面
経営企画が単なる事務局になっていないか。
事業部門との信頼関係があるか。
経営者の意図を現場言語に翻訳できているか。
部門間の利害調整を設計で解いているか。
施策実行後のモニタリング責任が明確か。

❹AI活用面
経営情報がサイロ化していないか。
過去の会議資料・稟議・予算資料を横断検索できるか。
AIで差異要因やリスク仮説を抽出できるか。
経営会議資料作成を自動化できるか。
AI導入が業務効率化ではなく意思決定高度化に向いているか。

より実務的に言えば、

経営企画は、
戦略を作るだけでは足りない。
数字を管理するだけでも足りない。
資料を作るだけならAIに置き換えられる。

これから価値があるのは、

・どの数字を見るべきかを決める力
・数字の背後にある事業構造を読む力
・部門間の分断を超えて実行させる力
・短期利益と長期企業価値を接続する力
・AIを使って経営の意思決定速度と精度を上げる力

つまり、
経営企画の未来は「経営管理の高度化」ではなく、
『経営そのものの再設計にある』

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

アクセンチュアのフィールドコンサルタントは、表面的には「PMOをベースにした現場伴走型コンサルタント」と映る。

しかし、本質的には、

アクセンチュアにとっては、
AI時代にコンサルティング価値を、
“上流の思考”から“現場での価値実現”へ再配置する人材モデル。

クライアント企業にとっては、
・戦略
・業務
・IT
・現場
・運用
コレらの断絶を埋める変革推進人材。

ビジネスロジックとしては、
価値は構想ではなく、
・実装
・定着
・改善
・財務成果
で初めて発生するという不変原則への回帰。

これは新しいようで、
実は非常に古くからある商売の原則に回帰している。

現場を知らない戦略は動かない。
実行されない提案は価値にならない。
使われないシステムは資産ではなく負債になる。
定着しない変革は、単なるイベントで終わる。
成果に接続しないコンサルティングは、知的消費に過ぎない。

フィールドコンサルタントの本質は正にココ。

コンサルタントの価値は、
もう「どれだけ賢く考えたか」だけでは測れない。
これからは、
どれだけ現場で変化を起こし、成果として回収できたかで測られる。

アクセンチュアのこの職種は、
その変化をかなり明確にしたと理解する事が重要。

[ふじくるり｜AI×スライド制作 @fujikururi]

戦略分析をするとき、
SWOTから始めると、
思いつきの箇条書きになりがち。

PESTLEで社会全体の変化を捉え、
Five Forcesで業界の圧力を見て、
3Cで市場の勝機を探し、
SWOTで統合する。

戦略分析は、情報を埋める作業ではない。外部環境から自社へ、視点を絞る作業。

また記事で詳しく解説します。

[KUROKAWA TOMOYA / 黒川 朋也 @KUROKAWA_KKk]

サティア・ナデラ氏が発したメッセージは、AI時代の企業競争力は「どのAIモデルを使うか」ではなく、「自社の知識・業務・判断をAIと一緒に学習し続ける仕組みに変えられるか」で決まるということ。

従来のデジタル化は、
人間の仕事を効率化するものだった。
しかし、AI時代は、
人間の知識や判断がAIシステムに取り込まれ、AIが業務を実行し、その結果からまた学ぶという「学習ループ」を企業内に作れるようになる。

ナデラ氏は、企業の資本を2つに分けて思考している。

1つ目は人的資本。
これは社員が持つ知識、経験、判断力、関係性、創造性、現場感覚。

2つ目はトークン資本。
これは企業が持つAI能力、つまり自社の業務知識や判断基準を反映したAIシステム。

重要なのは、
AIが強くなるほど人間の価値が下がるのではなく、むしろ人間の価値が高まるという点。

なぜなら、
AIに何を学ばせるか、
何を改善させるか、
どの成果を目指すかを決めるのは人間だから。

人間の目的設定や判断がなければ、
AIは単に計算を繰り返すだけになります。

ナデラ氏が強調しているのは、
企業が自社の業務プロセス、専門知識、過去の判断、顧客対応、現場ノウハウをAIシステムに組み込み、使うほど改善する仕組みを作るべきだということです。これが企業固有の新しい知的財産になるということ。

また、
企業は特定のAIモデルに依存しすぎてはいけないとも述べてる。

汎用AIモデルを差し替えても、自社の知識や業務ノウハウが失われない状態を作る必要がある。

これはAI時代の企業主権、つまり自社の競争力を自社でコントロールできるかという問題。

最後に、
ナデラはAIの価値が少数の巨大モデル企業に集中する未来を警戒している。

もし、
すべての企業の知識が少数のAIモデルに吸収され、産業側に価値が残らなければ、AIは産業の空洞化を引き起こす。

これはグローバリゼーションによる製造業空洞化と似た問題になる、という警告。

AI時代には、
人間の標準的なスキルや情報価値はコモディティ化する。

その結果、労働を通じて所得を分配してきた資本主義の前提は揺らぐ。

一方で、
人間の価値が消えるわけではない。

人間の価値は、
作業能力から、
目的設定、
判断、
文脈理解、
信頼、
創造、
関係性、
へと移る。

企業価値も、
単なる人材数やモデル選定ではなく、
自社固有の知識をAIと共に蓄積し続ける学習ループに移る。

この学習ループを持つ企業は、
AI時代の新しい知的資本を持つ。

持たない企業は、知識を外部モデルに吸収され、価値をコモディティ化される。

社会全体では、
AIが生む余剰を誰が所有し、
どう分配し、
人間の自由と尊厳に変換するか、
が最大の争点になる。

AI時代の本質は、
人間がAIに勝つことではなく、
AIによって生まれた力を、
人間と社会がどう所有し、どう分配し、どう豊かな人生へ変換するか。

AI時代の企業価値は、
「学習ループ」に宿り、
社会価値は「余剰の分配」に宿り、
人間価値は「問い・判断・意味・関係性」に宿る。

これから問われるのは、
AIを使うかどうかではない。

AIによって、
人間を安くする社会を作るのか。
人間をより自由にする社会を作るのか。

その設計の違いが、
企業の未来、資本主義の未来、そして人間の豊かさを決めることになる。

[宮地陸｜indeedで採用業界を変える @miyachi_riku]

元大手企業57歳、100社応募し採用ゼロ。

採用側が評価するのは
過去の経歴よりも「今なにができるのか」

[ねぼすけAI @AInebosuke]

先月発売された「Agentic Coding」を読みました！
Coding Agentを”ちゃんと”使うための手法が体系的にまとまった良書でした🙌
フルカラーで図解も多く、わかりやすかったです〜

[勅使川原 晃司 @kojiteshigawara]

https://t.co/9sszfmHjSl

[Sho Yokoyama @yuzutas0]

セマンティック、セマンティックレイヤー、オントロジー、ナレッジグラフ、グラフDBとは何か？について超早口で解説しました。

[Noriちゃん @noriharu088]

これ…みんな3年前からやってるよ…