しっちー | 暗黙知構造化コンサル

AIサービスのコンサルティングをしています。

[しっちー | 暗黙知構造化コンサル @shicci7]

自分用に作った集中アプリ、
効果出すぎてやばいので公開します。

やってることはシンプルで、
AIがネットの脱線を検知→「今どんな感じ？」と通知。
さらに時間を決めて自動ブロック。

AIに自分を見てもらうだけで、
SNSに溶ける時間が1日2時間→20分になった。

意志力いらないのがデカい。
ウェイティングリスト置いとくのでぜひ登録してください。
macOS × Chrome対応です。近日リリース予定。

[しっちー | 暗黙知構造化コンサル @shicci7]

これはLLMの原理的にもかなり本質をついたアドバイス。LLMは恣意的に切り取った世界の中のシミュレーターだ。

[SaaS飯 @saasmeshi]

気づいてるか？

Simileという市場調査AIスタートアップの評価額が3000億円に跳ね上がったことが話題だが、これから1発当てたい起業家が狙うべきAI領域は間違いなく、

『AIシミュレーション市場』一択だ。その理由と新たなビジネスチャンスについて解説する。まず何が起きたのか。Simileは、本物の人間に何万人分ものアンケートを取る代わりに、人間そっくりの「AIの分身」を作り、新商品、広告、価格変更、制度変更などにどう反応するかを事前に試す会社だ。

例えば「この商品を9800円で売ったら誰が買うか」「値上げしたら何％が解約するか」「この広告は若者に刺さるが、高齢者には嫌われないか」と質問すると、仮想の顧客たちが一斉に反応する。本番で何億円も使う前に、AIの世界で何度も失敗できるわけだ。

ここで重要なのは、市場調査が少し便利になったことではない。会社の意思決定そのものに「テスト環境」が生まれ始めたことだ。

ソフトウェアは公開前に何度もテストするのに、新商品、値上げ、採用制度、出店、広告、買収などの経営判断は、今までほぼ本番一発勝負だった。これからは現実で実行する前に、仮想の顧客、社員、競合、取引先、投資家を動かし、複数の未来を先に走らせるのが当たり前になる。

なぜ今なのか。生成AIによって、商品案、広告文、デザイン、アプリは、一晩で何千案も作れるようになったからだ。作る力が余ると、次に不足するのは「何を世に出すかを選ぶ力」になる。

つまり、生成AIが案を量産し、シミュレーションAIが売れない案、炎上する案、解約を増やす案を落とし、残った案だけを人間が実際に試す。この流れが、商品開発、営業、採用、医療、金融、行政まで広がる。

起業家が狙うべきは、地球上の全人類を再現する巨大AIではない。特定業界の特定判断に絞った、小さくて実用的なシミュレーターだ。

歯科医院向けなら、新しい自費メニューを患者が受け入れるか。EC向けなら、値上げで誰が離脱するか。採用向けなら、候補者がどこで辞退するか。飲食店向けなら、新メニューがどの客層に売れるか。自治体向けなら、制度変更で誰が困り、どこから反発が出るかを試せる。

さらに大きいのが、予測と現実の答え合わせを集める事業だ。AIが「売れる」と予測した商品が本当に売れたか。「解約が増える」と予測して、本当に増えたか。この差分を持つ会社は、使われるほど精度が上がる。

だから決済、予約、CRM、問い合わせ、返品、解約など、「人が何を言ったか」ではなく「最後に何をしたか」を持つSaaSは強い。単なるAI会社より、現実の結果を回収できる会社の方が、長期的には大きな堀を作れる。

周辺市場も生まれる。予測の偏りを調べる監査、複数AIの結果を比較するサービス、AIが自信を持てない部分だけ本物の人間に聞く調査網、自分のAI分身を誰に使わせるか管理する権利サービス、商品が人間だけでなく購買AIにも選ばれるか試す診断だ。

未来を100％当てる必要はない。10個の案から明らかに危ない7個を本番前に捨てられるだけで、企業は大金を払う。

結論。

生成AIが「作るコスト」を下げた次に来るのは、AIシミュレーションが「外すコスト」を下げる市場であり、次の巨大企業は現実で失敗する前に、仮想世界で何度も失敗させる会社から生まれる。

やるしかねえ。Don’t Work!

[しっちー | 暗黙知構造化コンサル @shicci7]

政治的な対立はあるけど、中国も韓国もグローバルに存在感を示してきて、アジアの時代が来てるのは長期的には日本にもよいこと。

[SALA @Salalovessuga]

BTSのグラミー拒否は音楽史に残る。そしてアメリカ至上主義の終わりを告げたと思う。BUTTERに黄色人種としての誇りを密かに込めてたフェーズも過ぎ、不条理に対してはフラットにNOと突きつけられる立場になった。｢いつかグラミーを…｣ってはにかんでた韓国の青年達はグラミーを超える存在になった。

[しっちー | 暗黙知構造化コンサル @shicci7]

Addnessのサービス、代表の方が絶対来ると力説していたので、そこまで言うならということで、個人向けを最初から最後までひととおり使ってみた感想。

まず良いと思う点。自分よりも高次の視点での行動アシストは役立つと思う。また、コーチングのプロセスもよく作り込まれており、おもしろいと思った。

悪い点。まずオンボーディングが長すぎる。やり切るのに2〜３時間かかった。

それから、これが普及するには大きな壁がいくつかありそう。

まず、現在のPCというデバイスの限界。もっと根本的にAIドリブンのデバイス体験がないと、難しい。要はAIによるパーソナルアシスタントということだと思うけど、ブラウザではライフコンテキストを拾うにも、アクセス性という意味でも限界がある。

PCソフトウェアならまだ可能性はあるが、それでもかなり難しい。AIからもっと主体的に語りかけてくる仕組みが必要。

で、それがデバイスなどの環境で可能になってきたら、パーソナルアシスタントはビックテックが当然やりたがる分野だと思うので、そこで競争優位性が取れるだろうか？それまでに個人ユーザーが蓄積したコンテキストが切り替えコストになるだろうか？(怪しいと思う)

手間をかけてもそういうのをやりこみたい、物好き向けのニッチなサービスとしてはいいんじゃないかしら。

一方で企業向けのハーネス、エージェントの動作基盤としては、それはそれで可能性があるけど、それならそちらに特化させてやり切らないとかなり厳しい。

そちらもかなりレッドオーシャンになるだろう。

[Addness｜目標達成自律型AI @AddnessOS]

Notion、Asana、ChatGPT、Slack…
仕事道具、増えすぎていませんか？

ツールを行き来するたびに、手間が増える。
AIにも、毎回ゼロから状況を説明しなきゃいけない。

——その面倒、Addnessなら“ひとつ”で終わります。

・目標からブレない
・コンテキストを簡単に整理
・次にやるべきタスクが、すぐわかる
・チームの情報共有も、一瞬

話すだけで、まっすぐ進む。アドれば、できる。

プロフィールのリンクから無料でお試しください！

[しっちー | 暗黙知構造化コンサル @shicci7]

ルルレモンはこういうエピソードがあるんだが、ほんとにものはいいので、買い続けている。3年履きまくってガシガシ洗っても、ずっと履けている。

もし、同じクオリティのブランド(ランニングできる、普段着で着れる、肌触りがよく長持ちする)が他にあれば、乗り換えるので教えて欲しい。

[Rosalind @idiomsinaction]

よく日本で商売しようと思ったね
ブランド名が直球の日本人差別から作られてるのに

[しっちー | 暗黙知構造化コンサル @shicci7]

おもろこわすぎるw

[Eren Chen @ErenChenAI]

My favorite moment from the entire URKL Robot Fight!

One brutal kick sent the robot's head hanging loose. and it somehow kept fighting like nothing happened!

I completely lost it. Had to lower down the volume of my laugh 😂😂

[しっちー | 暗黙知構造化コンサル @shicci7]

SUICAのアプリもなんだけど、チャージしようと思って開いた時にこれだから、ほんとひどい。設計者は自分で使ってないんか？

[なつ @Dia_Nexus]

モバイルPASMOのUX最高

[しっちー | 暗黙知構造化コンサル @shicci7]

大したスキルもないのに現場に突っ込まれていた「エンジニア」たくさんいたもんな…

[ひとごとMD @hitogoto_butyo]

最近たまたま、本業と関係なく某そこそこ大手のSESのお偉いさんに聞いたら、4月以降の稼働がマジで悪くなってるらしく。

クライアント先の現場は「人手が足りないからSES（含　IT派遣）が必要」と考えてても、クライアント先の経営層と株主は「SESを切れ、AIに置き変えろ」の大合唱で。

それで、当然5月も全然契約取れない上に解約だらけで、すごい勢いで待機膨らんでて、全く回復の見通しが立たないと。

お偉いさんも業界見切って今年中には辞めると。

「ITエンジニアは2030年に80万人不足するって話しはなんだったんだろう」と、嘆息していたのが印象的でした。

[しっちー | 暗黙知構造化コンサル @shicci7]

確かにフロンティアモデルではGoogleは全然ダメなのだけど、安価なモデルの性能とコスパでは素晴らしい。

実業務において数をさばくには、フロンティアモデルはコストが高すぎるので、Gemini flashあたりで厳密に再現性を持たせたプロンプトを走らせるのがよい。

[baba yaga @babayagatwt]

I still can’t figure out why Gemini struggles to compete with Claude and GPT.

- Owns Chrome
- Backed by Android
- Stores most search results
- Holds ~95% search history
- Google has the biggest user data
- Even incognito data isn’t fully private

So what’s the problem?

[しっちー | 暗黙知構造化コンサル @shicci7]

ほんこれ。これで、よーわからんAI研修会社みたいなのが補助金で儲けるんだから、悲しい。

[ものづくり太郎 @monozukuritarou]

こういうことやってるからPLM 改革もテンでダメなんだよ。

データ構造そのものを作らないと、将来大変なことになるぞ。

[しっちー | 暗黙知構造化コンサル @shicci7]

使う人が自分で作るのが一番いいんですよね。適当にヒアリングして作ったものは、かゆいところに手が届かない。

工数的には一度形になってリリースしてから、使えるレベルに上げるまでに同じくらいのかかる。

[たーせる @tercel_s]

事業部の中に、「明らかにAIで内製したゴミアプリ」が増え出した。

とにかく使いづらい。Excel管理の方がマシなレベルでユーザー体験が悪い（※ 最大級の悪口）。

開発部署は「使いにくい点は改善します」とか宣っているが、ゴミを撒き散らしてユーザーに負荷を押し付けている事に気付いて頂きたい。

[しっちー | 暗黙知構造化コンサル @shicci7]

前のデザイン作ってたデザイナーさん知ってる。新デザインはあきらかにダサいけど、なんとなく現場の雰囲気が想像できてしまうなあ。しょーもないマネージャーがいるんやろな。そしてしょーもないデザインレギュレーション、そしてほとんど未経験みたいな新卒上がりのデザイナーか、イけてない50代デザイナー。

[結城り @bindeburg]

これよりダサいアイコン変更が人類史上あれば可及的速やかに教えてほしい

[しっちー | 暗黙知構造化コンサル @shicci7]

子どものこと考えたらやるせないすぎる…

[はさみ @iyaitaxky]

歯科医　一家3人無理心中

開業で溶かしたか半導体で溶かしたか

9歳児含む3遺体を歯科医宅で発見　親子か、無理心中の可能性　浜松：朝日新聞 https://t.co/lb5P6B5SFB

[しっちー | 暗黙知構造化コンサル @shicci7]

スマホから消したい…

[結城り @bindeburg]

これよりダサいアイコン変更が人類史上あれば可及的速やかに教えてほしい

[しっちー | 暗黙知構造化コンサル @shicci7]

ワークとCodexを分けた理由もわからん。何が違うん？普通のチャットもどっかいった。

[しっちー | 暗黙知構造化コンサル @shicci7]

Sol, Terra, Lunaそれぞれのモデルごとに、推論の深さを選べるの、わけわからん。結局どれを選べばいいんじゃ。

[しっちー | 暗黙知構造化コンサル @shicci7]

まさに、私も昨日ネームサーバーを全部Cloudflareに移行。メールサーバーも全部見直した。某GM◯のサービスは高すぎた。

[Null-XO @GOROman]

弊社HPも昨日DNSから何から何までCloudflareの無料プランへ移行。今まで金払ってたのがバカらしくなるレベルw マイグレーションは全部Claude Code(Fable)でやったw

[しっちー | 暗黙知構造化コンサル @shicci7]

そうですねえ、、、ありがとうございます。 もっと文字数を増やしてわかりやすく今後説明してみます。Claudeとの対話を見る限り、アンサーはかなりユーザーの問い方/フレーミングに迎合しているように見えました。まさに、この記事で指摘しているのはそういった点なのですが、、、

ちなみに、「LLMは帰納的な機械なので、人間が演繹を補なってやるべき」と言う主張ではないです。

[しっちー | 暗黙知構造化コンサル @shicci7]

今できないと、原理的にできない、の境界線は何か、ということを吟味するのが大事だと思うんですが、これはアンサーになっているかしら…？

https://t.co/WeaA90k8Tp

[0x71 @0x71ff]

これはなんか歴史上繰り返されてたやつな気がするな、と思ったのでclaudeに聞いてみたところ、「いま「機械にできないこと」への逃避」は産業革命以降、少なくとも2度大きな事例がある。
AIがプログラミングをできるようになるまではたった2年だった、ということも見過ごされている。

[しっちー | 暗黙知構造化コンサル @shicci7]

マクロな課題解決ができるのは、LLMが「人間がすでに言語化・論理化したデータ」を帰納的に学習しているからです。両者は対立しません。

後半で論じた「複雑な現実からAIが扱える閉鎖系をどう切り出すか」という一段上の構造が、Claudeの要約ではすっぽり抜け落ちてしまったようですね。そこは非常に重要なポイントなので、ご説明しました。

[0x71 @0x71ff]

記事拝見させていただきました。
claudeと一緒に読解してみたのですが、全体として何を言いたいのかよくわからない記事でした。
まず「LLMが帰納的な機械」というのは、LLMのトークン予測の仕組みと、LLMで実際にできているマクロレベルの課題解決をごっちゃにしている感じがします。
後半はシンプルに論点が消失してるように思えました。
https://t.co/aP4wNg6HrX

[しっちー | 暗黙知構造化コンサル @shicci7]

コメントありがとうございます。フィードバックをいただけること自体、まず何よりありがたいです。

記事で本当に主張したかったポイントは、「AIが帰納的か演繹的か」という分類そのものよりも、AIが本質的に強いのは、前提や評価基準がある程度定まった閉鎖系における問題解決であり、現実社会のような開放系をそのまま扱うことは原理的に難しい、という点でした。

だからこそ、人間が目的に応じて現実を切り出し、何を変数とし、何を定数とし、何を評価対象にするのかを設計する必要がある。そこに人間の役割が残り続ける、ということを言いたかったです。

ただ、ご指摘の通り、記事ではその主張と帰納／演繹の話の接続がわかりにくかったと思います。今後書く際の参考にさせていただきます。