清水勇介｜Yusuke Shimizu

Local Works CEO｜建築×AI｜戦略コンサル・ベンチャー経営を経て創業｜高校から🇺🇸・Oregon State University卒｜EN/JP｜🏄⛳️🏂｜採用DM歓迎

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

このアカウントで読めるもの：
・海外テック系経営者・投資家の動画やポッドキャストを、毎日日本語で要約し、英語の1時間動画を、3分で押さえられる形にしています。

英語圏の一次情報（登壇動画・ポッドキャスト）は、日本語で読める形になるまで時間がかかるものが多く、記事にならないものも少なくありません。ここでは毎日、気になった動画を日本語で要約してお届けします。

アカウントの目的：
①事業提携先との出会い
②採用
③パートナー事業者（工務店・職人さん）との出会い
です。気になった方はDMをください。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

https://t.co/x0JtdMmNOJ

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「AIの民主化」を掲げた当人が、8年越しに「そろそろやめたい」と述べた。

AutoML時代の試算は、市民1×10人＝専門家2人分（5×2）。ツールによって生産性の差が1対5まで縮小していたからこそ成立した。
2018年に正式なスローガンとなり、翌年にはPoC死によって見直された。

民主化とは、格差が縮小している局面でのみ通用する言葉だった。

前提が変化したにもかかわらず、言葉だけが再び先行している点に違和感がある。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「また同じミスか…」部下を持つ立場なら、一度はそう感じた経験があるだろう。新任マネージャーは、個人の能力や注意力の問題と捉え改善を促しがちだ。しかし、同じミスが複数回起きる時、私は個人を責めない。根本原因は、ノウハウ不足ではなく、彼らがその業務を「じぶんごと化」できていない、自身の問題として捉えられていない構造にあると見立てる。「じぶんごと化」ができていない状態とは、業務の背景や目的、失敗時の影響を自分事として深く理解できていない状態だ。この状態で「もっと注意しろ」と指導しても、効果は薄い。個人の意識に頼る指導は属人性を生み、本質的な解決にならない。私は、同じミスが繰り返されるなら、個人の意識ではなく「仕組み」に問題があると判断する。ミスが起きえない手順やチェック体制を再構築し、誰がやっても同じ品質が担保される構造へと作り替える。特定の判断が必要な場面で基準が曖昧なら、明確なガイドラインを設け、確認プロセスを必須にする。これは、個人の責任を追及するのではなく、組織全体のパフォーマンスを最大化するための私の責任だ。精神論で埋め合わせようとする組織は、同じ過ちを繰り返す。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

水漏れ修理が終わったら、納得できない高額な料金を目の前で請求された。料金・作業内容に納得できない場合は、その場で支払いをしない。事業者とトラブルになった場合は、最寄りの消費生活センターへ相談する。出典：国民生活センター

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

3人からa16zを築いたScott Kupor(米人事管理局長)が「The a16z Podcast」の「a16zの構築と連邦職員組織の再建」で、人材と組織の設計を語る。

・出発点は2008年の金融危機だった。創業者たちが投資を担う傍ら、最初の従業員に任されたのは会社を動かすためのあらゆる仕事で、家具の購入から個人のGmailを使った出資金の払い込み請求まで含まれていた。
・組織づくりで参考にしたのがCAAのモデルだった。創業者を支える専門家のネットワークと支援部門をつくり、資金を出すことに加えて、会社を育てるためのサービスを提供する体制を組み立てた。
・投資会社が積極的な宣伝を避けていた時代に、a16zは自社を売り込む道を選んだ。最初のファンドを組成して数か月のうちに投資したSkypeは、eBay傘下で十分に手をかけられていなくても利用者が増え続けており、こうした初期の投資成功がa16zの成長を加速させた。
・3人で始まった会社は、数百人を抱える組織へ成長した。その過程で、投資分野ごとの専門チームを軸にした組織へと再編している。
・政府で向き合うのは、約200万人の連邦職員の採用・評価・定着だ。実力や成果を評価と昇進に反映し、若い技術人材を呼び込むとともに、職員が新しいことを試せるよう、組織としてリスクを取ることを認める方針が語られる。
・業務の古さを示す具体例が退職手続きで、数億枚の紙をペンシルベニア州の地下鉱山に保管する仕組みに依存していた。この回では、その紙に頼った手続きを置き換える取り組みも紹介される。

人を採る前に、その人の提案がどこで止まるかを見ておく。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

https://t.co/gVmogOz1PM

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

233億米ドルの純損失を計上したものの、そのうち219億米ドルは現金の支出を伴わない費用だった。
アンソロピックの新規株式公開資料は、損失の内訳まで精査する必要がある。

アンソロピックは公式の新規株式公開サイトで、2026年第3四半期の財務指標や、法律・製薬・事業会社における人工知能の導入事例を公開している。

・2026年第3四半期の収益は170億米ドルと前年比12倍超を記録。直近の年間収益が100,000米ドル以上の顧客数は、2026年9月30日時点で11,900超に達し、こちらも前年比12倍超となった。
・調整後営業利益率が15%である一方、営業利益率はマイナス3%となった。純損失233億米ドルには、同社の評価額上昇に伴う転換約束手形などの公正価値の変動による、219億米ドルの非現金費用が含まれている。
・計算資源の効率は、2025年第1四半期比で4倍超に向上した。ここでの効率は、収益を計算資源と基盤設備の費用で割った比率で算出している。
・法律業務向けのレゴラは、1,500超の法律事務所や企業内法務チームに導入されている。31の法律事務所を対象とする独立調査では、弁護士が請求対象外の業務に使う…

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

20体をどう管理するか、Ryan Carson(Untangle創業者兼最高経営責任者)がAI Engineerの「1人の創業者が20体のAIコーディングエージェントを同時に管理する方法」で語った。

・開発を束ねる管理役のエージェントとは、主に音声でやり取りする。題名には20体とあるが、講演では実装役を約25体まで同時に管理できると説明している。
・人間は実装役の作業画面に入らず、直接指示もしない。管理役が実装役とのやり取りを引き受け、人間が答える必要のない技術的な質問への回答や、小さな行き詰まりの解消を進める。
・管理役には、15分ごとに実装役すべての作業履歴を読ませる。画面には10分と表示されているが、現在は15分が適切だと説明しており、巡回を忘れず実行させるために自動処理を組んでいる。
・チケットボードで作業を管理し、レビューの繰り返しには上限を設ける。品質確認役と統合待ちの変更を管理する役も置き、GitHubのマージキューを使って変更を取り込む。
・出荷前に各機能の動作動画を見る工程は、人間が引き受ける。講演直前にも携帯電話では動画がよく見えず、そのまま出荷を認めたくなったが、パソコンに戻って確認したという。
・採用では事前面談をせず、候補者にエージェントを使って実際の機能を完成させる過程を録画してもらう。趣味や話し方への好感で判断が偏るのを避け、エージェントが動画を順位付けし、上位5人が報酬付きの試用に進む。

仕事を任せる相手を増やす前に、止める判断を誰が引き受けるかを決める。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

AIが訓練環境づくりを担うロボット開発を、NVIDIAのYouTube動画「AIエージェントとNVIDIA Isaacでロボット開発を加速する」が紹介する。

・ロボットの訓練や試験はシミュレーションで進めやすくなるが、その環境を作るには時間と専門知識が要る。動画では、開発者が必要な物体、環境、課題を短い指示文とデータで伝えると、GPT-6 Astraが訓練環境を作る流れを示している。
・Astraが道具として使うのは、NVIDIAの公開ライブラリとモデル。現実世界の動きを再現し、物理設定を調整して、ロボットを訓練できる状態まで整える。
・環境を作った後は、Isaac LabとNewtonを使ってロボットの技能を訓練し、改善する。環境の準備だけで終わらず、技能を身につける工程へ進む。
・訓練した技能は、Isaac Lab Arenaで大規模に評価する。これらの道具はすべて手元のNVIDIA DGX Station上で動き、試して直すサイクルを速めると説明されている。
・動画で示す技能は、用途のうちの1つにすぎない。開発者がロボットに学ばせる仕事の場として、家庭、病院、店舗、工場などを挙げ、シミュレーションで学んだ技能を現実世界へ移す流れを描く。
・その技能を実機で動かす出発点として紹介されるのが、NVIDIA Isaac GR00Tを基盤に、NVIDIA Jetson Thorで動く開発用の参照ロボット、Agile ONE。かつて専門家チームが担っていた開発を、AstraとNVIDIA Isaacの道具を使う開発者が進められるようにする、と動画は説明している。

仕事の速さを変えたいなら、作業時間だけでなく、始めるまでの手間を数える。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「認識がなかった」という言葉を耳にするたび、私は組織の成長を阻害する大きな壁を感じる。それは情報共有の不備というよりも、個々の「じぶんごと」として課題を引き受ける姿勢の欠如を意味する。自分の仕事領域外の問題に直面しても、見て見ぬふりをする。アラートを出すだけで満足し、誰も動かないならと傍観する。この姿勢がスタートアップの成長を大きく阻害する。認識がなかった、という言葉を免罪符にしている限り、課題は解決されない。
本来、自分の仕事範囲を狭く捉え、領域外の問題を他責にする姿勢は、組織の壁を分厚くするだけだ。私は、ポリシーに反せず、影響範囲が狭い中での目標達成に資する小さな実験を、従業員一人ひとりが自律的に行うことを強く期待する。それは「じぶんごと」として課題を引き受け、自ら率先して行動する姿勢そのものだ。組織やチームの単位を超えた連携は、共有されたビジョン、ミッション、ゴール、そして価値観があって初めて可能になる。この前提がなければ、いくら組織を大きくしても、多様な人々と真の価値を創造していくことはできない。だから、私たちは「認識がなかった」と立ち止まるのではなく、自らの手で問題を解決しようと動く。それが、組織を強くし、前へ進めるための絶対条件である。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「30,000人超の社員にUberがChatGPT Workを展開」の狙いを、Praveen Neppalli Naga（Uber最高技術責任者）とGreg Brockman（OpenAI共同創業者・社長）がOpenAIの番組で語る。

・エンジニアの間ではすでにこうしたツールの活用が進み、仕事の進め方そのものが変わりつつある。他部門からも導入を希望する声が多く寄せられていたという。
・OpenAIでは、初期からのヘビーユーザーやトークン消費量が特に多い社員の中に、非エンジニアも含まれている。
・社内では、各現場の担当者とエンジニアがタスクフォースを組み、業務フロー全体を見直した上でエージェントの適用箇所を検討した。
・一連の業務プロセス全体をエージェントで自動化できた段階で、確かな効果が表れたという。
・高度な知能を持つ機械を構築しながらも、人間が主体性を維持することは可能だという見解を示す。同時に、権力の過度な集中を避け、誰もが恩恵を受けられる形を目指すべきだとも語る。
・PCに向かって入力作業を続けることにどれほどの時間を費やしているのか、それは本来注力すべき業務なのかと問題提起がなされ、変革には好機が伴うものの、誰もがその変化に適応していく必要があると指摘する。

同僚へのちょっとした確認をChatGPTに置き換える習慣こそが、自らの働き方を変革する第一歩となる。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

仕事の評価だけでは不十分であると、OpenAIの研究者（人工知能の評価を作る担当者）が、OpenAIの動画「LifeVal：日常の大切な課題で人工知能の進歩を測る」で語っている。

・研究者が検証したかったのは、ChatGPTが日々の暮らしでどれほど役立つかである。
・人工知能の能力を測る評価の多くは、プログラミングや数学など、仕事に関わる課題が中心になっている。しかし、実生活にはそれ以外にも支援を必要とする場面がある。
・そこで開発されたのが、日常生活での有用性を測る「LifeVal」である。記憶する、計画を立てる、比較検討する、その後の対応を行うといった用事を扱う。
・例えば、糖尿病の親のために買い物リストを作成し、1週間の献立を考える場合、求められるのは手順を説明した回答ではなく、実際に準備を進める手助けである。健康記録、食事の好み、利用可能な予算を踏まえ、食料品の配達サイトで注文操作を行うところまでが求められる。
・LifeValでは、課題のどの段階で成功し、どこで失敗したかを測定し、その結果をモデルの改善につなげる。
・目指しているのは、ChatGPTを日常生活においてより実用的なものにすることである。

仕事を任せる前に、どのような状態になれば完了とするかをあらかじめ決めておく。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「分電盤を点検します」と電話が来た。安易に点検を受け入れず、来訪した業者から交換を勧められても、その場で契約しない。国民生活センターは、法定点検の調査員が点検後に交換工事の契約を持ち掛けることはないと案内しています。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

2200億ドルでも需要を満たしきれないと、Andy Jassy（アマゾン最高経営責任者）がa16zの番組「アマゾン最高経営責任者Andy Jassyが語る2200億ドルの人工知能基盤整備」で明かしている。

・アマゾンが2026年に見込む設備投資額は約2200億ドルに達する。それでも、人工知能向けの需要をかなり取りこぼしているという。
・供給枠については、オンデマンド利用分を確保しつつも、2026年分は売り切れたと説明している。
・サーバーやネットワーク機器は、部品によっては数カ月前に調達を判断すればよい。その段階で顧客需要を確認でき、データセンターを埋めるほどの容量が不要であれば、機器の購入を見送ることができる。
・サーバーやネットワーク機器への投資は平均約3年で投資回収（損益分岐点）に達し、耐用年数は約5〜6年とされる。契約の多くは約5年であり、データセンターの建設が重なる時期は支出が先行するため、稼働して収益を生むまでフリーキャッシュフローを圧迫する。
・Annapurnaの買収に至った背景には、サーバーの計算能力をできる限り顧客向けに充てたいという課題があった。仮想化、ネットワーク、セキュリティー、ストレージの処理を専用カードへオフロードする製品を共同開発し、買収後はその仕組みがすべてのサーバーに導入されたという。
・セキュリティー分野では、脆弱性を検知して修正プログラムを生成する「Continuum」というサービスを取り上げている。対策はインシデント発生まで後回しにされがちだが、重要データを預かる立場として、そうした姿勢は極めて危険だと指摘する。

事業計画を評価する際は、成功時の見通しだけでなく、状況に応じて途中でどのような意思決定を下せるかまで確認する必要がある。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

https://t.co/7GjB0imWXz

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「ログ出ないよね」。勝手に使われるAIエージェントの話で、聞いていた情シスの手が止まった。

3年後、情シスの仕事は「禁止」より「ログ設計」になる。エージェントが自分でツールを呼ぶ時代、誰が何を指示したかが残らなければ、事故の調査は手がかりゼロだ。

止められるのは、見えているものだけ。

配る前にログを取れる形にしない会社は、事故のあとで初めて利用実態を知ることになる。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

https://t.co/NHVYtwBfQP

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

72時間足らずで政府からの返信まで得られたものの、「新発見」は後に訂正されることとなった。
人工知能を活用したマヤ遺跡探索に関する記事では、探索作業の迅速さと、先行研究を見落とすという弱点の双方が浮き彫りになっている。

記事「人工知能エージェントが72時間でマヤ遺跡を再発見した」の要約です。

・10月18日、ペルー滞在中の著者が、ジェミニ、チャットジーピーティー、クロード、グロックに遺跡探索の手法を相談したところ、いずれもレーザーにより樹木下の地形を測定するライダーを提案した。
・衛星写真では密林に覆われた遺跡を木々としか見分けられないが、ライダーは樹冠の隙間からレーザーを照射することで、直下の地表を可視化・地図化できる。
・ペルーは公開データが乏しく、新たな測量には許可や多額の費用が必要だったため、公開データが豊富なマヤ地域へ対象を変更した。その夜、著者はエージェントに解析を指示して就寝した。
・エージェントは米国航空宇宙局のライダーデータを解析し、メキシコの公式台帳に未登録のマヤ遺跡を特定した。旅先での着想からメキシコ政府の公式な返信を受領するまで、72時間もかからなかった。
・11月11日の追記によると、実際にはエストラーダ・ベリらの2025年の研究で既に地図化…

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

「さらっと要旨をまとめて」と指示された際、指示通りにまとめることだけが仕事だと考えがちだ。自分が納得できる水準で提出し、それ以上の深掘りをしない。だが、それでは単に作業をこなしたに過ぎず、本質的な価値を生み出せていない。依頼の背景には「その要旨を何に使うか」という目的が必ず存在する。それを汲み取らず、自分基準の満足にとどまれば、相手が真に求める成果物とはズレが生じてしまう。知的労働の成果物は、自己満足で終わらせず、相手の期待値を1ミリでも上回る完成度を目指さなければ価値がない。形式は多少粗削りでも、本質的なニーズを満たし、少しでも期待値を超える。これを「じぶんごと」として捉え、一歩先を見据えて相手の成果を考え抜く姿勢こそが、信頼と次の機会を生むのだ。

[清水勇介｜Yusuke Shimizu @ShimizuYusuke]

1億件の活用を、Sam Green（応用人工知能チーム責任者）とAaron Linsky（製品技術責任者）がAI Engineerで「ブリッジウォーターはいかに1億件の文書を強みに変えたか」を語る。

・ブリッジウォーターが構築した「Vault」は、135の外部情報源から集めた1億件超の文書に、社内のメモや会議記録を加えたデータ基盤だ。情報を整理し、閲覧権限を設定したうえで、国、概念、市場、特に文書が扱う期間を社内の分類体系に合わせて付与している。
・人間とエージェントでは、データ基盤に求めるものが違うため、それぞれに合わせて設計する必要があるという。ただし、最も大きな効果が生まれるのは、同じ道具で両方の要求を満たせたときだ。
・企業向けの対話サービスに「人工知能向けインフラ投資は韓国ウォンにどう影響し、市場参加者はその影響が続くと見ているか」と質問した例では、エージェントは関連しそうな情報源を15件見つけた。ところが、回答に使ったのは1〜2件だけだった。
・「Vaultの検索は使いにくい」という声を受け、質問と適切な文書を人の手で対応させ、役立ちそうに見えて実際は役立たない文書も含む約200件の評価用事例を1週間未満で作成した。説明文によると、この評価を使った改善で、検索上位10件の適合率は約60％から90％超になった。
・投資家は、証券会社から届く調査資料をメールで読み、配信リストや振り分けルール、フォルダーを使っていたため、その習慣をVaultに移した。配信リストは保存した検索条件に、フォルダーは保存した文書のまとまりに置き換え、そこから全データへの質問、話題別の更新情報の確認、エージェントへの作業の引き継ぎへ広げた。
・目指すのは、投資家からの質問を待つだけでなく、注意を向けるべき情報をエージェントから届ける仕組みだ。投資家とエージェントが検討して得た知見も自動でVaultに戻し、次の調査で使えるようにしている。

何を自動化するかを決める前に、何を見落とすと判断を誤るかを決める。