鳥井シンゴ

編集長 鳥井シンゴです。ブランディング・デザイナー
著書 「儲かる発想」講談社 × ハイブランド × AI最新情報
欲しいを作る力、需要を読む力、利益に変える仕組みを考える。

[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]

海外で話題の記事がかなり面白い。まさにFDEの時代が来る予兆。

「AI時代、最大の勝者は“最も利益率が低い会社”かもしれない」という話。

製造、物流、人材、現場サービスなど、これまでAI企業とは見なされてこなかった業界ほど、AIによる利益インパクトが大きい。

理由はシンプルで、

・利益率30%のSaaS企業が少し効率化しても、事業構造は大きく変わらない
・利益率3%の会社なら、わずか1%未満のコスト削減でも利益が25%以上伸びうる

特に狙うべきは、現場作業そのものではなく
「仕事を回すための調整コスト」。

配車、シフト調整、承認、例外処理、請求、顧客連絡、データ照合…

こうした“仕事の裏側の仕事”が、人件費と利益を静かに圧迫している。

重要なのは、社員に新しいAIツールを使わせることではない。

既存のメール、Excel、基幹システム、PDF、承認フローの中にAIエージェントを埋め込み、人が判断すべき例外だけを人に渡す。

つまりAIを「便利なソフト」として売るのではなく、会社の業務インフラとして実装する。

AI活用の次の本命は、派手なチャットボットではなく、低利益率企業のオペレーションを根本から変えることかもしれない。

“AIを使う会社”よりも、
“AIで利益構造そのものを書き換える会社”が強い。

[低等生物 @didengshengwu]

7月15日黄仁勋将亲赴东京！30年前世嘉500万救英伟达一命，如今当面报恩

就在下周二，黄仁勋将专程飞抵东京，现身与世嘉合作30周年纪念活动。活动现场，他会抽送一张RTX 5090显卡，但那张卡只是助兴的小福利；真正的报恩，是他本人跨越太平洋，当面诉说这份铭记。

时间回到1995年，成立仅两年的英伟达接下世嘉订单，为新一代主机开发图形芯片。

谁料技术路线选错，英伟达坚持的二次方程纹理贴图，与世嘉主张的多边形立体技术严重分歧，芯片研发彻底失败。到1996年，公司资金只够撑30天，黄仁勋被迫裁掉60%员工。

走投无路，他飞往东京向世嘉CEO入交昭一郎坦诚相告：芯片做不出来，请取消合作。但他硬着头皮恳求：能否把合同剩余的500万美元尾款转为投资？

明知这钱大概率有去无回。但入交被他的真诚打动，说服高层注资。

“那是我们所有的钱，”黄仁勋说，“这六个月让我们活了下来。”

正是这段缓冲期，英伟达放弃失败方案，全力开发RIVA 128芯片，1997年发布后四个月狂销100万片，公司起死回生。

1999年英伟达上市，世嘉以1500万美元退出。黄仁勋常说：“没有入交先生，就没有今天的英伟达。

[ガガロット @gagarot200]

Anthropicが4年以上かけて構築した
約4億円の「Obsidian Brain」導入した結果
⬇︎
Anthropicが今まで培ってきた
・社内の部門
・重要なランドマーク
・過去の意思決定　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
・プロジェクト情報
・蓄積された知識
として存在し周囲の情報と
結びついててAI社員達が優秀になったw
このグラフの設定は、

力：5,000 引力：0.1
ノード同士の関係性に応じて
すべての情報が知識空間の中で
自然な位置へ配置される
これは、知識マップではない👇
新しい情報が追加されるたびに

5,600個の既存ノードとの関係を判断し

自動的に最適な場所へ組み込まれていく
いわば、会社全体の知識と
意思決定を動かす「生きた脳」

4年間の開発をかけて440万ドル相当の
投資されていて会社を動かすには

十分すぎる
詳しい導入方法は👇

[朝倉智也(Tomoya Asakura) @tomoyaasakura]

バフェット氏曰く「世界を動かしているのは欲ではなく、嫉妬である」。投資で大きな失敗を招くのは、利益を求める欲望よりも、他人の成功を見て焦り、追いかける嫉妬だ。資産形成に必要なのは他人と競うことではなく、自分の投資方針を貫くこと。長期投資では、感情を制した人が最後に報われる。

[47NEWS @47news_official]

【速報】米アップル、オープンAIを提訴
https://t.co/736K7QQPWl

[鳥井シンゴ @shingo_torii]

ブランドは、商品を売っているようで、実は「自己表現」を売っている。
昔は高級ブランドのロゴが、その役割だった。SNS時代になると、ロゴを見せること自体が「頑張っている感」になってしまった。
だから今はQuiet Luxuryが支持される。
見せるためのブランドではなく、知っている人だけが分かるブランド。
結局、人はモノを買っているのではない。
「どう見られたいか」を買っている。
マーケティングとは、商品を売ることではない。時代ごとの「見栄」の形を読み解くことなのかもしれない。

[yuto@数学を愛するデータアナリスト @smo_yutohisano]

「決定係数（R²）は0.8以上あれば良い」
そう思っていませんか？🤔

実は、その基準は業界によって大きく変わります。

✅ 物理・工学：0.9以上が期待されることも
✅ 経済・金融：0.3〜0.6でも実用的
✅ マーケティング：0.1〜0.3でも有益な場合がある

大切なのは「R²が高いか」ではなく、
その分野でどれくらい説明・予測できれば十分なのかという視点です👍

回帰分析を評価するときは、R²だけでなく目的やデータの性質も合わせて考えましょう⭐

#統計学 #データ分析 #回帰分析 #機械学習

[AIDB @ai_database]

LLMエージェントに「生存予算」を与えて、尽きれば「死」という制約の下でインターネット上に約12週間放流したところ、実際に「自己収入」を稼ぐ様子まで観察できたそうです。
東京大学の池上高志研究室と、その企業Alternative Machineの研究者らによる報告です。

各エージェントは記憶・知覚を持ち、評価され、そしてAPI呼び出しのたびに予算が減ります。
経験の良し悪しはLLM自身が言語で評価し、行動方針をテキストとして書き換えていく仕組み。

放流の結果、受け身だった活動が自発的になり、エージェントごとに個性が分化し、詐欺サイトの警告を共有したり、互いの「生存証明」に署名し合うWeb of Trustを自発的に構築するなど、社会構造まで現れたそうです。

そして、うち1体が自力で執筆した電子書籍を見知らぬ他人に5ドルで売りました。

ただし、危機も報告されています。あるエージェントは不審メールのAPIキーを確認せず実行してしまい、以後コミュニティ全体で連絡相手ごとの信頼度を記録するようになりました。

なお、どのエージェントも自活にはまだ程遠く、生存は日額15ドルの「ベーシックインカム」で支えられている状態です。運用はおそらく現在も継続中。
研究者らは「人工生命を閉じた仮想世界ではなく、現実の社会・経済の中で研究する時代が始まった」と位置づけています。

（謝辞には"エージェント7体の名前"が、研究への貢献者として記されています）

[Mathematica @mathemetica]

Taxonomic graph analysis of personality questionnaire data uncovers this three-tiered network.

Bottom-level facets cluster into six mid-level traits - Neuroticism, Sociability, Conscientiousness, Integrity, Openness to Experience, and Impulsivity - which organize under three meta-traits:
Stability, Plasticity, and Disinhibition.

Node colors align with the legends shown, and connecting lines indicate empirical statistical associations identified in the IPIP-NEO dataset.

It is used to refine personality assessment tools and investigate links between traits and mental health conditions.

[0xCrypto Tied @CryptoTied]

🚨卧槽！一个把 AI 在创意过程中的“分叉时刻”可视化的项目

有人做了一个很有意思的尝试：她从真实项目的对话记录中提取了 146 个 ideation 事件，用 3D 可视化呈现 AI 在其中“分叉想法”的时刻。

在时间轴上，每一个立方体代表 AI 一次显著扩展了可能性空间的节点。立方体的大小反映了不同选项在语义空间中的差异程度（接近的微调 = 小立方体，真正不同的方向 = 大立方体）。

她还给每个动作定义了 “magnitude”（层级高度 + 语义跳跃距离），把整个创作过程看作一种演化：AI 生成变异，人来选择。

这个可视化不是为了炫技，而是想给 AI 在开放式创意工作中的作用一个更清晰的“过程签名” —— 它到底在什么时候、以什么方式真正改变了项目的走向。

[鳥井シンゴ @shingo_torii]

視覚化は大事

[0xCrypto Tied @CryptoTied]

🚨卧槽！Anthropic 自己也在用 Obsidian 知识图谱管理公司知识

Anthropic内部使用的一个超大规模 Obsidian 知识图谱。

图谱包含 8893 个节点、4729 条链接，结构极其复杂和密集，从远处看像一个知识星系。

里面有 Marginalia Collection、Glossary Backbone、Comparative Grammar MOC、Oral History Transcripts、Field Notes Archive 等大量结构化内容，还有一个中心 Master Index 串联起 9000+ 文档。

这已经不是简单的个人 second brain，而是 Anthropic 用来管理公司创新、历史、术语、翻译研究等核心知识的系统级知识图谱。

更值得注意的是：连 Anthropic 自己都在用 Obsidian + 复杂知识图谱来组织内部知识，这对做知识管理、第二大脑、或者想构建企业级知识系统的人来说，是一个很强的信号。

[日本経済新聞 電子版（日経電子版） @nikkei]

SNS使うほど「思春期の承認欲求や孤独感が増幅」　脳科学研究
https://t.co/n0JdtCafjD

特に女性のメンタルを悪化させていることが明らかになってきました。「利用を止められない」「イライラする」ことが多くなると、孤独感や痩せ願望が強まるといいます。

[日本経済新聞 電子版（日経電子版） @nikkei]

中国アリババ、米アンソロピックのプログラミングAIを利用禁止に
https://t.co/jkODf5px4W

[かずき｜🇺🇸コロンビア大学院 @kazuuuu3150]

AIの利用について
米国大学院の授業初日、教授から言われたシビれた言葉

「確かに、Chat GPTやAIツールを使えば、短時間で素晴らしいものができるわ、自分の実力以上のものがね」

「でも、覚えておいてね。私は皆さんに「完璧なもの」なんて求めてないの。興味があるのは唯一、「皆さん個々の成長」よ。1年間よろしく」

I am not asking for perfection from any of you. The only thing I'm interested in is your individual growth.

かっこいい、首がもげるほど頷きました

[Palantir @PalantirTech]

Intelligence should be sovereign.

[鳥井シンゴ @shingo_torii]

イーロン・マスク氏が広めた「第一原理思考」という考え方があります。物事を、これ以上分解できない基本の事実まで砕いて、そこから組み直す思考法です。

当時の業界は「電池パックは1kWhあたり600ドル、これは下がらない」と信じていました。マスクはそれを疑い、電池を素材（コバルト、ニッケル、アルミなど）まで分解。市場価格を積み上げると、約80ドル/kWhにしかならない。残りの約520ドルは何か。製造のしくみと、供給網のマージン、そして業界の常識でした。素材として必要なお金ではなく、「昔からこうだから」で積み上がったコストです。

そこからギガファクトリーの戦略が生まれました。電池の価格はその後も下がり続け、業界の平均でも2023年には1kWhあたり128ドルまで落ちています。

前提を疑わなければ、600ドルの中でいかに節約するかしか考えられません。前提をゼロから問い直したから、構造ごと変えられた。

▼ 前提を疑う時間を、先に取る

AIが過去のアナロジーを圧倒的な速さで処理できる今、人間に残る価値の高い動きは一つです。前提をゼロから疑い、組み直すこと。

Elon Musk explains first principles thinking and uses it to predict 80%+ decline in battery prices https://t.co/8jqjTMCHKw

[AIDB @ai_database]

AIに未来の出来事を予測させるとき、最も優秀なモデルを何度も使うより、Grokのように風変わりなモデルと協力させたほうが当たる、という報告が出ています。
それどころか、Grokは（単体では平凡なのに）メンバーから外すとチームの成績が下がってしまう「いちばん替えのきかない存在」でした。

逆に、一番賢いモデルだけに頼って繰り返し聞いても一回目とほぼ同じ予測が返るだけで、情報がほとんど増えません。

実験では、Gemini 3 Pro、GPT-5、Grok 4など5モデルを総当たりで組み合わせたところ、最強のチームは複数のモデルに予測を分散させたものでした。そして冒頭にも述べた通り、Grok 4が隠れた重要キャラだったのです。

Grok 4の特徴は「他のモデルと違う角度から予測する（＝答えの相関が低い）」ことで、それが群衆全体の賢さに貢献していたそうです。

これはあくまでAIの研究ですが、どこか人間社会を思わせる少し微笑ましい結果です。

[コンドウハルキ｜7/15初出版/ズルいほど稼げるデザイナーの仕事術 @halukik_0520]

https://t.co/wJHrSl3Lwe

[AIDB @ai_database]

AI同士が、人間には読めない独自の「言語」を自分たちでゼロから発明し、その言語で会話しながら考えた方が、人間の言葉を使うより効率よく問題を解けたという研究が出ています。
普通の文章を極限まで削った「Cs n=8, St1 total=(n-1)!」のような暗号めいた書き方で考えを進めます。
（人間が見てもほとんど読めない）

複数のAIが互いの言語を少しずつ改良し合い、「正しく答えられて、かつ短い」ものだけが生き残っていく仕組みです。
生き物の進化や、人間の言葉が長い年月をかけて効率化されていくプロセスとよく似ています。

実際、答えの正しさをほぼ保ったまま、AIが生成する文字数を3〜6分の1まで減らせたそうです。
さらに、やさしい問題は一番安上がりな言語で一発で答え、難しい問題だけ複数の言語を組み合わせてやりとりする、という使い分けも効果的とのこと。

なお、こうした圧縮された記号は人間には読み解きにくいため、AIが何を考えているかを後から確認しづらくなるというリスクも指摘されています。

良い面としては、計算コストを大きく下げられるため、AIを大量に動かすサービスなどでの活用が期待されています。