【爆騰が止まらない新築マンション｢値付け｣のからくり…進む｢立地｣と｢顧客｣の選別とデベロッパーの優勝劣敗】 #東洋経済オンライン#

新品發行: 2026-01-02 PONDO-010226_001 女優: さくらみな 備受讚譽的溫泉旅館，提供深受顧客喜愛的新鮮刺身和鮮活鮑魚，還有伴遊小姐的一流的服務，合力提供傳奇中的女體盛！新鮮的海鮮、油潤多汁的女性胴體、鮮嫩多汁的鮑魚，以及海藻，同時享受視覺和味覺的雙重愉悅‼️

💡 Samsara Inc. $IOT Q2 FY2027決算 2026-09-03 💰 今四半期業績 - 🟢 EPS：$0.20 (予想$0.16) - 🟢 売上高：$508.4M (予想$483.29M) 📊 重要指標 - 🟢 ARR（年間経常収益）：$2.125B (YoY+30%) - 🟢 Net New ARR（純新規ARR）：$134.1M (YoY+28%) - 🟢 Non-GAAP営業利益：$106.0M (Est. $87.1M) (YoY+77.5%) - 🟢 Non-GAAP営業利益率：21% (YoY+6pts) - ⚫️ Non-GAAP粗利率：78% (YoY横ばい) - 🟢 フリーキャッシュフロー：$64.7M (FCFマージン13%, YoY+1pt) - 🟢 ARR $1M超顧客：ARR $500M超を創出 (YoY+50%超、3四半期連続) 📊 次四半期ガイダンス - 🟢 EPS：$0.19 (予想$0.182) - 🟢 売上高：$515M (予想$509.67M) 📊 通年ガイダンス - 🟢 EPS：$0.77 (予想$0.718) - 🟢 売上高：$2.045B (予想$2.01B) 📍決算内容の注目ポイント - ARRが$2.1Bを突破し、3四半期連続でYoY+30%成長を達成。大口顧客（ARR $1M超）がARR $500M超を創出し、YoY+50%超の成長を3四半期連続で記録 - AI機能の顧客採用が直近2ヶ月で4倍以上に急増。Connected Operations Platformにおける生成AI・ワークフロー自動化の活用が加速 - Non-GAAP営業利益率が前年同期の15%から21%へ6ポイント改善し、収益性と成長の両立を実現。GAAP黒字も4四半期連続で達成 - Motive Technologies, Inc.との仲裁裁定でSamsaraが勝訴し、$30.3Mの利益を計上（上半期累計） - Baillie Gifford (+20.7%)、T. Rowe Price (+154.7%)、FMR (+46.8%)など主要機関投資家がポジションを大幅に拡大 🤵‍♂️CEO (Sanjit Biswas) コメント 「Samsaraは持続的かつ効率的な成長を実現し、ARRが$2.1Bを突破、3四半期連続でYoY+30%成長を達成しました。大口顧客が引き続き当社の成長を牽引しており、最新のAI機能に対する顧客の採用は直近2ヶ月で4倍以上に増加しています。前例のないペースでイノベーションを推進しており、世界経済を支えるお客様にさらに大きなインパクトを提供できることを楽しみにしています。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 22.36B - PER: 379.16 - Forward PER: 53.96 - PEG: -0.14 🎯市場評価 - 株価 (発表前): 📈$38.757 (5.35%) - 株価 (発表後): 📈$43.29 (11.7%) - 決算前アナリスト目標株価: $45 ($50 ~ $38) B - 決算総合サプライズ率 (AI推定): 🤩14.72% - 決算後目標株価 (AI推定): $45.82 🤖 決算まとめるくん(AI)コメント 「Samsara Inc.のQ2 FY2027決算は、売上高・EPS・ガイダンスの全項目でアナリスト予想を上回る、極めて力強い内容でした。 売上高$508.4M（Est. $483.29M）はYoY+30%成長を示し、Non-GAAP EPS $0.20（Est. $0.16）は予想を25%上回りました。特筆すべきは、Non-GAAP営業利益率が前年同期の15%から21%へ6ポイント改善した点であり、高成長と収益性改善の両立が明確に示されています。 ARRは$2.125Bに到達し、3四半期連続でYoY+30%成長を維持。Net New ARRも$134.1M（YoY+28%）と堅調で、大口顧客（ARR $1M超）がARR全体の$500M超を占め、YoY+50%超の成長を3四半期連続で達成しています。このランド＆エクスパンド戦略の成功は、Connected Operations Platformの高い顧客粘着性を裏付けています。 AI機能の採用が直近2ヶ月で4倍以上に急増している点は、プラットフォームの付加価値向上とアップセル機会の拡大を示唆します。通期ガイダンスも売上高$2.043B-$2.047B（Est. $2.01B）、Non-GAAP EPS $0.76-$0.78（Est. $0.718）と上方修正されており、経営陣の自信が窺えます。 バランスシートも健全で、Altman Zスコア11.89は極めて高い財務安全性を示します。一方、PER 379倍と高いバリュエーションは、今後の成長持続が前提となる水準です。CEO Sanjit Biswas氏による継続的な株式売却はインサイダーシグナルとして留意が必要ですが、計画的売却の範囲内と推察されます。 総合的に、成長率・収益性・ガイダンスの三拍子が揃った好決算であり、IoTプラットフォーム市場における同社の競争優位性が一段と鮮明になった四半期と評価できます。 評価は🚀ポヨ」 🏢 Samsara Inc. 概要 - セクター: テクノロジー - 特徴: IoTデバイスとクラウドプラットフォームを活用し、物理的オペレーションのデジタル化・最適化を支援するConnected Operations Platformを提供するSaaS企業 🤘情報提供 Stock Slayer :

💡 Rubrik, Inc. $RBRK Q2 FY2027決算 2026-08-27 💰 今四半期業績 - 🟢 EPS：$0.20 (予想$0.04) - 🟢 売上高：$427.3M (予想$396.3M) 📊 重要指標 - 🟢 Subscription ARR：$1.66B (YoY+33%) - 🟢 Cloud ARR：$1.48B (YoY+39%) - 🔴 Non-GAAP粗利率：81.0% (前年同期81.6%, YoY-60bps) - 🟢 Subscription ARR Contribution Margin：14.0% (前年同期9.4%, YoY+460bps) - 🟢 フリーキャッシュフロー：$65.7M (Est. $39.7M) (FCFマージン15%) - 🟢 営業キャッシュフローマージン：18% - 🟢 $100K以上Subscription ARR顧客数：3,084社 (YoY+23%) 📊 次四半期ガイダンス - 🟢 EPS：$0.08 (予想$0.06) - 🟢 売上高：$430M (予想$418.28M) 📊 通年ガイダンス - 🟢 EPS：$0.50 (予想$0.31) - 🟢 売上高：$1.69B (予想$1.64B) 📍決算内容の注目ポイント - Rubrik AIを発表。Rubrik Security CloudとRubrik Agent Cloudにまたがるエージェント・ファーストのAIレイヤーで、自律的なサイバーレジリエンスを実現 - Identity Resilienceを強化。Identity Roll ForwardおよびIdentity Continuity機能を導入し、攻撃後のID復旧と認証継続性を確保 - Anthropic Claude Code向けRubrik Agent Cloudを発表し、Cognizant、Deloitte、HCLTech、NTT DATA、WiproとのGSIアライアンス「Project Hourglass」を公開 - 2026年Gartner Magic Quadrantのバックアップ・データ保護部門で7年連続Leaderに選出。Visionの軸で最も先進的なポジションを獲得 - 英国に£375M（$500M）の投資を発表し、LondonをEMEA本社に指定 🤵‍♂️CEO (Bipul Sinha) コメント 「Mythosやフロンティア型AIモデルはサイバーセキュリティの景色を根本から変えました。この新たな現実は、マシンスピードでのサイバーリカバリーだけでなく、自律的なランタイムAIエージェントセキュリティを必要としています。RubrikのAgentic Cyber Resilienceはその両方を実現し、信頼されるAI変革を可能にします。我々はAI加速の機会がまだ初期段階にあることに、かつてないほどの確信を持っています。」 🤵‍♂️CFO (Kiran Choudary) コメント 「Subscription ARRの33%成長、拡大するSubscription ARR Contribution Margin、そして引き上げた見通しは、我々のスケールにおける着実な実行力への自信の証です。FY2027の後半に強いポジションから入ることができることを嬉しく思います。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 22.06B - PER: -73.40 - Forward PER: 345.54 - PEG: -0.97 🎯市場評価 - 株価 (発表前): 📈$107.18 (11.49%) - 株価 (発表後): 📈$109.56 (2.22%) - 決算前アナリスト目標株価: $96.5 ($120 ~ $70) C - 決算総合サプライズ率 (AI推定): 🤩30.12% - 決算後目標株価 (AI推定): $123.85 🤖 決算まとめるくん(AI)コメント 「Rubrikの今四半期決算は、売上高・EPS・フリーキャッシュフローの全てにおいてアナリスト予想を大幅に上回る極めて強い内容でした。 Non-GAAP EPSは$0.20と、予想$0.04に対して5倍の水準を記録し、前年同期の赤字($-0.03)から大幅な黒字転換を達成しています。売上高$427.3Mも予想比+7.8%と力強く、YoY+38%の成長率は前四半期からさらに加速しています。材料権利(material rights)を除いた正規化売上高はYoY+43%とさらに高い成長率を示しました。 Subscription ARRは$1.66B（YoY+33%）、Cloud ARRは$1.48B（YoY+39%）と、サブスクリプション型ビジネスモデルの堅調な拡大が継続しています。Subscription ARR Contribution Marginが9.4%から14.0%へ460bps改善した点は、スケールメリットと営業レバレッジの発現を示す重要なシグナルです。 ガイダンスも全項目で引き上げられ、通年売上高$1.685B-$1.693B（予想$1.64B）、通年EPS $0.47-$0.53（予想$0.31）と、いずれも市場予想を大きく上回っています。通年FCFガイダンス$323M-$333Mも予想$295Mを上回り、収益性改善の持続性に対する経営陣の自信が窺えます。 一方、GAAP基準では依然として赤字（純損失$61.8M）であり、SBC（株式報酬）$101Mが利益構造に大きく影響しています。Altman Zスコア2.64、Piotroskiスコア4と財務健全性指標はやや注意が必要な水準です。また、Non-GAAP粗利率が81.0%と前年同期比60bps低下しており、コスト圧力の兆候も見られます。 Rubrik AIやAgent Cloud等のAI関連プロダクトの展開、 評価は🚀ポヨ」 🏢 Rubrik, Inc. 概要 - セクター: テクノロジー - 特徴: エンタープライズ向けデータセキュリティ 🤘情報提供 Stock Slayer :

【代理店業務品質に関する基本的な考え方に会員会社が賛同】 当協会では、顧客本位の業務運営の実現に向け、代理店業務品質に関する基本的な考え方に、すべての会員会社（31社）が賛同することを確認しました。詳細は以下をご覧ください。 #信頼回復# #損保協会# #保険代理店# #業務品質# #顧客本位の業務運営# ＃代理店業務品質評価制度

【「代理店業務品質評価本部」を設置】 2026年4月1日に「代理店業務品質評価本部」を新たに設置します。 あわせて、損保代理店や損害保険会社における不適切事例の通報等窓口を、開設します。 詳細は以下からご覧ください。 #保険代理店　##業務品質　##顧客本位の業務運営　##評議会　##損保協会#

# ADKの便利で実践的な使い方 ## 🧠 長いセッションでもコストを抑える！ADKのContext Compaction機能 エージェントとの長い対話、コンテキストが膨らんでコストもレイテンシも増加していませんか？ADKの **Context Compaction** を使えば、古いイベントを自動要約して常にスリムなコンテキストを維持できます！🎯 ## 📌 タイトル Context Compaction（コンテキスト圧縮） ## 🔗 URL ## 🧩 概要 Context Compactionは、セッション中に蓄積されるワークフローイベントデータを自動的に要約し、処理オーバーヘッドを削減する機能です。スライディングウィンドウ方式で、最新のイベントはそのまま保持しつつ、古いイベントを圧縮することで、コストとレイテンシを最適化します。 `EventsCompactionConfig` を使って、圧縮間隔（`compaction_interval`）とオーバーラップサイズ（`overlap_size`）を設定するだけで有効になります。 ## 🛠 使い方 Appレベルで `EventsCompactionConfig` を設定します。 ` から `App` と `EventsCompactionConfig` をインポートします。`App` の `events_compaction_config` パラメータに `EventsCompactionConfig(compaction_interval=3, overlap_size=1)` を渡すことで、3イベントごとに圧縮が実行され、前回の圧縮から1イベント分を重複保持する設定になります。 TypeScriptでは `TokenBasedContextCompactor` でトークン閾値ベースの圧縮も可能です。 ```typescript const agent = new LlmAgent({ name: 'my-agent', model: 'gemini-flash-latest', contextCompactors: [ new TokenBasedContextCompactor({ tokenThreshold: 1000, eventRetentionSize: 1, summarizer: new LlmSummarizer({ llm: new Gemini({model: 'gemini-flash-latest'}) }) }) ] }); ``` ## 🏗 実践的な使い方 **カスタマーサポートボットでの活用例：** 長時間の問い合わせ対応では、対話履歴が数十ターンに達することがあります。Context Compactionを導入することで： 1. **コスト削減**：古い対話内容を自動要約し、毎回のLLM呼び出しで送信するトークン数を大幅に削減 2. **レスポンス改善**：コンテキストが小さくなることで、LLMの応答速度が向上 3. **精度維持**：直近のやり取りはそのまま保持するため、文脈を失わずに対話を継続 `compaction_interval=5, overlap_size=2` のような設定で、5ターンごとに圧縮しつつ、直前2ターン分の文脈を次の圧縮に引き継げます。 **カスタムサマライザーの活用：** デフォルトの要約モデルではなく、ドメイン特化の要約プロンプトを使うことで、業務固有の重要情報（注文番号、顧客IDなど）を確実に保持できます。 ## 💡 ユースケース - 📞 **カスタマーサポート**：長時間の問い合わせ対話でコンテキスト爆発を防止 - 📝 **ドキュメント作成支援**：長い執筆セッションで過去の議論を要約しつつ最新の方針を保持 - 🔍 **データ分析エージェント**：多段階の分析プロセスで中間結果を圧縮 - 🎮 **ゲームNPC**：長時間のプレイセッションで過去のイベントを要約して記憶 ## ⚠️ 注意点 - 圧縮は不可逆です。要約された情報の細部は失われる可能性があります - `overlap_size` が小さすぎると文脈の断絶が起きやすくなります - カスタムサマライザーを使う場合、要約モデル自体のコストも考慮が必要です - 圧縮間隔が短すぎると、頻繁な要約処理でオーバーヘッドが増加します ## ✨ まとめ Context Compactionは「長いセッション＝高コスト」という常識を覆す機能です。設定一つで古いイベントを自動要約し、最新の文脈を保ちながらコストとレイテンシを最適化できます。長時間対話が発生するエージェントには、ぜひ導入を検討してみてください！ #ADK# #AIAgent#

AIエージェントをエンタープライズシステムに組み込むプラクティス 【信頼度ゲート棄権・エスカレーション】 💡 最も危険なAIは「分からないのに答えるAI」です。「答えない」を正常な出力として設計することが、エンタープライズ品質への第一歩です。 🔥 解決する課題 - 分からないことを分からないと言えず、ハルシネーションで誤情報を提供する - エージェントが根拠のない確信で不正確な回答をする（過信） - 専門知識が必要な質問に不適切な自動回答を返してしまう - 有人対応すべき案件がエージェントで完結し、顧客満足度が低下する 🏗️ 提案パターン 自己評価・検索ヒット品質・検証器合否・不確実性シグナルの複合でスコアリングし、閾値未満なら「分かりません」と回答して人間へ転送（warm handoff）します。転送時はそれまでの会話文脈を引き継ぎ、人間がゼロから対応する必要をなくします。封じ込め率（エージェントが自力解決する割合）と誤答率のトレードオフ曲線を実測し、誤答コストが高い業務ほど棄権寄りに閾値を設定します。 ✅ 選定条件 - 向き：顧客対応・専門領域・リスクの高い助言など誤答コストが高い業務 - 不向き：誤りが無害なブレインストーミングや探索的な対話 ⚠️ 落とし穴 - 閾値が高すぎると人間への丸投げが増え、エージェント導入の意味がなくなる - 閾値が低すぎると誤答が増え、信頼を失う - エスカレーション時に文脈を引き継がないと、顧客が同じ説明を繰り返す羽目になる 🛠️ 実装方針 1. 信頼度スコアを「自己評価＋検索ヒット関連度＋検証器合否」の複合で算出するスコアリング関数を実装します 2. 閾値未満時のwarm handoffでは、会話履歴・抽出済みエンティティ・試行済み回答をZendeskチケットまたはSlackスレッドに自動転送します 3. エスカレーション経路をZendesk（顧客対応）、Slack（社内）、PagerDuty（緊急）の3段階で設計します 4. 封じ込め率と誤答率のトレードオフ曲線を週次で可視化し、ドメインごとに閾値を調整します 5. 棄権理由を構造化ログに記録し、頻出する棄権パターンからナレッジベースの改善ポイントを特定します #AIエージェント# #エンタープライズアーキテクチャ#

# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # 従業員向け vs 顧客向け｜Employee-facing vs Customer-facing 🎯 ポイント AIエージェントを「社内向け」と「顧客向け」で同じ設計にしていませんか？ 利用者が従業員か顧客かで、信頼モデル・データ境界・ガードレール強度・障害影響がまるで別物になります。この分岐を初期に間違えると、顧客向けに甘い設計を適用して情報漏洩を招くか、従業員向けに過剰制約を課して生産性を潰すか、どちらかに必ず陥ります🔑 📋 概要 エージェントの利用者が「雇用契約・NDAで拘束された社内従業員」か「敵対的入力すら想定すべき外部顧客」かは、アーキテクチャの根本を左右する最初の分岐点です。従業員向けなら入力をある程度信頼でき、社内IdP（Okta / Entra ID）のSSOで認証を統一し、操作の失敗も「手戻り」で済むケースが大半です。一方、顧客向けではジェイルブレイク・間接インジェクションを前提に防御設計が必要で、出力がブランドイメージや法的責任に直結します。テナントごとのデータ隔離も必須で、認証基盤もCIAM（Auth0等）で匿名アクセスまで考慮する必要があります。規模も桁違い — 従業員数千〜数万に対し、顧客は数万〜数百万、24/365のスパイク耐性が求められます📊 🔍 意思決定のポイント 判断の軸は「利用者の信頼度」と「障害時の影響範囲」です。 利用者が雇用関係のある従業員のみ → 従業員向け設計でOK 外部顧客が含まれる → 顧客向け設計が必須 両方が含まれる → 別プレーンとして設計し、データ経路を分離 重要なのは「共有できるもの」と「分離すべきもの」の見極めです。オーケストレーション基盤やモデルゲートウェイ（AI Gateway）は共有できますが、データ到達経路・ガードレール・監査ログは必ず分離してください。顧客向けの出力パイプラインにはDLP（データ漏洩防止）を組み込み、社内データの混入を防ぎます⚡ 💡 要点と詳細 従業員向けの特徴は以下の通りです： - 入力を信頼できる前提が成り立つ（雇用契約・NDAの拘束） - データは社内ナレッジベース（Notion / Confluence / Box）や業務システム（Salesforce / ServiceNow / Workday）に閉じる - 失敗コストは「業務非効率」「手戻り」レベルで、多くは可逆 - 同時利用者は数千〜数万、業務時間帯に集中 顧客向けの特徴は根本的に異なります： - 敵対的入力（ジェイルブレイク・間接インジェクション）を前提とした設計 - 誤回答・情報漏洩が法的責任やブランド毀損に発展 - テナントごとの厳密なデータ隔離が必須 - 同時利用者は数万〜数百万、24/365のスパイク耐性が必要 ハイブリッド構成では、Shopify連携ECで顧客向け問い合わせエージェントと社内受発注オペレーション支援エージェントを同一基盤上の別プレーンとして構築するケースが典型的です。Zendesk上の顧客向けエージェントには公開可能ナレッジの投影（read model）のみを参照させ、社内Notionの機密データへの直接到達を遮断します🔒 ⚖️ トレードオフ 従業員向け設計をそのまま顧客向けに流用すると、社内で許容されるデータアクセス範囲を顧客に適用してしまい、他テナントの情報漏洩という最悪の事態を招きます。逆に顧客向けの厳格なガードレールを全社展開すると、従業員の業務効率が著しく低下し、エージェント導入のROIが出なくなります😰 プレーン分離を「後で対応」にするのも危険です。初期は単一スタックで構築し、顧客向けリリース時に分離コストが膨れ上がるのはよくある失敗パターンです。分離は初期設計時に決定すべきです。監査ログの混在も見落としがち — 顧客PIIと社内データが同一ログストアに混在すると、データ保持期間やアクセス制御の管理が破綻します⚠️ 🛠️ ユースケース EC顧客対応＋社内オペレーション：Shopify連携のEC事業で、顧客向け問い合わせエージェント（厳格なガードレール・テナント分離・DLP適用）と社内受発注支援エージェント（社内データ全域アクセス・操作権限広め）を同一オーケストレーション基盤上の別プレーンとして運用します。共通バックエンドはモデルゲートウェイで共有し、フロントエンドとデータ経路だけを分離する設計です🛒 ITヘルプデスク：社内従業員向けのITサポートエージェントは、Active Directory・Jira・Confluenceに広くアクセスでき、パスワードリセットやソフトウェアプロビジョニングまで自動実行します。同じ基盤を顧客向けサポートに転用する場合は、アクセス範囲を公開ナレッジベースに限定し、ガードレールを格段に強化し、トピック制限・トーン制御・拒否方針を追加します📚 実践のコツ：「両方必要になるかもしれない」と少しでも感じたら、初日からプレーン分離を前提に設計してください。後からの分離は技術的負債の中でも特にコストが高い部類です💪 #AIエージェント# #エンタープライズアーキテクチャ#