『株式会社ドラえもん』を作るなら、誰が社長で、誰がどの役職に就くのか。「令和の虎」榊󠄀原清一が、7つのポジションに本気で配置してみました。 社長に選んだのは、力でも頭脳でもなく、あの人物。そして最後まで頭を抱えたのが、たった一人だけ席のなかった「のび太の処遇」です。 長文のため、動画でもまとめています。 — 1．代表取締役社長（CEO）ジャイアン 組織のトップには、圧倒的な現場主義と、仲間を守る責任感が必要である。ジャイアンは、実家の剛田商店で日常的に店番や配達をこなし、幼い頃からビジネスの最前線に触れてきた人物である。鉄人兵団が地球を侵略しようとした際は、自らが盾となって仲間を守った。ピリカ星では、皆が尻込みする中、真っ先にパピの救出に立ち上がり、巨大なクジラ型戦艦にも一人で立ち向かった。「友だちに助けをもとめられて、知らん顔していられるか！」という名言は、私もずっと忘れられない。この命がけで仲間を守るリーダーシップは、組織のトップとして申し分ない。 2．専務取締役（COO）出木杉英才 COOには、トップが掲げるビジョンを、完璧な実務プロセスに落とし込む知性が必要である。出木杉は、小学生でありながら天体観測の計画や歴史研究を自主的に進め、知識量とタスク管理能力は群を抜いている。人が何時間もかける難しい宿題も、わずかな時間で片づけてしまう。この知性と実務能力を兼ね備えた人財は、ジャイアンの猪突猛進なビジョンを、現場で動く事業計画に変える最高の右腕になる。 3．営業本部長（CSO）骨川スネ夫 営業には、人脈と世渡りの技術が必要である。スネ夫は、父親の幅広いコネクション、芸能界や社長職の知人を巧みに使い、最新のおもちゃや別荘でのリゾート計画で、常に周囲の羨望を集めてきた。さらに、強い力を持つジャイアンに対しても、常に一歩引いて自尊心をくすぐりながら、自分の利益を確実に確保する交渉術を見せる。このコネクション力と交渉術を兼ね備えたスネ夫は、競合の懐にスッと入り込むトップセールスになる。 4．経理・財務部長（CFO）ドラミ CFOには、情に流されず、徹底した合理主義を貫ける人財が必要である。ドラミは、非常に優秀で几帳面な人物である。兄のドラえもんが優しさで道具を貸し出すのに対し、ドラミは本人の自立のために、必要最小限のサポートしか行わない厳しさを見せる。この合理主義と規律を兼ね備えたドラミは、会社の財務を統括し、経営判断を支える人財になる。 5．技術・開発部長（CTO）ドラえもん CTOには、未来のテクノロジーを現代のビジネスへ導入する戦略眼が必要である。ドラえもんは、技術をゼロから生み出す発明家ではないものの、22世紀のひみつ道具を現代の業務にどう活用するか、そのDX推進のセンスがズバ抜けている。四次元ポケットというアセットから、現場の課題解決に直結する道具を即座に引き出す手腕。このテクノロジー導入の戦略眼と即応性を兼ね備えたドラえもんは、競合他社が追随できない技術的優位性を会社にもたらす人財になる。 6．人事・総務部長（CHRO）源静香 CHROには、組織の融和と、社員のエンゲージメントを高める潤滑油としての機能が必要である。しずかは、ジャイアンやスネ夫など個性の強いメンバーの間に立ち、常に全員がリラックスできる場を作る人物である。鉄人兵団が地球を侵略しようとした際、ロボットのリルルに「時々理屈に合わないことをするのが人間なのよ」と諭し、敵対する相手の心まで動かした。この言葉には、私も経営者として何度も考えさせられた。この融和力と共感力を兼ね備えたしずかは、ギスギスしがちな職場を劇的に改善し、組織のエンゲージメントを高める人財になる。 7．監査役 ジャイアンの母 監査役には、コンプライアンスの遵守と、組織のルールを正しく運用する絶対的な権威が必要である。ジャイアンの母は、剛田商店という雑貨店を切り盛りする経営者でもあり、店番をサボった息子のジャイアンを、物理的にも精神的にも叱り倒す唯一の存在である。ジャイアンが大声でリサイタルを開こうとすれば、即座に「タケシ！」と呼びつけて店に引き戻す厳しさを見せる。この絶対的な権威と規律を兼ね備えた母は、社長の暴走を止められる唯一のガバナンス担当として、監査役に最適である。 — こうして7つの役職が揃い、ある意味で面白い組織が完成する。ただ、一つだけ大きな問題が残っている。のび太の処遇である。 のび太は、ドラえもん開発部長の道具に頼り続けてきた癖が抜けない限り、平社員からの昇進は難しい。まずはジャイアン社長のジャイアニズムに耐え、自力で結果を出せる人財に育ってほしい。私は株主として、ジャイアン社長のリサイタル対策に音消しマイクを常備しつつ、のび太が自立する日まで、外から見守る。

日本版“ブルシット・ジョブ”の実態とは？ 「仕事の5割以上が無意味」と答えた人が37%にものぼる衝撃の調査結果。 海外の「暇」とは異なり、日本は「多忙なのに意味を感じられない」という独自の課題があります。 4つの類型から無意味な仕事の正体を解明し、その戦い方を提言します。 #ブルシット・ジョブ　##ワークス研究所#

『株式会社名探偵コナン』として組織を考えました。 7つの役職に、最も適性の高い人財を配置しています。 長文です。読みづらい方は動画でご覧ください。 1．代表取締役社長（CEO）：工藤新一 まず、課題解決能力が図抜けている。 ベテラン刑事が迷宮入りさせる密室殺人を、 現場のわずかな矛盾ひとつから解いてしまう。 そしてもう一つが、人を巻き込む力。 FBIの赤井秀一、公安の安室透、西の高校生探偵・服部平次。本来交わらない凄腕たちを、組織を追うという一点でひとつのチームにまとめてしまう。 見た目は子供、頭脳は大人。 これ以上の適任はいない。 2．専務取締役（COO）：灰原哀 コナン社長は自ら危険に飛び込むタイプ。 背後でリスクを見る参謀が要る。 灰原は元々、黒ずくめの組織の天才科学者「シェリー」。 コナン社長を子供の姿に変えた薬、 アポトキシン4869を生み出した本人である。 組織の手口を内側から知り尽くし、近づくメンバーを匂いで嗅ぎ分けるほど、危険への嗅覚が鋭い。 前に出る社長と、その背中を守る灰原。 この二人で経営は盤石である。 3．営業本部長（CSO）：安室透 営業は、相手の信頼を勝ち取って案件をものにする仕事。 その点で安室は規格外、3つの顔を持っている。 公安警察ゼロの降谷零、喫茶ポアロの店員「安室透」、 黒ずくめの組織のスパイ「バーボン」。 喫茶店では客の心をつかみ、毛利小五郎には弟子入りして懐に入り、組織の中枢にまで潜り込んで機密を引き出す。 これだけ人の心をつかめる営業本部長がいれば、落とせない取引先はまずいない。 4．経理・財務部長（CFO）：妃英理 財務を預けるなら、論理で詰めて一切妥協しない人が理想。 妃は法廷で無敗、「法曹界の女王」と呼ばれる敏腕弁護士で、自分の事務所も構える経営者である。 法律にもコンプライアンスにも明るく、数字のごまかしは一切効かない。 1円でも不透明な支出があれば、その場で却下。 営業の安室が怪しい接待交際費を上げてきても、論理で詰めて突っぱねる。 会社の資産を守る、最後の砦である。 5．技術・開発部長（CTO）：阿笠博士 博士がいなければ、競合との技術競争に勝てない。 東都大学工学部の博士課程まで修めた天才で、時計型麻酔銃、キック力増強シューズ、蝶ネクタイ型変声機、追跡装置つきの少年探偵団バッジ。 時代を何十年も先取りした発明を、 自宅の地下研究室で独力で開発・保守している。 他社が資本をいくら積んでも、技術では追いつけない。 現場の要望に合わせ、その場でデバイスを作れる、 最高峰の技術責任者である。 6．人事・総務部長（CHRO）：毛利蘭 人事・総務は、組織の日常を回しつつ社員をまとめる役。 蘭は、それを地でいっている。 だらしない父・小五郎に代わり、事務所も兼ねた家を実質一人で切り盛り。 素性もわからない居候のコナンまで、本当の弟のように世話している。 しかも空手は、都大会も関東大会も制した実力者。 社内で不正やハラスメントがあれば、にらみを利かせる抑止力にもなる。 7．監査役：赤井秀一 監査役は、社内の不正も外からの脅威も、絶対に見逃せない役。 赤井はFBI屈指の狙撃手で、700ヤード先の的すら撃ち抜く。 黒ずくめの組織のボスからは、組織を壊滅させる「銀の弾丸」として恐れられた存在である。 正体を隠して組織に潜り込み、内側から手の内まで知り尽くしている。 コナン社長が真実を急いで危ない橋を渡ろうとしても、 感情も立場も関係なく止められる。誰にも忖度しない。 監査役は、赤井しかいない。 ●総評 課題解決力なら、文句なしの最強チームである。 ただ、一つだけ大きな問題がある。 事件の遭遇率である。 このメンバーで商談や視察に出ると、行く先々で、なぜか必ず事件が起きる。 せっかく安室が大型の取引先を開拓してきても、その商談の最中に、決まって不可解な事件が舞い込んでくる。 もっとも、起きた事件は全部コナン社長が解決するので、 業績の心配はいらない。 私は株主として出資だけ行い、現場への同行は控えさせていただく。

【アップデート】 Game Pitching+を1.0から2.0にバージョンアップしました ■背景： 従来方式の課題は、打者が振るか見送るかという最初の分岐と、その後に起きる結果を、1つの多クラス分類で同時に学習させていた点です Swingの判断、空振りやファウル、見逃し時の判定は発生構造が異なります これらをまとめて扱うと、それぞれの条件付き確率を個別に最適化しにくく、頻度の異なる結果が同じ損失関数の中で競合します また、BIPのxwOBAcon回帰は平均的な打球品質を評価するには有用ですが、低頻度ながら失点影響の大きいHRと、通常のインプレーを同じ連続値の中で扱います そのため、平均的な打球品質の推定に引っ張られ、HRというテールリスクが薄まる可能性がありました ■Game Pitching+2.0概要： Game Pitching+ 2.0では、まずTake/Swingを予測し、その条件下でWhiff/Foul/InPlay、またはCalled Strike/Ball/HBPを予測します さらにBIP時のHR確率を独立して推定します 投球結果が発生する順序に沿ってモデルを分解することで、それぞれの確率を適切な対象球だけで学習できる構造にしました ■モデル検証： 検証では2022〜2024年を学習期間とし、2025年を完全な未学習データとして使用しました 確率校正は2022〜2023年で一時モデルを学習し、2024年でTemperature Scalingを実施 2025年に100回以上を投げた共通127投手について、FIP、K-BB%、SIERAとの関係を比較しました ■検証結果（Pearson相関の絶対値）： FIP：.588 → .761 K-BB%：.683 → .840 SIERA：.692 → .853 3指標平均は.654から.818へ改善しました Pitching+ 2.0では、球質・位置・状況を別々に評価して後から足すのではなく、最初から1つの投球価値として学習する設計を採用しています

🏛 要件仕様書を入れると、4+1ビューのアーキテクチャ図から本番品質のドキュメント、ATAM相当の評価レポートまで自動生成。4つの専門エージェントが要件と設計の橋渡しをします。 タイトル: Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory URL: 📝 概要 MAADは、ソフトウェア要件仕様（SRS）からアーキテクチャ設計までを、役割特化の4エージェントでオーケストレーションするフレームワークです。外部知識（RAG）と3層の階層メモリで、一貫性とトレーサビリティを担保します。 ❓ 解決する課題 アーキテクチャ設計は複雑で知識集約的なため、アーキテクトに大きく依存していました。単一LLMは出力が一貫せず要件カバレッジが不完全で、既存のマルチエージェントもアーキ固有のワークフローや知識統合を欠いていました。 💡 方法論と提案手法 ・Analystが要件（FR/NFR/ASR）を抽出し、Modelerが4+1ビューのUML図へ、Designerが本番品質ドキュメントへ変換します ・EvaluatorがトレーサビリティとATAMベースの分析で各段に品質ゲートを設けます ・ISO/IEC/IEEE 42010などの標準や定番書籍をベクトルDBに埋め込み、クエリごとに上位3件を参照します ・作業記憶・エピソード記憶・意味記憶の3層メモリで、反復的な洗練と知識再利用を支えます 🎯 ユースケース 要件からの素早いアーキテクチャ設計、要件変更に追従する一貫性維持、暗黙知に頼らない知識移転、自動検証によるレビュー負荷削減などに使えます。 📊 実験結果 ・実世界のSRS 10件で、MetaGPTより完全・モジュール性が高く・トレーサブルなアーキテクチャを生成 ・結合度や凝集度など7つのアーキテクチャ指標で評価し、Evaluatorが品質レポートを自動生成 ・評価LLMではGPT-5.2とQwen3.5が多くの設定で他を上回りました ・現役アーキテクト6名が「原則に整合し実開発に適する」と評価しました #SoftwareArchitecture# #AIエージェント#

ナフサの質と価格－5月の急変 5月貿易統計、中東産ナフサが前年同月比で9割減、米国産ナフサが約7倍、全体としての量は前年90％と回復基調にあるものの、2つの大きな課題があります。 一つは質の変化。日本の石化プラントは石油同様、中東産の組成を前提に設計・運用されてきました。アメリカ産の軽質ナフサでは芳香族（シンナー、塗料の原料）の生産得率が低く、需要が落ちていなければ、一部製品輸入に頼らざるを得ません。 そしてもう一つは価格。数量は10％減なのに、輸入総額は990億から1,770億、単価は約2倍。6月に入り、アジア方面の需要減退を起因に価格が下がりましたが、それでも前年比で高い水準にあり、円安も手伝って価格動向は気が抜けない状況。 中東産大幅減と米国産大幅増という構造変化による影響を引き続き注視していきたいと思います。

🗺️ 最先端のGPT-5でも、現実世界の空間タスクの成功率はわずか14.4%——。静止画を眺めて答えるだけでは測れない、AIエージェントの「能動的な空間推論」の弱さをあぶり出す新しいベンチマークが登場しました。 タイトル: SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks URL: 📝 概要 SpatialWorldは、マルチモーダルLLMが視覚のみの一人称視点で、3D環境を能動的に探索しながらタスクを解けるかを測るベンチマークです。屋内・屋外・デジタルゲームにわたる8つの異なるシミュレータを共通プロトコルで統合し、人手で作った760タスクで15の最先端モデルを評価しました。エージェントは事前に与えられた地図や正解の手順なしに、自分で見て、動いて、判断する必要があります。 ❓ 解決する課題 従来の空間推論ベンチマークは、静的なVQAや録画済み動画による受動的な評価に依存していました。しかしこれでは、エージェントが自ら視点を動かして視覚的な証拠を集め、部分的にしか見えない状況の中でその場で計画を立て直す、という現実世界に必要なインタラクティブな空間理解を測れません。静的なシーンを認識できることと、未知の空間で実際に動いて課題を解けることの間には、大きな隔たりがあったのです。 💡 方法論と提案手法 ・課題を視覚のみのPOMDP（部分観測マルコフ決定過程）として定式化します ・エージェントは自然言語のゴールと、ネイティブ解像度の一人称RGB画像1枚だけを受け取り、深度・地図・意味メタデータは一切与えられません ・行動はナビゲーション、視点制御、物体とのインタラクション、タスク完了を含むテキストベースの高レベルインターフェースで指示します ・屋内（AI2-THOR、ProcTHOR、VirtualHome）、屋外（CARLA、EmbodiedCity）、デジタルゲーム（Block3D、Snake3D、ルービックキューブ）の8バックエンドを統合します ・評価は途中の軌跡の一致ではなく、最終的な終端状態がゴールを満たしたかで判定し、人手で妥当性を確認します ・成功率に加え、人間の参照軌跡と比べたステップ効率も測ることで、効率の悪さも可視化します 🎯 ユースケース 家庭用ロボットや自律エージェントの空間能力を、実環境へ配備する前に統一的かつ公平に評価する基盤になります。ナビゲーションと物体操作を組み合わせた長期タスクのどこでつまずくのかを体系的に診断でき、空間推論モデルの改善に向けた厳密なテストベッドとして活用できます。 📊 実験結果 ・15の最先端モデルを評価し、物理タスクの成功率はGPT-5が14.4%、Qwen-3.5-397Bが12.2%、Gemini-3.1-Proが9.2%、Kimi-K2.5が9.2%にとどまりました ・デジタルゲームではGemini-3.1-Proが39.0%で最高、GPT-5が36.4%と続きました ・複雑さ別に見ると、インタラクションのみのタスクは平均50.2%だったのに対し、ナビゲーションのみは8.6%、両者を組み合わせた複合タスクはわずか4.2%まで急落しました ・成功率が近いモデルどうしでも効率スコアは大きく異なり、多くのモデルが試行錯誤に頼って動いている実態が明らかになりました ・環境ごとにモデルの順位が大きく入れ替わり、全カテゴリを支配する万能なモデルは存在しませんでした #AIエージェント# #SpatialReasoning#

📹 終わりのない映像ストリームの中で、どの瞬間が後で重要になるかは誰にも分かりません。その難問に正面から答えたモデルです。 タイトル: OneStreamer: Unifying Perception, Memory, and Proactive Response in Streaming Video Interaction URL: 🧠 概要 ライブ映像を扱うLLMが、観測した内容を再利用可能な「事実の記憶」に変えながら、適切なタイミングで能動的に応答するための手法です。4Bという小さなモデルで、8つのストリーミング映像ベンチマークすべてで最高スコアを達成しました。 🔥 解決する課題 過去の視覚トークンを保持する方式は、限られたコンテキストを直近の観測と奪い合い、リアルタイムの知覚を弱めてしまいます。かといって直近だけを残せば、昔の出来事は失われます。さらに「沈黙」のラベルばかりが続くため、いつ応答すべきかの学習も偏りがちでした。 💡 方法論と提案手法 鍵は、能動的な生成を「ユーザーへの応答」だけでなく「証拠を事実記録に変換する行為」とも捉え直した点にあります。 ・PHCM: 視覚ウィンドウは直近のみに保ったまま、観測内容を時刻付きのテキスト記録として書き出し、元フレームが消えた後も文脈として残します ・PSTL: 出力を開始する全アンカーの教師信号を残しつつ、状態変化と持続の代表例だけを選んで学習します 📊 実験結果 ・OVOBenchで72.1、ProactiveVQAで48.7を記録し、11BのMOSS-VL-Realtimeを4Bで上回りました ・記憶指標ASIは、全履歴を保持する方式を4.0ポイント上回りながら、リアルタイム知覚でも勝っています ・PSTLは状態トークンの27.5%しか教師づけしないのに、密な教師づけを超えました。同じ27.5%でもランダム選択では伸びず、選び方そのものが効いています ・コンテキスト長は全履歴比で93.1%削減、初回応答までの時間は4.560秒から0.124秒へ短縮されました #動画理解# #マルチモーダルLLM#

「DDDって実際のOSSでどう使われ、保守品質とどう関係してるの?」——有名な割に大規模な実証データがほぼなかったこの問いに、865リポジトリのマイニングで挑む研究です🔍 タイトル: Domain-Driven Design in Practice: A Mining Study of Maintenance and Evolution in Open-Source Repositories URL: ❓ 何を調べるの? 💡 GitHubのDDDタグ付き1,260件をフィルタした865リポジトリ（Java/C#/TypeScript）を対象に、8つの戦術的ビルディングブロック（Entities, Value Objects, Aggregates, Repositories, Domain Services, Domain Events, Application Services, Factories）の実態を分析します。 ❓ どうやって検出するの? 💡 3層パイプラインです。DDD固有のアノテーション、命名規約（例: OrderRepository）、パッケージ・ディレクトリ構造の3つを組み合わせ、精度0.75以上を満たした段階でのみ次へ進みます。 ❓ 何が一番の技術的課題? 💡 Bounded Context（境界づけられたコンテキスト）の境界違反です。「モデルとコードのギャップ」をクロスコンテキスト依存として定量化し、違反率＝BC間依存÷全クラス間依存で測ります。境界推定は2名の人手でCohen's kappa 0.80以上を要求。 ❓ 信頼性の担保は? 💡 言語横断はKruskal-Wallis＋Dunn事後検定、相関はSpearmanのρ。年齢・規模・言語・種別・チーム規模を交絡として制御し、検出が精度基準を割ったら結論を無効化せずスコープを狭める「劣化計画」を事前登録しています。 設計の堅牢さが際立つ研究で、DDDの保守・進化を語る実証基盤になりそうだと感じます。 #DDD# #ソフトウェア工学#

🎨 「見る」と「創る」を同じモデルの中で育て合わせる、統合視覚AIの新作が登場しました。 タイトル: SenseNova-U1.5: Towards Native Unified Visual Intelligence URL: 🧩 概要 OpenSenseNovaが開発した8B規模のMixture-of-Transformersモデルで、外部の視覚エンコーダやVAEを一切使わず、生のピクセルを直接扱いながら画像理解・推論・生成・編集を1つのモデルでこなします。 ⚙️ 解決する課題 従来の統合モデルは理解系と生成系で別々の潜在空間を経由することが多く、整合性のロスが生じがちでした。理解と生成を共有表現の上で本当に一体化させることを目指しています。 🛠 方法論と提案手法 視覚トークンを2次元特徴フィールドに投影し、隣接する32×32領域間で情報をやり取りしながら再構成する空間デコーダを採用。さらに美的品質・OCR・編集・インフォグラフィックの4専門家をRLで個別に鍛えた後、On-Policy Distillationで1つのモデルへ統合します。 📊 実験結果 GenEval総合0.92、画像編集ベンチマークImgEditで4.59（前作U1は3.90）、ビジネス文書生成BizGenEvalでは前作51.4%から72.2%へ大幅向上と、理解・生成・編集の全方位で前作や競合を上回りました。 #統合マルチモーダルAI# #画像生成#