Nスポ前夜祭お集まりいただきありがとうございました😊フリースタイルフットボールもスケートボードもBMXもカッコ良過ぎました！！明日から二日間もたくさんの選手が出演します💗生で見るスポーツ、そして体験を是非！！ 入場無料です💗#Nスポ#

この後「Nスポ！2019」の“対決！「火の玉JAPAN」ボッチャLIVE”のステージ(14:45〜)に出演します！ 入場無料です！渋谷ヒカリエでボッチャを楽しみましょう！！

車いすテニスレジェンド国枝選手🎾元テニス部としては憧れの選手😎🎾お会いできました😊 前夜祭入れて3日間 ＃Nスポ 皆さんご来場いただきありがとうございました！ 東京2020に向けて楽しみになって来ましたね💗参加していただいた選手の皆さんありがとうございました！

1日目アンバサダー終わりました🙋‍♀️ MC陣レポーター2日目も頑張ります🤲みなさん遊びにきてねー💗 光臣みっちゃん来てたのに会えなかった😂 明日もたくさんゲストの皆さん登場しまーす！！ #NHK##Nスポ#

💡 Elastic N.V. $ESTC Q1 FY2027決算 2026-08-27 💰 今四半期業績 - 🟢 EPS：$0.70 (予想$0.584) - 🟢 売上高：$478.11M (予想$469.75M) 📊 重要指標 - 🟢 Elastic Cloud売上高：$235.2M (YoY+20%) - 🟢 Sales-led Subscription売上高：$398.5M (YoY+18%) - 🟢 cRPO (当期残存履行義務)：$1.153B (YoY+21%) - 🟢 RPO (残存履行義務)：$1.854B (YoY+27%) - 🟢 Non-GAAP営業利益率：16.2% (前年同期 15.7%) - 🟢 調整後フリーキャッシュフロー：$143M (FCFマージン 30%) - ⚫️ Net Expansion Rate：約111% 📊 次四半期ガイダンス - 🟢 EPS：$0.81 (予想$0.795) - 🟢 売上高：$486.5M (予想$483.47M) 📊 通年ガイダンス - 🟢 EPS：$3.33 (予想$3.244) - 🟢 売上高：$2B (予想$2B) 📍決算内容の注目ポイント - Deductive AIを買収し、AI駆動の調査・自動化機能をElastic Observabilityに統合 - OpenAIとの協業を発表し、Elasticsearch上でOpenAIの高度な推論モデルを企業コンテキストと統合 - ACV $100K超の顧客数が1,800超に到達、四半期純増数は過去最高を記録 - Gartner Magic Quadrant for Observability Platformsで3年連続Leader、IDC MarketScape SIEM 2026でもLeaderに選出 - $500Mの自社株買いプログラムの一環として、Q1に約$40M（約80万株、平均$49.71）を買い戻し 🤵‍♂️CEO (Ash Kulkarni) コメント 「Elasticは2027年度の力強いスタートを切り、すべての主要指標でガイダンスを上回りました。AIはエンタープライズ技術スタックを再構築しており、組織はどこで構築し、どのようにアプリケーションとデータを観測・保護するかについて意図的な選択を行っています。ACV $100K超コホートへの四半期純増顧客数が過去最高を記録し、cRPOおよびRPOの成長が続いていることは、この需要の持続性を反映しています。Search & AI、Security、Observability全体で成長モメンタムが加速しており、事業の軌道に自信を持っています。」 🔍 主要ファンダメンタルズ指標 - 時価総額: 8.71B - PER: 23.64 - Forward PER: 25.83 - PEG: 0.04 🎯市場評価 - 株価 (発表前): 📈$83.78 (5.72%) - 株価 (発表後): 📉$78.5 (-6.3%) - 決算前アナリスト目標株価: $69.89 ($91 ~ $49) A - 決算総合サプライズ率 (AI推定): 🤩12.85% - 決算後目標株価 (AI推定): $82.37 🤖 決算まとめるくん(AI)コメント 「Elastic N.V.のQ1 FY2027決算は、売上高・EPSともにアナリスト予想を明確に上回る好決算となりました。Non-GAAP EPS $0.70は予想$0.584に対して約20%のビートであり、売上高$478.1Mも予想$469.75Mを約1.8%上回っています。 特筆すべきは、将来の売上を示す先行指標であるcRPO（当期残存履行義務）がYoY+21%の$1.153Bに達し、RPOもYoY+27%の$1.854Bと力強い成長を維持している点です。ACV $100K超の大型顧客数が1,800超に拡大し、四半期純増数が過去最高を記録したことは、エンタープライズ市場での需要の堅調さを裏付けています。 Elastic Cloud売上高はYoY+20%の$235.2Mとなり、クラウドシフトが着実に進展しています。Non-GAAP営業利益率は16.2%と前年同期の15.7%から改善しましたが、リストラ費用$19.9Mを含むGAAP営業損失が$23.6Mとなっている点には留意が必要です。一方、調整後FCFマージンは30%と高水準を維持しています。 ガイダンスについては、Q2売上高$486.5M（予想$483.47M）、通年売上高$2.004B（予想$2B）、通年Non-GAAP EPS $3.33（予想$3.244）と全項目で予想を上回る見通しを提示しました。OpenAIとの協業やDeductive AIの買収など、AI戦略の具体化も進んでいます。 ただし、決算発表後の時間外取引で株価が下落している点は、直近の株価上昇による期待値の高さやバリュエーション面での調整圧力が影響していると推察されます。Non-GAAPグロスマージンが前年同期の78.7%から76.6%に低下している点も、コスト構造の変化として注視が必要です。 評価は📈ポヨ」 🏢 Elastic N.V. 概要 - セクター: テクノロジー - 特徴: 検索技術とAIを統合したElasticsearch Platformを基盤に、検索・オブザーバビリティ・セキュリティソリューションを提供するエンタープライズソフトウェア企業 🤘情報提供 Stock Slayer :

# 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 # temperature｜Temperature 🎯 ポイント temperatureを「とりあえず0.7」で全ステップ共通にしていませんか？ 実はタスクの性質によって最適値は大きく異なり、1つのエージェント内でもステップごとに切り替えるのが正解です。意図分類は0、ツール選択は0〜0.1、回答生成は0.3〜0.5、アイデア出しは0.7〜1.0。この使い分けが品質と安定性を両立させる鍵です🎛️ 📋 概要 temperatureはLLMの出力の確率分布をどの程度「なます」かを制御するパラメータです。高いほど多様で創造的な出力になり、低いほど再現性が高く決定論的な出力になります。エンタープライズのエージェント設計では、一律の設定ではなく、処理ステップの性質に応じたきめ細かい制御が求められます。「正確さが必要な場所」と「多様性が必要な場所」を明確に区別し、それぞれに適切な値を設定することで、品質の安定と表現の豊かさを同時に実現できます。 🔍 意思決定のポイント このダイヤルは「タスクの性質」で決めます。 事実抽出・分類・判定・コード生成 → 低temperature（0〜0.2）。正確性と再現性が最優先 要約・報告書・顧客対応ドラフト → 中temperature（0.3〜0.7）。安定性と自然さのバランス ブレインストーミング・バリエーション生成・創作 → 高temperature（0.7〜1.0）。多様性重視 重要なポイントとして、temperatureとtop_pを同時に大きく動かすと出力が不安定になります。片方を固定し片方で調整するのが基本です。また、本番とテストで同一のtemperature設定を使ってください。テスト時だけ0にすると、本番で初めて出力のぶれに気づくことになります⚡ 💡 要点と詳細 エージェント内でのステップ別temperature設定の考え方： 意図分類ステップ — temperature=0。ここがぶれると後続の全処理が狂うため、決定論的に分岐させます。 情報検索・ツール選択ステップ — temperature=0〜0.1。正確なツール呼び出しが最優先です。 回答生成ステップ — temperature=0.3〜0.5。自然な文章だが安定した品質を維持します。 提案・アイデア出しステップ — temperature=0.7〜1.0。多様性を重視し、幅広い選択肢を提示します。 計測すべき指標は、出力一貫性（同一入力N回の一致率、分類タスクなら95%以上を目標）、幻覚率（事実と異なる記述の発生頻度）、ユーザー満足度（特に顧客対応の文面品質）、eval成功率の分散（temperatureが高いほどevalがぶれる）です📊 ⚖️ トレードオフ temperatureが高すぎると、出力のばらつきが大きくなり品質の安定性が下がります。幻覚（hallucination）の発生確率も上がる傾向があり、事実に基づく回答が求められるエンタープライズ用途では致命的です。同じ質問に対して毎回違う回答が返ってくるのは、業務システムとしては信頼を損ないます😰 一方、temperatureが低すぎると、表現が画一的になりユーザーに「機械的」と感じさせます。顧客対応の文面が毎回同じテンプレート感だと、パーソナライズされた対応を期待する顧客の満足度は下がります。また最適解以外の選択肢を探索できないため、局所最適に陥りやすくなります⚠️ 🛠️ ユースケース ServiceNow ITヘルプデスク：チケット分類（temperature=0）→ ナレッジ検索（0）→ 回答生成（0.3）の3段構成。分類と検索は正確性最優先、回答だけ自然な文章にする設計です。分類精度が不安定な場合、temperatureではなくプロンプトを改善してください📚 Shopify商品説明生成：商品属性の構造化抽出（0）→ 説明文の複数バリエーション生成（0.8）→ 品質チェック（0）。創造的な部分だけtemperatureを上げ、前後の構造化処理は決定論的に固定します🎯 Slackブレスト支援ボット：全ステップでtemperature=0.9。多様なアイデアを出すことが目的なので、安定性より多様性を全面的に優先します🔧 実践のコツ：まずtemperature=0でevalを作成しベースラインの品質を確認してから、必要に応じて上げてください。分類精度が不安定な場合はtemperatureを動かすのではなくプロンプト改善で対処し、顧客対応の文面が画一的と指摘されたら0.1〜0.2刻みで段階的に上げてください。幻覚率が許容範囲を超えたら、temperatureを下げるか事実検証ステップを挟むのが定石です💪 #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 # ツール露出数｜Tool Exposure 🎯 ポイント エージェントに使えるツールを「とりあえず全部渡す」設計になっていませんか？ 実はLLMが一度に見渡せるツール数には認知的な限界があり、10〜20が安定ゾーン、30を超えると選択精度が有意に落ちます。ツールが多いほどモデルは「正しいツールを選ぶ」という認知負荷に晒され、誤選択やトークン浪費が増えていきます。SaaS連携が増えるエンタープライズ環境では、この制御が品質の生命線です🎛️ 📋 概要 ツール露出数とは、エージェントに一度に見せるツール（関数・API）の数を制御する程度のことです。多すぎるとモデルの選択精度が落ち、少なすぎるとユーザーの要求に応えられません。「どんな要求にも対応できる」と「正確にツールを選べる」は本質的にトレードオフの関係にあり、業務ドメインやユースケースに応じて意図的に設計する必要があります。ツールの「量」だけでなく、ツール説明（description）の「質」も選択精度に直結する点を見落とさないでください。 🔍 意思決定のポイント このダイヤルは「ツール数の規模」と「ツール説明の品質」の2軸で決めます。 ツール数が10〜20 → 静的定義で十分。グルーピングで管理可能 ツール数が20〜30 → ドメイン別のサブエージェント分割を検討 ツール数が30超 → Tool RAG（動的選択）またはルーター＋サブエージェント＋Tool RAGのハイブリッド構成が必須 ツール数を減らす前に、まずツール説明の品質を見直すことが重要です。名前が動詞＋名詞で一意か、「いつ使うか・使わないか」が明記されているか、引数の型・制約・デフォルト値が明示されているか。ここが曖昧だとツールを絞っても誤選択は減りません⚡ 💡 要点と詳細 ツール数が増えた場合の3つの対処パターンがあります： Tool RAG（動的選択） — ユーザーの発話をベクトル検索し、関連ツール上位N件だけをプロンプトに注入します。SalesforceやServiceNowのようにAPIが数百に及ぶSaaS連携では必須に近い手法です。 サブエージェント分割 — 業務ドメインごとにサブエージェントを分け、ルーターが振り分けます。「人事系（Workday）」「ITヘルプデスク（ServiceNow）」「営業支援（Salesforce）」のように明確に分割できるケースで有効です。 ハイブリッド — ルーターでドメイン分割した上で、各サブエージェント内でもTool RAGを使う二段構成です。超大規模統合で採用されます。 計測すべき指標は、ツール選択正答率（正しいツールが呼ばれた割合）、ツール未選択率（適切なツールがあるのに「できません」と回答した割合）、誤選択によるエラー率、そしてツール説明のトークン消費量です。ツール説明がコンテキストの20%を超えたら、Tool RAGへの移行を本格検討してください📊 ⚖️ トレードオフ ツールを多く公開しすぎると、モデルの選択精度が低下します。名前や説明が似たツールが増えるほど誤選択の頻度が上がり、ツール説明のトークン消費がコンテキスト予算を圧迫します。ユーザーの要求に対応できる幅は広がりますが、「間違ったツールを選ぶ」リスクが確実に増大します😰 一方、ツールを絞りすぎると、ユーザーが「できるはずのこと」を断られる場面が増えます。体験品質が低下し、エージェント導入の価値が問われます。さらにツール追加のたびに分割設計の見直しが必要になり、開発速度も落ちます。重要なのは選択正答率90%を維持しつつ、fallback率5%以下を目指すバランスです⚠️ 🛠️ ユースケース Slack社内統合ボット：初期はITヘルプデスク（5ツール）から始め、HR・経費・施設と段階的に追加します。15ツールを超えた時点でTool RAGを導入し、選択精度を維持します。最終的に30ツール超の統合も、ルーター＋Tool RAGのハイブリッドで安定運用できます📚 Zendesk顧客対応エージェント：FAQ検索・チケット作成・ステータス確認・エスカレーションの4ツールに絞り、選択精度95%以上を維持します。顧客対応では誤ったツール呼び出しが直接的な体験毀損につながるため、少数精鋭が正解です🎯 Jira＋Confluence＋GitHub開発支援：各サービス5〜8ツール、合計20前後。サービスごとにサブエージェントを分割し、ルーターが「これはJiraの話か、GitHubの話か」を判断して振り分けます。ツール追加は該当サブエージェント内で完結するため、他に影響を与えません🔧 実践のコツ：ツール選択正答率が90%を下回ったらツール数の削減かTool RAG導入を検討し、新ツール追加のたびに既存ツールとの名前・説明の重複をチェックしてください。調整は週次のeval結果をもとに行い、一度に大幅な変更は避けるのが安全です💪 #AIエージェント# #エンタープライズアーキテクチャ#

【2026春ドラNO.1は田鎖ブラザーズに決定、ただし...】 久々に重厚なミステリドラマだった。犯罪被害者家族と加害者家族の癒えぬ傷口に焦点を当て、BPO審査に引っかかりそうなセンシティブ映像や岡田将生＆染谷将太＆山中崇らの憑依型演技力に支えられた名作。しかし一番の功労者はTBSミステリドラマ（夜行観覧車、Nのために、リバース、最愛）を牽引してきた新井順子Pの手腕。だからこそ声を大にして言いたい、意味不明の最終回ラスト5分の矛盾を！【長文失礼】 １．結末の演出における決定的矛盾と真の解釈ー「血の滴り」と「綺麗な着座」の不整合 ラストシーンで画面いっぱいに描かれた「不穏な血の滴り」とエンディングロールでの「埠頭に綺麗に座る晴子の後ろ姿」は物理的・演出的に致命的な矛盾を抱えている。本当に晴子が殺害されていた場合あの座りポーズは無理があり、かと言って「ただのかすり傷」だった場合、あの過剰な血の描写はサスペンスとしての引き算ができておらず、ただの「ハッタリ」になってしまう。 ２．本来あるべきだった『赦し』と『出頭』の美学 兄弟はこれまで、ふみさん夫婦、笹岡、実行犯のもっちゃんでさえ、その背景にある地獄を見て「赦し」を与えてきた。犯罪被害者であり加害者家族でもある兄弟の人間性からして、同じ被害者である晴子だけを殺害することはあり得ない。本当に目指すべきだったラスト（引き算の美学）は「セリフも血も不要」、埠頭に佇む晴子を背に、過去のルール違反を清算するために静かに出頭する兄弟。これこそが、キャラクターの倫理観と映像のロジックを崩さない本物のグランドフィナーレでは？ ３．制作陣（新井順子P）の焦りと「バグ」の背景ー考察バズへの迎合とハッタリの暴走 『最愛』以降、ヒット作やSNSでの考察合戦を常に期待され続けてきた新井Pの焦りが、悪い形で暴走した結果の結末。かつて『リバース』などで見せた「最後にひと捻り入れるクセ」が今回は裏目に出た。 「お互いの目を見ないラスト」なども、深い意味（真の自傷や稔の妄想など）があるかのように見せかけて、視聴者の考察を煽るためだけに、現場で雰囲気演出として指示した可能性が高い。キャラクターの整合性よりも「目先の話題性やショッキングな画」を優先した、視聴者を舐めた不誠実な演出と言わざるを得ない。 ４．黄金カルテットの崩壊 かつての「新井（P）・奥寺（脚本）・横山（音楽）・塚原（監督）カルテット（＋湊かなえ）」が機能していた頃の緻密な連携が失われ、オリジナル脚本に挑むようになってからチームが変質。『MIU404』や『海に眠るダイヤモンド』にも通じる「ヒット方程式のなぞり書き」が今回の空中分解（役者の重厚な静の演技 vs プロデュース側の過剰な味付け）を招いた。 ５．日本の地上波ドラマが抱える構造的限界ー脚本家層の二極化と限界 ドラマにこだわり続ける大物・ベテラン脚本家（岡田惠和、遊川和彦、北川悦吏子など）には強烈なマンネリ化と時代との乖離が見られる。一方で、旬の天才脚本家（坂元裕二、古沢良太など）は自由度と予算のある映画や海外配信プラットフォームへと主戦場をシフトしており、地上波の制約や「バズの強要」に付き合うメリットがない。結果、地上波はプロデューサーの焦りとスキル不足の若手・中堅という限界に直面している。 ６．日曜劇場の資金力頼みと金曜の悪癖 日曜劇場は初回だけ海外ロケ等でスケールを大きく見せ、2話以降急激に失速する「初回詐欺」が常態化。金曜サスペンスは途中まで良くても最後に話題作りのためにブレーキを壊してしまう悪癖がある。火曜ラブコメは「恋つづ」（2019年）以来、不作が続く。 ７．総括：『田鎖』が持っていた「最後の期待の星」としての価値 一見、最悪の問題作となった最終回だが、昨今の地上波で徹底的にタブー視されている「悲惨なシーンや犯罪のリアルな痛み」を日和らずにストレートに描写していた点は特筆すべきである。 これはTBSに実績のある新井Pだからこそ局の自主規制の壁を突破できた力技であり、他のスタッフでは企画段階で潰されていたはず。それほどまでに「地上波の限界突破に最も近かった期待の星」だったからこそ、最後の最後にテレビ界の悪癖（SNSマーケティングへの迎合）に足をすくわれてしまった着地が、あまりにも悔やまれてならない。