AIマーケティングエージェントNoimos AI @noimos_ai 創業者・Kosuke @kosuke_agos が語る、採用・組織論とUGCの本質 (2:44) 20歳で起業、ブロックチェーンゲームで大失敗 (6:26) AIエージェント導入か、人の採用か (18:06) 日本を出てドバイへ (24:06) トークン上場をめぐる詐欺被害 (29:05) 「俺は神」自信のつくり方 (30:56) 冷酷な経営者に人はついてこない (38:40) 採用で見るポイント (48:35) UGCの本質、フック・回収・期待値超え

中国の人型ロボ、早ければ来年にも人の話を理解へ→「脳が最も弱い」現状、ボトルキャップを完璧に外すのも難しい…スピリットAI共同創業者が予測 会話の理解が進んでも、家庭で人間の代わりに働くまでにはまだ距離があります。

文化服装学院卒、韓国出身の女性ファウンダー。アパレル向けAI「Own B」創業者・金知賢 (@ownb_kim) が語る、日本とアメリカでの法人設立、“仕様書”の自動化、そしてSFでの挑戦 0:00 オープニング・自己紹介(アパレル向けAI「Own B」創業者・キム) 0:58 なぜファッションテックか、文化服装学院卒・アパレル現場の課題から 2:02 外国人として法人設立、日本は激ムズでアメリカはStripeで30分 3:56 法人口座に3回落ちた、たどり着いた住信SBI 7:40 Own Bが最初に潰すもの、2時間かかる“仕様書”をAIで自動化 10:15 数千億円企業でも手書き、シャーペンで書く仕様書の衝撃 20:06 これから服を作る人へ、サンプルに時間をかけすぎる罠 30:30 “ノイズとシグナル”、独立直後に一番効いてくる集中の話 37:57 「SFに行くなら出資はナシ」、資金かサンフランシスコかの決断 43:57 風をつかみにNYへ、憧れの展示会でベンダーと契約 47:39 失敗への向き合い方、「やらない後悔よりやった後悔」 59:38 女性起業家としての壁、差別より“ネットワークの輪”の難しさ 1:08:49 3000万円の出資を断ったのは正解だったか

創業5カ月で160億円調達！中国の家庭用AIロボットが麻婆豆腐を約9分で完全自律調理→シャオミも出資、衣服たたみやひも結びも披露　

「AIを使うこと」はもう差別化にならない？IVS2026で語られた，理論と実装の落差［IVS2026］ Zynga創業者やEVE Online開発元CEOがIVS2026で語ったAIエージェント経済

AI時代のエンジニアリング組織論 ■ 開発工程のボトルネックはコーディングから製品設計とコードレビューへ移行する リーガルAIのLegoraは、創業18ヶ月でARR1億ドルを突破し評価額56億ドルに達した最速のB2B企業である。CTOのヤコブ・ラウリツェンは、AIツールにより従来のボトルネックだったコーディングのコストは劇的に低下したと語る。現在、開発の真の制限要因は、顧客ニーズを製品設計へ落とし込む作業と、生成されたコードのレビュー工程へ移行している。そのため、同社はPMが顧客との対話に集中できる時間を守り、エンジニアをシステム設計に特化させている。 ■ トークンの消費量競争は開発組織を歪ませる無意味な評価指標である 多くのエンタープライズ企業が陥る失敗が、開発者評価にAIトークン消費量を持ち込むことである。トークン消費を可視化するリーダーボードを作ると、エンジニアは評価のためだけに無意味にトークンを浪費し始める。ラウリツェンはこの「トークンマクシング」を愚策と一蹴し、AI使用量そのものを報酬評価にしてはならないと警告する。組織が評価すべきは開発効率と実際のアウトプットの質であり、デモ等を通じて効率化の工夫を共有し合う環境こそが不可欠である。 ■ 開発者体験に特化した専門チームの設置が組織全体の生産性を最大化する 同社は、わずか80名のエンジニアでAccelやBenchmark、NVIDIA等から8億ドル以上を調達した。現在、Legoraのコードの50%以上はCursorやClaudeなどのAIツールにより生成されている。この開発速度を維持するため、同社は3名の開発者体験（DevEx）専門チームを早期から設置した。彼らは、エンジニア1人あたり最大10個の自律コーディングエージェントを回し、独自のCIレビューボットを開発して全員の開発を支援している。結果としてエンジニア全員が約20%効率化し、新人の即戦力化も劇的に加速した。 ■ 複雑度の低い社内ツールは購入するよりバイブコーディングで自社開発する AI開発において、同社は社内ツールの導入基準として、機能の広さと複雑度の深さという2つの軸を設けている。既存製品を購入するよりも、複雑度が低く自社専用のカスタマイズが必要なシステムは、バイブコーディングで自作する方が安価になった。特に人事管理やオンボーディングシステム、データ移行アプリなどは、AIを使って自立的かつ高速に自社開発することが推奨される。汎用ツールに頼る手間を省き、社内のAIイネーブルメントチームが直接プロトタイプを開発して課題を瞬時に解決している。 ■ 組織を急成長させるためにはエゴのない優秀な人材の密度を高める Legoraが競合を圧倒して超高速成長できた最大の要因は、優秀なAプレイヤークラスのエンジニア密度を極限まで高めたことだ。特に5〜8人規模のスタートアップチームを丸ごと買収するアクハイヤー戦略は、高いチーム開発力を一瞬で取り込む上で効果的だった。この統合を成功させたのは、役職やタイトルへの執着を一切排除する「ローエゴ（低自己愛）」の徹底した採用基準である。ラウリツェンは、最も優れた成果を出せる者が役割を担う機動的な文化を築き、エゴの排除が企業の成長速度を決めると実証している。

AI時代にVCのパワーローは弱まるのか。 AIは投資メモも市場調査も「作業」を民主化する。だが、VCのリターンを決めるのは、外れ値へのアクセス、創業者から選ばれる信用、LPから預かる資本——AIで民主化されにくい部分。 AI民主化は、かえって再集中を生むのかもしれない。

AIで「合成ユーザー」を作り出すSimileが、非公開の「ステルスモード」を解除してからわずか5か月で2億ドル超のシリーズBを調達し、評価額20億ドルに達した(https://techcrunch[.]com/2026/07/30/synthetic-user-startup-simile-raises-200m-at-2b-valuation-5-months-after-100m-series-a/)。Simile自身は「シミュレーション企業」を名乗り、人間の行動そのものを再現することを事業の軸に据えています。 今回のラウンドはGreenoaksとIndex Venturesが共同でリードし、Hanabi、Bain Capital Ventures、A*、Factory、CVS Health Ventures、Definitionが参加しました(同社発表による)。Index Venturesは前回のシリーズA(1億ドル)もリードした投資家です。 Simileによると、この5か月で売上は5倍に伸び、Fortune100企業(米フォーチュン誌が選ぶ売上上位100社)向けに数千万件規模のシミュレーションを実行できる基盤モデルを構築し、各シミュレーションの精度を予測する「confidence model」(同社いわく世界初)も訓練したといいます。本拠地だった米パロアルトの小さなオフィスから、従業員50人超のグローバルチームに拡大しました。CVS Health、Wealthfront、Deloitte、Gallupといった企業が、製品発表の戦略立案や顧客体験の最適化、新市場への参入にすでに活用しているそうです。 創業者のJoon Sung Park氏はスタンフォード大学で博士号を取得しており、在学中には、AIエージェントが人間のように暮らしパーティーまで開く「Smallville」という研究プロジェクトを手がけていました。Simileは「地球上の80億人全員を正確かつ誠実に再現する」ことを掲げていますが、TechCrunchはこのミッションを荒唐無稽だと評しつつ、人間は感情と理性の両方に左右され予測不能だからこそ市場調査が必要だという前提を踏まえてもなお、合成ユーザーによるリサーチ自体は有望な領域であり、プロダクトのモックアップ作りにおける「vibe coding」(直感を頼りにAIへコードを書かせる開発スタイル)のような立ち位置だと評しています。 同分野では2025年12月にシリーズAで巨額の評価額10億ドルを付けたAaruという競合も登場しており、投資熱の高さがうかがえます。

🤔 「AIエージェントを作るのは難しくない。でも、本番で動かし続けるのは別の話だ。」──エージェント開発者なら、誰もがこの壁に当たったはずです。 Why Managed Agents Are the Next Big Thing in Agent Building 2022年末にLangChainが登場してから、エージェント開発は急速に進化してきました。初期のAutoGPTの熱狂から、LangGraphやGoogle ADKによる精緻なフレームワークの時代へ。そして2025年に入ると、モデルの能力が臨界点を超え、「ツールを呼び出しながら自律的にループするLLM」という基本形が現実のものとなりました。Claude Code、Deep Agentsといった専用ハーネスの登場は、その完成形への一歩でした。 🌊 しかし、ここで大きな問題が浮かび上がります。エージェントを本番環境で"動かし続ける"ためには、LLMの賢さだけでは足りないのです。信頼性のある実行環境をどう構築するか。失敗したエージェントをどう再開させるか。コードをどう安全に実行させるか。ユーザーへのUXをどう設計するか──開発者はモデルとは全く別の、インフラの泥沼と格闘してきました。 LangChainの創業者 Harrison Chase はこの1年間の学びを結晶化し、「マネージドエージェント」というコンセプトを提唱します。本番エージェントに必要なのは、ビジネスロジック・ハーネス・インフラの3層だと整理し、そのうちインフラ層をまるごと引き受けるのがManaged Deep Agentsです。ランタイム管理、イベントストリーミング、サンドボックス、メモリ、認証、評価ツール──かつては自前で構築するしかなかったすべてが、プラットフォームとして提供されます。Anthropicの「Claude Managed Agents」やVercelの「Eve」も同様の方向へ向かっており、エコシステム全体がインフラの民主化という潮流に入りつつあります。 エージェント開発者がビジネスロジックだけに集中できる時代が、ようやく到来しようとしています。 #AIエージェント# #LangChain#