TwiScan
人気
コミュニティ
アカウントコレクション
ログイン
登録
English
日本語
한국의
简体中文
繁体中文
登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。
今すぐ登録
コレクションに追加
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
Product Lead
@SamsungUS
|ex
@LinkedIn
他|在🇺🇸20年目|プロダクト・AI・新規事業の重要な意思決定を支援。顧客理解・戦略・KPI・組織をつなぎ、実行から学べる組織へ|著書3冊|Udemy 5万人|ご相談はリンクから|フォローで、世界のプロダクト経営の一次情報と実践知を毎週お届け
905
フォロー中
14.1K
ファン
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
2026.10.12 00:37
WSJが報じたこの記事、いまシリコンバレーの最前線で起きているリアルが生々しすぎ。 Googleが27億ドル(約4,000億円超)もの巨額を投じて呼び戻した伝説の研究者Noam Shazeer(Transformer論文の共著者)が、わずか2年足らずでライバルのOpenAIに移籍してしまった。 その理由が... 年収や役職の不満ではなく、「自分のチームのGPUの割り当てを削られたから」 4,000億円積んでも、計算リソースが足りなければ天才は一瞬で逃げてしまう。 いまトップ層のAIエンジニアにとって、GPUの割り当て枠は単なる会社のPCではなく酸素そのもの。どれだけ高い給料をもらっても、自分の仮説を高速で実験できない環境にいれば、研究者としての寿命が縮んでしまう。 記事によるとH100のレンタル価格は過去1年で約60%高騰し、かつて対立していたマスクとAnthropicすら水面下で計算資源を融通し合うほど、世界中で奪い合いが起きている。 なので現場の勝敗を真に分けているのは天才たちに何万枚のGPUを割り当てられるか、という泥臭い調達力と配分の決断だったりする。
もっと見る
0
0
12
864
316
コミュニティへ転送
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
2026.06.24 22:30
こういうプロダクトをみるたびに、中の人はきっとプロダクトマネジメントを理解していないんだろうな〜と考えてしまう。 確かに予約する側の不便を言語を超えて解消しようとしているのはわかる。 が、いろいろ見てると店側はオートリザーブの存在すら知らず、勝手に予約されていたのを「対応していない」としてキャンセル。 使ったユーザーは手数料を徴収されただけでおしまい、返金にも応じてもらえず、ということも起こっているようだ。 オートリザーブがやろうとしていることは、単一のユーザーだけを見ているだけでは成立しない、2-side marketのプラットフォームプロダクトだ。 飲食は予約する側だけで成り立ってるわけではない。 店側もプラットフォームに乗ってもらう必要がある。 もし、最初にユーザー側だけに提供したかったのなら(One side marketに閉じて始めるなら)、その帰結はユーザーに閉じた体験にしなければならない。 店側を暗に絡めると「同意してないのに勝手にプラットフォームに乗せられた」と感じることになるからだ。 AIが身近になった世の中になり、こうした「プロダクトに対する信頼」は体験の良し悪し以上に比重を増してる。 信頼なきプロダクトが、いくらAIを使って目立つことしても、ユーザー(今回は特に店側)はすぐに離れていく。 ユーザーの予約を助けるのなら、なぜ店側の予約受付の大変さも一緒に助けようとしなかったのか? この件は稚拙なプロダクト思考が、社会にどんな害悪をもたらすかという良い事例だと思う。
もっと見る
0
0
19
1.6K
423
コミュニティへ転送
Haruki Sonehara / 🇺🇸シリコンバレー企業のプロダクト戦略
@Haruki_Sonehara
2026.06.20 22:00
テスラのAIエンジニアさん、めちゃくちゃいいこと言ってる。 多くの人が「機械学習のプロジェクト=モデルの学習がほとんど全部(99%)」だと思ってるが、実際は全然違う。 1. モデルの性能をちゃんとチェックする評価:50% 2. データのゴミを掃除したり整えたりするデータクリーニング:40% 3. システムに組み込む作業:8% 4. 実際にモデルを訓練する作業:わずか2% 大事なのは最初の2つ。 評価とデータ整備で「学習できる限界」が決まる。どんなにすごいモデルでも、与えられたデータの質を超えて賢くはなれない。 データが汚かったり、ラベル(正解の付け方)が曖昧だと、モデルはそれ以上のことは学べない。 だからオントロジー(データにちゃんと意味やルールを付ける作業)を毎日考える必要があるし、古いラベルも見直し続ける必要がある。 ラベルが間違ってると、モデルが根本から勘違いしたまま学習してしまうから。 要するに、モデルを強くするより、データと評価をちゃんと整える方がよっぽど大事ということ。
もっと見る
0
0
10
1.3K
201
コミュニティへ転送
読み込み中...
人気のあるユーザー
オリコンニュース
@oricon
2M ファン
New York Post
@nypost
4.3M ファン
ツイッター速報〜BreakingNews
@tweetsoku1
259.8K ファン
TVer新着
@TVer_info
101.8K ファン
PR TIMESテクノロジー
@PRTIMES_TECH
28.3K ファン
Bloomberg
@business
10.5M ファン
Reuters
@Reuters
26.5M ファン
モデルプレス
@modelpress
2.1M ファン
First Squawk
@FirstSquawk
579.5K ファン
billboard
@billboard
16.8M ファン
MANTANWEB/毎日キレイ
@mantanweb
68.6K ファン
吴说区块链
@wublockchain12
183K ファン
ファミ通.com
@famitsu
1.4M ファン
cv usk
@cv_usk
470 ファン
Yahoo!ニュース
@YahooNewsTopics
2.1M ファン