めちゃくちゃ良いまとめ。AIの事業機会は企業の「データ」でなく、「なぜその判断をしたか」を記録する基盤にある 1) 既存の業務システムには意思決定の経緯が残っていない - Salesforceには最終的な販売価格が残るが、「なぜ値引きを認めたか」は、Slackや会議、人の頭の中に散在している 2) AIが業務を担うにはルールに加えて過去の判断が必要 - 「値引き上限10％」というルールだけでは、顧客への20％値引きが妥当か判断できない。障害履歴、解約リスク、過去の例外、承認者まで把握する必要 3) 判断履歴をつなげたものがコンテキスト・グラフ - 顧客・契約・障害・規則・承認者などを、判断の根拠とともに結び付ける。AIの内部的な思考過程ではなく、業務上の根拠・承認・実行結果の記録を意味する 4) 業務実行するAIスタートアップに優位性 - 複数システムを横断して情報を集め承認を取り処理するエージェントは、意思決定の瞬間を記録できる - 既存の業務ソフトは自社領域に閉じやすく、データ基盤は処理後のデータを受け取るため、判断の全体像を捉えにくい 5) 判断履歴が蓄積するほど競争優位が強くなる - 当初は人間が承認し、その経緯を記録する。類似事例が増えるとさらに履歴が増える - この循環により、「企業の意思決定の記録基盤」に成長する 6) 狙い目は、例外が多く部門やシステムをまたぐ業務 - 引受審査、コンプライアンス、経理照合、障害対応など - 特にRevOps・DevOps・Security Opsのような調整役は、文脈を人が補っているため有望 着眼点は、「使うほど独自の判断履歴が蓄積し、企業が依存する基盤になるか」

AIで防御を強化しても攻める側の能力も上がる。パッチ適用の自動化、常時監視、脆弱性を突かれる前提の備えが重要 経営的には、AIでソフトウェアを作るコストが下がる一方、安全に運用し続ける体制の重要性とコストは上がる

めっちゃ面白い。企業の「AI導入率」は、ほぼ意味がないという話 社員の5〜10％はAIを使いこなすパワーユーザー。約20％は表面的に利用。残り70％はほとんど使わない。結果として、導入率は高くても組織全体の生産性は変わらない 実際、上位10％がトークンの90％を消費する。AIを配ることと、AIをうまく使えることは別。プロンプト研修ではなく、どの業務をAIに任せ、どこを人間が判断するかを設計する能力が重要 解決策は二つ - パワーユーザーには、作成したスキルや自動化を社内で共有・評価できる仕組みを与える - その他の社員にはAIを直接使わせず、SalesforceやNetSuiteなど既存業務システムの裏側に組み込み、人間は承認・修正だけ行う つまり、経営陣が追うべきKPIは「何人がAIを使ったか」ではなく、業務の何％が手作業・AIとの協働・完全自動化になったか 社員全員をAI人材にするのではなく、社員が意識しなくてもAIが仕事を終わらせる設計にすべきと