今日のダイジェスト
- 世界EV転換と中国勢の圧力で部品メーカーが前提から縮む日／フルスタック再編の完了後もAIが投資配分を組み替え続ける／産学官でTSMC周辺の人材基盤を作る、左上型の取り組み
- AIフィジカルAIが倉庫の混載作業を、現場の資産に変えた日／業務アプリを作る主体が、エンジニアから現場社員へ移った／エージェント基盤がCopilotから開発者へ開かれた
- 用語初めて収録：MCP ／ フェアユース ／ AI主権／最近よく出てくる：競争優位性（Competitive Advantage）
- 催し3件（うち更新3）・いちばん近い開催は11/11
- 課題MSエージェント統合／光接続技術の巨額買収／食品コストと価格転嫁／車載半導体の事業再編 — 4話題
- 道具GPT-6.1 Terra提供開始とStep Functionsのエージェント対応／Google、10月のAI発表を紹介／Grok Botに社内データ分析Botを構築（ほか 12件）
- 戦略日立製作所：お客様への価値を変える（決算説明資料）／住友電気工業：新しい事業・収益源（半期報告書）／Palantir：新しい事業・収益源（臨時報告（米国））・記事から 6社
世界のビジネスニュースから
3件ドイツの自動車大手、5工場閉鎖と数千人の人員削減へ
セッション発言録〈第5回・「ストーリー」の節〉から —「それぞれ過去の成功体験もあるけれど、むしろだからこそAI時代に変化できずにいる、という話にしてあります。金融業は規制の問題、製造業は物売りをしてきたけれど変えなくてはいけない、IT業は人月商売から抜け切れるかどうか ― それぞれの課題を抱えています。」
第5回のセッションで、製造業は物売りをしてきた過去の成功体験を変えなくてはいけない課題を抱えていると示しました。シェフラーによる工場閉鎖や人員削減の決定は、EV普及の遅れや競争激化のなかで従来の製造モデルを維持する難しさを表しています。従来の成功パターンに頼るだけでなく、事業の前提そのものをいかに転換できるかが、産業全体の持続性を左右する局面を迎えています。
NTT島田社長に聞く“巨大再編”の舞台裏、ドコモ・データ完全子会社化後も組織再編と巨額投資を続ける理由とは？国内データセンター拡大と大型M＆A戦略「見直し」の真相
セッション発言録〈第2回・「始まりの物語」の節〉から —「インターネットが登場したとき、旅行会社もCDレンタル店も『ネットが大事だ』と分かっていて、こぞってデジタル化しました。でも、旧来のツアーをオンラインで売るだけの会社は消え、勝ったのはBooking.comやExpediaのように、ネット前提でまったく違う商品を組んだ会社でした。販売経路だけをデジタル化した会社は消え、デジタル前提で別のモデルを作った会社が勝った。AIでも同じです。」
第2回のセッションで、販売経路だけをデジタル化した会社は消え、前提が変わったときに別のモデルを作った会社が勝った例を取り上げました。NTTが進めるグループ再編や大型M&A戦略の見直しも、単に既存の通信やITサービスにAIを付け足すのではなく、AI普及を前提にグループ全体の構造や提供価値そのものを組み直せるかどうかが問われているように見えます。
熊本・菊陽に半導体研究の共同キャンパス 三菱UFJなどが構想（毎日新聞）
プロジェクトの前提を読む →プロジェクトの前提 —戦略の知識理解を討議する場は経営大学院などにいくらでもある。実際に使う側でもツールの勉強会やAI開発会社は増えている。しかし「戦略×実践」の右上は、なかなか埋まらない。そこがこれからの未来に必要になる。
このプロジェクトが置いている前提は、ツールの習得や個別の議論にとどまらず、戦略と実践を結びつけた領域こそが未来の競争力を左右するという視点です。三菱UFJ銀行などの構想は、単なる資金供給や研究にとどまらず、産学官を巻き込んで半導体の育成拠点を築く動きと言えます。産業基盤を支える仕組みそのものを現場で立ち上げる実践は、長期的な優位性を生み出す足がかりになります。
AIニュース（日本でビジネスをする人の視点）
3件Mujin イオンがフィジカルAI搭載ロボ導入 | ロジスティクス | ニュース
セッションの体験第4回・確かめた —AIは写真に何が写るかでなく、そこから何が言えるかを考えた
AIは写真に名前を付けるだけでなく、この場所は用途に向くか、この部屋のどこを変えるとよいかまで考えた。物を見分けたところで止まらず考えが組まれていく様子を、2つの仕組みで目の当たりにした。見ることと考えることが一続きになった、AIの変化そのものだった。
ビジネスの文脈：写真から状況の判断まで引き出せることを見て、現場で人が目で見て判断している仕事のどこまでをAIに任せられるかを考える土台を得た。
第4回のセッションで、写真から状況の判断まで引き出し、人が目で見て判断する仕事のどこまでを任せられるかを掘り下げました。イオンの物流拠点に導入されたMujinのロボットは、単に荷物を認識するだけでなく、多様な商品の仕分けや積み付けを一連で判断してこなします。見る機能と考えた通りに動く処理が一続きになったAIが、現場の自動化を一歩先へ進めています。
JR九州、Google Workspace with Geminiを導入 非エンジニアが業務アプリを内製
セッションの体験第1回・動かした —AIに書かせたプログラムを、無料のクラウド環境で動かした
参加者はニュースを集めるプログラムを指示文でAIに書かせ、インストール不要で無料のクラウド環境（Google Colab）に貼って実行した。エンジニアでない人には初めてのコード実行で、エラーが出ればその文をAIに貼り返して直させる、という往復で進めた。
ビジネスの文脈：外注や情報システム部門に頼らず、事業側の人が自分で業務の道具を用意できるかを試し、開発を内製化する組織への入り口に立った。
第1回のセッションで、外注や専門部署に頼らず、現場が自前で業務の道具を用意して内製化へ踏み出せる足がかりを作りました。JR九州の取り組みも、専門知識のない社員が生成AIを使って自ら業務アプリを作る環境を整えており、同じ内製化への道筋を全社規模で実証しています。
Microsoft、CopilotのAIエージェント基盤をFoundryに統合
セッション発言録〈第3回・「AI前提の人材課題」の節〉から —「AIの使い方は『○○について教えて』という対話・指示待ち型から、『調べておいて』でAIがチームで動く半自動・連携型へ。さらに黒子型では、人間が会議をした、資料を作った ― その落とした情報をAIが拾って整理し続ける。対話的な指示がなくても働き続け、やがて自発的に検討して必要なときに連絡してくるエージェンティックAIになっていきます。」
第3回のセッションで、AIの使い方は対話や指示待ち型から、裏で情報を拾い自発的に動くエージェントへ進化すると整理しました。前回はCopilotの基盤構想を紹介しましたが、その後Microsoft Foundryへ統合され、長時間の自律実行基盤として開発者への提供が確定しました。対話ツールにとどまらず、複雑な業務を背後で担う自律型基盤を前提とした組織や事業モデルの再構築が視野に入ってきます。
今日の用語
用語集へ →初めて収録した言葉
MCPMCP・Model Context Protocol
AIモデルと外部のデータソースや各種ツールを安全かつ効率的に接続するためのオープンな標準規格です。システムごとの個別開発を減らし、AIが外部情報を参照したり操作を実行したりする連携を容易にします。 AI
今日の記事 2本
- Athenahealth、患者記録をAnthropicのClaudeに統合するツールを発表Fierce Healthcare・11/3
- Microsoft、CopilotのAIエージェント基盤をFoundryに統合Redmondmag.com・11/4
フェアユースフェアユース・公正利用
著作権法において、一定の条件を満たせば権利者の許諾を得ずに著作物を利用できるとする法理です。AIの学習データ収集や生成物の利用が適法とされるかを判断する際、重要な基準として議論されることがあります。 AI
今日の記事 3本
- ウィキメディア財団、AI学習とRAGのフェアユース基準を提案Media Innovation・11/3
- Microsoft 365 Copilot、非ライセンスユーザーへの制限強化X・11/4
- NYTとシカゴ・トリビューン、AI著作権侵害でBraveを提訴TheWrap・11/4
AI主権AI主権・データ主権・Sovereign AI
AIの開発や運用に必要なデータ、計算資源、基盤モデルを他国や外部企業に過度に依存せず、自国や自組織で統制・管理しようとする考え方です。地政学リスクへの対応やデータ保護、経済競争力の確保を目的に重視されています。 AI
AIが気にしている言葉まだ用語集に入れる手前
最近よく出てくる言葉
- 競争優位性（Competitive Advantage）この4週 35本（その前の4週 8本）
今日のニュースに出た用語
ウォッチしたいイベント
3件AIが長時間こなした業務の統制を、第三者として保証する報告書を売る
このニュースから見えた広いニーズ長時間動くAIが何を読み、何を実行したかを、外部の目で確かめられる形で残したい企業が増えている
詳しく ▸
- 事業として
- 200社が年2,000万円払えば年40億円の新規売上(試算)。内部統制の報告に近い予算枠から出る。
- 勝てる理由
- 内部統制監査で培った証跡の読み方、企業の承認ルールの知識、上場企業との既存契約がある。
- どう作るか
- 協力企業数社のAI実行記録を取り込み、承認漏れと権限外操作を自動で拾う判定を試作する。人の監査結果との一致率を3か月で測る。
- この案が強いのは
- 監査の現場で「証跡がなければやっていないのと同じ」と判断してきた人が、何を残すべきかを設計できる。
月会費の会員制を、休会しても続きから再開できる伴走プランへ組み替える
このニュースから見えた広いニーズ通い続けられず離れる利用者を、中断のたびに引き戻し、続きから再開させたい
詳しく ▸
- 事業として
- 会員10万人、月会費8,000円で、月の退会率が0.2pt下がれば1年後に約2,400人が残る。月約1,900万円の増収(試算)。
- 勝てる理由
- 来館記録や体組成データが毎週積み上がり、店舗でトレーナーが直接会える接点がある。
- どの前提を疑うか
- 3店舗の休会者2,000人を2群に分け、一方にだけ再開メニューを送る。60日以内の復帰率を比べる。
- この案が強いのは
- 休会した人が「今さら戻りにくい」と感じる瞬間を、現場のトレーナーは知っている。
セッション発言録 〈第5回・「導入・テーマ」の節〉から —「AIによって大きな変化が起きることぐらいは、もう異論はない。でもそこから先、どっちに行くのかに明確な答えを持っている人はなかなかいない。小売の業界でもエージェンティックコマースみたいな言葉はみんなの頭の中に飛び交っていて、いろんなところで聞きかじっている。でも、エージェンティックコマースで一体どうなって、その中で自分の会社がどうなっていくのかを描けている人は、役員クラスに聞いても明確な答えはなかなか持てていない。」
第4回では、自律的に動くAIの処理ループに人間が監督や承認としてどう入るかを示しました。この構想は、AIの自律作業を第三者として統制・保証する位置づけに当たります。 AI
この話題で出たほかの案（4件）
顧客企業のAIから直接、在庫確認と発注を受けられる商社になる
このニュースから見えた広いニーズ買う側の企業が使うAIが、仕入先の在庫や納期を人を介さず直接確認し、発注まで進めたがっている
詳しく ▸
- 事業として
- 上位100社が月300万円ずつ発注し、2割が窓口経由になれば年約7億円の受注になる(試算)。
- 勝てる理由
- 自社の在庫・納期・顧客別価格の正確なデータと長年の取引履歴があり、窓口を先に出せば購買AIの第一候補になれる。
- 何を、どう測るか
- 営業担当が上位30社の購買担当に、AIに任せたい見積依頼の種類を聞き取る。過去3か月の問い合わせログと突き合わせ、件数を数える。
- この案が強いのは
- 品番の表記ゆれや「いつもの規格」で通じる暗黙の発注慣行を知る営業経験者が、窓口の仕様を正しく作れる。
引っ越しの電気・ガス・回線・住所変更を、一度の依頼で終える共同の受付口を作る
このニュースから見えた広いニーズ生活者のAIが、一度の依頼で複数の事業者の手続きをまとめて進められる受付口を業界横断で用意したい
詳しく ▸
- 事業として
- 年30万件の引っ越しで、提携先から1件3,000円の送客料を得れば年9億円(試算)。
- 勝てる理由
- 見積もり時点で新居の住所・日付・世帯情報を最も早く握っており、申込みの最前に顧客接点がある。
- 誰に、どう呼びかけるか
- 事業部長が電力・ガス・回線の3社に声をかけ、1都市の見積もり客500人で、受付の完了率と各社の契約成立率を比べる。
- この案が強いのは
- 引っ越し当日の「ガスの開栓が間に合わない」苦情を受けてきた現場の人が、手続きの順番と期限を設計できる。
差し戻しの多い書類の組み合わせを突き止め、提出前に直せるようにする
このニュースから見えた広いニーズ複数の書類をまたぐ長い事務作業で、食い違いを早く見つけて手戻りを減らしたい
見送り：混雑・差別化あり／57.1点
詳しく ▸
- 事業として
- 月5,000件の1割で30分の手戻りなら月250時間。時給3,000円換算で年約900万円(試算)。
- 勝てる理由
- 過去数年分の差し戻し履歴と荷主ごとの書類のクセを持つのは、申告を代行する自社だけ。
- AIに何から聞くか
- 申告担当2人が直近半年の差し戻し200件を選び、AIに共通点を聞いて仮説を3つ作る。翌月の新規案件で当たる率を数える。
- この案が強いのは
- 税関の指摘文言を読み慣れた担当者なら、AIの示す型が実務で意味を持つか即座に見分けられる。
更新前に使われていない利用枠を見つけ、顧客へ先回りで減額と付け替えを提案する
このニュースから見えた広いニーズ全社員に一律で配った有料のAI利用枠が、実際は一部しか使われず、費用に見合うか判断できない
見送り：混雑・差別化あり／55.3点
詳しく ▸
- 事業として
- 顧客100社が各30席、3割が未使用なら900席。月4,500円で年約4,900万円の無駄を見直せる(試算)。
- 勝てる理由
- 契約更新の時期と顧客の席数を握り、情報システム担当と毎月会う接点がある。
- 誰を、どう動かすか
- 営業責任者が役員会で提案し、顧客10社の許可を得て管理画面の利用状況を出力する。未使用の割合を数える。
- この案が強いのは
- 顧客の情シスが「誰に配ったか分からない」と困る現場を見てきた営業が、一覧の見せ方で響かせられる。
送電に余裕のある複数の土地を光でつなぎ、一つの大きな計算拠点として貸し出す
このニュースから見えた広いニーズ計算の速さが、機械の数よりも、機械同士をつなぐ速さと確保できる電力で決まるようになっている
詳しく ▸
- 事業として
- 仮に100MW分を1MWあたり年1億円で貸せば年100億円。マーベルが接続技術に約18兆円を投じる規模で、需要の厚みは裏づけられている。
- 勝てる理由
- 送電の空き状況を把握し、変電所用地と自社の光ファイバ網をすでに持っている。他業界は用地の確保と電力の契約から始めることになる。
- どの前提を疑うか
- 系統計画の担当者が、自社保有地のうち送電に余力のある上位10か所を抽出する。拠点間の通信遅延を試算し、AI事業者5社に必要条件を聞く。
- この案が強いのは
- 送電網の制約を日々扱う電力会社の系統計画の担当者なら、使える土地を最初から見抜ける。
光部品の買い手を束ね、数年分の購入枠を複数メーカーから先に押さえる
このニュースから見えた広いニーズ重要部品の供給元が少数に集約され、買い手が一社ずつでは数量も価格も確保しにくくなっている
詳しく ▸
- 事業として
- 仮に10社が年20億円ずつ接続部品を買えば取扱高は年200億円。手数料3%なら年6億円で、枠の転売や金融の収益も上乗せできる。
- 勝てる理由
- メーカーとの長年の取引、買い手各社の与信、多数の顧客と同時に話せる立場が揃っている。単独の買い手には束ねる力がない。
- 誰に、どう呼びかけるか
- 既存の取引先10社に、光部品の3年分の購入予定を聞く。重なる型番を一覧にし、メーカー2社に枠の条件を打診して、3か月で成立するかを見極める。
- この案が強いのは
- メーカーの割当ての癖や納期の読みを知る商社の担当者は、枠の交渉でどこが通るかを見抜ける。
セッション発言録 〈第1回・「ハンズオン④API」の節〉から —「これまで専門家でなければ作れなかったものが、もう素人でも作れてしまう。つまり、競争優位性の源泉そのものがシフトしているということです。」
この話題で出たほかの案（4件）
主要部品の供給元が買収された翌朝に、値上げと納期遅れの見込みが担当者に届く
このニュースから見えた広いニーズ主要部品の供給元の買収や提携が、値上げや納期遅れとなって、突然自社に降りかかってくる
詳しく ▸
- 事業として
- 仮に年間調達額が1,000億円で、予想外の1%の値上がりを事前交渉で半分防げれば年5億円。
- 勝てる理由
- 部品表、過去の発注単価、納期の実績は自社だけが持つ。外部の情報サービスにはそれがなく、自社部品への影響を特定できない。
- どう作るか
- 調達担当が、主要100部品の供給元を一覧にする。過去3年の買収報道をAIに後追いで拾わせ、その後の単価と納期の変化を確かめる。
- この案が強いのは
- どの部品が代替できないかを知る購買の現場経験者が、通知の優先順位を決めると精度が上がる。
「遅い」の原因を家の中か回線かに切り分け、体感品質を保証する月額プランを売る
このニュースから見えた広いニーズつながる速さが体験の質を決める時代なのに、遅さの原因が利用者にも事業者にも見えない
詳しく ▸
- 事業として
- 仮に契約500万件の5%が月300円で入れば年9億円。問い合わせや訪問対応の費用も減る。
- 勝てる理由
- 貸与ルーターから速度や接続の記録が毎日溜まる。500万世帯への毎月の請求という接点があり、新プランを一気に提案できる。
- AIに何から聞くか
- 直近半年の「遅い」問い合わせ1,000件を、ルーター記録と突き合わせる。AIと対話しながら原因を分類し、遠隔で直せる割合を確かめる。
巨額買収の報道が出た直後に、影響を受ける国内企業の関係図を投資家に見せる
このニュースから見えた広いニーズ大きなニュースが出ても、自分に関係する会社がどこかを一般の人はすぐには調べられない
見送り：混雑・差別化あり／55.5点
詳しく ▸
- 事業として
- 仮に月間利用者60万人の5%が月1回追加で取引し、1回500円の収益なら年1.8億円。
- 勝てる理由
- 月間利用者の数と閲覧の頻度、注文画面との直結が強み。ニュースサイトは見せるだけで、注文までは取れない。
- 誰を、どう動かすか
- 法務・コンプライアンスと商品部門に、「事実の関係のみ、売買推奨なし」の表示案を3画面で見せ、承認条件を聞く。まず社内で試験する。
顧客のAI処理が通信待ちで止まっている時間を、顧客ごとに数字で出す
このニュースから見えた広いニーズ高価な設備が動いているのに、本当は何かを待って遊んでいる時間が、誰にも測られていない
見送り：混雑・差別化あり／53.7点
詳しく ▸
- 事業として
- 仮に1,000基を1基1時間300円で貸せば年約26億円。5%が通信待ちなら、年1.3億円分の稼働が眠っている。
- 勝てる理由
- 全顧客の稼働ログとジョブ情報を持つのは運用側だけ。顧客も機器メーカーも、この切り分けは自力でできない。
- 何を、どう測るか
- 運用担当が、先月の稼働ログから大口顧客3社のジョブを選ぶ。計算の稼働率と通信待ち時間を並べ、待ちが多い処理の共通点を探す。
主力の日用品を1年間据え置く定額会員で、値上げ局面に安定した収益を得る
このニュースから見えた広いニーズ物価が上がり続けるなか、来月いくら払うかが読める安心にお金を払いたい人が増えている
詳しく ▸
- 事業として
- 会員500万人の1%が月500円で入れば年3億円（5万人×500円×12か月）。会員の来店が増える分は別に上乗せされる。
- 勝てる理由
- 毎週の来店と購買履歴があり、誰が何を月にいくら買うかを実数で読める。価格を固定する品目を安全に選べる。
- AIに何から聞くか
- 商品企画担当が過去2年のレシートデータを使い、100品目の仕入れ値が1.0〜1.2倍になった場合の粗利をAIと試算する。3か月で会員1万人に試験募集して反応を見る。
- この案が強いのは
- 仕入れ価格の動きと特売の癖を知る商品部出身者なら、固定しても赤字にならない品目を勘で外せる。
担当指名スタイリストの「過去の施術カルテメモ」を元に、私信風の移行提案を自動生成して離反を防ぐ
このニュースから見えた広いニーズ値上げのあとに離れそうな客を先に見つけ、手遅れになる前に手を打ちたい
詳しく ▸
- 事業として
- 年間来店300万回、客単価6,000円とする。値上げ後の離反を1ポイント減らせば3万回分、年1.8億円の売上を守れる（試算）。
- 勝てる理由
- 予約アプリに数年分の来店履歴があり、客ごとの来店間隔と単価の動きが分かる。
- 誰を、どう動かすか
- 汎用的な値上げ通知ではなく、電子カルテに残る「髪質・会話内容・仕上がりの好み」をAIが学習し、担当スタイリストが個人的に書いたような『次回提案＋価格改定の理由』の下書きを自動作成。店長ではなく担当者が指先一つで承認・送信できる仕組みを20店舗で先行検証し、個人指名客の定着率を比較する。
- この案が強いのは
- 予約頻度や単価の数値データだけでなく、現場スタイリストだけが蓄積してきた非構造化テキスト（カルテの雑談・悩みメモ）を活用するため、一般的なCRMツールでは模倣できない関係性重視の文脈を再現できる。
セッション発言録 〈第1回・「ハンズオン①認知容量・産業シナリオ」の節〉から —「製造業（自動車部品）は、ベテランの目視・抜取検査が誇りでしたが、1回1円ほどで全数検査ができ、品質保証の前提が変わって新しい製造モデルへ。小売は、品揃えと接客の勘から、テーラーメイドを安く、需要を世界の情報からリアルタイムに掴むモデルへ。コンサルは、人月で情報を集めて解く価値がAIに置き換わる一方、論点設定と価値判断が人の価値として残る。銀行は、与信審査がAIに置き換わる代表例で、対面と質の高い対話が残る。置き換わる部分と残る部分の境目こそが、産業構造の変わり目です。」
この話題で出たほかの案（4件）
価格転嫁の進み具合で貸出の判断を見直し、中小の食品メーカーの資金繰り悪化を早く察知する
このニュースから見えた広いニーズコストを価格に載せられる会社と載せられない会社の差を、早く見分けたい
詳しく ▸
- 事業として
- 貸出残高1兆円で、貸倒の損失が0.1ポイント減れば10億円（試算）。転嫁支援は手数料収益にもなる。
- 勝てる理由
- 取引先の入出金と決算を毎月見られ、他社より早く資金繰りの悪化に気づける。
- どの前提を疑うか
- 融資部長が食品製造の取引先300社の過去3年の決算を使い、原価上昇と売値の動きのずれが延滞や倒産を先読みできたかを検証する。
- この案が強いのは
- 取引先の工場や社長と長年付き合う担当者なら、数字に出ない転嫁交渉の難しさを読み取れる。
資材高で上がった見積に前回との差の理由を添え、成約率を引き上げる
このニュースから見えた広いニーズコストが上がった分の価格を、客が納得できる言葉で説明して契約まで進めたい
詳しく ▸
- 事業として
- 年間見積5,000件、平均単価250万円とする。成約率が2ポイント上がれば100件、売上2.5億円の増（試算）。
- 勝てる理由
- 過去の見積と資材発注の実績があり、どの費目がどれだけ動いたかを自社データで説明できる。
- どう作るか
- 見積担当が過去1年の見積と仕入れ価格表をAIに読ませ、差の説明文を出す試作を作る。翌月の10件の見積で使い、成約の差を見る。
- この案が強いのは
- 施主の前で値上がりを説明してきた営業なら、納得される言い方かどうかを一読で判断できる。
同業数社で運賃の原価指標を共同で作り、荷主との値上げ交渉を数字で進める
このニュースから見えた広いニーズコスト上昇の根拠を、取引相手が納得できる共通の物差しで示したい
見送り：空席／57.9点
詳しく ▸
- 事業として
- 年商200億円の会社で、運賃が平均1%改善すれば年2億円（試算）。記事の豆腐・納豆の指標公開と同じ型の動き。
- 勝てる理由
- 運行記録と荷待ち時間の実績を持ち、荷主ごとにどこで待ちが出ているかを示せる。
- 誰に、どう呼びかけるか
- 営業部長が地域の同業4社に声をかけ、原価の算式だけを共有し運賃額は出し合わない形で、同じ路線の1km当たり原価を比べる会を開く。
- この案が強いのは
- 荷主と運賃交渉をしてきた人なら、どの原価項目を出せば相手が反論しにくいかを知っている。
原価の内訳を見せた直販会員で、値上げをどこまで受け入れてもらえるか実測する
このニュースから見えた広いニーズコスト上昇を価格に載せたいが、どこまでなら顧客が納得するのかを誰も実測できていない
見送り：混雑・差別化あり／51.2点
詳しく ▸
- 事業として
- 会員3万人が月3,000円使えば年10.8億円（試算）。小売を通さないので値上げ幅を自社で決められ、粗利率を上げる余地がある。
- 勝てる理由
- 小売を通さず顧客の反応を直接見られる。値上げ案内への返信やキャンセルの理由が自社に蓄積する。
- 何を、どう測るか
- 直販担当が既存会員の数千人を2群に分け、同じ値上げ案内を内訳あり・なしで送る。3か月間の解約率と注文数を比べる。
- この案が強いのは
- 原価表を実際に引いている人なら、どの費目を見せれば納得されるかの勘所が分かる。
品薄部材の複数年の購入枠を、顧客の需要予測とセットで売る商社に変わる
このニュースから見えた広いニーズ品薄になる部材を、買い手が数年先まで数量を保証されて確保したい
詳しく ▸
- 事業として
- 100社が年5億円分ずつ枠を預け、保証料が2%なら年10億円（前提を置いた試算）。薄い仲介マージンとは別の収益になる。
- 勝てる理由
- 多数の顧客の発注履歴と複数の供給元との交渉窓口を持ち、需要を束ねて交渉力に変えられる。
- AIに何から聞くか
- 営業部門が顧客5社の過去3年の発注と生産計画をAIに読ませ、需要の振れ幅から何割を固定枠にすべきかを対話で詰める。供給元に出す条件案も作る。
- この案が強いのは
- 供給元の納期の癖や割当の決まり方を知る営業経験者が、AIの試算に現実的な契約条件を足せる。
壊れてから呼ばれる修理業から、壊れる前に交換日を決める定額保守へ組み替える
このニュースから見えた広いニーズ部材が細ると壊れてからでは直せない。壊れる前に動いて、待たせる損を避けたい
詳しく ▸
- 事業として
- 契約5万世帯が月500円を払えば年3億円（前提を置いた試算）。割増の緊急出動も減る。
- 勝てる理由
- 世帯ごとの設置・修理の記録と、訪問で顔が見える関係を持っている。
- どの前提を疑うか
- 保守担当が過去5年の修理記録から機種別の故障年数を出す。故障が近い300世帯に交換予約を案内し、反応を測る。
- この案が強いのは
- 機器を毎日見てきた職人は、記録に残らない故障の前兆を知っていて、AIの予測を補正できる。
セッション発言録 〈第1回・「ハンズオン④API」の節〉から —「これまで専門家でなければ作れなかったものが、もう素人でも作れてしまう。つまり、競争優位性の源泉そのものがシフトしているということです。」
第2回では、技術的前提が変わる局面では既存のやり方の効率化ではなく前提からの再設計が勝者を分けると示しました。単なる部材転売から予測と枠のセット販売へ商社機能を作り直す発想に重なります。 AI
この話題で出たほかの案（4件）
他社から届く図面と仕様書から、見積もりの下書きを当日に返せるようにする
このニュースから見えた広いニーズ外部の顧客から来る仕様の問い合わせに、早く正確に値段と納期を返したい
詳しく ▸
- 事業として
- 月200件で1件3時間短縮、時間単価5,000円なら月300万円、年3,600万円の工数削減（前提を置いた試算）。
- 勝てる理由
- 過去数年分の見積もりと実績原価が社内にあり、他社が持たない学習材料になる。
- どう作るか
- 見積担当が過去2年の見積もりから50件を選び、実績原価とあわせてAIに読ませて下書きを作る。人の見積もりとのずれを1か月測る。
- この案が強いのは
- 「この図面は後で手戻りが出る」と見抜く見積担当の目が、下書きの確認と学習の質を決める。
部品表の中で、供給元の都合で後回しにされそうな部材を先に洗い出す
このニュースから見えた広いニーズ供給元の再編や増産の振り向きで、自社の部材が後回しになる危険を前もって知りたい
詳しく ▸
- 事業として
- ライン1日の停止が売上1億円相当なら、年2日の停止を避けるだけで2億円の損失回避（前提を置いた試算）。
- 勝てる理由
- 自社の部品表と購買履歴、供給元との日々の接点があり、公開情報と突き合わせて精度を上げられる。
- 何を、どう測るか
- 調達担当が売上上位の製品3つの部品表を使い、供給元の公開資料をAIで読んで危険度を付ける。社内の見立てとどれだけずれるかを確かめる。
- この案が強いのは
- 供給元の機嫌や納期のぶれの兆しを知る調達経験者が、AIが拾った情報の重みを正しく直せる。
社内専用だった部品工場の空き枠を、他社向けの受託で埋める独立事業を立ち上げる
このニュースから見えた広いニーズ自社専用に抱えてきた生産能力や技術を、社外の顧客にも売って収益の柱にしたい
見送り：混雑・差別化あり／55.6点
詳しく ▸
- 事業として
- 稼働率の低いライン（年間生産額20億円）の5%を外販で埋めれば、年1億円の上乗せ（前提を置いた試算）。
- 勝てる理由
- 自社製品で鍛えた品質基準と量産ノウハウがあり、新参の受託業者より品質証明の説明が速い。
- 誰を、どう動かすか
- 部品部門の長がライン別の月次稼働データを経営会議に出し、外販する1ラインと目標額を決める。3か月で既存取引先3社に打診し、引合いの有無を確かめる。
- この案が強いのは
- 段取り替えの時間や品質不具合の癖を知る現場経験者ほど、空き枠の価値を正しく値付けできる。
値上がり前に会員がパソコンやスマホを価格固定で予約できる定額プランを始める
このニュースから見えた広いニーズ部材の品薄で値上がりしそうな高額品を、価格を固定して先に確保したい
見送り：空席／54.0点
詳しく ▸
- 事業として
- 会員1,000万人の1%が月1,000円を払えば年12億円（前提を置いた試算）。買い替え時の来店も確実になる。
- 勝てる理由
- 会員の購入履歴と来店頻度から買い替え時期が読め、その実績でメーカーに数量を約束できる。
- 誰に、どう呼びかけるか
- 会員事業部がメーカー2〜3社に、先行数量の約束と引き換えの価格固定枠を打診する。並行して会員5万人に予約の意向を聞く。
GPT-6.1 Terra提供開始とStep Functionsのエージェント対応
- 何が変わったか
- Amazon Bedrockで一般提供を開始し、入力・出力トークンの料金を比較対象モデルより少なくとも50%低く設定した。
- これまでの壁
- 「高精度なモデルを業務で継続利用するにはトークン費用がかさむ」 AI
第6回では、高度なモデルの進化と安価なモデルの価格破壊が同時に進むと示しました。この大幅な利用料引き下げは、その価格破壊の局面に当たります。 AI
Bedrock経由で従来比50%以上安価な新モデルを呼び出し、日常業務のコスト削減を検証する。
Google、10月のAI発表を紹介
- 何が変わったか
- Gemini 4 Argonを、複雑なコーディングや金融分析、法務業務向けに世界展開しました。
- これまでの壁
- 「複雑な法務文書や金融分析は汎用AIだと精度に不安があった」 AI
Google AI Studio等でGemini 4 Argonを使い、金融レポートや法務条項の要約精度を試す。
Grok Botに社内データ分析Botを構築
- 何が変わったか
- データサイエンスチームの知識を共有するTeam Botを構築し、データ倉庫への問い合わせ、分析、回答、定期報告を可能にした。
- これまでの壁
- 「社内データへの問い合わせを現場が直接Slackで行うのは難しかった」 AI
第3回では、AIが自律的に社内知と連携する組織の姿を描きました。データ基盤へ常駐して分析や定期報告を代行するこの取り組みは、そのAI協働に当たります。 AI
データ分析BotをSlackに追加し、データ倉庫への自然言語での問い合わせや定期報告を試す。
今日入ったほかの発表 12件（提供元ごと）
- AWS
- AI-DLC Workflows 2.0が一般提供／AWS Continuum for code vulnerabilitiesが一般提供／Amazon ConnectのAIガードレール
- Google CloudのAIモデル提供を拡大／Google Cloud Developerプラグイン提供開始
- OpenAI
- OpenAI、Git基盤Pandoを全社運用
- Anthropic
- Claude Code v2.1.317を公開
- Ollama
- Ollama v0.40.14を公開
- LINEヤフー
- Yahoo!ショッピングでAI商品提案を含むセール開催
- ティアフォー
- Autoware 2.0の開発を主導
- Cloudflare
- AI Searchの課金開始延期と同期間隔変更
- vLLM
- vLLM v0.33.0を公開
AI代理モデル（サロゲートモデル）を用いて高電圧開閉装置の複雑な物理現象を扱い、より優れた製品をより速く開発できるようにする。
第4回では、言語処理から物理世界の観測やシミュレーションへAIの領域が広がる流れを示しました。開閉装置の物理現象を扱うこの試みは、その展開に当たります。 AI
体制整備から一転、高電圧機器開発での具体的なAI代理モデル適用に言及。
AI AIが自動でまとめたもの（この会社の表明の並びから）中期経営計画2028で「デジタル・AI」を注力3分野の一つに位置づけ、エネルギー・モビリティとの融合領域も含めてグリーン・デジタル関連需要を取り込み、収益の拡大を図る。
前回掲げた注力分野の位置づけを、中計2028の収益拡大目標へ反映させた点。
AI AIが自動でまとめたもの（この会社の表明の並びから）AI製品の需要拡大により、米国の民間向け売上が初めて米国政府向け売上を上回り、収益の柱が民間事業に広がった。
第2回では、技術の前提が変わることで事業の構造や市場の勝者が入れ替わると描きました。民間向け売上が官公庁向けを抜いて主力化した転換は、その変化に当たります。 AI
価値提供の表明を経て、米民間向け売上が政府向けを逆転した実績が出た点。
AI AIが自動でまとめたもの（この会社の表明の並びから）記事から取った会社の動き 6社
- サムスン電子 AIを活用した半導体設計・工程技術を紹介する広げている
- SKハイニックス 次世代HBMで協力し、半導体素子・工程のシミュレーション技術を共有する広げている
- Alphabet（Google） AI需要に応えるデータセンターを建設する広げているBigGo ファイナンス・11/3
- パナソニック ホールディングス AI関連事業に投資し、材料やコンデンサの生産能力を拡大する広げているマイナビニュース・11/2
- Anthropic IPOで得る資金を計算資源・インフラへの投資などに充てる予定だ構想を表明Yahoo!ニュース・Börsen-Zeitung・11/2
- イオン （イオングローバルSCM）フィジカルAIを導入した自動化倉庫を本稼働させた広げているImpress Watch・11/2