今日のダイジェスト
- 世界AIの勝負所がチップから電力網と変圧器の確保へ移った/AI半導体の増産が、素材の寡占供給元の交渉力を高めた/AIが他産業の部品を吸い上げ、エージェント運用コストも膨らむ
- AI最強モデルの導入価格が期限付きで、囲い込みの入口になった/ベテランの暗黙知が、エージェントへ複製される時代になった/AIが同僚として複数業務を動かし、課金も使用量連動になった
- 用語初めて収録:モデル重み / AI推論プラットフォーム/今日多く出た:エッジAI
- 催し3件(うち更新2)・いちばん近い開催は11/11
- 課題企業向けAIエージェント/スマホ超高価格化の影響/スーパーの低価格業態好調/米CPI上昇と利上げ観測 — 4話題
- 道具Gemini 4 Carbonの提供開始/Gemini Intelligenceの新機能と対応拡大/日立が調達AIサービスを提供開始(ほか 46件)
- 戦略ソフトバンク:新しい事業・収益源(半期報告書)/KDDI:新しい事業・収益源(半期報告書)/ヤマトホールディングス:土台を持ちにいく(半期報告書)・記事から 9社
世界のビジネスニュースから
3件日立は変圧器増産へ1兆円投資 データセンター、生殺与奪は電力握る
セッション発言録〈第1回・「ハンズオン④API」の節〉から第1回「ハンズオン④API」の記録を読む →この場面を見るメンバー「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1回のセッションで、専門家でなくても作れる時代になり「競争優位性の源泉そのものがシフトしている」と示しました。AIモデルの開発そのものよりも、データセンターを稼働させる電力網や変圧器のような物理インフラの確保こそが、産業の成否を分けるボトルネックになりつつあります。日立製作所の巨額投資は、優位性の源泉がソフトウェアからハードウェアやエネルギーへと移行している実態を浮き彫りにしています。
サムスン、EUV用マスク調達に危機感。日ホヤが供給増に難色
セッション発言録〈第2回・「始まりの物語」の節〉から第2回「始まりの物語」の記録を読む →この場面を見るメンバー「戦略とは、競合がいて顧客が動くなかで、独自価値・競争優位性・模倣困難性 ―― モート(堀)をどう作るかを考えること。そのゲームのルール自体が、AIで書き換わっていくんです。」
第2回のセッションで、競合や顧客が動くなかで独自価値や模倣困難性といったモートをどう築くかを考え、そのルールの変化を捉える重要性を取り上げました。特定サプライヤーが市場の多くを握る先端部材の調達難は、自社の優位性を支える基盤がいかに外部環境に依存しているかを浮き彫りにしています。代替調達先の開拓を含め、不確実な供給網の中で自社のモートをどう守り抜くかが焦点となります。
AI需要が自動車サプライチェーンのボトルネックに、半導体大手が警告
セッション発言録〈第1回・「ハンズオン④API」の節〉から第1回「ハンズオン④API」の記録を読む →この場面を見るメンバー「システムからAIを呼べば、何百回でも何千回でも、何万回でも繰り返せる。だから社内データの一括処理も顧客への個別対応も、初めてスケーラブルにできる。費用は従量課金で、1回だいたい1円弱です。」
第1回のセッションで、システムからAIを呼ぶことで何万回もの処理をスケーラブルにでき、従量課金で安価に扱えると提示しました。しかし報道の通り、AI需要の急増は半導体供給網を通じて他産業へ影響を及ぼし、エージェント運用のコスト急増も指摘されています。手軽に拡張できる前提の裏にある物理的な供給制約や運用費用の肥大化を見据え、全体最適を維持する設計が求められます。
AIニュース(日本でビジネスをする人の視点)
3件Googleが新AI「Gemini 4 Carbon」をリリース。サブスクはUltraのみ利用可
セッションの体験第4回・確かめた第4回の記録を読む →この場面を見るメンバー軽量モデルなら、写真32枚を8秒ほどで読み切った画像を読む役には軽量モデルを使い、航空写真は1枚ごく短時間で読み進み、住まいの写真32枚も8秒ほどで読み終えた。重いモデルなら1枚に何十秒もかかる。何十回繰り返しても苦にならない速さが、使える仕組みかどうかを左右することを体で知った。
ビジネスの文脈:何十回も回せる速さかどうかで仕組みが業務に耐えるかが決まると分かり、性能の高さより速さと費用で道具を選ぶ判断の軸を得た。
第4回のセッションで、何十回も反復できる速度が実務の成否を分けると捉え、性能の高さ以上に速さと費用でモデルを選ぶ判断基準を整理しました。前回は限定公開とお伝えしたGoogleの最上位モデルが一般提供され、12月にはAPI料金が倍増する予定です。32枚の画像を8秒で処理するような機動力を重んじるなら、最上位ゆえの処理時間と改定後の価格設定は、頻度の高い反復業務への投入を躊躇させる水準になります。
日立、AIエージェントが調達業務支援 納期管理の作業時間65%削減
セッションの体験第4回・比べた第4回の記録を読む →この場面を見るメンバー手を動かす前は選択が分かれ、「まず社内で使う」が多かった架空の会社の助言役として、AIで作った2つの仕組みを自社で使うか、外に売るか、市販のチャットAIで済ませるかを、作れるか・勝てるか・顧客の内製に勝るか・続くかで考えた。手を動かす前に選ぶと、選択は人によって分かれ、まず社内で使うという慎重な意見が多かった。
ビジネスの文脈:AIで作った仕組みを自社で使うか、外に売るか、市販品で済ませるかを、参入のしやすさ・優位の源泉・顧客の内製・持続性の四つの物差しで選んだ。
第4回のセッションで、AIで作った仕組みを自社で使い続けるか外販するかを、持続性や顧客の内製しやすさなどの物差しで検討しました。日立製作所が社内先行導入で納期管理の作業時間を最大65%削減した実績をもとに調達支援サービスを外販する動きは、自社運用の成果を優位の源泉に変えて事業化へと踏み出した好例といえます。
Microsoft Copilot Coworkを使う、複数タスクを任せて報告書作成
セッションの体験第1回・比べた第1回の記録を読む →この場面を見るメンバー人ごとにぶれる対話と、一定の質で回る仕組みを並べた画面でAIと対話した結果は、使う人の書き方しだいで質がぶれた。同じ処理をプログラムに組み込むと、一括で一定の質で動く。参加者は両方を手で動かしたうえで、営業の準備を担当者全員に配る例と並べ、その差が生産性ではなく会社の競争力の差になる筋を確かめた。
ビジネスの文脈:AIの効果を個人の腕に任せるか、仕組みに組み込んで組織全体に同じ質で配るかを比べ、どちらに投資すれば競争力に結び付くかを考えた。
第1回のセッションで、AIの効果を個人の腕に委ねる対話と、組織全体に一定の質で配る仕組み化の差をビジネスの競争力として検証しました。MicrosoftのCopilot Coworkは、メールやチャットの分析から報告書作成まで複数タスクを計画・自律実行するもので、対話の枠を超えて業務を裏で進める仕組みへの移行が進んでいます。
今日の用語
用語集へ →初めて収録した言葉
モデル重みモデル重み・モデルの重み・Weights
AIが学習を通じて獲得した計算用パラメータの数値データのことです。モデルの知能や性能を決定づける中核的な要素であり、知的財産としても重要視されます。 AI
今日の記事 3本
- AI基盤モデル企業Fireworks AI、クラウド経由で情報漏洩BleepingComputer・11/11
- Fireworks AIで大規模な情報漏洩、モデル重み等に影響The Hacker News・11/11
- Fireworks AIで情報漏洩、顧客のデータセットや重みも流出Yahoo!ニュース・11/11
AI推論プラットフォームAI推論プラットフォーム・推論基盤・AI Inference Platform
学習済みAIモデルを実行し、入力データに応じた回答や予測を高速に出力するためのシステム基盤です。運用の低遅延化やコスト効率の向上を支えます。 AI
今日の記事 2本
- Fireworks AIで顧客データ漏洩が拡大、二度の不祥事にThe Register・11/11
- Fireworks AIで情報漏洩、顧客のデータセットや重みも流出Yahoo!ニュース・11/11
AIが気にしている言葉まだ用語集に入れる手前
今日、ふだんより多く出た言葉
- エッジAI今日3本・この4週で6本DEEPX、サムスン2nm採用のエッジAIチップを公開、消費電力5W搜狐网
今日のニュースに出た用語
ウォッチしたいイベント
3件企業が導入したAIエージェントの誤発注や誤対応による損失を補償する保険を売り出す
このニュースから見えた広いニーズ仕事を任せた自動化が間違えたとき、誰がどこまで責任を負うのかが決まっていない
詳しく ▸
- 事業として
- 導入企業が保険料を払う。仮に1,000社が年200万円なら年20億円の保険料収入になる。
- 勝てる理由
- 賠償や事故のデータと査定の経験を長年持つ。誤りの頻度と損害額の両方を見て価格にできるのは、保険会社だけ。
- 誰を、どう動かすか
- 商品開発の責任者が導入済みの顧客5社に稼働記録の提供を頼み、誤りの頻度と損害額を測る。保険料の試算を役員会へ出す。
- この案が強いのは
- 事故の損害を査定してきた人は、AIの誤りを「どこまでが補償範囲か」で線引きできる。
対話AIに商品を聞かれたとき自社が挙がる率を毎週測り、売り方を直す
このニュースから見えた広いニーズ買い物客が検索や店頭ではなくAIの回答で商品を選び始め、自社が選ばれる率が見えない
詳しく ▸
- 事業として
- 年商200億円のうちAI経由の購入が3%なら年6億円分。紹介率を1ポイント上げる価値を数字で示せる。
- 勝てる理由
- 自社ECの購入データと問い合わせ履歴から、客が実際に使う言い方を知っている。競合より先に測り始めれば改善の差が積み上がる。
- 何を、どう測るか
- D2C責任者がサポートへの上位質問100件を使い、主要AI3種に1週間投げる。自社と競合の紹介率を表にする。
- この案が強いのは
- 客の言葉を毎日聞いている販売員やサポート担当が、質問の作り方で回答の差を正確に測れる。
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の運用に人間がどう関与し安全を担保するかを示しました。AIエージェントの誤動作による損失を補う保険の構想は、まさにこの統制の課題に当たります。 AI
この話題で出たほかの案(4件)
品薄の部品に代わる候補を、問い合わせ当日に仕様比較表つきで顧客へ返せるようにする
このニュースから見えた広いニーズ足りなくなった部材の代わりを、顧客が自分で探す時間と手間が増えている
詳しく ▸
- 事業として
- 代替提案1件に技術担当が半日かかるとして、月100件なら月50人日。回答が早い商社に発注が集まり、取り逃しも減る。
- 勝てる理由
- 顧客の部品表と過去の採用実績、仕入先の在庫を日々扱っている。メーカー直販より幅広い品番を横断して比べられる。
- どう作るか
- 営業技術の担当者が過去半年の代替提案30件の仕様書と結果を集める。AIが出した候補が実際に採用された品と合うか、今月中に確かめる。
- この案が強いのは
- 代替品が「仕様は同じでも実機で動かない」場面を見てきた人が、AIの候補を正しく絞れる。
新品の割引で契約を取る型から、下取り再生機と長期保証の定額で長く使ってもらう型へ移す
このニュースから見えた広いニーズ部材の取り合いで機器が値上がりし、買い替えを待つ人が増えて、新品販売中心の稼ぎ方が崩れる
詳しく ▸
- 事業として
- 会員1,000万人のうち買い替え前の100万人が月500円の保証と再生機へ移れば、保証だけで年60億円(仮定)。
- 勝てる理由
- 回線契約で端末の年数と通信品質を毎日把握し、下取りを案内できる接点と店舗網がすでにある。
- どの前提を疑うか
- 端末事業の責任者が購入後3年超の会員データで、回収に応じそうな層と整備後の再販価格を試算する。1地域の店舗で3か月試す。
- この案が強いのは
- 店頭で「まだ使えるのに買い替えを迫られる」客の声を聞いてきた人が、再生機を安心して売る言い方を作れる。
同じ半導体を使う部品メーカー十数社で在庫を持ち合い、欠品による工場停止を防ぐ
このニュースから見えた広いニーズ希少な共通部材を大手に先に押さえられ、中小が一斉に欠品の危機に立たされている
見送り:空席/57.2点
詳しく ▸
- 事業として
- 完成車ラインの停止1日の損失を仮に3億円とすると、年1回防げれば3億円。参加各社が運営費を払い、共同発注で交渉力も上がる。
- 勝てる理由
- 部品表と納入先を握る部品メーカー同士なら、互いの使用量を突き合わせられる。完成車メーカーや商社より先に動ける。
- 誰に、どう呼びかけるか
- 調達部長が取引のある3〜5社に声をかけ、各社の部品表から共通で使う半導体の品番を洗い出す。重なりの大きさを3か月で確かめる。
- この案が強いのは
- 調達の現場で品番ごとの代替可否を知る人が、融通してよい範囲の線引きを正しく決められる。
小売のAIが自動で出してくる発注に、受け方のルールを先に整えて応じられるようにする
このニュースから見えた広いニーズ取引先の自動化が進み、発注が人ではなく機械から細かく大量に届き始めている
見送り:混雑・差別化あり/52.1点
詳しく ▸
- 事業として
- 例外対応に担当者20人が1日1時間使うなら年約5,000時間。時給3,000円とすると、年1,500万円分の手間にあたる。
- 勝てる理由
- 毎日の受注と欠品の記録があり、例外の多い取引先がどこか分かる。小売側は卸のルールを知らないので、先に決めた側が有利。
- AIに何から聞くか
- 受注担当のベテラン3人にAIが質問を重ね、先月の例外処理100件の判断理由を文章にする。ルールで説明できる割合を確かめる。
- この案が強いのは
- 断りや代替を判断してきた受注担当者の暗黙の線引きが、AIに渡す最も大事な材料になる。
30万円級の端末を、下取り額を引いた月額で貸して買い替え客を囲い込める
このニュースから見えた広いニーズ値上がりした高額の耐久品を、まとまった額を払わず、数年後の下取り価値まで織り込んで持ちたい
詳しく ▸
- 事業として
- 試算:会員500万人の1%が残価付きで契約し、1件あたり粗利2万円なら年10億円。いまは分割払いの金利分しか稼げていない。
- 勝てる理由
- 会員の購入履歴と、店頭で積んだ下取り・再販の実績価格を持ち、残価の予測精度で他社より先に出せる。
- AIに何から聞くか
- 過去3年の下取り記録から機種別の2年後買取額をAIと予測し、実際との誤差を測る。誤差が1割以内なら会員1,000人に提案する。
- この案が強いのは
- 下取り現場で値付けをしてきた人は、機種ごとに値落ちの癖を知っており、AIの予測の外れ方を見抜ける。
社員全員への高額端末の貸与をやめ、使い方に合う機種へ割り振り直せる
このニュースから見えた広いニーズ部品高で機器の値段が上がるなか、全員に同じ高性能品を配る調達をやめたい
詳しく ▸
- 事業として
- 試算:1万台を貸す企業で3割が5万円安い機種で足りれば、更新時に1.5億円の削減になる。
- 勝てる理由
- 契約企業の台数・更新時期・故障の実績が手元にあり、他社より早く提案できる。
- どの前提を疑うか
- 契約先の上位10社の台帳と管理ソフトの利用ログから、社員を使用実態で分類し、機種別の費用差を試算する。
- この案が強いのは
- 企業の情報システム部門の経験者は、現場が高性能機を欲しがる理由を知っており、納得される割り振りの基準を作れる。
この話題で出たほかの案(4件)
大手10社の更新端末をまとめて回収し、状態別に高く売って下取りを増やせる
このニュースから見えた広いニーズ更新で出る大量の古い機器を、各社がバラバラに安く手放している状況を変えたい
詳しく ▸
- 事業として
- 試算:10社×5,000台で1台あたり下取りが2万円増えれば、全体で10億円の価値になる。
- 勝てる理由
- 複数社分の量で買い手に交渉でき、データ消去の実績があるので情報システム部門が任せやすい。
- 誰に、どう呼びかけるか
- 取引のある3社の情報システム責任者に、直近の更新予定台数と機種を出してもらい、等級別の売却見込みを示す。
- この案が強いのは
- 端末の再販現場にいた人は、どの機種がどの国でいくらで売れるかを知っており、等級の分け方を最初から正しく置ける。
撮影した持ち物をその場で査定し、高額端末も数分で補償に入れられる
このニュースから見えた広いニーズ高額になった持ち物を、手間なく壊れても困らない状態にしておきたい
詳しく ▸
- 事業として
- 試算:契約者200万人の2%が月500円の補償を足せば、年2.4億円の保険料収入になる。
- 勝てる理由
- 契約者との接点がすでにあり、過去の事故・修理費の実績が評価額の根拠になる。
- どう作るか
- 保険金を払った端末の写真と修理請求額を集め、写真から修理費を当てる試作を作り、実際の請求額との差を測る。
- この案が強いのは
- 保険金の査定をしてきた人は、写真に写る傷のうち支払いに直結するものを見分けられ、教師データの質を上げられる。
中古端末に「あと3年使える」と1台ずつ保証を付け、新品との差額で稼げる
このニュースから見えた広いニーズ新品が高すぎて中古に流れる人が、どれだけ長く使えるかを信じて選べるようにしたい
見送り:混雑・差別化あり/53.8点
詳しく ▸
- 事業として
- 試算:年10万台に1台3,000円の保証料を乗せれば年3億円。故障時の保証費がこれを下回るかが勝負で、3か月で測れる。
- 勝てる理由
- 買取時の全数診断データと、販売後の修理・返品の履歴を同じ会社が持っている。
- 何を、どう測るか
- 直近2年に売った端末の保証利用履歴と買取時の診断値を突き合わせ、どの数値が故障を予測するのかを測る。
- この案が強いのは
- 修理や買取の現場にいた人は、どの傷みが後で故障になるかを経験で知っており、見るべき数値の仮説を立てられる。
値上げ前に解約しそうな契約者だけを見つけ、個別の案内で離脱を食い止める
このニュースから見えた広いニーズコスト上昇で値上げが避けられないが、値上げのたびに客が出ていくのを最小限にしたい
見送り:混雑・差別化なし/37.4点
詳しく ▸
- 事業として
- 試算:契約者100万人で値上げ後の解約が1%(1万人)出て月1,500円なら年1.8億円の損失。半分を防げば年0.9億円。
- 勝てる理由
- 全契約者の利用量・支払い・問い合わせの履歴を自社で持っている。
- 誰を、どう動かすか
- 料金企画の責任者が過去の改定時データで解約予測を作り、役員に次回改定の一部契約者で試す承認を取る。
- この案が強いのは
- カスタマーセンターの現場にいた人は、値上げの通知後に客が何で怒るかを知っており、案内文の勘所を押さえている。
定価で買う客とセールを待つ客を見分け、値引きを必要な客だけに絞る
このニュースから見えた広いニーズ同じ生活者が、買う品目や店によって価格への反応を使い分けている
詳しく ▸
- 事業として
- 試算:クーポンとセールの値引き総額が年50億円の会社で、不要な値引きが1割減れば年5億円の利益増。
- 勝てる理由
- 全店・EC共通の会員の購入履歴を既に持ち、値引き前後の反応をシーズンごとに検証できる。
- 何を、どう測るか
- 過去2年の会員購入履歴から、クーポンがなくても買った客の割合を商品群ごとに測り、値引き額のうち不要だった分を示す。
- この案が強いのは
- セール期の売場で客の動きを見てきた店長・販促担当なら、測った分類が現実と合うか即座に見分けられる。
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(5件)
月額の会員に定番30品を毎日安く売り、チラシ費用を会員向けの割引に付け替える
このニュースから見えた広いニーズ節約したい生活者が、チラシの特売より確実に安さを実感できる手段を求めている
詳しく ▸
- 事業として
- 試算:会員50万人の1割が月500円を払えば、会費だけで年3億円。来店頻度が上がる分の売上は別に積み上がる。
- 勝てる理由
- 毎週の来店とレシートという接点を持ち、何を買う客かを既に把握している。値引き後の粗利を品目単位で計算できる点も強み。
- どの前提を疑うか
- 会員アプリのある1〜2地区の店で、購買履歴の上位30品目を選び、数百人に3か月だけ試験提供して、会費を払う人の割合と粗利の変化を見る。
- この案が強いのは
- 売場で何が毎週の定番かを肌で知る人なら、割引する30品を外さず選べる。
雨の日の入浴料を近隣サウナの混雑に連動させ、溢れた客を自館へ誘導する
このニュースから見えた広いニーズ天候で来客数が大きく動く売り場が、値付けと人員を前日に合わせたい
詳しく ▸
- 事業として
- 試算:近隣の入場規制が起きる雨天が年50日、溢れたサウナ客が1日40人流入し客単価2,500円なら年500万円の増収。
- 勝てる理由
- 近隣施設の混雑傾向とリアルタイム満空情報を監視し、競合の溢れ客に絞って集客する連携導線がある。
- 誰を、どう動かすか
- 近隣サウナの雨天時の混雑パターンをSNSやサウナポータルで調査し、自館アプリ会員へ雨天限定のサウナ優待枠を告知する。
- この案が強いのは
- 近隣の競合施設のキャパシティ上限と、雨の日にサウナ難民が発生する時間帯を熟知している現場だからこそ打てる。
天気予報を店ごと・商品ごとの「明日の売れ数の増減」に直して小売や外食へ売る
このニュースから見えた広いニーズ天気で売れ行きが変わる事業が、前日までに仕入れと人員を合わせたい
詳しく ▸
- 事業として
- 試算:3,000店舗が月5,000円を払えば年約1.8億円。1社あたり、廃棄と欠品の削減が月額を上回ることを3か月で示す。
- 勝てる理由
- 予報の元データと過去の予報の外れ方の蓄積があり、予報の癖を補正できる。顧客を増やすほど精度も上がる。
- どう作るか
- 提携1社の過去3年分の日別売上を預かり、予報と突き合わせて翌日の増減を当てる試作を作り、的中率を発注担当者に見せる。
- この案が強いのは
- 発注担当者が天気をどう見て発注量を変えているかを知る人なら、現場に使われる形に仕上げられる。
客席が空く午後の厨房で、共働き世帯向けの夕食を週ごとの定額で売り始める
このニュースから見えた広いニーズ人件費が上がる中で、空いている時間帯の設備と人を稼ぎに変えたい
見送り:混雑・差別化あり/53.3点
詳しく ▸
- 事業として
- 試算:1店で100世帯が週2,400円を払えば月約96万円の売上。100店なら年約11.5億円になる。
- 勝てる理由
- 既に厨房・仕入れ網・店舗網があり、新しい店を建てずに始められる。会員アプリの来店履歴で需要も読める。
- 誰に、どう呼びかけるか
- 加盟店オーナー10店に声をかけ、午後の来店数と厨房の空き時間を測り、近隣300世帯に週定額を案内して申込率と継続率を見る。
- この案が強いのは
- 厨房の空き時間と仕込みの無駄を知る店長経験者なら、無理のない提供量を設計できる。
品出し・棚替えの請負料金を作業時間から、欠品が減った分の分配へ組み替える
このニュースから見えた広いニーズ人手の足りない現場が、作業時間ではなく売上への効果で外部の力を使いたい
見送り:空席/45.7点
詳しく ▸
- 事業として
- 試算:請負先300店で、時間料金に加えて1店あたり月3万円の成功報酬が付けば、年約1億円の増収。
- 勝てる理由
- 作業した棚と時間の記録を店ごとに持ち、棚の前後を撮影する運用に乗せやすい。他社は時間単価の競争から抜けにくい。
- AIに何から聞くか
- 請負先1チェーンと組み、10店の欠品時間を棚写真から測り、生成AIと売上増分の算出方法を複数案つくって購買担当者と話し合う。
- この案が強いのは
- 請負側の現場長として、どの棚がどの時間帯に欠品しやすいかを知る人の手にあるとき強い。
融資先の経営者に、毎週の資金繰り見通しを月額で届ける財務部長の代行を始める
このニュースから見えた広いニーズ金利や為替が急に動くと、中小の経営者は自社の資金繰りへの影響を自力で読めず、判断が後手に回る
詳しく ▸
- 事業として
- 融資先1,000社が月3万円払えば年3.6億円(試算)。財務担当を置けない従業員50人未満の会社が主な客。
- 勝てる理由
- 口座の入出金と借入条件を持つのは主取引銀行だけで、他社より先に正確な予測を作れる。
- 誰を、どう動かすか
- 法人営業の責任者が融資先50社の協力を得て過去12か月の入出金から予測を作り、実績との誤差と払ってよい月額を聞く。
- この案が強いのは
- 融資先の経営者と毎月顔を合わせ、資金繰りの悩みどころを知る支店長経験者が、見せ方と価格を決められる。
利上げ後に入金が遅れ始める業種を入金日のずれから見つけ、与信枠を先に絞る
このニュースから見えた広いニーズ景気や金利が変わると取引先の支払いはまず数日の遅れとして表れるが、業種ごとには測られていない
詳しく ▸
- 事業として
- 取扱高1,000億円で貸倒率が0.05ポイント下がれば、年5,000万円の損失減(試算)。
- 勝てる理由
- 多数の企業の請求・入金日を毎日持つのは決済事業者で、決算書ベースの銀行審査より早く兆しを掴める。
- 何を、どう測るか
- 与信担当が過去24か月の入金データから、業種別の遅延日数の推移と、貸倒に至った会社の事前の動きを集計する。
- この案が強いのは
- 督促の現場で最初に遅れる会社の癖を見てきた与信担当が、集計の切り口を見抜ける。
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)
金利が上がっても月々の払いが上限を超えない間取りと仕様を、来場者ごとに出す
このニュースから見えた広いニーズ金利が上がると買い手の判断軸が物件価格から毎月の払いに移り、売り手の提示の仕方が合わなくなる
詳しく ▸
- 事業として
- 年300棟の会社で、金利不安で流れた商談が年30棟戻り粗利300万円なら年9,000万円(試算)。
- 勝てる理由
- 来場予約、見積履歴、契約者の仕様選択という実データから、どこを削れば満足が落ちないかを知っている。
- どの前提を疑うか
- 営業企画が過去3年の見積と契約の記録から、月々払いが上限を超えて流れた商談を洗い出し、新しい提案の型を作る。
- この案が強いのは
- 月々の払いを聞いた瞬間に客の顔色が変わる場面を見てきた営業責任者が、提案の型を作れる。
契約更新を迎える顧客ごとに、金利上昇後の月額と選べる打ち手の比較表を自動で作る
このニュースから見えた広いニーズ金利が上がる局面で、契約中の顧客に負担増と打ち手を早く示せないと、更新や新規の話が止まる
詳しく ▸
- 事業として
- 営業20人が月30件を1件1時間で作成なら月600時間。半減すれば月300時間を商談に回せる(試算)。
- 勝てる理由
- 契約台帳、残価の実績、顧客の支払い履歴を自社で持つため、他社より正確な数字で提案できる。
- どう作るか
- 営業企画の担当が更新期の契約100件の台帳でAIに比較表を作らせ、営業5人に使ってもらって修正点を集める。
- この案が強いのは
- 顧客ごとに月額をいくら上げたら止まるかを知る営業企画の人が、比較表の項目を選べる。
出発半年前に円建てで価格を確定できる海外旅行の予約を、同業と組んで売り出す
このニュースから見えた広いニーズ為替が読めない月が続くと、先に代金を払う客は円でいくらかが確定しないと買えず、予約を先延ばしにする
見送り:空席/55.1点
詳しく ▸
- 事業として
- 海外旅行売上300億円の1割が確定価格型なら30億円。円安で買い控えていた層の購入が上乗せされる(試算)。
- 勝てる理由
- 会員アプリで出発時期と行き先の希望が早く分かり、必要なドル額を精度よく見込める。先に出せば口コミも集まる。
- 誰に、どう呼びかけるか
- 海外旅行部門の責任者が提携ホテルや同業2〜3社に呼びかけ、共同の為替予約で必要なドル額を出し合えるか意見を聞く。
- この案が強いのは
- 円安で客が買うか迷う瞬間を窓口で見てきた担当者が、確定価格の設計を決められる。
為替が一定幅を超えたら価格が自動で動く契約の型を作り、差損を取引先と分け合う
このニュースから見えた広いニーズ為替が動くたび、コスト増を売り手が丸ごと被るのか買い手と分け合うのか、取引の中に決まりがない
見送り:空席/49.2点
詳しく ▸
- 事業として
- 輸入額200億円で為替影響が2%なら4億円の揺れ。半分を分け合えれば年2億円の安定(試算)。
- 勝てる理由
- 仕入れと販売の両方の契約と過去の価格履歴を持つため、顧客ごとの受け入れ幅を実データで示せる。
- AIに何から聞くか
- 財務担当が過去3年の仕入れ・販売データで、条項があった場合の粗利の揺れをAIと再計算し、主要10社に基準幅を打診する。
- この案が強いのは
- 為替を理由にした値上げ交渉を何度も経験し、顧客がどこまで飲むかを知る営業責任者が強い。
Gemini 4 Carbonの提供開始
- 何が変わったか
- Gemini 4 Carbonの提供を開発者、企業、科学者、消費者に広げ、Google AI Ultra加入者向けにも順次展開する。
- これまでの壁
- 「最先端モデルを自社の業務アプリや開発環境ですぐ試す手段がなかった」 AI
Google AI StudioやGeminiアプリで新モデルの推論能力を検証する。
Gemini Intelligenceの新機能と対応拡大
- 何が変わったか
- 新機能を追加し、対応端末を拡大するとともに、task automationの提供地域を英国、インド、日本へ広げる。
- これまでの壁
- 「スマホ上でのAIによるタスク自動化は海外先行で日本未対応だった」 AI
Android端末でタスク自動化機能を有効化し日々の移動や予定管理を自動化してみる。
日立が調達AIサービスを提供開始
- 何が変わったか
- 「調達AI(調達オペレーション業務向け)」の提供を開始し、見積比較・発注・納期管理などの購買業務をAIエージェントで自律化・支援します。
- これまでの壁
- 「見積比較や納期管理は担当者の経験頼みで、AI化が進まなかった」 AI
第3回では、AIの関わり方が指示待ちから自律的に業務を担う形へ進化すると示しました。購買業務をAIエージェントが自律化・支援する本サービスがこれに当たります。 AI
TWX-21環境で購買業務AIエージェントの導入手順や自社業務への適合を確認する。
今日入ったほかの発表 46件(提供元ごと)
- MKAベンチマークを公開、Gemini 4 Carbon提供開始/BigQuery measuresが一般提供開始/Google Chatで会議をワンクリック設定/Google Analytics向けFirebaseエージェントスキルを追加/Google AI Edge Galleryに音声機能を追加/Workspace Studioに「Wait until」追加/Gemini for healthcareを発表/Gemini for healthcareを発表/Driveの自動分類ラベルを簡単に確認/Workspaceでスキル機能を順次提供/GKEのTPU動的スライシングが一般提供/MaxTextでTPU長文脈学習に対応/Google、第8世代TPUに2システム追加/Cloud PathwaysがGKEで一般提供/TPU Syncを発表/AI StudioでGoogle Mapsアプリを作成
- NVIDIA
- NVIDIA、OpenShell寄贈とAI基盤を発表/韓国のオープンモデル向けDynamoレシピ公開/NVIDIAら、韓国のソブリンAI基盤で協業/NVIDIAら、韓国のAI基盤で協業/韓国語モデルのAPI公開と安全なAIエージェント
- Cloudflare
- Radarのボット一覧をBotBaseで刷新/Durable ObjectsでNanocodeを実行/CloudflareでExoエージェントを実行可能に/WorkersでCodexエージェントを実行する例/Markdown for Agentsの分析・追跡機能を提供
- GitHub
- C++言語サーバーがMSBuildを自動設定/Gemini 4 CarbonがCopilotで一般提供/GitHub CopilotでClaude Fable 5.2提供開始
- AWS
- Amazon EKS向けNitro Sandboxes提供開始/AgentCore Runtime V2が一般提供/AWSの生成AI関連サービス更新
- n8n
- Gemini 4 Carbonがn8nで利用可能に/n8n Labs、個人向けAIエージェントNodを公開
- IBM
- IBMとMicrosoftがAIエージェント基盤を発表/Apptio、AI費用管理機能を拡充
- Anthropic
- Claude Code v2.1.322でVertex高速モード追加/Claude Code v2.1.321でFable 5.2を追加
- OpenAI
- Codex CLI rust-v0.167.1を公開
- Waymo
- Waymoが英国アクセシビリティネットワークを開始
- Salesforce
- Missionforceの採用機能がTradewindsで利用可能に
- LINEヤフー
- Agent iのアプリ提供開始
- Hugging Face
- Google CloudアカウントでHubの利用料を支払い
- Ollama
- Ollama v0.40.16を公開
- Meta
- 10代向け保護を世界の利用者に拡大
- Amazon
- AWS、医療支援に1億ドルを拠出
新成長戦略「Activate AI for Society」を推進し、中期経営計画期間で連結営業利益と純利益の最高益更新を目指す。
AI活用による成長目標が、営業利益・純利益の最高益更新と具体化。
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インテグレーションやAI-BPOを含む5つの事業領域をそろえて増益とし、通期予想達成に向けて増益幅の拡大を目指す。
AI活用を「AIインテグレーションやAI-BPO」の事業領域と具体化。
AI AIが自動でまとめたもの(この会社の表明の並びから)同じ資料のほかの表明 7件
全社のデータ基盤とAI活用環境を整え、システム開発のAI活用など業務プロセスを刷新して生産性を高める。
第1回では、AIを個人の便利ツールにとどめず全社の組織や戦略へ組み込む重要性を示しました。データ基盤を整え全社プロセスを刷新する同社の取り組みがこれに当たります。 AI
AI活用の対象が、バックオフィスからシステム開発など全社基盤へ拡大。
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 9社
- 日立製作所 変圧器を増産するため1兆円を投資する構想を表明日本経済新聞・11/11
- NTTデータグループ (NTT Global Data Centers)データセンター向けに900メガワットの電力を導入するYahoo Finance・ダイヤモンド・オンライン・11/11
- Anthropic 日本でデータセンター構築の可能性を模索する構想を表明
- Microsoft AIデータセンター部品の輸入禁止撤回を政権に働きかける構想を表明Yahoo!ニュース・11/10
- サムスン電子 AI半導体向けの3Dキューブ-Hを開発する広げている
- アリババ (平头哥(上海)技术股份有限公司)完全子会社を香港で独立上場させる計画を発表した構想を表明财联社・11/10