尾原和啓のレビュー一覧
-
-
Posted by ブクログ
・ビフォー
中国のフーマーや信用スコアなど詳しくは解らなかったがなんとなしにそういうのがあるんだな。程度で知っていた。
・気づき
中国の進みは圧倒的。
日本のやろうとしているOMOの世界が3年前には構想としてあって動き始めていること
・あらゆるデータを簡単に14億のデータで集めて、解析と実行に移せること。
端的に中国は強いし、すごく技術、考え方ビジネスモデルを学びたいと思った。
・Todo
アフターデジタル2買う。
中国ビジネス調べる。
その他メモ:
中国は信用スコア（ジーマスコア）がデフォルト
→日本はお天道様が見ているの信念があるから元々だか、中国は他人を信用せず、損したら負けの考え方から。
中国はアリババが膨大な購買データを持っている。
日本はここまでのデータを持つことがむずかしく、信憑性が低い。
オンラインとオフラインはシームレスになって溶け合い、顧客はその瞬間において最も便利な方法で買いたいだけなのでそれを提供する。
お客様がお店に入った瞬間に、カメラの顔認識機能で店員のスマホにお客様情報を提供する。
→日本は属性データをユーザに回答させながら、アップセルやクロスセルに使えてやっと。
中国はプラットフォームに長く滞在してもらうことに全力。→プロダクトとUXに還元する -
Posted by ブクログ
優位性を確立したとしても他社にすぐ模倣される。すぐ模倣されない持続的な優位性は何重にも利益を生み出す源泉を作りそれらを継続的にループさせることと説く。そしてそのループには人間も入ってデータを育てAIを成長させる。すなわち育てて収穫する農業のようにビジネスを行う時代だと啓蒙し具体的な進め方までしっかり解説しています。利益を生み出す源泉と考えたことが違っていたりすることもあるだろうし、試行錯誤のPDCAも回す必要もありそうで、実行するのはとても大変そうですが、うまく複数の収穫のループが見つかれば、それを回し続けることでビジネスが大きく成功しそうです。ちなみに、本書でもっとも刺さったのはエピローグで述べられているの地球規模の全体最適とおわりにの自分が作りたい未来でした。
-
Posted by ブクログ
ネタバレ■単なるコスト削減にとどまらない
- [ ] 入力作業から解放された担当者がセールス業務に注力したことで、売上アップに繋がった。つまり、データ入力というのはセールス担当者にとっては余計な仕事にすぎないわけで、それを免除されれば、本来彼らにしかできない仕事に専念できる。
- [ ] 「業務標準化」の価値はコスト削減ではなく売上エンジンへの更なる注力となる。
■自社事業やサービスをつくらず全てをAPIやSaaSで賄おうとする弊害
- [ ] 自社にデータを貯める仕組みが無いため、強いループ構造を生み出すことができない。
- [ ] 最近複数のSaaSを提供されている企業は特に痛手になるのではないか？自社で新規事業を生み出す必要がある。
- [ ] そのため、ただのSaaS提供は別の不を産み出している可能性がある。新規事業とSaaSをセットで提案するのが顧客目線な気がする。
- [ ] コスト削減以外のアウトカムを提供する。
以下メモ。
ダブルハーベスト 勝ち続ける仕組みをつくるAI時代の戦略デザイン
「技術」から「戦略デザイン」へ
〜AIブームの背後で起きた「ゲームチェンジ」に気づけているか〜
・肝心なのは「AIをどのように企業の戦略の中に組み込んでいくか」。
■日本企業には「勝ち続ける仕組み」が欠けている
AIがコモディティ化し、ゲームのしょうてんが「技術」ではなくなった今、求められているのはAI活用の「戦略デザイン」。これからのビジネスは以下を問うべきフェーズに来ている。
アフターデジタルの世界においては、人々のリアルな体験＝UXを通じて人々の行動データが集まってくるようになる。行動データをAIによって解析すれば、人々の行動をなめらかにサポートできるようになる。
・AIを取り入れることで、御社の持続的な競争優位性を高められるか？
・AI実装によって何重にも利益を生み出すループを描けているか？
・御社のAI活用は勝ち続ける仕組みをデザインできているか？
■「DX＝デジタルシフト」という致命的な誤解
・AIは目の前の勝負に「勝つための手段」では無い。むしろAIは「勝ち続けるための仕組みづくり」においてより大きな威力を発揮する。
・そのためには、AIがより賢くなるようなループ構造を作って回すのが第一のステップとなる。だが、ほとんどの企業はこの段階でつまずいている。ループ構造がつくれていないから、せっかくAIを導入したのに、大した効果が得られないのだ。
・そのため、蓄積されたデータによって、AIの精度がどんどん高まっていくループ構造をつくるのが当面の目標となる。それができるだけでも、競合に対するアドバンテージとなるだろう。だからこそ、もはやAIの本質は、技術論ではなく戦略論の方にある。
・そこで必要なのは、競争力の源泉を1つだけつくって満足するのではなく、二重、三重のループをつくって、複数の競争優位を築くことである。これこそが「ダブルハーベスト」の狙いであり、デジタルを駆使して会社を丸ごと進化させるDXの1つの理想形といってもいい。そこまでやってはじめて「AIを使いこなした」といえる。
■AIと人間のコラボレーションの価値は、単なるコスト削減にとどまらない
・世界有数のメガバンクグループ「HSBCホールディングス」のケース。ローン審査にまつわる書類の入力作業を1万人以上のセールス担当者がそれぞれ行なっていた。その作業の一部をAIによって自動化したところ、単なるコスト削減以上の効果があった。
・入力作業から解放された担当者がセールス業務に注力したことで、売上アップに繋がったから。つまり、データ入力というのはセールス担当者にとっては余計な仕事に過ぎないわけで、それを免除されれば、本来彼らにしかできない仕事に専念できるということ。
■AIの学習にユーザーを取り込む「ユーザー・イン・ザ・ループ」
・AIと人間のコラボは、社内人材やエキスパートだけにとどまらない。ユーザーに参加してもらってAIの精度を上げていく「ユーザー・イン・ザ・ループ」というアプローチもある。その典型は、グーグル翻訳の右下についている翻訳結果のコピーボタンだ。
・今まではグーグル翻訳で訳された結果が使われているのか、使われていないのか、グーグルには把握できなかった。
・ところが、ここにコピーボタンをつけたことによって、使われたかどうかが分かるようになった。コピーされたということは、その訳が正しい（あるいは使える）とみなされたわけで、翻訳結果が正しいかどうかという判定をユーザー自身がしていることになる。それによって、AIが学習するための教師データがどんどん溜まっていく。
・さらに、もしユーザーが翻訳結果に満足しなければ、AIでも分かるように、文章表現を簡単にしたり、主語述語の関係をはっきりさせたりして、似たような言葉を入力し直すこともあるだろう。すると、コピーボタンを押さずに再度入力された文字列が、翻訳結果のズレを修正するためのトレーニングデータになる。これがユーザー・イン・ザ・ループの破壊力だ。
・コピーボタンを置いたからといって、グーグルはユーザーに何かを強制したわけではない。ただ、翻訳結果をコピペしたい人にとっては、ボタン一発でコピーできた方が便利だという「UX（ユーザー体験）の改善」に過ぎないのだ。
・しかし、その延長線上で、AIのトレーニングデータが自然と溜まっていく仕掛けになっているところがすごいのだ。まさにデータを育てて収穫する「ハーベストループ」の考え方そのものだ。
■AI戦略は水平分業から垂直統合へ(E2E学習)
●出来合いの機能を組み合わせればすぐに始められる。
・学習によってAIをどんどん賢くしていくためには、教材となるデータを育て、収穫する仕組みをつくる必要がある。私たちはこれを「ハーベストループ」と呼び、いち早くグループ構造を回すことを目指している。
・一方、すでに述べたように、AIは既にコモディティ化して、誰でも安く利用できるようになっている。今や利用可能なさまざまなAIのモジュールが公開されていて、それらを組み合わせるだけで、誰でも簡単にAIの恩恵を享受できる。
・そのため、手っ取り早くハーベストループを回すには、利用可能なAPIやライブラリから必要な機能を引っ張ってきて、それらをレゴブロックのように組み合わせるだけでいい。それだけAIは身近な存在になっているわけだ。
■借り物は借り物でしかないという現実
・グーグルを筆頭に、すでに学習済みの有用なライブラリがいくつも公開されているので、そこから定評のあるものを選んで組み合わせればいい。借り物のパーツの寄せ集めでも、全体で65%くらいの精度はすぐに実現できるだろう。それだけでもかなり負担が軽減されるはずだ。
・ところが、こうしたアプローチでは、AIを自分たちの思ったように賢く育てることはできない。公開されたライブラリは、ある特定の機能を提供してくれるだけで、再学習する機能はほとんど提供されていないからだ。
・もっとこうしたい、こういう風に使いたいというファインチューニング(微調整)ができてはじめてAIを賢く育てられるわけで、最初からそうした機能が提供されていなければ、いつまでも精度65%のまま利用し続けるしかない。ループを回すことで学習用のデータを自動的に収穫し、それをAIに再学習されることで精度を上げていくのが本来の狙いなのに、再学習する仕組みが無ければ、AIは永遠に同じ精度のままだ。
■AIを賢く育てるにはE2E学習が不可欠
・そこで、次に求められるのが、自前でAIモデルを構築することだ。パーツの寄せ集めを脱すれば、最初から最後まで一気通貫でAIをトレーニングすることができる。これを「E2E(End to End)学習」という。E2E学習は、ハーベストループを回し続けるための前提となる。
・つまり、スタート時は何よりもスピードが大事なので、ありもののAPIやライブラリを組み合わせていち早くAIモデルを実現する。しかし、いったんモデルができ、ループが回ってデータを収穫できるようになったら、出来るだけ速やかに自前のシステムに移行して、E2E学習でAIを賢く育てていく。こういう二段構えの取り組みが求められているのだ。
・E2E学習が有利なのは、最初から全体最適を目指して訓練できるからだ。自分たちの目的に応じて独自に育て、収穫したデータを自前のAIに与えて、自分たちで再学習を進めるからこそ、精度を上げていくことができる。最終的に85%以上という高い精度を実現できれば、借り物のパーツでシステムを組んだライバルよりも2割増しで優位なポジションにつけられる。それだけ精度に差があれば、コスト競争力上でも優位だし、AIによって実現するサービスの質にも開きが出るだろう。
・APIやライブラリの組み合わせだけでは、差別化のための戦略デザインが完成しない。E2E学習の考え方を取り入れていかないと、これからの競争に勝ち残れないことは肝に銘じておくべき。
■AIが実現する5つの「最終価値」
・1.売上増大
・2.コスト削減
・3.リスク/損失予想
・4.UX向上
・5.R&D加速
■AI導入を戦略デザインに組み込むための基盤づくり
・AIを使ってある価値を実現したとして、それを1回限りの勝利にしないためには、AIが学習するためのデータが半ば自動的に入り続ける構造をつくる必要がある。それによってAIを育て、勝ち続けるためのハーベストループを回し続ける。
■「機能」と「データ」のかけ算で「最終価値」を実現する
・「最終価値」は「機能（Function）」と「データ（Data）」のかけ合わせによって実現される。
■「UVP」をキープするのが戦略立案の目的
・戦いに「勝つ」とはどういうことだろうか。「市場で1位になること」という捉え方では単純すぎる。むしろ、ここでは「自分たちが決めた軸で1位になること」を定義したい。
・そして、ライバルよりもユーザーに対して手厚いフォローアップをするにはどうすればいいかを考え抜くことで、戦略が見えてくる。
・最終的には、ユーザーに選ばれなければトップになれないので、「顧客に対してどのような価値を提供するのか」という視点を抜きに、戦略は語れない。他者には無い唯一無二の価値を提供するという意味で、これを「ユニークバリュープロポジション（UVP：Unique Value Proposition）」と呼ぶ。
・UVPがあれば、他社に対して競争優位になる。他とは違う自分たちだけのユニークな価値を提供できるから。そして、「勝ち続ける」というのは、そのユニークさがずっと維持されている状態を指す。
・UVPを維持するには、ユニークさを不断に追求し続ける必要がある。さもなければ、一時的にユニークな価値が提供できても、やがて他社に追いつかれる危険がある。
■データを“狩る時代“から“育てて収穫する時代“へ
・AIがブームになる少し前は、ビッグデータという言葉が流行っていた。データを握ったものが勝者になるという意味で、「データ・イズ・キング」と考えられていた時代だ。しかし、単にデータをたくさん持っていれば勝てるというのは幻想に過ぎないことが分かってきた。
・ビックデータ時代にもてはやされたのは、すでにあるデータをどう活用するかという発想だった。典型的なのが「こんなデータが取れました」「こんなデータもあります」「それを使えば、こんな傾向が読み取れます」というパターンで、大量のデータからインサイト（洞察）を抽出して、それを競争力に繋げていこうという考え方が主流だった。
・ビックデータ時代にもてはやされたのは、ストック型のデータだった。しかし、AI時代に使い勝手がいいのはどんどん流れてくるフロー型のデータであり、フロー型のデータを扱うには、データがリアルタイムで入ってくる体制をいかに築くかが勝負を決める。
・ビッグデータ時代は既存のデータを探して狩る狩猟の時代だったと表現できる。だが今は、必要なデータを自ら育て、できたそばから収穫する農耕の時代に突入した。
・そして、データを育て収穫するサイクルこそが、本書が提唱するハーベストループに他ならない。データを握った者が勝つのではなく、リアルタイムでデータが入ってくるループ構造をつくった者が勝ち続ける。「データ・イズ・キング」ならぬ、「ループ・イズ・キング」の時代の到来だ。
■AIプロジェクトに向いているのは「生データ＋アジャイル型開発」
・今では、どんなデータが必要なのかを最初から決めなくてもいい、という見方が新たに広がってきた。つまり、とりあえずテキストデータを全部残したり、現場の様子を丸ごと録画・録音したりしておいて、そこから何を抽出するかは、運用しながら考えていけばいいし、状況に応じてどんどん変えていけばいいという発想。
・とにかく見切り発車でも始めてしまえば、あとからいくらでも調整できる。その意味で、AIプロジェクトというのは、走りながら考えるアジャイル型の開発に向いている。中小企業でもAIに取り組みやすいのは、アジャイル型だと初期投資が少なくて済むから、という面も忘れてはいけない。
■人間にしかできない仕事にメスを入れる
・今まで構造化できなかった領域にこそ、人間にしかできない仕事が含まれている。いわゆる職人芸の世界だ。属人的な要素が強すぎて、うまく言語化できない。あるいは言語化されてこなかった領域にメスを入れて、その一部だけでもAIで代替することができれば、レバレッジが効く。
・すでにある程度自動化できていた部分でAIを使っても、効果は限定されるのに対して、これまで自動化とは無縁だった職人芸の世界で、たとえ3割でも自動化できれば、その効果は絶大だ。
・職人の勘と匠の技で培われてきた世界にAIで切り込めば、今まで個人間でしか伝承できなかった技の一部が横展開できるようになる。親方の背中を見ながら10年かけて身につけた知識と技が、たとえ一部であってもAIによって代替できれば、相当な強みとなる。
■データを複数つなげば無敵になる 自社しか持てないリンクデータ
●自社固有のユニークなデータとは何か？
・ハーベストループを回すときは、どんなデータをためればいいのかというのが中心的な議論になる。誰でもためられるようなデータでは、他社と差別化できず、戦略上の価値はあまりない。そこで、ここでは「データをためる時のコツ」を紹介していく。
・どんなデータなら、ユニークといえるのか、他社に真似されにくいデータ、自社にしかためられないデータとはどんなものなのだろうか。この問いかけがすべての出発点となる。
・結論からいうと、データを単独で持っていても、実は、大した効果は期待できない。そうではなく、いくつかものデータをお互いにリンクさせることで、他社にはない、ユニークなデータが手に入るのだ。
・たとえば、オンライン英会話サービス。そのようなビジネスを展開している場合、おそらく授業のあとに毎回簡単なアンケートに答えてもらえば、顧客満足度のデータは簡単に取ることができる。しかし、それだけでは、講師の評価には使えるかもしれないが十分ではない。たとえば、レッスンの様子をすべて録画するようにすれば、何が起こるだろうか？生徒の表情データを元にすれば、顧客の感情分析ができる。とはいえ、これだけでもまだ、「その企業だけのユニークなデータ」とはいえないかもしれない。表情データそのものは、Kaggleなどを探せば、オンライン上にたくさん見つかるからだ。
●複数のデータをつなげればユニークネスが生まれる。
・しかし、ここで、顧客満足度と表情データをリンクしたとすると、どうだろうか。この表情のときには満足していて、この表情のときには満足していないということが関連づけてデータ化される。このデータはオンライン上に転がってはいないし、他社には取れないデータである。
・さらに、生徒の学習の進捗データともリンクさせてみよう。すると、満足度は高くても、学習進度は遅く、悩んだ顔をしている。といったことが分かってくる。学習進捗データと表情データと満足度データの3つをかけ合わせると、いろいろなことが分かる。
・しかも、進捗データがあれば、パーソナルラーニング（学習状況に合わせた個別指導）の領域に入ってくる。1人ひとりの個性に合わせたパーソナライゼーションは、差別化戦略の王道の1つだ。
・それだけではない。さらに講師の表情データ、声のトーンのデータなども合わせれば、講師サイドのクオリティ向上やトレーニングにも役立てることができる。生徒のUXが向上し、講師のスキルもアップする。ダブルで効いてくるから、非常に強力なループとなる。
・複数のデータをリンクさせればさせるほど、それを1つにまとめて持っている人が他にいる可能性はゼロに近づく。そのデータも、生徒や講師個人のIDと紐づいているから、その価値は右肩上がりで増えていく。
・このように、データとデータをリンクさせるというのが最大のポイントだ。単独では大した価値を生まないデータでも、複数集めてつなげれば、思わぬ価値を生み出す可能性がある。データは王様ではなくなったが、リンクデータには大きな価値がある。
■「どうやるか？」よりも先に自問すべきことがある
・「戦略」の観点だけではビジネスは成り立たないというのも事実。
・事業で最も大事なのは、「どうやるのか（HOW=戦略）」ではなく、「なぜやるのか（WHY=目的）」。 -
-
Posted by ブクログ
読みやすさ★★★★
学べる★★★★★
紹介したい★★★★★
一気読み★ →読みやすいが単調で眠くなる。。
読み返したい★★★★
ネット界の歴史を俯瞰できる教科書的な一冊。
各サービスやアプリがなぜ広がり定着したのか、どの機能が時代や世代のニーズとどう適合したのか、国外との比較などがテンポ良くまとめられている。
本書の面白いところは、アプリやサービスの拡がった要因について、単に機能や最新テクノロジーからのアプローチのみに留まらない。その土地の背景や行動心理に基づき、「結果的にここがハマったのだ」というスタンスで考察されている、まさにタイトル通り進化論である。複雑に絡み合う様々な要因も振り子のように絶妙なタイミングが合致してブームを繰り返してきた。
「フリクション=めんどくささ」が取り除かれたものが普及し、機能的な便利さが満たされると感情的な価値が求められる。
ちなみに私のスマホデビューは2020年5月と遅く、SNSはLINEのみという初心者のため、未だにLINEやInstagram、Facebookの使い分けや、それらが爆発的に拡がった理由が不明であったが、この本でわずかながら理解できた。世の中は帰属意識と承認欲求で満たされている。
次に何が来るのか予想できないネットビジネスだが、根底に流れる人間心理は変わらないようだ。 -
-
-
Posted by ブクログ
ネタバレ「アルゴリズム」
は優越を決めるもの
「フェアネス」
は公平・公正ということ
今は無意識にいろいろなものに誘導されます。
YouTubeの動画然りGoogleの検索然り。
そこに恣意的なフェイクが差し込まれたら…
アルゴリズムにフェアネスが欠かせないと言うことはよくわかると思います。
「信用スコア」
日本人は点数をつけて差別すると言う感覚になるかもしれません。
ただこれまでもありましたよね。
ブラックリストとか。
それをもう少し全体に広げてもう少し公平にした感じやと思います。
僕はフェアなスコア方法で評価してもらえるならその方が良いと考えます。
「自分の能力を最大限に発揮すること」
「主観的ながら世の中の役に立つこと」
能力のある人は生活に困らない収入を得ることができます。
マズローではないですが生命の安全安心と言った物質的欲求が満たされると精神的欲求に進みます。
自己実現したい、社会に認められたいという欲求に繋がると社会を良くしたいという良いサイクルが回ります。
これがノブレスオブリージュに繋がるんですね。
「ネットワーク外部経済性」
僕はよくデファクトスタンダードになってるという言葉をよく使うんですが「みんなが使うから当たり前になる」ってほんまに強いですよね。
特にコミュニケーションツールで言うとLINEは日本では最強やと思います。
家族間の連絡はほとんどLINEですもんね。
「オープンソース」
知識・情報は交換されるたびに新しい価値を生み出しどれだけ速く行なうか、回数をどれだけ増やすかによって、より高度に発展する可能性が高くなります。
それが可能になるのがLinuxのようなオープンソースとのことです。
集合知が概ね正しいのと近いかもしれません。
「一隅を照らす、これ則ち国宝なり」とは、比叡山を開いた伝教大師・最澄の言葉。
「一隅」とは、自分のいる場所を指します。
まずは自分が輝いて周りを照らす。
フェアネスを追求すると言うことはそう言うことなのかもしれません。 -
-
-
Posted by ブクログ
ネタバレ今年発売された尾原氏の本。
ネットの本質と系統を見事に整理されていてさすが。教科書ともなりそうな一冊。
id決済の話など重要概念てんこ盛り。
メモ
・ネットの本質の一つは情報やものを小分けにして、離れているものをつなげること。そこから新しい流れが生まれ新たなビジネスが生まれる。
流れを滑らかに効率的にするとともに多様で過剰にする力も。
・繋がりの場所をおさえる権力
もの予約をつなげるコマース
情報をつなげるコンテンツ
人をつなげるコミュニケーション
有限資産をつなげる
仕事をつなげる
と分類可能。
・どこが儲の一等地として花開く場所なのか。つなげる接点となるのか。
・Yahoo スーパーアプリは進化しようとしている。
・入口を押さえるということ。
・目的型と非目的型
・オンライン決済やキャッシュレスにより、ネットのようにお金流れが点から線につながってきている。
・フリクションレス 思い立ったらすぐ●できる
・信用経済による疑うコストの低減
・キャッシュレス化のビジネス 手数料と送客
・ネットビジネスの権力の宿る場 ポータル、id決済、イネーブラー、信用スコア
・売り手買い手の信頼担保手段。エスクロー、フィードバック
・検索型→完全自動化へ
探索型→迷うことがエンタメへ
・リクルートのトリプルループ
相互ネットワークの基本ループ
質の向上ループ ユーザー行動による質向上
幅の増加ループ 隣接領域の事業者と連携パッケージ提供
・ペイ・フォワード精神の世界観 ウィキペディア
・バリュースライシング 初音ミク
・ユーザーがネット情報にお金を払う条件
情報そのものの価値
すぐに情報が手に入る（探索コスト）
不安なく正しい情報であること
・分人のポートフォリオ
・Twitterはソーシャルフィルターかつソーシャルアンプリファイアー増幅器
・機能価値より感情価値が重視される時代は一緒に物語をつくるバーベキュー型が伸びる。
・明確なものさしの重要性は現在とても高まっている。 -
-
-
-
Posted by ブクログ
現在のネットビジネスの進化の過程が、分かりやすく解説されている。日本（日本人）が、”中途半端な便利さ”を確立し、それに慣れていることがネックとなり、中国のような新たなサービスやアイデアが生まれない、というくだりはなるほど、と。
海外にいると、次から次に新しいサービスが登場して、便利になっている実感はある。一方、日本人として日本の既存の便利さというのは、海外にはない強みであったろう。しかし、このコロナにより、様々な限界が見えてきた。保健所の業務が手書き・ファックスとか、給付金の申請も、ネットで行っても結局役所の人がプリントアウトして・・・・、など唖然とする話がたくさん聞こえてきた。
テクノロジーの活用で、これまでの習慣を代替でき（ハンコによる承認など）、かつ効力は実質同じで、効率も上がる方法はすぐにでもできるはず。それが進まないのは、行政や企業もそうだが、我々一人一人が日本の便利な生活に慣れてしまっていることの証左。政権は変わり、デジタル庁に向けた準備が始まるという。箱だけでなく、意識改革もしっかりしないといけないし、ビジネスパーソンが率先して新しいことを取り入れる、逃げないというスタンスを持たないと、日本は沈没してしまうのではないか。 -
-
-
-