石角友愛のレビュー一覧

才能の見つけ方 天才の育て方 アメリカ ギフテッド教育最先端に学ぶ

今まで知らない世界について書いてあり、学校には合わない子達の違った見方ができるように思えた。日本では不適応でも、アメリカでは才能とみなされるのかもしれないというのは新たな気づきだった。

才能の見つけ方 天才の育て方 アメリカ ギフテッド教育最先端に学ぶ

ギフテッドに特に興味があるわけではないが、参考に読んでみた

前半はイマイチでしたが後半は実践的で面白いです。

結果は褒めない
答えは教えない
　答えを知ってるよりも質問ができる方がいい
アイデアブックを持ち歩く
世の中の問題はチャンス
色々やらせてみる

小学校は親のコミットメントが求められる
アメリカではPTAやボランティアなど
親の役目は多い
しかしそれが子供の満足度にも繋がる
アメリカ大統領は３２%がホームスクーラー

教室を飛び出して現実社会での実体験をつめる

プチホームスクーラー
習慣化
絵本　伝記
子供の質問大事
ビジュアルラーナー
これにかなり納得
視覚的ツール活用

自然に触れる
早い段階で子供の方向性を見極める
トライアンドエラーでいい

いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する

近年、多くの日本企業がデジタルトランスフォーメーション（DX）に取り組んでいる。だが、いまだ成功例は少ない。DX推進を阻む原因を明らかにし、その解決策を示す書籍。

DXとは、デジタル技術を採用した根本的なビジネスモデルの変換を指す。その本質は、「会社にとってのコア」を再定義し、それをデジタル化することである。
DXとデジタライゼーションを混同する人は多いが、両者は異なる概念である。前者は人や組織に関する変革を指し、後者は技術に関する変革を指す。
従ってDXを実現するには、経営者が自ら舵を切り推進する必要がある。

①デジタイゼーション（Digitization）「アナログからデジタルヘの移行」
②デジタライゼーション（Digitalization）「デジタル化されたデータを使用して、作業の進め方やビジネスモデルを変革すること」
③DX「KPI（重要業績評価指標）の見直しや抜本的な組織変更などが必要」



DXとは、単に1つの業務プロセスを自動化・省人化することではない。それは、少しずつ積み重ねていく長期戦だ。そしてDXを推進する上で必要不可欠なのが、AIの導入である。

DXの推進においては、次の3つの壁が存在する。
①FOMOの壁：Fear Of Missing Out（置いていかれることを恐れる）
「DXを推進せねば」と考えてはいるが、何から手をつければいいかわからず、実行に移せない状況。この壁を超えるには、まず、どんな課題を解決したいのかを明確にした上で、その課題がAIで解決できるかどうかを判断する。

②POCの壁：Proof Of Concept（概念実証）
仮説検証をくり返すばかりで、事業化に至らない状況。この壁を超えるには、自社の経営課題を洗い出し、どの課題にAI導入をすべきか数値評価する。
評価はFOME分析で行う。
・実現可能性 Feasibility
・応用性 Opportunity
・検証性 Measurability
・倫理性 Ethics
の4つの観点から行う。

③イントレプレナーの壁
どの分野でDXを推進するかという焦点は合っているが、必要な人材を集められない状況。この壁を超えるには、部署を横断した社長直下のチームを組むことが有効である。そして経営者と部門長がプロジェクトの意義を理解し、コミットすることが求められる。

いまこそ知りたいＡＩビジネス

日本ではAIを擬人化しがちでロボットのような実態があるものと思われたり、神格化しがちでAIでなんでもできると思われたりしている。
これらの誤解が日本でのAI普及に支障を及ぼしていると指摘されている。

実際は消費行動データからおすすめ商品を示す、といったように大量のデータをどのように活用するかということを考えることがAI導入の第一歩。
データがあっても属性と結びついていないなどの理由で活用できない場合もあるため、AIで処理することを見越したデータ収集の方法を採用する必要がある。

いまこそ知りたいＡＩビジネス

AIについて学びたいと思い、手に取りました。AIは、ロボットのような形あるものではなく、ツールだということは押さえておくべきポイントだと感じた。海外の事例など多く書かれており、勉強になりました。学び続けないと思える本でした。

いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する

具体的な戦略論よりは考え方が中心だと感じました。
経営者だけでなく、チームリーダーからでも十分に参考になるポイントはあるかなと思います。

“経験ゼロ”から始める AI時代の新キャリアデザイン

最近の新しい職種についての本
AIって難しそうだけれど、一足飛びには専門家にはなれないので
かじってみるだけでも良いのかも。

いまこそ知りたいDX戦略 自社のコアを再定義し、デジタル化する

DXという単語が一人歩きし、単語としてはよく聞くが実態を知らないと思ったので本書を購入した。
「はんこ文化をなくす」などのなんちゃってDXではない、会社に改革を起こすようなDXについて知ることができた。

いまこそ知りたいＡＩビジネス

【目的】
AIをビジネスに活かす方法
【まとめ(1P)】
・インフラ化するAIをビジネス化/開発/現場展開する人材の確保が必要
【ポイント(What)】
・AIは電気と同じくインフラになる
・フィードバックループ＝データを追加し精度を上げる
・AIによって人間が人間らしい仕事に専念できるとポジティブに考える
【アウトプット(How)】
・すべての課題をリスト化し、AIで解決すべきか仕分け
・単なる省人化でなく属人的なプロセスを展開するため

【その他】
・日本ではAIを擬人化して説明することが多い
・日本企業はデータの公開を躊躇する傾向
・家事を仕分け（子供目線で親にしてほしいことは？）

いまこそ知りたいＡＩビジネス

AIについて漠然とした知識しか無かったがなんとなく分かってきた。中でもデータサイエンティストという仕事に興味を持った。AIに仕事を取られるとニュースやSNSで言われていたため、いかにAIに取って代わられない仕事に就くかが大事だと思っていた。しかしAIに仕事を任せることで人間は人間にしか出来ないことをするということを認識できた。私も私にしか出来ないことを見つけていきたい。
•自分の人生を自分でデザインする
•社会人になっても何かしら学び続ける

いまこそ知りたいＡＩビジネス

AIビジネスの①具体性、②将来性、③国際性の３つの見地から解説した本です。
日本のAIビジネスにおいて勘違いされている点とその理由の解説と、実際にAIビジネスを導入する際にどんなステップを踏めばいいのかが分かる教科書的な本。AIがこれから会社に導入され、ユーザーになるだろう自分にとっては学びが多い本でした。

印象に残ったのは、
・AIを擬人化しない、AIが××するではなく、AIで××する
・どんなデータを集めるべきかということころからデータサイエンティストに相談する→ 企業が抱える課題とその企業が持つデータを元にどんな解決策があるかを考えるため。

AI（ソフト）と日本の「モノづくり」（ハードウェア）の理想的な融合に期待したいです。

いまこそ知りたいＡＩビジネス

AIの導入的な知識が理解できる1冊。AI人材とこれからの働き方を読むと、今後目指すべき指針が見えてくる。
以下、気になった箇所。

◆AI導入のために
・データは21 世紀の石油
　→生のままでは使い物にならない
・導入・定着・効果検証のサイクル
　→現場状況を精査してから開発する
　→どのデータで検証するか、効率アップのKPI

◆AIビジネスの課題
①バイアスの取り除き方
　→人間がAIに学習させることによる恣意性
　　マイノリティーにおける精度も公表するべき
　→目的を持ったAI開発(AI with Purpose)が必要
②個人情報の取り扱い
　→Facebookスキャンダル(トランプの選挙対策)
　　個人情報を政治に利用、人の態度変容を起こす
　→ソーシャルグラフ
　　ウェブ上で誰と誰が交友を持っているか
　　「つながり」のデータそのものが金脈
　　⇔コラボレイティブ・フィルタリング
　　　これを買った人は、これも買っています
　→GDPR(一般データ保護規則)
　　1.IPアドレスやCookieも個人情報とみなす
　　2.個人情報取得時は、ユーザーの同意が必要
③著作権の取り扱い

◆AI人材とは
・AIの活用は不可避、AIはインフラになる
　→ 世界の企業が必要とするAI人材は約100万人
　　70 万人不足している
・AIに関する職種
　→数学・統計学を活用し企業価値向上を検討
・データアナリスト
　→整っているデータを分析し改善点を見つける
・データサイエンティスト
　→機械学習導入時のデータ構造の設計〜実装
　　機械学習のエンジニアに近い
・AIビジネスデザイナー
　→経営層とデータサイエンティストをつなぐ
　→企業の成長戦略を選定
　　ユーザーストーリーに落とし込み、語れる
　→具体的なプロジェクトとして推進できる

・ビジネスデザインとは
　→人間中心のイノベーションアプローチ
　→経営課題とユーザー体験に基づく問題解決手法
・イノベーションとは
　→ ３つのベン図が重なったスイートスポット
　　…ビジネス性（Viability）
　　　ユーザーのニーズ（Desirability）
　　　技術性（Feasibility

◆AIとこれからの働き方
・AIにより、より人間らしい仕事に時間を割ける
　→人間が行なうには苦痛すぎる仕事をAIに
　　人間はよりクリエイティブな仕事に

・AIが奪う仕事よりも、作り出す仕事の方が多い
・AIトレーナー、ロボット管理者
　→良いデータ、良くないデータを仕分ける
　→AI搭載型の産業ロボットが、消費者の好みや劇的なプロセス変化に自動で対応することは難しい

・AI時代に生き残る人材
　トーマス・フリードマン『フラット化する世界』
　→特化型:代替のきかない技術を持つ
　→適応者:高い技術力を持ち、適応能力が高い
　→合成役: コミュニケーション能力が高く、異業種の人材をまとめて動かす

・AIバイリンガルを育てる教育
　→歴史や哲学、法律や経済学の知識も必要
　→自分たちが何を作るべきかを議論できなくなる
　→文系理系を二重専攻した人が重宝される

・ビジネスモデルの変革には、AI×別領域の掛け合わせが必要
　→ AI×行動経済学
　　CBO(Chief Behavioral Officer)

・リカレント教育
　→社会人が学び直したり就労するサイクル
　→ 不安に思うのは、問題意識がある証拠
　→何かをゼロから作る、アウトプットが大事
・ポートフォリオキャリア
　→複数のキャリアを持って働く人も多い

・ワークライフインテグレーション
　→仕事と生活の統合
　→オンとオフなんてない、あるのは私という人間
　⇔ ワークライフバランス
　　バランス＝両立にプレッシャーを感じる

◆用語
・カグル
　→ 世界一のデータサイエンティストのコミュニティを持つバーチャルプラットフォーム
・分類器
　→大量の商品データが、どのプロダクトカテゴリーに属するのかを分類する

いまこそ知りたいＡＩビジネス

AIとは実態が見えにくいので、何となく生活は便利にするというポジティブなものより、仕事が無くなるというネガティブの考えが日本には多いと思う。それを変えていくかないと日本はAI後進国になってしまうような気がします。

いまこそ知りたいＡＩビジネス

よく聞く「データは石油である」という言葉を逆から見ると、「石油のままでは使い物にならない」であり、「使える状態にする（プロトタイプ、落とし所の共有）」と「それを使いこなす人の育成（導入の壁超える）」、さらに言えば「もっと使えるように業務を改善し続ける文化（定着の壁超える）」である。

「解決したい課題がはっきりしてない場合」は、課題を全部棚卸しして、効率化（生産性）と収益化のマトリクスで重み付けし、AI（集められるデータの最適化）で解決できそうなグループに分けて進める。と言った具合に、AI実装のプロセスが解説されている。著者のクライアント企業へのコンサルの流れと言って良い。

これらは「データサイエンティストの仕事」であって、既存データを分析して改善点を出す「データアナリスト」とは異なると指摘する。機械学習のためのデータ構築に沿った業務およびビジネスモデルの改善・構築もコミットするので、データサイエンティストが高いレベルが要求されるという。

データサイエンティストと同様に、エンジニアの最高峰は、フロントエンド、バックエンド、データベース、サーバーインフラ、モバイルアプリなど、事業に関わるすべての分野に精通するフルスタックのソフトウェアエンジニア、AWSなどを使いこなすインフラ・エンジニア。

こういった技能を持つ人材の年俸は3000万円を超える。Facebook,Googleは平均3600万円と言う。初任給83万円のファーウェイショックに湧いた日本の製造業とは別世界だ。インドでも初年度で1500万円を超えるという。ディープラーニングの研究所所長クラスはシリコンバレーで年俸10億円！人気プロスポーツ選手のスターの領域だ。

最終章では、AIとか機械学習も関係なかったGoogle時代からの著者のキャリアパスが書かれている。配属されたGoogleショッピングの分類器チームで機械学習機能を開発することになり、「ムーク」で勉強したという。著者の会社の社員らも仕事をしながらムークで現在も受講。自分史上最高のアウトプットをするための投資として世界最高レベルのインプットがオンラインで受ける生活を垣間見ることができた。

いまこそ知りたいＡＩビジネス

インドから才能を輸入したメルカリ・他ゾゾの例を上げ、日本のもの作りと先端のAIを組み合わせる事で、5年遅れの日本のAIビジネスにイノベーションを起こせるという。
キーワード・キーセンテンスを羅列してみた。
「データサイエンティスト」
「リベラルアーツ」
「異なる領域を掛け合わせる合成能力を持ち合わせた合成役」
「アウトプット作りを英語でやってみよう」
「ワークライフインテグレーション（仕事と生活の統合）」

いまこそ知りたいＡＩビジネス

AIに仕事を任せられる
インフラ
馬なし馬車
AI、機械学習ディープラーニングの手法
姿形のないもの、単なるツール
AIは人間が作り、人間が操作する
システムインテグレーター、システム構築を請け負う企業
7割の仕事で業績が伸びる
コーディネートをAIである
似た人に似たものをお勧めする
服も淘汰されていく
データをまとめる力がある
ライバルではなくチーム
AIの利用料にお金をかける
偏見をなくすには経験させる
変更できないよう、直前でアナウンス
どんな状況かで見積もりは変わる
ユーザーの行動を予測するためにデータを用いる、その整理のためにAIを使う
導入がゴールではない
現場の声を聞く必要がある
環境スキャニング
どのような環境であれば最も効果的に力を発揮できるか
現在の就活、富裕層の男性が最も雇われやすく貧困層の男性が最も雇われにくい
Facebookスキャンダル
トランプの選挙に大きな影響
個人情報の保護が今後より一層大事になる
エンジニア35歳定年説
生産性を上げることはできる
CBO
オンオフがない
ワークライフインテグレーション

インフラ
日本のGDPは3倍以上に伸びる余地がある
AIは機械学習を中心とする手法のこと
AIで〇〇をする
7割の業界はAI入れると業績伸びる
小売、運輸、旅行
AIはエンドレスに学習する
データサイエンティスト
テスラ、まだ人間らしい状況判断ができない
車の運転は共同作業
段階的住宅所有プログラムなど新しいビジネスモデル
OEM再販モデル
自社だけでなく他者と協力して商品制作を行いより多くの人に利用してもらいデータを取る
go to market戦略
PDCAを回していく
導入には会社のコミットも必要
富裕層の男性が一番企業が欲しい、貧困層の女性、富裕層の女性、貧困層の男性
フェイスブックスキャンダル、アメリカ大統領選に影響
ソーシャルグラフ
GDPR一般データ保護規則
まだAIに対応した法律がない
100万人のAI人材の需要に対し、30万人の供給しかない
AIは生産性を上げる
リカレント教育、社会人再

いまこそ知りたいＡＩビジネス

AIとは何ぞや？が一般人にでも分かりやすいようにまとめられた本。
後半は横文字の専門的な言葉も多かったが、技術系の自分にはすんなりと入ってきた。

AIに対して過剰な期待あるいは不安を持つ一般層と、それを理解できない技術者層。日本は、この二つの層に大きな隔たりがある事を著者は危惧している。

AIビジネスの最先端情報や、AIを導入しようとしている企業が注意すべき事、AIビジネスの課題、今後求められるAI人材と今後の働き方について分かりやすくまとめられており、AIに詳しくない方は一読する価値があると思います。

いまこそ知りたいＡＩビジネス

◯つまりAIは、火や電気、あるいはインターネットにたとえられるくらい「インフラ」として考えられているのだ。(41p)

◯これをAIビジネスの現場では「フィードバックループ」と呼び、AIの精度を高めるために必要不可欠なステップだ。(58p)

◯これから到来するAI時代に大切なことは、私が今まで多くの方々に教わってきた「自分が一番幸せに思う時間を見極める」ことなのかもしれないと感じる。(278p)

★AIと人間の協業がどのように成立するかわかる。AI時代に求められるスキルがわかる。

いまこそ知りたいＡＩビジネス

日本の温度感に合わせてくれているのを感じるし、今こんな易しく言ってもらわないといけないフェーズで大丈夫なの？と改めて思う。

いまこそ知りたいＡＩビジネス

定期的にAIに関する本を読んでいる中で、この本はAIを使ったビジネスを集中して、かつ読みやすくまとめていると感じた。
実際にAIビジネスを手がけている方が書いているだけあり、実例もイメージしやすい（最初の事例が医薬品関連だったこともあるかも）。またAI時代に生き残れる人材の部分は、これまで読んでいるものとまた違う視点から書かれ、興味深く読んだ。進歩が早い世界なので、引き続きこの分野はアップデートを続けていきたい。