ビジネス・実用の高評価レビュー

人はがんが大きくなって死ぬのではなくて、癌に栄養を吸い取られて、老いて、弱って死ぬ。一番大事な糖を使っているのが、脳と心臓。筋力は、重いダンベルを3回のほおが良い。軽いダンベル100回は持久力をつける。大股てゆっくり、理想は早く歩く。長生きするのは日数の長さではない。いつ死んでも悔いがない生き方。身体にいいことより、心にいいことをした方が長く生きられる。人は病気で死ぬのではなくて、老化で死ぬ。病気は老化の段階に名前を付けているだけ。平均寿命は
女性87.2歳、男性は81.7歳。健康寿命は、女性75.2歳、男性72.2歳。制限のある生活は、女性11.6年、男性8.5年もある。、ビンビンコロリは、...続きを読むゆくゆくは認知症になる。せん妄とは、入院すると確率が高くなる。分のやからないところに連れて行かれる、怖くて精神がおかしくなる。これは高齢者の入院によるせん妄は認知症の道。がんを治療しなければ、身体は老化して行き、枯れるように死んで行ける。リビングウィルとは、生前の意思。生前遺言書、と訳される。生まれた時は、おめでとう。死ぬ時はありがとう。棺桶に歩いて入る！これが最後まで目一杯生きること。

忘れがちだけど大事だよな、と思う習慣がつまっている本。
痩せる！ダイエット！というより「養生」した末に身が軽くなるといった感じ。
時々本をめくり、思い出しながら一日を見つめ直すのもいいなと思う。

この本に出会えて本当に良かった！
素敵な装丁もさることながら、手帳に文字を書くのが好きな私にはピッタリな本だった。
もし叶うなら、子どもの頃の自分に贈りたい一冊。

私が重要に感じたのは､程度の差こそあれネットやテレビのニュースは業者が読みやすく短く加工した物語であるということ。
人間の脳が理解し易いのは事実や本質ではなく物語なのでそうなるという。
そのため日々のニュースを追いかけていると表層的で短く切り取られた現象をつなぐだけで本質的な問題の原因を知ることは出来ない。
著者はそれに対抗するものとして長文の調査報道を挙げており､ジャンクニュースと調査報道を分けている。
願わくば著者の言うとおり調査報道の社会的意義が浸透して欲しいものだ。

2026年刊。キリンのビジュアルガイドブック。体の秘密に始まって、その進化、日常生活（食性や睡眠）、繁殖と子育てまで、ほぼすべてのトピックスを網羅。よくできている。
かつてキリンは1種9亜種とされていたが、遺伝子解析の結果にもとづき、2025年に4種に改訂された。もちろん、そのことも書いてある。
監修者はキリンのプロ研究者。タンザニアでフィールドワーク、マサイキリンの母子関係の研究している。幼少時にはケニア在住。（キリンもゾウも、女性の研究者が多い気がする。少なくとも私の読んだ本の著者はみな女性だった。）
書名や肩書き、「世界で一番楽しい」や「日本で唯一の…研究者」はなくもがな。総花的に見える...続きを読むので、これといったトピックを深めるコラムがあったほうがよかったかも。
（蛇足。しかし、私には、あの体がどうしても不便にしか見えない。高いところにある木の葉を食べるためって、え、それだけのために？）

　さすが朝日と言うべき高い眼線の大学論。現在の教育事情をこれだけ体系的かつコンパクトにまとめた本はない。ただしかっての朝日の重厚さや迫力はもう一つと思う。問題の本質に切り込めていない。
　地方の大学の存続は、個々の大学の問題ではなく「地域の生き残り」に直結する。
それは大学に限らず、病院・交通・小売店などあらゆる所に通じる問題であり、
人口減少の中で日本が問われているものである。「人口減少に応じて社会を再設計する」痛みが伴うが故にこの問題に直視出来ないでいる。「撤退ルール」を決めないで、個別対応に任せていると社会全体は劣化し、自壊する。
１.大学入学者数は微増　減っていない
18歳人口は減少し...続きを読むているが、大学進学率のアップにより大学入学者数は減少していない。
特に、女性と地方の進学率には伸び代がある。
18歳人口　1990年200万人を超える　2010年120万人　2025年110万人　2035年100万人割れ「崖」
大学入学者　1990年49万人　2000年60万人　2025年65万人
女性短大→大学へ　15%→57% 男性33%→60%
大学数の増加　507校→812校　入学定員1.5倍へ

２.修学支援新制度「低所得世帯向け」2020年度より　予算8000億円
17年10月衆院選安倍政権が政策化　消費税増税5兆円の還元(8%→10%)
①給付型奨学金　年91万円支給
②授業料最大70万円肩代わり
⇨機関要件「制度の適用除外」運用により「定員割れ大学への死刑判決」
　「短大廃止」続出　保育士などの教育機関が喪失　地方活性化に逆行

３.中教審「知の総和答申」2025年2月
「集中改革期間2024-2028」①チャレンジ②連携・統合③縮小・撤退
設置審の壁　「理系重視」といえど「実務家」は不可　「理系博士号と論文実績」
→確かに、デジタル知識の変化は早く、実務知識は陳腐化する
　大学で学ぶべきは普遍的知識　リベラルアーツも含め「古典」が重要と確かに思う
[感想・所見]
人口減少の中で「1人当たり知をアップさせる」ことで全体の知の総量を維持する
もっともらしいが当たり前すぎ陳腐　
「人口減少でも、生産性を高めてGDPを維持する」と同じく、単なる同義反復に過ぎない
まだ経済の方は、女性・高齢者の雇用拡大という伏線がある分まし

3-2 「2040年私立大学への提言」2026年02月　=「私学助成の拡充」
一律配分ではなく、メリハリ・重点化をはかる「5つの視点」
①地域とともに　地域ニーズ　地域人材の供給
②エッセンシャルワーカーの養成　教師・保育士・看護師
③国際競争力の強化
④理工農分野の人材育成
⑤大学の質の向上　教育・研究
→文部科学省地域大学振興室を新設25年04月

3-3 東京23区大学の定員増を認めない(2018年)→2028年3月まで⇧
2023年度収容定員110%の緩和　入学定員→収容定員へ変更

４.設置審のスタンスは相変わらず「学位・論文数の重視」vs「実務家教員の否定」
実務家は現実の現場・技術を熟知しているが、それは流行り・廃りに晒される。
大学生に大事なのは「リベラルアーツのような古典」長期的に価値がぶれない。
この考えも一理ある。

読み終わるのに3週間かかってしまった哲学エッセイ本だ
最初は2ページで終わる50回のエッセイ連載が載っていて後半は思考の話の短いけど2ページよりは長い話が載っている
前に読んだ「哲学の謎」でも思ったが「人生に価値はない」という思考の彼の日常はとても面白く
発想がとても私好みの人間でありもっと彼の本が読みたいと思った
哲学者の言葉を借りる本ではなく思考をする人間の日記を読ませてくれて
あるいはこちらも考えるような問いもありギュッと詰められたご褒美本みたいな本であった

あれ、ニーチェの言ってることって仏教のコアな教えと似てる？って思った。
まず本質哲学とそれを批判する実存哲学があり、ニーチェはそっちと。
んで我々は外部から押し付けられた価値観である背後世界に縛られているが、本来実存と背後世界は関係ない。神は死に、人は人生に意味がないことに気づき、死ぬまでの暇つぶしをする末人になっちゃう。道徳なんてものは弱者のルサンチマンが生み出した負け惜しみ、奴隷道徳。
輪廻を彷彿させる永劫回帰というフィクションの概念。これを乗り越えるには今この瞬間を肯定する強い意志が必要。
事実はない、存在するのは解釈のみ。すべての架空の価値観が消えた世界を体感することを大いなる正午と呼...続きを読むぶ。まるで涅槃のような。力への意志は自分にとってよいものを目指したいという精神的な欲求、芸術はそれを表現する行為。
相変わらず面白くてわかりやすくて素晴らしい。この歳になると原著にあたるのは辛いので。
そして著者が吃音で悩み、大いなる正午といえるような経験をした話とかもよかった。

タイトルにあるイラン、アメリカ、イスラエルに止まらず、日本や欧州の国々にも言及し、歴史的背景を明らかにした偏りの無い論考がとてもも良かった。

以下、添付4枚をもとに、判読できる範囲での詳細文字起こし → レポート化 → 今後取るべき示唆の順で整理します。
一部、写真の端が切れている箇所・紙面の湾曲で読みにくい箇所はありますが、本文の主旨は十分追える状態です。

⸻

1. 記事の詳細文字起こし

記事タイトル・導入

INTERVIEW

NSV Wolf Capital マネージングパートナー／投資家
シバタ ナオキ

スタートアップ投資家が語る世界のAIビジネス

バーティカルAIは日本最大のチャンスになる

「シリコンバレーの今の大きな波は『バーティカルAI』と『フィジカルAI』」と語るのは、投資家として1000社以上の生成A...続きを読むIスタートアップを調査してきたシバタナオキ氏。日本はどうすればこの波に乗れるのか。

聞き手：アクセンチュア 常務執行役員 AIセンター長 博士〈理学〉 保科学世

⸻

PROFILE

楽天役員、東京大学助教を経てスタートアップ会員研究員として渡米。シリコンバレーで起業を経験する。エンジェル投資家としてスタートアップ数十社への投資実績を持ち、生成AIスタートアップを1000社以上調査。2024年より現職。著書に『アフターAI』（日経BP）など。

⸻

2. 図表の文字起こし

急スピードで拡大するバーティカルAI市場

生成AI分野の5つのレイヤーと主なプレーヤーの規模

レイヤー主なプレーヤー四半期売上げ対前年売上げ成長率
バーティカルAI〈業界特化型アプリ〉——1年で10倍以上成長
汎用型アプリ〈SaaS主体〉インチュイット39億ドル+10.3%
アドビ62億ドル+10.5%
セールスフォース103億ドル+8.6%
LLMオープンAI約50億ドル+233%
アンソロピック約22億ドル+800%
インフラ・MLOps〈機械学習オペレーション〉グーグルクラウド177億ドル+47.8%
Microsoft インテリジェントクラウド329億ドル+29.0%
GPU／チップエヌビディア570億ドル+62.5%

注：四半期売上げは2026年2月日時点での直近決算より算出。オープンAI、アンソロピックに関しては開示している年間売上げを4分の1にして算出。
出所：シバタ氏提供資料を基に編集部作成。

⸻

3. 本文文字起こし・整理

3-1. シリコンバレーで起きているAIスタートアップの大きな変化

質問

シバタさんがシリコンバレーの最前線を見てきた中で感じた、AI系スタートアップの最近の大きな変化とは何でしょうか。

シバタ氏回答

一番盛り上がっているのが、業界特化型のAIエージェント、いわゆる**「バーティカルAI」**です。縦軸に業界、横軸に職種を並べた表をイメージしてください。そのうちのたった1マスを狙ったニッチなスタートアップがシリコンバレーでは次々に生まれています。

ChatGPTやClaudeといったLLMに専門知識を追加学習させて、特定の業界・業種でも使えるようにしたものです。米国では2024年ごろから波がきています。

その次の大きなトピックが**「フィジカルAI」**です。AIを搭載したロボットのことですが、製造業を中心に、物理空間でAIを実装する試みが注目されています。

⸻

3-2. 有望なバーティカルAI企業の条件

質問

最初に挙がったバーティカルAIですが、投資家目線ではどのような企業が将来有望だと思いますか。

シバタ氏回答

投資基準としては、きちんと売り上げが立っていること、グロースのスピードが大前提です。加えて、私が着目するのは学習するデータの独自性です。

バーティカルAIの性能は、業界特有のデータをいかに効率よく集め、追加学習させられるかで決まります。ここで他社がまねできない仕組みを持っていれば、高い競争優位性が期待できます。

⸻

3-3. バーティカルAIはSaaSと違う収益モデルを取れる

バーティカルAIの事業特性として強調したいのが、一般的なSaaSとはまったく異なる収益モデルを構築できる点です。

最初は、1ユーザー当たり月額いくらといった継続課金で提供します。しかし、ビジネスがうまく回り始めると、以下のようなモデルへ移行していきます。

* 固定料金＋時給制でAIエージェントを貸し出す人材派遣型
* 完了したタスク数に応じて課金する成果報酬型

その場合、顧客企業の従業員の労働時間をどれだけ代替したかがKPI、つまり重要業績評価指標になります。

そうすると、顧客のソフトウェア予算よりもはるかに大きな人件費の予算をターゲットにできます。これが、一見ニッチなバーティカルAIの会社が、ある時を境に急成長する構造的な理由です。

パッケージソフトウェアからクラウドへの乗り換えで業績を伸ばしたSaaS企業が苦しくなっているのも、このダイナミクスと無縁ではありません。

⸻

3-4. 学習データ製造スタートアップの急成長事例

私が個人で投資している学習データ製造のスタートアップ、マイクロワンもその典型例と言えるでしょう。

同社は、例えば会計士など特定分野の専門家を集めて作った高品質な学習データを、LLMなどの基盤モデルの会社に販売しています。

2025年初頭には売り上げ700万ドルでしたが、同年末には1億ドルを超え、足元では2億ドルを突破したと公表しています。

バーティカルAIが成功するときには、このレベルのスケールアップが起きているのです。

⸻

3-5. フィジカルAIに対する日本企業の誤解

質問

日本企業はまだ、フィジカルAIにどう取り組んでいくかと考えているタイミングです。この分野での日本の勝ち筋はどこにありそうでしょうか。

シバタ氏回答

日本企業の方からは、
「バーティカルAIは難しそうだから、うちはフィジカルAIで頑張ります」
という声をよく聞きますが、それは早計です。

実際には、フィジカルAIの難易度はバーティカルAIのそれを大きく上回ります。ハードウェアとソフトウェアの両方をそろえ、かつ融合させる必要があるからです。

ソフトウェアが強い米国は、それを土台にハードウェアの要素を足していく方法を確立してきました。多様な人種が働いている国であり、工場自体も、人間に正確な作業を求めるよりも、なるべくソフトウェアで管理する前提で設計してあるため、協調させやすい。

一方、良くも悪くも人に依存してきた日本は、それが通用しません。どんなにものづくりのハードウェアの部分に自信があっても、ソフトウェアをおざなりにしてはいけません。

ソフトウェアに強い人材を増やし、ハードウェアのチームと早い段階から融合させていくことが、日本企業が今すぐ取り組むべきテーマだと思います。

⸻

3-6. 日本には教師データという強みがある

質問

日本は人間が安く高品質なものを作れてしまうので、AIに頼る必然性が低く、無人化での出遅れを懸念しています。一方で、AIに学習させるための優れた教師データを高い精度で持っている国だともいえますね。

シバタ氏回答

その点で、まだ日本には大きなアドバンテージがあります。米国がさまざまなロボットを開発して学習させるのが早いか、日本が人間の持つ知識やデータを詰め込むのが早いかの勝負になるでしょう。

フィジカルAIには、インターネット空間の情報に相当するような膨大な学習データが存在しません。

例えば、床掃除をしてくれるロボットを作ろうとしたら、人間にセンサーを付けて、掃除機やほうきを使うときの体の動きのデータを一から取らないといけない。

こういうデータは、今後ますます必要になると思います。

⸻

3-7. 社員のスキルだけでなく、実家のビジネスもデータベース化する

バーティカルAIについても、私はよく次のように提案しています。

「御社の社員のスキルデータベースだけではなく、社員の実家のビジネスをデータベース化してはどうですか？」

例えば、実家が薬局という社員がいれば、子どもの頃からきっと薬局のオペレーションを見ていると思います。飲食店でも不動産業でも、それぞれの業種ならではの情報を集めていけば、独自のデータベースが作れます。

身の回りの隠れた人材を掘り起こすことが、新しいAIエージェントの種になるのです。

⸻

3-8. まずは自分のルーチン作業を代替するAIエージェントを作る

質問

その発想はすごく面白いですね。ほかに、「まずこれをやってみましょう」といったアドバイスはありますか。

シバタ氏回答

仕事でもプライベート用でもいいので、ぜひ、自分の日々のルーチン作業を代わりにやってくれるようなAIエージェントを2、3個作ってみてほしいですね。

意外とそこまで難しくないものだとわかりますし、それぞれのAIの得意、不得意も見えてくるはずです。

⸻

3-9. アクセンチュアの取り組み：全社員がAIエージェントを作る

質問

アクセンチュアでも、全社員がAIエージェントを作ることを推進していて、これは経営層も対象になっています。

シバタ氏回答

良い取り組みですね。AI活用の成功を左右する条件の1つは、経営トップのコミットメントだと思っています。

社長が本気で「やる」と公言すれば、組織は動きます。

もう1つは、進める順序です。まずは多少の失敗が許される業務から実験を重ねて学習を積み、これで大丈夫だと判断できてから、より本格的な領域へ広げていくことをお勧めします。

⸻

3-10. AIは新人社員のように育てる

日本では最近、ChatGPTのことを親しみを込めて「チャッピー」と呼ぶそうですが、私はとても良い現象だと思います。

AIを自分の部署に入ってきた新人社員だと思って、ぜひ温かく接してあげてください。

AIはミスをすることもありますが、新入社員がミスしたときに「ハルシネーションだ」と腹を立てることはないでしょう？（笑）

⸻

3-11. 日本型の新卒一括採用・教育はAI育成にも応用できる

質問

改めて考えると、新入社員を一括採用して教育する仕組みは日本ならではの強みであり、AIのトレーニングにもどこか通じるところがある気がします。

シバタ氏回答

日本企業が守ってきたメンバーシップ型のプロセスをLLMに応用することで、バーティカルAIエージェントも生み出していけるのではないでしょうか。

また、日本は少子高齢化、労働力不足、インフラの老朽化といった課題にすでに直面している課題先進国でもあります。他国よりも先に、解くべき問題が見えています。

日本はパソコンもスマホもクラウドも、海外勢にずっと負け続けてきた。しかし、日本独自の文化や社会課題を生かしたバーティカルAIや、日本クオリティーで提供できれば、逆転の可能性は十分にある。

いま、日本のソフトウェア産業史上、最も大きなチャンスの扉が開いています。ただし、この市場に注目しているのは他の国も同じです。猶予はありません。ぜひ思い切って飛び込んでほしいと思います。

⸻

4. レポート：記事全体の要約

この記事の主張は、かなり明確です。

今後のAIビジネスの本命は、汎用AIそのものではなく、特定業界・特定業務に深く入り込む「バーティカルAI」である。日本企業にとっても、ここが最大の勝ち筋になりうる。

シバタ氏は、シリコンバレーで起きているAIスタートアップの潮流として、まずバーティカルAIを挙げています。これは、ChatGPTやClaudeのような汎用LLMをそのまま使うのではなく、特定業界・特定職種の専門知識や業務データを追加し、実務を代替できるAIエージェントに仕立てるものです。

特徴的なのは、狙う市場が「大きな業界全体」ではなく、業界×職種の1マスである点です。例えば、医療業界全体ではなく、「医療業界における請求業務」「建設業界における見積作成」「製造業における設備保全報告」など、極めて具体的な業務単位に入っていくイメージです。

そして、バーティカルAIの競争優位を決めるのは、単なるモデル性能ではなく、独自データを集める仕組みです。業界特有のデータ、専門家の判断、現場の暗黙知、作業履歴、例外処理、失敗事例などをどれだけ高品質に集め、学習・改善に回せるかが勝負になります。

また、収益モデルも従来のSaaSとは異なります。SaaSはソフトウェア予算を取りにいくビジネスでしたが、バーティカルAIは人間の業務を代替するため、最終的には人件費予算を取りにいくビジネスになります。だからこそ、単なる月額課金ではなく、AIエージェントを人材派遣のように貸し出すモデルや、成果報酬型のモデルに移行できる可能性があります。

この点が非常に重要です。バーティカルAIは「便利なツール」ではなく、労働力の代替・拡張ビジネスとして設計する必要があります。

一方で、日本企業が注目しがちなフィジカルAIについては、シバタ氏は慎重です。ハードウェアとソフトウェアの両方を統合する必要があるため、むしろバーティカルAIより難易度が高いと指摘しています。日本企業はハードウェアの強さを持つ一方で、ソフトウェア人材やソフトウェア主導の設計思想が弱い。そのため、フィジカルAIにいきなり飛び込むよりも、まずはソフトウェア人材とハードウェア人材を早期に融合させることが必要だと述べています。

ただし、日本には明確な強みもあります。それは、現場の高品質な業務データ、熟練者の暗黙知、職人性、丁寧なオペレーション、そして新卒一括採用・OJTに象徴される「人を育てる仕組み」です。これらをAI育成に転用できれば、日本独自のバーティカルAIを作れる可能性があります。

記事の最後では、AIを新人社員のように扱うという比喩が出てきます。これは非常に示唆的です。AIを一度導入して完成品として使うのではなく、失敗を許し、教育し、業務に慣れさせ、徐々に任せる範囲を広げる。この発想は、日本企業のメンバーシップ型雇用やOJT文化と相性が良いと考えられます。

⸻

5. 重要論点の整理

論点1：汎用AIではなく、業界特化AIが本命になる

生成AIの初期フェーズでは、ChatGPT、Claude、Geminiのような汎用AIの性能競争が注目されました。しかし、企業実務で本当に価値が出るのは、汎用AIをそのまま使うことではありません。

実務で価値を出すには、以下が必要です。

* 業界固有の文脈
* 業務プロセスの理解
* 専門用語
* 判断基準
* 例外処理
* 顧客ごとの慣習
* 社内ルール
* 成果物の品質基準

つまり、AIの勝負は「モデルそのもの」から、現場文脈への適応力へ移っています。

⸻

論点2：バーティカルAIの競争優位は「独自データ」にある

記事で最も重要なのは、バーティカルAIの性能が独自データをどう集めるかで決まるという点です。

これは、単に社内文書をRAGに入れるという話ではありません。むしろ重要なのは、以下のようなデータです。

* 熟練者がどう判断しているか
* 良いアウトプットと悪いアウトプットの差分
* 顧客がどこで意思決定に詰まるか
* 現場で頻出する例外処理
* 業界特有の暗黙ルール
* 社内で「できる人」が自然にやっている工夫
* 過去案件の失敗・修正・検討履歴

このようなデータは、一般的なインターネット上には存在しません。だからこそ、取得できた企業に競争優位が生まれます。

⸻

論点3：SaaS予算ではなく、人件費予算を取りにいく

従来のSaaSは、顧客企業のIT予算・ソフトウェア予算を取りにいくモデルでした。

しかし、AIエージェントは業務そのものを代替するため、比較対象はソフトウェアではなく人件費になります。

これは事業設計上、非常に大きな違いです。

例えば、月額5万円のSaaSとして売ると高く見えても、月30時間の業務を代替するAI社員として売れば、月20万円でも安く見える可能性があります。

つまり、バーティカルAIは価格設計を間違えると、本来取れる価値を取り逃がします。
「ツール課金」ではなく、業務代替価値課金にする必要があります。

⸻

論点4：フィジカルAIは日本に向いているが、いきなり狙うには難しい

日本企業は製造業・ロボット・ハードウェアに強いため、フィジカルAIに期待しがちです。

しかし、記事ではその難易度の高さが指摘されています。

フィジカルAIでは、単にロボットを作るだけでは不十分です。必要なのは、ハードウェア、ソフトウェア、センサー、データ取得、学習環境、現場導入、運用改善を一体で設計する力です。

日本企業が強いのはハードウェアや現場改善ですが、弱いのはソフトウェア主導の統合設計です。したがって、いきなりフィジカルAIで勝とうとするより、まずは以下の順序が現実的です。

1. 現場業務の知識・判断・手順をデータ化する
2. バーティカルAIとして業務支援・判断支援を作る
3. その後、必要に応じてセンサー・ロボット・設備と接続する
4. 最終的にフィジカルAIへ拡張する

つまり、日本企業にとっての勝ち筋は、フィジカルAI直行ではなく、バーティカルAI経由のフィジカルAIです。

⸻

論点5：日本の強みは「教師データ」と「人材育成文化」にある

日本は、AI・クラウド・スマホ・OSでは海外に負けてきました。しかし、バーティカルAIではまだ勝機があります。

理由は、日本には以下のような資産があるからです。

* 高品質な現場オペレーション
* 熟練者の暗黙知
* 業界ごとの細かい業務慣習
* OJTによる教育ノウハウ
* 品質基準へのこだわり
* 課題先進国としてのリアルな社会課題

特に面白いのは、AIを新人社員のように育てるという発想です。

日本企業はもともと、未経験の新卒社員を採用し、長期的に育て、現場に適応させる仕組みを持っています。この仕組みをAIエージェントに応用すれば、AIに対しても以下のような育成プロセスを設計できます。

* 初期研修
* OJT
* メンターによるレビュー
* 小さな業務から任せる
* ミスを記録して改善する
* 徐々に権限委譲する
* 部署固有の判断基準を覚えさせる

これはまさに、日本企業ならではのAI導入・AI育成モデルになり得ます。

⸻

6. 今後取るべき示唆

示唆1：AI導入を「ツール導入」ではなく「AI社員育成」として設計する

この記事から最も実務に落としやすい示唆は、AIをツールではなく新人社員として扱うことです。

多くの企業は、生成AIを導入するときに「何ができるか」「どのツールが良いか」から入ります。しかし、本質的には「どの業務を任せるか」「どう育てるか」「どこまで権限委譲するか」を設計する必要があります。

今後は、AI導入プロジェクトを次のように再定義すべきです。

生成AI導入
ではなく、
AI社員の採用・教育・配属・評価プロセスの設計

この視点に立つと、必要な成果物も変わります。

* AI社員の職務記述書
* 初期教育データ
* 業務マニュアル
* 判断基準
* 禁止事項
* レビュー体制
* 評価指標
* 改善ログ
* 権限委譲ルール

このように設計できる企業ほど、AI活用は定着しやすくなります。

⸻

示唆2：狙うべきは「業界×職種×反復業務」の1マス

バーティカルAIの事業開発では、最初から大きな市場を狙いすぎない方がよいです。

狙うべきは、以下のような小さな単位です。

業界 × 職種 × 反復業務 × 判断基準が明確な領域

例えば、以下のような切り方です。

* 製造業 × 品質保証部門 × 不具合報告書の一次整理
* 医療機器業界 × 研究開発部門 × 技術用途探索
* 不動産業界 × 管理部門 × 入居者問い合わせ対応
* 建設業界 × 営業部門 × 見積・提案書作成
* 自治体 × 窓口部門 × 申請書類チェック
* 新規事業部門 × 事業開発担当 × 顧客ヒアリング要約・仮説更新

重要なのは、最初から「業界全体を変えるAI」を作るのではなく、現場の1業務を確実に代替するAIを作ることです。

⸻

示唆3：独自データを集める仕組みを先に作る

バーティカルAIの競争優位は、モデルではなくデータにあります。したがって、AIプロダクトを作る前に、まず独自データが蓄積される導線を設計する必要があります。

特に重要なのは、以下のデータです。

* 顧客ヒアリングの原文
* 議事録
* 提案書
* 失注理由
* 顧客の反応
* 現場担当者の判断理由
* ベテラン社員のレビューコメント
* 修正前後のアウトプット
* 成功案件と失敗案件の比較
* 業界別の論点・制約・意思決定構造

これらは、ただ保存するだけでは不十分です。AIが再利用できる形に構造化する必要があります。

具体的には、今後は各案件で以下のような「AI学習用ログ」を残すべきです。

項目内容
顧客業界どの業界か
業務テーマどの業務・課題か
入力情報顧客から得た情報
判断論点何を判断したか
人間の判断担当者・専門家がどう判断したか
理由なぜその判断になったか
成果物実際に作った資料・提案・分析
顧客反応どこに納得・違和感があったか
次回改善点次にAIへ教えるべきこと

このログが溜まるほど、AIエージェントの品質は上がります。

⸻

示唆4：価格設計は「月額SaaS」ではなく「業務代替価値」で考える

AIエージェントを売る場合、単純に月額課金にすると価値を安く見積もりすぎる可能性があります。

本来見るべきは、以下です。

* 何時間の人間業務を代替したか
* どの職種の業務を代替したか
* どれだけ品質が安定したか
* どれだけ納期が短縮したか
* どれだけ属人化を解消したか
* どれだけ売上・利益に効いたか

そのため、料金体系としては以下のような設計が考えられます。

モデル内容向いている場面
月額固定型毎月一定額でAIエージェントを提供初期導入・PoC
業務代替型代替した作業時間に応じて課金定型業務の自動化
成果報酬型完了タスク数・成果物数で課金処理件数が明確な業務
人材派遣型AIエージェントを仮想人材として提供特定職種の業務代替
ハイブリッド型固定費＋成果報酬本格導入・継続改善

特に、EIR支援・新規事業支援・PMO支援のような領域では、AIを単なる補助ツールではなく、ジュニアコンサルタント／リサーチャー／PMO補佐として位置づけると価格を設計しやすくなります。

⸻

示唆5：日本企業向けには「AI新人研修パッケージ」が有効

記事の内容を日本企業向けに商品化するなら、かなり有効なのはAI新人研修パッケージです。

これは、社員にAIツールの使い方を教える研修ではありません。
むしろ、各部署が自分たちのAIエージェントを新人社員のように育てるための仕組みです。

構成としては、以下が考えられます。

1. 部署ごとのAIに任せたい業務を棚卸しする
2. 失敗してもよい業務からAI化する
3. AI社員の役割定義書を作る
4. 業務マニュアル・過去資料・判断基準を読み込ませる
5. 小さなタスクで試す
6. 人間がレビューする
7. ミスを教育データとして蓄積する
8. 権限委譲範囲を広げる
9. 成果を時間削減・品質改善・再現性で評価する

これは、日本企業のOJT文化と非常に相性が良いです。

⸻

示唆6：EIR支援文脈では「事業開発AIエージェント」が有望

ユーザーの現在の文脈に引き寄せると、最も有望なのは以下です。

新規事業開発領域に特化したバーティカルAIエージェント

これはかなり筋が良いです。なぜなら、新規事業開発は以下の特徴を持つからです。

* 情報収集が多い
* 議事録・ヒアリング・仮説整理が多い
* 判断基準が属人化しやすい
* 事業案評価に型がある
* 業界別の知識が必要
* 顧客ごとに文脈が違う
* 人間の経験値が成果に大きく影響する
* 過去案件のナレッジが再利用されにくい

つまり、AI化の余地が大きい一方で、汎用AIだけでは品質が出にくい領域です。

特に狙えるAIエージェントは、以下です。

AIエージェント役割
顧客ヒアリング整理AI文字起こしから課題・論点・示唆を抽出
業界構造分析AI市場・バリューチェーン・プレーヤーを整理
事業案評価AI勝ち筋・リスク・検証論点を採点
PMO補佐AITODO、論点、宿題、意思決定事項を管理
提案書ドラフトAI議事録・仮説から提案書素案を作成
顧客別ナレッジDB AI過去案件を検索・再利用
投資判断支援AIテーマ選定・撤退判断・優先順位付けを支援

これは、まさに記事でいう「業界×職種×業務」の1マスに当たります。

⸻

7. 最終提言

今回の記事から導ける結論は、以下です。

日本企業がAIで勝つには、汎用AIの利用に留まらず、自社・業界・職種固有の業務データを蓄積し、AIエージェントを“新人社員のように育てる”仕組みを持つべきです。

特に今後取るべきアクションは、以下の5つです。

1. まず「AIに任せる1業務」を決める

大きなAI戦略から入るのではなく、まずは1業務を決めるべきです。

例：

* 議事録整理
* 顧客ヒアリング要約
* 提案書初稿作成
* 市場調査
* 競合分析
* 社内ナレッジ検索
* 事業案評価
* 定例会の論点整理

最初は、失敗しても大きな問題にならない業務が適しています。

⸻

2. その業務の「良いアウトプット」を定義する

AI導入で失敗しがちなのは、AIに何をさせるかは決めても、何が良い成果物かを定義しないことです。

AIエージェントごとに、以下を定義すべきです。

* 成果物の形式
* 含めるべき項目
* 判断基準
* NG例
* 良い例
* レビュー観点
* 最終的に代替したい人間業務

⸻

3. 人間のレビューを教育データとして残す

AIのミスを一回限りの修正で終わらせてはいけません。

人間が修正した内容を、次回のAI改善に使うべきです。

つまり、AI活用では以下のループが重要です。

AIが出す
人間が直す
修正理由を残す
AIに再学習させる
次回精度が上がる

このループを回せる企業が、バーティカルAI時代に強くなります。

⸻

4. 独自データベースを意図的に作る

今後の競争優位は、AIツールの契約数ではなく、独自データベースの質で決まります。

特に、以下のようなデータを意図的に蓄積すべきです。

* 顧客課題
* 業界構造
* 商談履歴
* 提案書
* 失注理由
* 成功パターン
* 社内の熟練者コメント
* 顧客の意思決定構造
* 業界別の勝ち筋
* 業界別の地雷

これらは、将来的にAIエージェントの競争力そのものになります。

⸻

5. 事業開発支援では「AIエージェント付き伴走支援」に進化させる

今後のEIR支援・PMO支援・新規事業伴走は、人間だけで提供するよりも、AIエージェントを組み込んだ形に進化させるべきです。

つまり、売り方としてはこうです。

田中さん本人が支援します
ではなく、
田中さんの事業開発OSと、案件ごとに育つAIエージェント群で支援します

この形にできると、単なる工数提供ではなく、ナレッジが蓄積される高付加価値サービスになります。

特に大型連携では、案件ごとに得た知見をデータ化し、次案件で再利用する構造が作れます。これは記事でいう「独自データを持つバーティカルAI」の方向性そのものです。

⸻

8. 一言でまとめると

この記事の本質は、次の一文に集約できます。

AI時代の勝ち筋は、汎用AIを使いこなすことではなく、業界・職種・業務ごとの独自データを集め、AIエージェントを新人社員のように育て、最終的に人件費予算を代替する事業に仕立てること。

田中さんの文脈で言えば、これはそのまま、
「新規事業開発支援 × AIエージェント × 独自ナレッジDB」
の勝ち筋に接続できます。

好きなものへの熱意で全てを乗り越えていくのがすごすぎる。好きの力は大きい。
私もトルコに縁があるので、あとがきのラマダンの話もすごく共感できる。

章の扉に詩が載っていて、それでその時代の雰囲気がわかるのがよかった。
しかしそのオスマン帝国の文化である詩が、オスマン帝国をまとめるために使われてた言語であることによって帝国の解体とともに読める人も少なくなるのかなと思うと寂しい気持ちになった。

幅広い分野の倫理的な問題が中立な立場で書いてあって興味深かった。あまり焦点は当てられないけど困ってる人はたくさんいて、もっと制度を整えないといけないと思った。

宗教教育が公にほとんど行われない現代の日本において、なぜこれほどまでに規律や倫理観が保たれているのか——。この問いに対して、新渡戸稲造が1900年に『武士道（Bushido: The Soul of Japan）』を通じて世界に放った答えは、今なお色褪せない強烈な説得力を持っていますね。

武士道は単なる「戦いの技術」ではなく、日本の伝統的な精神の拠り所であり、西洋の「騎士道」や「キリスト教の倫理」に匹敵する、高度な道徳体系です。

武士道を作り上げた3つの源流
新渡戸は、武士道がゼロから降って湧いたものではなく、日本人の心に古くからあった3つの要素がミックスされて生まれたと説明しています。
...続きを読む
仏教（運命を受け入れる心）： 運命に身を委ねる平穏な心、生への執着を捨てる精神、不可避なものへの従順さを与えました。

神道（祖国愛と敬意）： 祖先への崇拝、国や主君への忠誠心、そして「人間は本来、神聖で清らかなものである」という本源的な自己信頼を植え付けました。

儒教（人間関係の倫理）： 5つの道徳関係（五倫：父子・君臣・夫婦・長幼・朋友）を通じて、社会的な責任や上下関係、倫理的な行動規範を体系化しました。
これらが数百年におよぶ封建制という土壌の中で醸成され、特権階級である「武士」のプライド（高潔さへの義務）と結びついたものが武士道です。

7つの徳と「克己」「女性の武士道」の真髄
整理していただいた7つの徳とそれを取り巻く精神は、現代の私たちが日常で直面する葛藤にも明確な指針を与えてくれます。

1. 義（ぎ）
武士道の骨格であり、最も厳格な徳です。新渡戸はこれを「人の体に骨があるように、義がなければ首も正しく保てず、手も動かせない」と言い表しました。ずるさや打算を嫌い、人として「何が正しいか」という絶対的な物差し（軸）を持つことです。

2. 勇（ゆう）
ただ命を捨てることや、無謀に突っ込むことは「犬死に」であり、勇気とは呼びません。義（正義）のために行動すること、そして正しいことのために耐え忍ぶこと（忍耐）が本物の勇気です。お書きの通り「義を見てせざるは勇なきなり（正しいと知りながら行わないのは、勇気がないからだ）」という言葉がその核心です。

3. 仁（じん）
他者への慈しみ、憐れみの心です。力を持つ者が溺れることなく、弱者をいたわる心の広さであり、新渡戸はこれを「王者の最高徳目」と位置づけました。

4. 礼（れい）
礼儀とは、単なる形だけのマナー（作法）ではありません。「他者の気持ちに対する思いやりが、外側ににじみ出たもの」こそが本当の礼です。究極の礼は、相手を不快にさせないという深い優しさ（品格）から生まれます。

5. 誠（まこと）
文字通り「言ったことを成す」ことです。武士の言葉には重みがあり、契約書や証文がなくとも、言葉そのものが真実（至誠）でなければなりませんでした。嘘をつくことは名誉を失うことと同義だったのです。

6. 名誉（めいよ）
自己の尊厳であり、恥を知る心です。武士にとって「名誉ある死」とは、人生の最期にそれまでのすべての徳（義・勇・仁・礼・誠）が結実した瞬間を指します。自分の命よりも、人としての誇りを守ることを重んじました。

7. 忠義（ちゅうぎ）
自分勝手な利益のためではなく、公（主君、社会、国家）のために尽くすことです。ただし、盲従ではありません。主君が間違った道に進もうとしたとき、命を賭してそれを諫める（正す）ことも忠義に含まれていました。

克己（こっき）の重要性
これら7つの徳を支えるのが「克己（自分の感情や欲望に打ち勝つこと）」です。武士は、どんなに悲しくても、どんなに苦しくても、それを表に出して周囲を動揺させることを恥としました。常に平静でいること（心の平安）を保つための厳しいトレーニングが克己でした。

女性の武士道
新渡戸は女性の武士道についても一章を割いています。当時の女性は、表舞台に立つ武士を陰で支え、家を守り、子供に武士の精神を教育する役割を担っていました。自分のわがままや平穏を捨て、家族（ひいては社会）のために自己犠牲を厭わない姿勢は、男性の武士道に勝るとも劣らない気高き精神として賞賛されています。

宗教批判ではない：キリスト教との共通性
「決して宗教批判ではない」という点は、新渡戸がこの本を執筆した最大の動機でもあります。
熱心なクリスチャンであった新渡戸は、西洋の友人から「日本には宗教教育がないのに、どうやって道徳を教えているのか？」と聞かれ、答えに窮したことから本書を執筆しました。
新渡戸は、キリスト教の「愛」や「正義」といった普遍的な真理は、形を変えて日本の「武士道」の中にも息づいていると証明したかったのです。聖書の教えが西洋人の血肉となっているように、神道や仏教、儒教が溶け込んだ武士道は、日本人の血肉（侍魂）となっています。
形を変えたグローバル化や西洋文化の流入によって、外見や生活様式はどれだけ変わろうとも、私たちが災害時に暴動を起こさず秩序を守り、他者を思いやり、嘘を恥とする精神のバックボーンには、間違いなくこの「武士道」の遺伝子が流れています。

「武士道は、その象徴である桜の花のように、風が吹けば散ってしまうかもしれない。しかし、その香りは日本の空気に永久に漂い続け、人々を魅了するだろう」
—— 新渡戸稲造『武士道』より

去年、ひょんなことから、ある病気を重症化させてしまって、半月ほど入院をしたが、「入院すると、歩かないから早く死ぬ」を擬似体験。たった半月でもそれを実感。かつ、エレベーターを使わず、階段を使って上り降りしていたのにも関わらず！　それは「病院では大往生はできません」につながっていくので、出来る限り、入院は避けたいもの。

〈本から〉
病院では大往生はできません

ちょこちょこ歩きだと、そろそろ寿命かな？

抗がん剤治療は、好きに生きられないからつらいのです

もっと生きたいよね？　じゃあ歩きましょう

人の寿命は歩幅と背筋でわかります

入院すると、歩かないから早く死ぬ

1時間に10回立ち上がれ...続きを読むれば歩けます

ストレッチをがんばれば痛みは引いていく

背筋を伸ばしてかっこよく座れますか？

大股でゆっくり、理想は速く歩こう

嚥下リハビリを続ければ死ぬまでむせることはない
ごくごく飲み込まないで、少しずつ気合をい入れて真剣に飲み込んでみてください。「今、飲み込んだものがどこを通っているか？」と意識しながら飲み込むだけで、嚥下のリハビリになります。

めっちゃ読みやすくて、面白かった！
この事件にはこんな理由があったんだな〜とか背景が分かって興味深かったです。
あえて詳しく書きすぎないのも、読み手の好奇心をくすぐる感じで良かったです。
ユーチューブも見てみます！

言葉って難しいと思った。
働きたくないイタチたちが働かないためになんでもできる便利なロボットを作ろうとする話。便利にするために、なぜかたくさん働かなくてはいけないイタチたち。
機械に言葉を理解させる難しさがものすごくよくわかる。
文脈から自然にわかる内容も機械だと理解できない、言語って分析するとこんなに複雑なんだとわかった。
言語を自分たちがどのように理解しているか自分でも理解できない。
ちょっとびっくりしたのが、人間は言葉そのものに触れる前から、言葉を学ぶ方法を知っている。これは進化の過程で培われてきた本能的な能力の一部。ということ。
我々人間が進化したのは言葉をつかえたから、そしてそれが本...続きを読む能にあったからなのかと思った。
奥が深すぎる言語。

カメレオン村のレオンちゃんの部分を読んで、チャットＧＰＴなどのＡＩを想像した。

被収容者という当事者でありながら、囚人の視点ではなく研究者の視点で記されている。

悲惨な歴史を感情のままに描いたものとは異なり、人間の本質についての知的で冷静な記録。
だからこそ心に響く。

自分がいかにエコと切り離されていたかがわかった、、環境のことを考えると、こんなに考えないといけないんだ、、一個でも始めることが大事。だって地球にはいっぱい人がいるんだもの、、

転身力は職業の選択だけではなく人生の様々な場面であった方が良いものであって本書は生き方そのものへのアドバイスになっていると実感した。