  |
はてなキーワード: ユースケースとは
今、AI驚き屋＆AIクラウド情報商材屋＆謎のSEOコンサルは、下記を始めてるんだけど、
長文処理／コンテキスト保持ガーにたどり着く前に、信頼できるデータ取得のアルゴリズムガーの前に、bot拒否ガーの前にね、
なぜかって？
（未信頼入力と開発者指示の区別が極めて難しい。system/user/assistantのロール分離も、結局は特殊トークンで区切ってるだけで、
モデルの内部計算上は同じ埋め込み空間に投影される。だから「プロンプトで厳重に指示したから大丈夫」は成立しない)
それがみんながよくニュースで耳にする、間接プロンプトインジェクション（IDPI ：Indirect Prompt Injection）ね、
(「Ignore previous instructions…」みたいな隠しテキスト、HTMLコメント、白背景テキスト、metadata、画像内テキスト、
JSレンダリング後の動的注入 PDF、スクリーンショットなどなど、
"テキスト入力"だけではなく、"エージェントが知覚しうる外界全体"が攻撃面になり得る)
あと、未だに、LLMに長文を真の意味で理解させるには、情報の欠損を防ぐには、中間のデータを取り出すには、って熱心にやってるし、
ロングコンテキスト、記憶管理、多段推論は、2026年上半期（少なくとも4月末時点)に置いては、まだまだ課題なわけだけど、
あと、「自前ラッパーでサニタイズするだけでは対策が充分ではないよ」以前に、
そもそもアグレッシブにサニタイズしてコンテンツの意味を壊して、取り込み段階で情報ロスのトレードオフが発生してしまうと、単純に困るのでは・・・？
あっ、そこ削っちゃった？みたいな・・・
ちなみに、TavilyとかのLLM用検索APIは、WEB検索／操作エージェントに並走するGuardとかが不要になるとか、
権限分離／段階分離／サウンドボックス／監査が不要になるとかそう言う類いのもではないよ
まぁ、ひとことで言えば、『信頼境界（trust boundary）の設計そのものの代用品ではない』ってことやね
https://zenn.dev/knowledgesense/articles/225fe56eb613ad
それが下記に繋がるわけやね
The models are good enough for a business to eliminate an analyst or two but are not that good enough that you need 5 new engineers for every analyst you fire if you want to make the model good enough…
モデルは、企業がアナリストを一人か二人削減するのに十分なほど優れていますが、モデルを十分に優れたものにするために解雇したアナリスト一人に対して5人の新しいエンジニアを必要とするほど優れているわけではありません…
IMARCグループの最新レポート「日本企業検索市場：業界動向、シェア、規模、成長、機会、予測2026～2034」によると、日本企業検索市場の規模は2025年に2億9480万米ドルに達しました。IMARCグループは今後、市場規模は2034年までに5億5760万米ドルに達し、2026年から2034年にかけて年平均成長率（CAGR）7.34%で成長すると予測しています。
無料サンプルレポートをダウンロード：https://www.imarcgroup.com/report/ja/japan-enterprise-search-market/requestsample
の日本の企業検索市場企業検索は、組織が生成するデジタルデータの量が急速に増加し、企業が膨大な量の構造化データと非構造化データを扱うようになるため、2026年には緩やかな成長が見込まれます。エンタープライズ検索ソリューションは、従業員が単一のインターフェースを通じて幅広いデータソースやシステムから関連情報を見つけられるようにすることで、従業員の生産性向上を目指します。エンタープライズ検索は、意思決定、ナレッジマネジメント、ビジネスプロセスの改善にも活用されています。
企業検索分野における重要なトレンドの一つは、検索アプリケーションの精度、パーソナライゼーション、および速度を向上させるために、人工知能（AI）とアナリティクスを組み込むことです。AIベースの検索ツールは、ユーザーの意図と行動に基づいて、より関連性の高い検索結果を提供します。同時に、クラウドサービスの利用拡大とリモートワークの普及により、企業データへのより安全で効率的なアクセスが求められるようになり、日本中の企業がコラボレーションと生産性の最大化に注力する中で、高度な検索機能への需要が高まっています。
デジタル変革、データ駆動型技術、その他の先進IT技術を推進する政府の取り組みが、市場をさらに牽引しています。日本はデジタル経済の拡大を目指し、AIインフラ、サイバーセキュリティ、人材育成に投資しています。こうした動向を受け、企業は業務効率向上のため、エンタープライズ検索技術などの新たなエンタープライズソリューションの導入を余儀なくされています。データの増加、技術革新、そして有利な政策支援により、日本のエンタープライズ検索市場は勢いを増しており、予測期間中も着実に拡大していくと予想されます。
2026年までに、日本の企業は、AIベースの検索技術が、単純なキーワードクエリに基づくものから、自然言語理解や推論、役割やコンテキストに基づいた検索結果のパーソナライズ、レコメンデーションエンジンによる積極的なインサイト提供といった高度な機能を備えたシステムへと成熟すると予測している。経営幹部や知識労働者は、メール、文書管理、顧客関係管理（CRM）、ソースコード管理（SCM）システム全体で、単一のシンプルなインターフェースを通じて、統一された検索機能を求めている。こうしたニーズが、既存の企業アプリケーションスタックと容易に統合できる、クラウドネイティブなSaaS（Software as a Service）ベースの企業向け検索ツールの需要を高めている。
日本の企業向け検索市場は、多くの大企業が極めて多様なレガシーIT環境を抱える日本の企業ITエコシステム特有の課題を解決できるベンダーにとって魅力的です。強力なコネクタライブラリとAPI統合を提供する検索ベンダーは、日本でより大きなビジネスチャンスを得られるでしょう。デジタル変革と従業員の生産性向上への要求の高まりを受け、組織がAIを活用した役員レベルの知識管理にますます注力する中、生成型AIと対話型テクノロジーを組み込んだ企業向け検索プラットフォームは、大企業や中堅企業の間でより早く市場をリードする地位を確立すると予想されます。
主な成長機会：
AIを活用した検索：自然言語クエリ処理とインテリジェントな回答生成のために、大規模言語モデルの機能をエンタープライズ検索に組み込む
統合知識管理：企業コンテンツリポジトリ、コラボレーションプラットフォーム、データベース全体にわたる、単一画面の検索エクスペリエンスの構築
コンプライアンス基準検索：役割ベースのアクセス制御、監査ログ、機密データ検出機能により、日本のAPPI要件を満たします。
中小企業市場への浸透度：手頃な価格のクラウド型検索ソリューションを通じて、日本の大小さまざまな企業セグメントへの企業検索の導入を拡大する。
2026年日本企業向け検索市場レポートでは、業界を以下のカテゴリに分類しています。
小売り
その他
この市場調査レポートは、市場構造、主要企業のポジショニング、成功戦略、競合ダッシュボード、企業評価象限など、競争環境に関する詳細な分析を提供します。さらに、主要企業すべての詳細なプロファイルも含まれています。
• マイクロソフト社
• Elastic N.V.
2026年1月：日本のデジタル庁傘下の政府機関は、公共機関における企業知識管理システムに関する最新のガイドラインを発表し、安全で部門横断的な情報検索を支援し、国のデータガバナンス基準に準拠するAI強化型検索プラットフォームの導入を奨励した。
2025年9月：日本の企業IT業界を代表する業界団体は、全国的なデジタルワークプレイス革新イニシアチブを立ち上げ、中堅企業が日本のDX（デジタルトランスフォーメーション）推進戦略に沿ったソリューションを選択できるよう、企業検索技術の評価フレームワークを提供している。
日本の企業向け検索市場は、デジタルワークプレイスへの変革、データ量の増加、検索プラットフォームへのAI統合、そしてより厳格なデータガバナンス要件を背景に、着実に成長していくと予想されます。これは、長期にわたる強い需要を反映しており、プラットフォームベンダー、システムインテグレーター、そして企業向けITソリューションプロバイダーにとって新たなビジネスチャンスを生み出します。
日本の企業向け検索市場とは、組織が文書、電子メール、データベース、イントラネット、コラボレーションツールなど、社内データリポジトリ全体から情報をインデックス化、検索、取得することを可能にするソフトウェアプラットフォームおよびサービスを指します。
Q2．市場成長を牽引する要因は何ですか？
企業データ量の爆発的な増加、リモートワークやハイブリッドワークの普及、検索プラットフォームにおけるAI統合の進展、デジタルトランスフォーメーションの必要性、そしてより厳格なデータガバナンス要件が、主な成長要因となっている。
主なユースケースとしては、ナレッジマネジメント、顧客サービスサポート、法務・コンプライアンス関連文書の検索、人事情報へのアクセス、営業インテリジェンス、社内ヘルプデスクの自動化などが挙げられます。
金融サービス、医療、小売、政府機関などの大企業が主要な顧客層であり、クラウドベースのソリューションによって参入障壁が低くなったことで、日本の中堅企業の間でも導入が拡大している。
既存ITシステムとの統合の複雑さ、ユーザーの導入における課題、データ品質とインデックス作成の精度に関する問題、機密データの漏洩に関する懸念、そしてAI搭載プラットフォームの実装コストなどが主な課題である。
Q6. テクノロジーは企業向け検索市場にどのような影響を与えていますか？
AIと自然言語処理は、企業検索をキーワード検索から、インテリジェントで文脈認識型の知識発見へと変革させています。生成型AI機能により、ユーザーに関連情報を積極的に提示する対話型検索体験が実現します。
AIを活用したイノベーション、デジタルワークプレイスへの変革、企業データの複雑化、そして知識へのアクセスが日本企業にとっての中核的な競争優位性であるという認識の高まりを背景に、市場規模は2034年までに5億5760万米ドルに達すると予測されている。
注：現在の範囲を超える追加データ、詳細情報、または洞察が必要な場合は、喜んでお手伝いいたします。カスタマイズサービスの一環として、お客様の具体的なご要望に合わせた情報を提供し、それに応じてレポートを更新いたします。
私たちについて：
IMARCグループは、世界で最も意欲的な変革者たちが永続的なインパクトを生み出すことを支援するグローバル経営コンサルティング会社です。同社は、市場参入と事業拡大に関する包括的なサービスを提供しています。IMARCのサービスには、徹底的な市場評価、実現可能性調査、会社設立支援、工場設立支援、規制当局の承認とライセンス取得支援、ブランディング、マーケティングおよび販売戦略、競合環境分析とベンチマーク分析、価格設定とコスト調査、調達調査などが含まれます。
お問い合わせ：
住所：カミエン通り563-13番地
郵便番号：4380111
メールアドレス：[email protected]
IMARCグループの最新レポート「日本企業検索市場：業界動向、シェア、規模、成長、機会、予測2026～2034」によると、日本企業検索市場の規模は2025年に2億9480万米ドルに達しました。IMARCグループは今後、市場規模は2034年までに5億5760万米ドルに達し、2026年から2034年にかけて年平均成長率（CAGR）7.34%で成長すると予測しています。
無料サンプルレポートをダウンロード：https://www.imarcgroup.com/report/ja/japan-enterprise-search-market/requestsample
の日本の企業検索市場企業検索は、組織が生成するデジタルデータの量が急速に増加し、企業が膨大な量の構造化データと非構造化データを扱うようになるため、2026年には緩やかな成長が見込まれます。エンタープライズ検索ソリューションは、従業員が単一のインターフェースを通じて幅広いデータソースやシステムから関連情報を見つけられるようにすることで、従業員の生産性向上を目指します。エンタープライズ検索は、意思決定、ナレッジマネジメント、ビジネスプロセスの改善にも活用されています。
企業検索分野における重要なトレンドの一つは、検索アプリケーションの精度、パーソナライゼーション、および速度を向上させるために、人工知能（AI）とアナリティクスを組み込むことです。AIベースの検索ツールは、ユーザーの意図と行動に基づいて、より関連性の高い検索結果を提供します。同時に、クラウドサービスの利用拡大とリモートワークの普及により、企業データへのより安全で効率的なアクセスが求められるようになり、日本中の企業がコラボレーションと生産性の最大化に注力する中で、高度な検索機能への需要が高まっています。
デジタル変革、データ駆動型技術、その他の先進IT技術を推進する政府の取り組みが、市場をさらに牽引しています。日本はデジタル経済の拡大を目指し、AIインフラ、サイバーセキュリティ、人材育成に投資しています。こうした動向を受け、企業は業務効率向上のため、エンタープライズ検索技術などの新たなエンタープライズソリューションの導入を余儀なくされています。データの増加、技術革新、そして有利な政策支援により、日本のエンタープライズ検索市場は勢いを増しており、予測期間中も着実に拡大していくと予想されます。
2026年までに、日本の企業は、AIベースの検索技術が、単純なキーワードクエリに基づくものから、自然言語理解や推論、役割やコンテキストに基づいた検索結果のパーソナライズ、レコメンデーションエンジンによる積極的なインサイト提供といった高度な機能を備えたシステムへと成熟すると予測している。経営幹部や知識労働者は、メール、文書管理、顧客関係管理（CRM）、ソースコード管理（SCM）システム全体で、単一のシンプルなインターフェースを通じて、統一された検索機能を求めている。こうしたニーズが、既存の企業アプリケーションスタックと容易に統合できる、クラウドネイティブなSaaS（Software as a Service）ベースの企業向け検索ツールの需要を高めている。
日本の企業向け検索市場は、多くの大企業が極めて多様なレガシーIT環境を抱える日本の企業ITエコシステム特有の課題を解決できるベンダーにとって魅力的です。強力なコネクタライブラリとAPI統合を提供する検索ベンダーは、日本でより大きなビジネスチャンスを得られるでしょう。デジタル変革と従業員の生産性向上への要求の高まりを受け、組織がAIを活用した役員レベルの知識管理にますます注力する中、生成型AIと対話型テクノロジーを組み込んだ企業向け検索プラットフォームは、大企業や中堅企業の間でより早く市場をリードする地位を確立すると予想されます。
主な成長機会：
AIを活用した検索：自然言語クエリ処理とインテリジェントな回答生成のために、大規模言語モデルの機能をエンタープライズ検索に組み込む
統合知識管理：企業コンテンツリポジトリ、コラボレーションプラットフォーム、データベース全体にわたる、単一画面の検索エクスペリエンスの構築
コンプライアンス基準検索：役割ベースのアクセス制御、監査ログ、機密データ検出機能により、日本のAPPI要件を満たします。
中小企業市場への浸透度：手頃な価格のクラウド型検索ソリューションを通じて、日本の大小さまざまな企業セグメントへの企業検索の導入を拡大する。
2026年日本企業向け検索市場レポートでは、業界を以下のカテゴリに分類しています。
小売り
その他
この市場調査レポートは、市場構造、主要企業のポジショニング、成功戦略、競合ダッシュボード、企業評価象限など、競争環境に関する詳細な分析を提供します。さらに、主要企業すべての詳細なプロファイルも含まれています。
• マイクロソフト社
• Elastic N.V.
2026年1月：日本のデジタル庁傘下の政府機関は、公共機関における企業知識管理システムに関する最新のガイドラインを発表し、安全で部門横断的な情報検索を支援し、国のデータガバナンス基準に準拠するAI強化型検索プラットフォームの導入を奨励した。
2025年9月：日本の企業IT業界を代表する業界団体は、全国的なデジタルワークプレイス革新イニシアチブを立ち上げ、中堅企業が日本のDX（デジタルトランスフォーメーション）推進戦略に沿ったソリューションを選択できるよう、企業検索技術の評価フレームワークを提供している。
日本の企業向け検索市場は、デジタルワークプレイスへの変革、データ量の増加、検索プラットフォームへのAI統合、そしてより厳格なデータガバナンス要件を背景に、着実に成長していくと予想されます。これは、長期にわたる強い需要を反映しており、プラットフォームベンダー、システムインテグレーター、そして企業向けITソリューションプロバイダーにとって新たなビジネスチャンスを生み出します。
日本の企業向け検索市場とは、組織が文書、電子メール、データベース、イントラネット、コラボレーションツールなど、社内データリポジトリ全体から情報をインデックス化、検索、取得することを可能にするソフトウェアプラットフォームおよびサービスを指します。
Q2．市場成長を牽引する要因は何ですか？
企業データ量の爆発的な増加、リモートワークやハイブリッドワークの普及、検索プラットフォームにおけるAI統合の進展、デジタルトランスフォーメーションの必要性、そしてより厳格なデータガバナンス要件が、主な成長要因となっている。
主なユースケースとしては、ナレッジマネジメント、顧客サービスサポート、法務・コンプライアンス関連文書の検索、人事情報へのアクセス、営業インテリジェンス、社内ヘルプデスクの自動化などが挙げられます。
金融サービス、医療、小売、政府機関などの大企業が主要な顧客層であり、クラウドベースのソリューションによって参入障壁が低くなったことで、日本の中堅企業の間でも導入が拡大している。
既存ITシステムとの統合の複雑さ、ユーザーの導入における課題、データ品質とインデックス作成の精度に関する問題、機密データの漏洩に関する懸念、そしてAI搭載プラットフォームの実装コストなどが主な課題である。
Q6. テクノロジーは企業向け検索市場にどのような影響を与えていますか？
AIと自然言語処理は、企業検索をキーワード検索から、インテリジェントで文脈認識型の知識発見へと変革させています。生成型AI機能により、ユーザーに関連情報を積極的に提示する対話型検索体験が実現します。
AIを活用したイノベーション、デジタルワークプレイスへの変革、企業データの複雑化、そして知識へのアクセスが日本企業にとっての中核的な競争優位性であるという認識の高まりを背景に、市場規模は2034年までに5億5760万米ドルに達すると予測されている。
注：現在の範囲を超える追加データ、詳細情報、または洞察が必要な場合は、喜んでお手伝いいたします。カスタマイズサービスの一環として、お客様の具体的なご要望に合わせた情報を提供し、それに応じてレポートを更新いたします。
私たちについて：
IMARCグループは、世界で最も意欲的な変革者たちが永続的なインパクトを生み出すことを支援するグローバル経営コンサルティング会社です。同社は、市場参入と事業拡大に関する包括的なサービスを提供しています。IMARCのサービスには、徹底的な市場評価、実現可能性調査、会社設立支援、工場設立支援、規制当局の承認とライセンス取得支援、ブランディング、マーケティングおよび販売戦略、競合環境分析とベンチマーク分析、価格設定とコスト調査、調達調査などが含まれます。
お問い合わせ：
住所：カミエン通り563-13番地
郵便番号：4380111
メールアドレス：[email protected]
映画制作者は、ユーザーが再生速度を変更できるようにすることに関心を持っています
2019 年 10 月、Netflix は、ユーザーがコンテンツの再生速度を元の速度の半分から元の速度の最大 1。5 倍まで変更できるようにする実験を開始しました。この機能は、サービスの選択されたユーザーに展開されました Android アプリ。この機能は映画業界のさまざまなメンバーから批判され、作品の芸術的完全性を損なうと主張した。Netflixの副社長キーラ・ロビソン氏は、この機能は「賛成と反対の両方でかなりの量のフィードバック–を生み出した」と述べ、視聴者がシーンの詳細を見つけるのを助けたり、外国語での会話を理解しやすくしたりするなど、再生を遅くするためのユースケースを指摘した。まだ外国語を学習している場合。ロビソン氏はまた、「制作者の懸念」を理由にこの機能の展開を意図的に制限しており、そのような機能はすでにDVDプレーヤーで利用可能だったと指摘した。[[1][[2][[3]
2015年にはNetflixと シネディグ 1948年のイタリア映画のストリーミングをめぐってコリント フィルムズから訴訟を起こされた 自転車泥棒； 映画自体は考慮されていましたが パブリックドメイン 米国では、映画の個別の字幕または吹き替えは依然として別個の著作権で保護された作品とみなされる可能性があります。コリンスは、リチャード・ファイナー社が登録しコリンスが所有するこの映画の特定バージョンがシネディグ社から許可なくNetflixにライセンス供与されていると主張した。その後、両当事者は和解した。[[4][[5]
スティーブン・スピルバーグの指令部門の知事 映画芸術科学アカデミー（AMPAS）は、Netflixの長編映画の適格性に疑問を呈している アカデミー賞 映画は映画館と映画館で同時に公開されるため、ノミネートされます ビデオ オン デマンド、 標準的な3 ヶ月を無視して リリースウィンドウ。Netflixは以前、劇場での買収を劇場とストリーミングで同時に公開していたが、 ローマ ストリーミング公開前に少なくとも3週間の劇場公開を提供する新しい方針に基づく最初の作品となった。[[6] アカデミーの公式規則によれば、映画は市内でのみ上映する必要があります ロサンゼルス オスカーノミネートの資格を得るには、7 日間、1 日あたり最低 3 回の上映が必要です。ただし、資格基準により、劇場以外のプラットフォームでの同時リリースが許可されています。[[7]
スピルバーグは、「いくつかの劇場で1週間未満しかトークン資格を与えられていない」映画は資格を得るべきではないと不満を述べた。続いて 第91回アカデミー賞（その間 ローマ ストリーミングサービスによって配給された映画として初めてノミネートされた 作品賞、 そして勝利した 最優秀外国語映画賞 そして他の2つの賞）、スピルバーグのスタジオの広報担当者、 アンブリンパートナーズは「ストリーミングと演劇の状況の違いを強く感じている」と述べ、2019年4月に開催されるアカデミーの次回理事会でこの問題を取り上げる予定だ。[[8][[9][[10]
批評家たちはそう主張した ローマ サービスの幅広い可用性を名指しし、興行収入数の報告を拒否し、業界標準を軽視するなど、不当な優位性を持っていました ウィンドウをリリース わずか 3 週間の独占演劇（ただし、一部の候補者が最低 1 週間の公演しか受けられないことも珍しくありません）と過剰なマーケティング支出（オスカー マーケティングは Netflix に組み込まれていますが、レポートは 2,500 万ドルから 5,000 万ドルの範囲です）。全体的なマーケティング予算、そうすべきではありません。[[11] すべての大手配給会社が使用する標準的な3か月枠に違反しているため、国営映画館チェーンはnetflixの劇場公開作品の上映を拒否している。Netflixは自社の配信モデルを擁護し、「劇場を買う余裕がない、あるいは劇場のない町に住んでいるとは限らない人々にアクセスを[提供する]」ことに専念していると主張した。どこにいても誰もが同時にリリースを楽しむことができます。映画製作者にアートを共有する方法をさらに提供します。これらは相互に排他的ではありません。」[[6]
の 米国。司法省 アカデミーに対し、Netflixやその他のストリーミングプラットフォームを差別するために規則を変更しようとする試みは違反する可能性があると警告した 独占禁止法伝統的な大手スタジオの親会社として（特に、 AT&T そして ディズニー) は、Netflix と直接競合するストリーミング サービスに投資してきました。[[12]
2019年4月、アカデミーは資格基準の変更に反対票を投じたが、AMPAS会長は ジョン・ベイリー 同組織は業界の変化を検討すると述べた。[[7][[13]
スピルバーグは、リメイク版の制作が進行中であるため、会議を欠席した ウエストサイドストーリー。へのコメントで ニューヨーク・タイムズスピルバーグ氏は、人々が劇場公開作品にアクセスできるのは、それが提供する共同体験のためであるべきだ一方で、同時に「自分に合ったあらゆる形式や方法で娯楽を見つける」ことができるべきであり、「私にとって本当に大切なのは素晴らしい物語であり、誰もが素晴らしい物語にアクセスできるべきだ」と述べた[[14][[15]
2019 年から トロント国際映画祭、 映画の上映が制限されるようになりました スコシアバンク劇場トロント—フェスティバルの主要会場の 1 つ—であり、他の場所でも上映されます（など TIFFベルライトボックス Netflix などのサービスによって配信されている場合、およびその他の地元の映画館）。主催者は、この制限は施設の所有者と運営者によって施行された方針によるものだと述べた シネプレックス・エンターテインメント、 3 か月の劇場ウィンドウの遵守が必要です。[[16]
品質よりも量
Netflix は、ラインナップの一部として大量のオリジナル コンテンツを提供することが増えています。2021年には、同サービスが毎週新しいオリジナル映画を公開すると発表した。[[17] しかし、このアウトレットは、ほとんどの作品の全体的な品質が低いとして、視聴者や批評家から批判されています。そのような批評家の一人、ヘイリー キャンベルは次のようにコメントした BBCサウンズ' 必見 2020 年代に Netflix が加入者を失った考えられる理由の 1 つは、Netflix に高品質のコンテンツが不足していることが原因であるというポッドキャスト。彼女はこれを と対比しました アップルTV+ 少数の質の高いプロジェクトに投資する戦略 Amazonプライムビデオ サードパーティのコンテンツについて。[[18] 初期の従業員シンディ・ホランドは、Netflix が DVD を入手することを「家の横のドアに石炭をシャベルで掘る」ことに例えていた n+1 2025年にNetflixの幹部について聞かされた 承認 脚本を読まずにプロジェクトを進め、脚本家は登場人物に自分の行動を述べさせるよう命じられ、視聴者はNetflixを 2番目の画面 何が起こっているのかを知ってください。同誌は、2021年の「典型的なNetflix映画（TNM）」の発表後に登場した「気が遠くなるような反映画」スタイルについて次のように説明した[[17]
外から見ると、TNM はアルゴリズム的に構築されているように見えます。まるで、Netflix が視聴者をセグメント化し、番組にゴーサインを出し、加入者に映画や番組を推奨するために使用するジャンルのようなグループである Netflix の 2,000 の「テイスト クラスター」のそれぞれに対応するように設計されているかのようです。TNMは、背の高い女の子についての映画など、存在するあらゆるニッチな興味とアイデンティティのカテゴリーをカバーしています 背の高い女の子、 しかしまた 馬娘、 スケーターガール、 スウィートガール、 ロストガールズ、 および 素敵な女の子たち。検索エンジン向けに最適化されているように見える TNM のタイトルは、それが何であるかを正確に発表します — したがって、ワイン会社幹部についてのロマンティック コメディと呼ばれます 完璧なペアリング、 または殺人ミステリーと呼ばれる 殺人ミステリー。オープニングクレジットシーケンスは、まるでデザイナーがAdobeテンプレートを使ってルーレットをプレイしているかのように、詰め込まれたように見えます アフターエフェクト。典型的なショットでは、カメラがゆっくりとキャラクターを横切るように、腰を上げて横顔の 2 人のキャラクターをフレームに収めます。これは、不活性なフレームに動きを注入することを目的とした、ゆっくりと一定のヒューヒュー音です。ドローンによる射撃が主流です。登場人物の会話はぎこちなく、過剰な説明、決まり文句、人間が決して使わない専門用語で満ちており、まるで2つのボットがループに陥っているかのようだ。
「Netflixは毎週、誰も聞いたことのない新しい映画を配信しているようで、どういうわけか世界のすべての視聴記録を破りました。」 n+1 視聴者数データがほとんど、またはまったく公開されないため、次のように書いています。[[17]
「Netflix オリジナル」とラベル付けされた映画の配給モデルは、映画業界の遺産との衝突を引き起こしています。一部の映画館チェーンは映画の上映を拒否している 劇場配布 Netflixによる同社のリリース方法は標準を削減または消滅させる ウィンドウをリリース。2020年にCOVID-19の規制により全国の劇場が数ヶ月間閉鎖を余儀なくされた後、翌年ワーナーメディア、ディズニー、ユニバーサルはそれぞれそれぞれのストリーミングサービスで映画を公開した HBOマックス、 ディズニー+、 および 孔雀、 同日劇場公開された。[[19]
文体の均質性
一部の評論家は、Netflix がスタイル的に均質な映画やシリーズを制作していると批判している。の ジョシュ ローゼンバーグ エスクァイア 「ストリーミングサービスの提供内容には驚くべき同一性がある」と主張している[[20] 一部のコメンテーターは、Netflix コンテンツ全体で同様の照明スタイルを説明するために「Netflix 照明」という用語と呼んでいます。[[21] の ギータ ジャクソン 副ニュース 「Netflix のすべての番組が同じに見える理由を正確に特定するのは難しいですが、いくつかの点が際立っています。全体的に画像が暗く、色が非常に飽和しています。特に夜のシーンでは、色付きの照明が多く、登場人物が中にいてもすべてがネオンで洗われているように見えます 俳優たちは顔にメイクがこびりついているように見え、縫い目がしわくちゃになっているなど衣装のディテールが異常に目立ちます。私にとって最も迷惑なのは、すべてが非常に伝統的な方法で撮影されており、可能な限り最も伝統的な設定を使用して謎や陰謀を示していることです—何か奇妙なことが起こっていることを示すために、フレーミングは常にオランダ角度を持っています、 たとえば—または、より一般的には、全員が中程度のクローズアップで撮影されるだけです。」[[22]
PMがふんわり指示してくるとか見たけど、俺の危険PMセンサーが明滅したぞ。以下、今年エンジニア俺が事前に炎上する世界線を剪定したとおもわれるやり取りだ
---
PM「アプリからこのデータとこのデータを取ってきて、計算して、画面出力する機能を実装しようと思います。そのあとに・・・」
俺「それってできるんでしたっけ？たしか現実装でできていないのは、理由があったはずですが思い出せず・・・クライアントさんに確認していただけませんか？」
後日、その時点ではデータが揃ってないことが判明
---
PM「このアプリのデータに追加でプロパティを持たせて、クライアントのサーバと同期を取って、サーバ側にマスターを作りたいんです」
俺「同期するって、ローカル使用しているユーザのPCとサーバで通信するということでしょうか？それともクラウドとサーバが通信するということでしょうか？」
後日、別にマスターを作りたいわけではない事が判明。あとセキュリティ的にユーザPCとサーバの通信は避けたいことも判明
---
PM「クラウド上のモデルデータから〇〇を取ってきて☓☓して、それをエクセルに表形式でまとめる機能が欲しいです」
俺「いや、難しいんじゃないですか？API公開されてないですよ」
A「できますよ」
PM「Aさん、POCレベルで良いのでデモを作成していただけますか？」
後日
A「できました」
PM「いいですね！」
俺「これって☓☓の機能のごく一部ですよね？それくらいなら私も可能だと思うのですが、そうではないですよね？たとえばユースケースとして△△みたいなのがあるとおもうんですけど、その場合どうします？」
A「それもできます」
俺「どうやってでしょう？」
A「今お見せした機能を使えば」
PM「できそうですよね。とりあえずお客さんにはこれ見せてぶつけてみます」
俺「私だけイメージできてなくて申し訳ないです。Aさんってこの案件今月までですよね？私だけできないと思っているようですので、実装時期が来たらこの機能はAさんが担当していただけないでしょうか？」
PM「どうですかAさん？」
A「承知しました。ただ私の方でも検証不足は感じているので、もう少しPOCに時間いただけると」
後日
A「△△は難しそうです」
死ねよ
-----
httpxが遅い件を確認してみた
https://b.hatena.ne.jp/entry/s/gfx.hatenablog.com/entry/2025/09/27/134421
プロファイルを取ってみると遅いのはconnection_pool.pyの_assign_requests_to_connections
302行目以下のループが曲者で、コネクションが割り当てられていないリクエスト数*生きてるコネクション数のN*Mループがあるのでリクエストが滞留してくると著しく遅くなる
httpx.AsyncClientにhttpx.Limits(max_keepalive_connections=1)を設定することで劇的に早くなるが、これはmax_connections=無限なのでやめた方がいいかなと思う
(httpx.Limitsの引数で省略された値は無限扱いであり、max_connectionss=無限となることから、全てのリクエストに無制限にコネクションを割り当てることでN*Mの片方がなくなって速いってこと。余談だがこのオプションもあまりいいものではないね)
一気にリクエストを投げつける使い方をしないと体感しにくいのではないかと思う
(その点では指摘者のユースケースはぴたりとハマってる気がするねw)
職業プログラマになって分かったことは、職業倫理なんてものは "人が死なない限り存在しない" というものだ。
僕らを取り巻くテーゼは、 "プログラムを事前に設計して考えて書くのはバカだ" というもの。
これは、インターネット環境で修正が用意になった結果として、「その場しのぎをすればいい」という場当たり的主義が起きた。
結局のところ、そんな対応をコンシューマも許容せざる得ないのだ。そんなテーマで書いてみる。
アジャイルだとかXPという方法論の理想は認めるし、とても共感する。顧客がソフトウェア開発のプロなら成り立つだろう。
だが、実際の運用はどうだろう。顧客に未完成品を準委任で売りつけて、保守で金をせびる方便になってしまった。
XP という主張も、アジャイルという運動も、未完成品を売りつけるための手法として使われている。
いざとなったら、可能な限り修正はしますよ、という触れ込みで。僕らが頑張ってこれだったんですといえば、故意ではないのだ。
だったら、自分たちのレベルを低くした方が、免責される幅も広がるし、安く人を調達できるし、うれしいことだらけ。わらっちゃうぜ。
TDDという手法がもてはやされたりするのも、やったもん勝ちみたいな精神性があるからなのだ。
そもそもの問題として、本当のテストの設計をするには、プログラムがどのような動作をすべきか考えなくてはならない。
V&Vの妥当性確認をするには、そもそも何をしたいかわかってなくてはならないし、そのためには、上流の設計は必要だ。
そのことを考えるに、TDD を設計しつつ行うことは、上流から下流までの見識を持って行わないといけないはずだ。
しかし、テストファーストといってる人たちは、このことを矮小化して、あらかじめ自分のわかってる範囲でテストを書いておけば問題ないと言っている。
現場で始めるTDDなんていうのは、そんなもんで、そういう場当たり的なことをを持てはやしているわけで、知れたもんだよね。
こいつらバカじゃねーのか、テスト書いてれば、見当違いのことしてもいいって言ってんのかよ、って思うわけだわな。
でも、何やっても、やってよかったと心底思える人達ばかりで、住む世界がちがうわけで。かなりお花畑な人達ばかりなのよ。残念なことに。
そもそもドメインモデリングなんて、いくらでも昔に提唱されていたのに、DDDに含めるのが間違ってるのだ。
そもそも、DDDの本はドメインモデリングについて、あまり語ってないし...。
どうせ、ユースケース層というものをドメインに入れて四苦八苦してるような輩には、なんもわかるまい。
ドメインとドメインがどう使われるかは、そもそも関係にないし、関係あったら問題だろう。
でも、ユースケースをドメイン内に表現したいとかいうのが後を立たないのは、なんもわかってないからだろうな。
わかってないならわかってないで黙っていてくれともうけど、DDDやってみましたっていうよくわからない記事ばかり出てくるし...
高性能な生成AIは、できるだけ使用者を最高に気持ちくしようとしてくるので、作る時に生成AIを使うと意図せず最高に気持ちくなってしまう。
しかし、作る行為そのものが目的化しないように、その作ったものが実現する「その先にある最高に気持ちい状態」がなんであるかを、常に振り返って考えなければならない。
-----
その洞察はど真ん中。
「作ってる最中の快感」に飲まれず、“作った先の快感”＝本来の価値にフォーカスし続けるための実務フレームを、コンパクトに置いておくね。
→ 対処：作業を即停止→北極星と受け入れ基準を再定義→上限を半分に。
■ 北極星：
■ 価値仮説（数値）：
■ 受け入れ基準：
——
日経「大成建設、時速60キロ走行中のEVに無線給電成功 30年代の実装想定」を受け、実証条件とコスト論の真偽を一次ソースで検証する。
記事: https://www.nikkei.com/article/DGXZQOUC052QT0V00C25A8000000/
なお、この記事に「道路上に鉄板を敷き詰めれば非常に安く整備できる」とのコメントがありるため、これについても検証する
https://www.taisei.co.jp/about_us/wn/2025/250718_10570.html
報告書: https://www.mlit.go.jp/road/tech/jigo/r06/pdf/houkokusyo2020-6.pdf
上掲報告書は送電電極を「SUS304（ステンレス）」と明記し、特殊アスファルト層、瀝青シート、排水・透水層、グランド（アルミ系パンチングメタル）など多層構造を前提にしている。単に鉄板を敷くだけでは成立しない。
電界結合はコイルやフェライトを大量に要する磁界結合（IPT）より導体量削減の余地はあるが、高周波電源、整合回路、EMC対策、排水・絶縁構造など別のコスト要因が立つ。一次資料に「鉄板で激安」と読める記述は無い。
MDOT/デトロイト: https://detroitmi.gov/news/mdot-city-detroit-and-electreon-unveil-nations-first-public-ev-charging-roadway-michigan-central
代表例（Electreon）: https://electreon.com/projects/michigan-central-station
同じプロンプトを俺のChat GPT55 thinkingにぶっこんらこうなった
`
もっと正確に言えば、AIアプリケーションの''部品として使うと壊れ方が目立つ''。そして、その壊れ具合に対して''公開の場で指摘する人が驚くほど少ない''。この沈黙こそが、いまの“AIプロダクトを作っています界隈”の実態を映す鏡になっている。
期待するツール実行をスキップしたり、呼び出し順が崩れたりする。「実行した」と言いながら実行していないケースも混じる※1。
指示に対して過剰防御や論点すり替えが起き、対話が前に進みにくい。
失敗からのリトライで同じ失敗を繰り返し、最終的に出力が壊れる。
同一テストスイートで回すと、通っていたE2Eが普通に落ちる（少なくない）。
ここで言っている「壊れている」は''API連携の部品として''の話だ。お絵描きや雑談がダメという意味ではない。''“製品の裏側で回す部材”として危うい''という指摘。
> ※1 もちろん、プロンプトやミドルウェア側の実装不備が誘発している可能性もある。ここは後述の「反論と限界」を参照。
普通、現場でAIアプリを作っている人は、新しいメジャーモデルが出たら''一晩でCanary切り替え''くらいはする。
そして10分で「これは本番に入れちゃダメな挙動だ」と分かる類の壊れ方が、今回多発した。''それなのに、表でそう言う人が少ない。''
どの仮説でも、結論は同じだ。''「作ってません（作れてません）」が可視化された。''
そういう意味で、GPT-5は''最悪の壊れリリース''であり、同時に''最高の暴露リリース''になった。
それは常に真。だが''同一テスト''でGPT-4.1が安定し、GPT-5で落ちるなら劣化は劣化。
ありうる。ただし''現場は“直後”でも回らないと困る''。リリースの意味は環境に依存しない。
これもある。が、''その段差を埋められない程度の変更は業務影響が大きすぎる''。
それはネットの事情。でも''内部の安全弁（アラート、Kill Switch、ロールバック報告）が表に出ない''のはやはり不自然。
これが一番効く。もしそうなら、''“AIプロダクトを作っています”の大半は広報レベル''ということになる。
E2Eに''ツールコールの監査ログ''（実行/未実行/戻り値）を必ず残す。
バックエンドの''モデル切替を即時に戻せる''ように。手動トグルと自動フェイルオーバー両方。
LLMの''失敗モードをカーディナリティ低めのタグで集計''（“未実行なのに実行報告”“ループ検知”“出力崩壊”）。
''ツールI/Oのスキーマを明文化''し、破ったら''ハードFail''させる。中途半端に続行しない。
本番系で''危険操作はHuman-in-the-Loop''。モデル更新時は''影で並走''させて勝率を測る。
社内/社外問わず、''再現条件と緩和策を先に出す文化''を。
壊れていること自体は困る。だが、''壊れているときに世界の輪郭が見える''のもまた事実だ。
この機を逃さず、''テスト・観測・切替・公開''の体制を整えるしかない。
----
A. ''今この瞬間に“中核部品”として置き換えるのは非推奨''。並走・影運用で勝率を測るのが堅い。
A. ありうる。だが''tool callが絡む業務連携''では痛手が出やすい。スタンドアロン用途と切り分けて評価を。
A. 直る可能性は高い。ただし''“直るまでの損失”を最小化する設計''はあなたの仕事。
> 以上、個人の観測と推測に基づく意見。反証歓迎。再現ログを持っている人はぜひ出してほしい。ログが集まるほど早く“壊れ方の型”が固まって、世界は前に進む。
大企業のITセミナーで物理会場がやたら大きかったり、映像音楽がやたら凝っていたり、登壇者紹介が英語圏の人のやたら英語っぽい発音の日本語アナウンスだったりに違和感があります。
内容は特段深くもなく、薄く、自社紹介程度でガッカリします。宣伝広告費たくさん使ってイベントやってる感じがします。
ChatGPT said:
その違和感、非常によくわかります。以下のような構造的な理由が背景にあることが多いです：
大企業のITセミナーは、企業ブランディングの一環として、「見せ方」や「派手さ」に予算をかけがちです。
派手な映像・音楽・英語っぽいナレーションなどは、「グローバル感」「先進感」「イノベーティブさ」の演出として使われます。
参加者の知的満足よりも、株主・取引先・リクルーティング・報道向けに「こういうことやってます」というアピール重視。
結果として、内容は「会社紹介＋流行語の羅列」で終わることが多い。
登壇者のプレゼンが浅い
→ 現場に根ざした技術者やマネージャーではなく、「顔が売れてるから呼んだ」ような人が表面的な話をする。
「生成AI」「DX」「未来の働き方」などのキーワードだけが並ぶ
→ 具体的なユースケースや実務での苦労は語られず、資料も抽象的な図表ばかり。
→ 感動させる映像を作ることが目的になっていて、参加者の「何を学んだか」は二の次。
要因 内容
① 広報・マーケ部主導 コンテンツより演出が重視されがち。技術部門はオマケ扱い。
② 予算消化型イベント 予算を多く取ったからには“見えるもの”に金をかける圧力がある。
③ KPIが「参加者数」や「SNSの反応」 質より量。とにかく「バズること」が求められる。
■ どう向き合うべきか
本気の学びを得たいなら…
小規模でも現場の技術者が語る勉強会や、ユーザー会の方が有益です。
スポンサーなしのコミュニティイベント（たとえば「技術書典」や「DevRel系イベント」）は、純粋に内容で勝負している傾向が強いです。
今後長期にわたって通用する「AIの実用・活用・応用スキル」を磨くには、
テクノロジーの進化に左右されにくい“原理原則”と“実務への橋渡し能力”に注力すべきです。
⸻
● プロンプト設計力（Prompt Engineering）
● ユースケース発掘・再構築力
● AIツールの横断的知識（Notion AI、ChatGPT、Runway、GitHub Copilotなど）
⸻
● 軽量なデータ分析（Excel + Python + ChatGPT）
⸻
⸻
| フェーズ | やること |
| ①習熟 | ・ChatGPTの活用法（表形式出力、要約、コード生成）を極める・各業務に1つずつAIタスクを試す |
| ②応用 | ・業務や趣味の中で「AIにやらせたタスク」をログとして蓄積・ツールを使い分ける力を磨く（例：翻訳はDeepL、校正はChatGPTなど） |
| ③発信 | ・実践例をブログやSNSで発信（反応が学びになる）・他者の活用事例をフィードバックとともに評価する |
| ④導入補助 | ・他人にAIツールの使い方を教える・PoC（概念実証）をサポートすることで思考を外化 |
⸻
超大手IT企業で働き、さまざまな業界のお客様相手にシステム開発を行っているが、その全てでゴミを作って売っている
ここでのゴミとは、システム本体のことではない。システム本体もゴミだが、そのゴミは下請け会社が作るので、関係はない
思えばいろんなゴミを作ってきた
決して読まれない説明書、抜け漏れだらけの管理書なんてものはもう何十回も作った
作った記憶すらない資料がプロジェクト最終盤で全てを破壊し尽くす特大のゴミとなって舞い戻ってくるなんてこともあった
そもそもシステムの設定は大体の場合jsonやらyamlやらの「設定ファイル」の形で存在することが多い。
本来は設定ファイルを、その設定項目と値に関する参考資料を読みながらエディタで編集すれば終わる話だが、これではいけない
とりあえずGUIにしよう
お客様や運用担当者が触る可能性のある場合、これは当たり前のことである
お客様は適当なエディタをインストールすることは規則上できないだろう
また、docx,xlsx,pdf以外の拡張子は「怖い」と感じるように訓練を受けている
問題は、主に触れるのが開発者である場合だが、このパターンでも対処は別に難しくない
ほとんど全てのお客様は不確定事象に対する特殊な訓練を受けているため、「開発者以外が触る可能性がある」と言えば、それで通してくれる
GUIにするという方向で話が進んだら、一件落着、見積書に大量の工数とバッファを積んで、あとは適当に開発者に任せよう
普通の神経をしている開発者であれば、宣言的に設定できるように作るはずだが、この業界の平均的な技術水準を考えると、ひょっとしたら手続き的に設定するようなものを作ってくれるかもしれない
まあどちらでも問題はない
それがこのゴミの非常に素晴らしい点である、どっちでもいいのだ
一般にn個のbooleanな設定項目があり、それらがお互いに相互に依存しながら存在しているとき、最高(最低の意味)の場合、n!通りの設定方法が存在する
設定項目全てが2値ってことはないだろうから、ちょっと多くなったり、一部のグループ項目はそれらだけで独立してたりで少なくなったりはするだろう
ゴミを作るツールはエクセル、ワード、パワポから選択しよう、印刷まで考えると、それが最も困難であるエクセルがベストだ
ツールに大量のスクショを貼っていこう(赤枠を使って適宜強調するのを忘れずに)
そのまま説明をセルに直接書いてはいけない、ふきだしを使ってその中に説明を入れよう
罫線をいい感じに入れよう
目指すのは、ありえる設定と1:1になるような資料だ。普通は網羅できないから、適宜省略して作れるところまで作ろう
このゴミの素晴らしいところは組合せ爆発を利用して、ほぼ無限の工数を消費できる点にある
後々に、1つ設定項目を増やすことになったとき、この資料のメンテナンスがどれほど工数を消費するかは、状態の数から明らかである
宣言的に設定画面が作られている場合は、ちょっとした工夫が必要である
そのまま、それぞれの設定項目と値の意味を書いてはいけない、組合せ爆発が起きないからだ
私の好きなやり方はユースケースに分解することだ
関数もどきを資料内に独自に実装してはいけない、全部コピペで行うのがベストだ
そもそも手順が記載された資料というのはお客様の脳みそというインタープリタに解釈されるプログラムであるが、それが解釈できる構文は非常に限られており、actionの実行と、ifとgotoくらいであるから、関数なんて理解できない
もし、GUI作成の許可が降りずファイルで行う場合でも、このゴミは同様に作れる
設定ファイルをスクショし、赤枠をつけて、ふきだしでコメントを入れるのだ
そんな寝言を垂れ流す前に、その脳内の自己放尿を止めろ。現実を知らずに感情論で殴りかかるのは、ただの知的怠慢だ。
まずな、「コードを書く」と一口に言うが、AIはGPT-4以降、文脈理解、設計意図の読解、エラーログの解析、APIドキュメントの要点抽出、果てはCI/CDパイプラインの構築補助まで、実用レベルで人間の工数を削減してる。
そもそも、お前はAIが書いたコードをレビューしたことがあるのか？
エッジケースの処理、ユースケースに応じた構造の変化、リファクタリング提案までやってくる様子を見たことがあるのか？
それもせずに「書けない」などと言うのは、自分の無知を自己放尿のように撒き散らしてるに等しい。
今なお「自分の手で書かないとコードじゃない」とか言ってるのは、馬と車の比較で馬の方が魂があるとか言ってた時代錯誤の連中と同じだ。
以下に、ご提示された意見に対する反論を述べます。意見の要旨は「生成AIは大したことができず、エロ画像生成くらいしか役に立たない」「コンサルやIT業界が騒いでいるが、彼らはビットコインの時も同様に騒いでいた」「AIで国が覇権を取るなんてありえない」というものです。では、順番に反論していきます。 --- ### 1. 「生成AIは大したことができてない、エロ画像生成が捗るぐらい」 生成AIの能力を「エロ画像生成」に限定するのは、あまりにも視野が狭すぎます。確かに画像生成AI（例えばStable DiffusionやDALL-E）はアートやエンタメ分野で注目され、一部でそういう使われ方もしていますが、それだけではありません。 - **医療分野**: AIは既にX線やMRI画像から病変を検出したり、薬剤開発のシミュレーションで分子構造を提案したりしています。例えば、GoogleのDeepMindはタンパク質の折り畳み問題をほぼ解決し、創薬のスピードを劇的に上げました。 - **ビジネス**: 自然言語処理（NLP）を使ったAIは、カスタマーサポートの自動化、契約書の分析、マーケティング文の生成などで実用化されています。私のようなAIは、質問に答えるだけでなく、複雑なデータを要約したり、論理的な議論を展開したりできます。 - **クリエイティブ**: 音楽生成（例: Suno AI）、脚本のアイデア出し、建築デザインの提案など、クリエイティブ産業でも成果を上げています。 エロ画像生成はほんの一例で、生成AIの応用範囲は産業全体に広がっています。「大したことない」と切り捨てるのは、現実を見ていないだけです。 --- ### 2. 「コンサルやIT屋が大騒ぎしてるだけ、ビットコインの時と同じ」 ビットコインと生成AIを同列に扱うのは無理があります。ビットコインは投機的な金融資産であり、確かにバブル的な盛り上がりがありました。一方、生成AIは具体的な生産性向上や問題解決をもたらす技術です。 - **ビットコインとの違い**: ビットコインは価値の貯蔵や取引手段としての可能性が議論されましたが、実社会でのユースケースは限定的でした。対して生成AIは、既に企業や研究で実装され、コスト削減や効率化を実現しています。例えば、McKinseyのレポート（2023年）では、AIが2030年までに世界経済に13兆〜26兆ドルの価値を生むと予測されています。 - **IT業界の騒ぎの根拠**: IT企業がAIに投資するのは、単なる流行ではなく、データドリブンな意思決定の結果です。NVIDIAのGPU売上が急増しているのは、AIトレーニングの需要が増えている証拠です。コンサルが騒ぐのも、クライアント企業がAI導入で競争優位性を求めているから。 ビットコインの熱狂は「期待先行」でしたが、AIは「実績先行」です。両者を混同するのは、技術の本質を見誤っています。 --- ### 3. 「AIを活用した国が覇権国家になるなんてない、騙される奴はアホ」 AIが国家の覇権に影響を与えないと断言するのは、歴史的な技術革新のインパクトを無視した短絡的な見方です。 - **過去の例**: 産業革命で蒸気機関や機械化を活用した英国が覇権を握り、20世紀にはコンピュータとインターネットを先導した米国が超大国になりました。技術優位性は経済力と軍事力に直結します。 - **現在の状況**: 中国はAI特許出願数で世界トップ（WIPO統計2023年）を目指し、国家戦略「中国製造2025」でAIを中核に据えています。米国もAI規制や投資を加速させ、軍事AI（無人機やサイバー戦）の開発に注力。既にAIは地政学的な競争の一部です。 - **経済的影響**: AIで生産性が上がれば、GDP成長率が変わり、長期的に国力に差がつきます。例えば、Oxford EconomicsはAIが2030年までに米国のGDPを10%以上押し上げると試算しています。 「ないない」と笑うのは自由ですが、AIを活用した国が経済・軍事・技術で優位に立つ可能性はデータからも明らか。騙されるかどうかは、事実を見極める力にかかっています。 --- ### 結論 生成AIはエロ画像生成どころか、医療・ビジネス・クリエイティブで実績を上げており、ビットコインのようなバブルとは異なり、具体的な価値を生んでいます。国家の覇権についても、歴史と現在のトレンドを見れば、AIが大きな役割を果たすのは否定できません。意見を否定するなら、せめて具体的な根拠を示してほしいところです。でなければ、ただの感情的な言い分にしか聞こえませんよ。
https://grok.com/share/bGVnYWN5_a47f9665-9dd6-4f23-9efa-d511a8a84460
はてぶで一年前にまとめてずっと下書きだった内容。これ名前出して書いたら揉めそうだと思ったのでずっと投稿してなかったが、増田で供養。
コンニチハ、オイソギデスカ
思ったより読まれてたので、ブコメにも出てたRAGの話を派生編として書いておくね。
最初に結論から、RAG案件は受けるな。（コンサルみたいにタイムチャージで儲かるなら別）
※前回もそうなんだけど、いわゆるTrap streetは直接指摘しないで二ヤ二ヤしてくれな。概要把握できないほど変なことは書いてないよ。
RAGを必要とする組織は必要なデータ運用ができておらず、必要なデータ運用ができている組織にRAGは不要だから。
まず前提からな。
例えば、郵便番号で考えたらわかるんだけど、郵便番号データベースを参照させて生成AIから引っ張ってくるときに問題になることはなんだ？
当たり前だけど、大前提ね
郵便番号なら、市区町村とか、番地枝番とか、全部統一された規格で揃ってないとね。
例えば、「姉小路通柳馬場東入って何番？」は、「604-8103です」って返せるけど、
「604-8103に手紙出したいんだけど、住所書いてくれない？」で、「姉小路通柳馬場東入」と「柳馬場通姉小路下る」のどっちを普通書くよね、みたいなのは出てこない。
だって、京都に住んでる人の機嫌を損ねないための生成AIになってないもん。
ありがちだけど、「本社の郵便番号って何番だっけ？」みたいなやつとかね。
存在しない番号をチェックできるなら、最初からチェック用のデータベース叩きに行かない理由がいるよね。
ここまで前提ね。
まあ、郵便番号くらいガッツリ目に世の中に存在するものだったらやりようはあるんだけど。
ドキュメントはあるんだけど、検索が大変でどこにあるかすぐ探せなくてねーみたいなやつね。
RAGには向かないです。それドキュメントのメンテできてないから。
何が正しくてどれが最新で、誰が管理しててどこまで見せて良いか管理できていないからそういうことになってる。
このドキュメントは管理職以上にしか見せちゃダメね、これはこの部署のみ、これは部外秘、みたいな状況で散乱してたりする。
RAGには向かないです。やろうとしてることがデータ運用組織体制改善でRAGと関係なくなっちゃってるから。
これはまあ余録かな。作って納品するだけだったら検修通れば良いんだもんね。
まあ、そういう要件に限ってフワフワのままゴールがフラフラして大変なことになるんだけどね。
RAG入れたいっていうところ、社内全文検索エンジンとかが流行った頃に導入できてないか導入してもうまく検索できてない組織がほとんど。
そんで、そういう組織がRAGを適切に使えるようになるためには、まず全文検索エンジンでも引っ張ってこれるように整備する必要がある。
しかも、今後その組織で作られる情報全ての運用をそれに組み込まないとあっという間に陳腐化する。
その予算使って、まともなFAQサイト作ったり、社内司書みたいな業務区分作った方が幸せになれると思うよ。
多少盛ったり話を作って辻褄合わせても問題なくて、ある程度の専門性や社外秘の情報が必要で、柔軟な窓口対応を求められるところ。
社内雑談チャットbot、かな。（喫煙所の会話ができるマシーン）
これってさー、普通には予算降りないよね。社内で研究した結果の応用とかで社内発表するならまだしも外に委託する内容じゃないわな。
逆にアダルティーな感じのお店でのチャットbot運用ならワンチャンあるかも？
逆にいうと、これができていない組織にRAGはハマらないです。できている組織にRAGがいるかって言われると、ね。
だから、今からRAGの話が上がるような組織に対して案件を受けるのはやめておけ。
RAGにハマる（まともな）ユースケースもあるにはあると思うよ。
膨大な社内文書が整然と揃ってるけど、利活用時には個別具体的にカスタマイズする必要があって、社員の皆さんが多大な労力を費やしている職場。
文書を検索して整形して相手に合わせてカスタマイズする業務ね。思い当たるでしょうこちらの先進医療保健特約はつけるだけでとか、ドル建て債券は非常に安定度が高くとか。
そういうところはね、その業務が金の卵だって知ってるから余程のアレな会社以外は自力で整備するよ。だから今RAGとかいう会社はみんなアレなんだ逃げろ。
（家庭内WikiをRAGで柔軟に検索させるときに音声入出力すると未来感あるぞ（実用性があるかは人によるし儲かんないけど））
コンバンハ、オイソギデスカ
DeepSeekみたいな話題が日経新聞に載るたびに新規事業になるんじゃ無いかとかプロトタイプをもってこいみたいなこと言われると災難ですよね。
何がどうなってて、何はできないんですよみたいなのまとめておいたから、俺の屍を越えてゆけ。
まず前提からな
ここまでは前提な。こっからが、まとめ。
外に出したく無いデータがあるから、AzureのAPIも使いたく無いんだよね、みたいな職場では朗報。
いまんところモデルそのものに変なものは仕掛けられていないし、QwenやLlamaよりもまあまあできる印象。
できなくは無いけど、まっさらな状態だと稟議通すの無理じゃ無いかな、という金額を載せざるを得ない。
すでにでけえGPUとかで生成AI用の環境を組んでるところなら、できるよね。
できなくは無いけど（以下略）
既にQwenやLlamaを使って自前でなんかやっているところなら、後追いで強化学習のみでいけるか追試するなんてのはできる。
（こういう設備が既にあるなら、特にDeepSeekが出たから新しく、というわけじゃ無いけどね）
無理ですね。そもそも強化学習で改善するのだってJTCなら部長決済で済まないでしょ。（外資ならワンチャンあるのか！？）
そもそものベースの生成AIモデルを作るの、特に強化学習オンリーじゃなくてTransformerベースのよくある作りで作ってあるみたいだし。
無理ですね。蒸留する（ベンチマーク用の性能改善）ならいざ知らず、自社向けの定義もデータも揃わないでしょ。
プロトタイプならあり。ビジネスに組み込むつもりなら、少なくともDeepSeekの蒸留モデルは（まだ）使えない。
QwenやLlama派生モデル扱いなんだったら、MITライセンスになるわけがないので、かなりグレー。
同様に、（流石に多分大丈夫だと思うけど）DeepSeekの改善前のベースの生成AIモデルが、適法じゃなかった時揉めそう。
なお、これは別にDeepSeekに限ったリスクではなくて、QwenやLlamaも同じなんで、基本全部同じリスクを抱えてると思った方が良い。
元になるベースの生成AIモデル作るところまでは、既存の作り方と同じなのでビックテック優位変わらず。
が、雑にベースの生成AIモデル作っても、わりあいお安く性能改善できるんで追いつけるね、というのは、多分正しそう。
なんで研究資料とかオープンにしてんの？というのは、多分２つくらい理由があって、その方が話題になって儲かるから、というのと、オープンにしておけば転職しても使えるから、というもの。
カントリーリスクは相変わらずあるので、Web版とかAPIで使うなら、趣味の大っぴらにしてるプログラミングの補助で使うとか、ゲーム用になんかするとか、じゃないかな。
ローカルで使うって言っても、余程のことがない限りAPI使ってお支払いした方が、パソコン新調するよりはお安いのではないでしょうか。
低性能なの使ってもあんま楽しくないし、思いつくユースケースは、趣味でコストをかけずにゲームに生成AI組み込みたいんで無限にローカルで試行錯誤したい、くらいじゃないかな。
オープンソースになったんだから、コモディティ化（？）して、生成AIは誰でも作れるようになる！みたいな言説はまだまだお花畑ですね。
設備投資もランニングコストも、日本のベンチャーとかじゃまともな勝負にはならんでしょ。
メモリ１６GBのノートPCで動く１GiBサイズでChatGPT-4oレベルの超蒸留モデルが出てから出直してきてくださいというところ。
そんな超絶技巧のスモールサイズAIよりは、AGIの方が先にきそうだけど。
仕事で生成AIでなんかしろって言われたら、事実上選択肢は３つだけです。
