高橋 祐二

富士通の技術は主に大企業向けで、大規模なデータを効率的に処理しますが、中小企業では情報や業務の整備が不十分で導入が多分難しい。RPAの導入率が低い現状からも、中小企業では基本的な業務整備やキレイな情報が先決です。 【大企業囲い込みAI】的なのは、AIの力を十分に活かしきれていないとも言えます。GPTやCopilotのように、広く利用可能な形で提供する方がAIの潜在能力を最大限に引き出せるのではないでしょうか。

別側面から。 AIの進化＆深化のスピードを見ると、テクノロジーによる新たな技術サービスの登場と拡大＞技術調査＆評価からの特許出願と成立、では、明らかに現行は追いつかず。 昔の比例直線的変化には、特許による【守り】は効くが、エクスポネンシャルなAIの変化には、そもそも間に合うはずもなく。 特許制度とその時代背景が、テクノロジー進化の時代背景と大きくズレ始めた例かと思いつつ記事を読んでました。

公式の動画（確か3分程度版）で45秒程で会場が、どっ！とわきます。聞き逃し、再度、再生。 GPTが相槌を打ってました。 会場はわき、私は固まり、、。 既に、GPTsに会社の部の方針や戦略、営業担当者のあるべきマインドスタンスなど与えて学習させます。ここに営業データをリアルで繋げば、かなり厳しい（？）指示や指摘を、【優しい言葉で】出します。そして、相槌。こうなると管理職は、、、。 また、人が行う、決定や戦略立案のベースは、多くの場合、【確度が高い情報の多さ】です。 目と耳を持ち、リアルなネット検索と情報収集を行い、社の方針に沿って、膨大な知見で、回答・支援する。しかも、未来でなく、昨日から。 ・騒ぐとか、騒がないとかでなく、単に向き合う ・活用するとかしない、でなく、AIベースで、産業も事業も業務を再構築を行う ところまで、来たな、、が私の実感です。

【仕事】なら、二つは同意です。 優先順位をつけて、仮説を持って取り掛かる。なら【仕事】は進みます。ただ、「周囲の感情を動かさない」は、同列で語れないのでは。 作業・仕事・ビジネス 会社活動には大きく分けると3つ ある、と思います。（戦略系は除く） 作業：決まった手順、内容を期限までに行う 仕事：自分と周囲の人と、調整しながら複数の要素をコントロール ビジネス：課題発見/計画/実行/フィードバックまで、自律的に取り組み、自身と関係者巻き込みで、実施 ビジネスでは、【相手を動かして】なんぼ、なので、感情やモチベーションをどう変化、維持するかが大事、です。 役割や職位によっても違うので使い分け出来ると素晴らしい、ですね。

具体と抽象の往復、本当に大事だと思います。往復と言うよりは、キャッチボール位な感じかと。 具体だけでは、ひとりツボにハマり易く、抽象だけでは、フワッとし過ぎで詰まらない。 具体に大事なのは、言葉の数とフレーム。抽象に大事なのは、言い換えや本質化では、と日頃、感じています。

（生成系AI:GPTの）「適当さ」を見抜き、だまされないこと。それを、私たちに必要な、良い意味での「適切さ」に変換する能力を身につけること】 これ普段から当たり前では？ 相手の話や情報が【等しく確かだ！】と、判断してる人は少ないでしょう。 GPTに代表される生成系AIの回答を【適当】としてますが、プロンプトの与え方で【適格】な回答を出します。 LLM（大規模言語モデル）の仕組みは詳しくは分かりませんが、膨大な言葉の確率的繋がりを、既存の文書から蓄積し、その繋がりをパラメータでモデル化したもの、と認識しています。 つまり、相手の話やたくさんの書籍を読み、溜まった情報を、最も多く語られ見かけた文脈から選んで話している博学の人に近い、ということ。 よって、LLMが、得ている過去情報が正しく、論理・文脈が確かなら、【適当ではなく適格】な大量情報を持っている。 自身の欲しい情報のために、LLMに、条件・前提・回答書式の指定をして、指示したら、実に良い働きをします。