イベント当日にリアルタイムで書いていたものだが、公開ボタンを押すのを忘れていたことに今日気づいたので急いで公開した。
その関係で「今日」のような表現をしてしまっている部分があるかもしれないが、当時が正しいので読み替え願いたい。
本稿のセミナーイベント
原文版
リアルタイム性を大事にしたいので、AI要約をかける前のバージョンをおいておく
クリック・タップで展開
オープニングトーク
インプットと意思決定は人間の手が必要。リサーチはAIで代替できる
フィジカルAIの登場
Generative AIが開く未来～データ活用の新時代
スポンサーセッション：簗島さん。私にとっては本番その１
会社にお邪魔するのははじめてです。マーケ屋さんだったのか…。
改めて思うに、マーケティング（分析）とAIの親和性高いよね。
MAをAIで更に高速化・自動化できるよ、という強みはすごいインパクト。
AIを使わない事の方がリスクに感じる。
生成AIの進化とビジネスのインパクト
人間がやるよりもAIに任せた方が早く正確で多くの情報を伝えられる。
↑現状、現場からは「AIの精度が低いよね」とは言われるが、精度が急激に上がった時にどうするの？という事を考えられていない
単純作業だけでなく知的生産の領域でも。
- Before
- 単純作業の自動化。高速化
- After
- 知的生産の自動化
- コンテンツ生成
- 人間の能力を引き出す→生産性革命。特に趣味の領域でも
生成AIにおける人間の役割の再定義
- プレゼンテーション
- AIの方がプレゼンがうまく、効率的では？
- 構成要素のモジュール化→プラグインへ、スライドソフトへ自動組み込みすれば内容の自動生成もできてしまう
- コミュニケーション
- 雑談や感情領域だけが人間に残るのでは？
- 信頼と真実
- 精巧なフェイク動画とか。目で見たものを信じられるのか？疑う必要がある時代に
これらから、人間の役割を考える
- AIとの協業を前提にどう価値を生み出すかを考える
- AIが持っていない独自性のあるデータや経験を持つこと
これからのデータ戦略と未来展望
人間・独自データ・生成AIの３要素で考える
独自データ＝AIにデータを渡さない方がいい？ようにも見えてしまう
AIからデータを守る？
AIが出来る事、出来ない事を考えるのは不毛。将来的には出来るようになるため
それより、生成AIとの情報の非対称性をどう確保するか？
gpt-realtimeで音声対話型分析エージェントを作る
oc-sddとは？ Kiroの話がちょいちょい
ビジネスの意思決定は会議で決まる（決まりやすい）
→持ち帰ってもう一回会議に
- 持ち帰りがボトルネック
- 会議は音声対話で行われる
AIを会議に参加させるという発想
デモを見ないと伝わりにくい…
作るのが（要件とかデータ管理とか）難しそうだ。
生成AIでテーブルデータを爆速処理する
https://github.com/microsoft/openaivec
人はテーブルデータを処理する生き物
なんとキャッチーな！
しかしExcelを見せられると確かに…となってる。
データアナリストは生成AIで大量のデータを加工したいが、途方もないインプット→アウトプットを作っていくと通信も時間も掛かるので、これを解決しようというアプローチ。
話を聞いても（すごい事は分かったけど、自分が使う時にどうすれば良いか）よく分からんかったので裏でAIに聞きながらアレコレ聞いてたので、後でまとめます。
BIのAIを見て多分過渡期はこの手の使い方が主流になるのでは？と思った話(Tableau)
Tableau+Agentは年額30万、PowerBIだと100万はかかる…
今後のローカルLLM開発のしやすさ、敷居が下がってくるのにあわせてモバイルLLMという概念が出てきてもおかしくない
毎月市区町村が出しているデータを分析に掛ける練習をすると実績にもなるしよさそう
アナリストの仕事はどう変化する？
- ＡＩにツッコミを入れられる基礎があるか？
- 独自としてロジカルでない部分の武器、選択肢の多さ
- 人間性として説得力、好かれるか？
セイバーメトリクス関連の話(仮) → 野球をデータ分析で面白くしたい！
セイバーメトリクスとは？
野球のデータを統計学的に分析し、選手評価や戦略立案に役立てる手法や考え方
(Perplexity調べ)
ここでは野球の公開情報（スタッツデータをローデータとして使う）で野球の上手さを図る。
分析で面白くする、なのか面白い分析をする、なのか。
個人的に彼の事は多少知っているのでさすが！と思うけど、こういうアプローチがデータ分析への興味付けになるから個人的にはとてもいいな！と思ってます。
スライドがいちいち面白い。felo？
claude codeによる有価証券報告書分析
EDNET（金融庁データ）のXBRL形式の有価証券報告書CSVを使った
EDNETタクソノミ要素やIFRS決算書と非IFRS決算書の解釈ミスがあった。業務知識不足？
専門知識が弱そう。
ファイナンス系のOSSの方が精度が高そう？（まだ）
色々できそうだけど、この辺りが「独自性」であり、時間が経てば解決していく内容になるのだろうな、という気がする。
独り言→音声文字起こしからOpalでワークフロー作ってみた
聞きたい発表その２。同じく簗島さん。
Google Opalとは？
Difyみたいなもの？
https://note.com/dify_base/n/ndead35f97204
「こんな作業を自動化したい」と話すだけでAIが意図をくみ取り、最適なワークフローを自動設計してくれるなら？
音声入力→マルチコンテンツ（メディア）化できるか？
Step0: 音声を書き起こす
インプットの精度がひかえめに言ってひどい。
こんな（失礼ながら…）めちゃくちゃインプットデータでもよしなにやってくれる
Google Opalで音声入力のブロック？が作れるので、これをベースにくみ上げていく。
DifyなりNodeREDなりScratchの使い方が分かればすぐにできそう。
（昔、これっぽい感じのBPMツールでローコード開発していた時にすげー！と思ったものだ）
Step1: Web記事生成
- ディープリサーチで情報収集
- SEO最適化した記事構成構築
- 画像生成と自動挿入
- Webページとして出力
Step2: ポッドキャスト
- 記事を元に対話形式の台本作成
- AIキャラクターの音声生成
- タイトル・概要・カバープロンプト
Note記事とSNS投稿の自動生成
1.読者の興味を引く確度で記事を再構成
- ディープリサーチの結果を反映
- 自動で下書き出力
- SNS投稿はスプレッドシートで一括出力
発展例：会議議事録からネクストアクションを自動生成
- フォローメール
- プレゼン資料作成
- 市場調査
人間の役割変化
便利ツールを作る→プロダクトを作る
スクリプト作成→事業創造・仮説検証
全体所感
分析したことや作ったものの発表会感はありつつ、しかし内容は有益。さすが本職たち！
前回も思ったが、専門家じゃないと正直よく分からん、という話が多い中理解できる幅が広がってきた気がする。内容が易しかったのか、本会に継続的に参加したことで私の知見が広がったのかは分からない。