実践記録

AI秘書が毎朝8時にやっていること — 27本のcronジョブと、3日間止まっていた話

弊社の「AI秘書」は毎朝8時に経営データを1枚のブリーフィングにまとめます。実際のスクリプト・出力・実行ログを開いて、何をしていて、何ができていないかを数字で書きました。

失敗の鬼

AI処理414件を失敗させた話 — モデルを指定しなかっただけで、75%が落ちた

自社メディアの記事要約を一括処理したところ、553件のうち414件が失敗しました。原因は「使うAIモデルを指定しなかった」こと。何が起き、どう仕組みに落としたかを、実際のコードとログで公開します。

API課金ゼロでAIメディアを2本動かす — 実際の構成と、かかっている費用の全部

宇宙産業メディアと補助金メディアを、従量課金ゼロで無人運転しています。収集・翻訳・要約・配信のどこにお金がかかり、それをどう避けたか。実際のコードと実行ログから、数字だけで書きます。

AI検索観測所

ChatGPTやPerplexityで自社が出るか、実際に測ってみました ― 分かったことと、まだ測れていないこと

AI検索で自社が引用元として出るのかを、Playwrightで実際に測定しました。個社サイトは引用されていました。ただし構造化データは効かず、測定そのものが極めて不安定という結果も出ています。

中小企業が最初にAI化すべき業務の見つけ方

中小企業のAI導入率はまだ2割程度。どの業務から着手すべきかを公的調査データと製造業の実例から具体的に整理します。

議事録作成をAIに任せる — 実際に運用できる形にするまで

議事録作成の負担をAIで減らした企業の公表事例と、精度の限界や運用の工夫を整理します。

問い合わせ対応にAIを入れた企業は何が変わったのか

AIチャットボットで社内の問い合わせ対応を効率化した企業の公表事例と、導入初期にうまくいかなかった点を整理します。

つないだツールが更新されたら、AIエージェントは何%壊れるか — 123サーバーで測った研究

AIエージェントに外部ツールをつなぐと、つないだ先が更新されただけで成功率が13〜14%落ちる。2026年7月公開の研究で測定された数字と、中小企業がAI導入の契約前に決めておくべきことを整理しました。

AIに記憶を持たせると何が起きるか — 1,227ケースで判明した「後から効く」汚染

AIエージェントに社内の情報を覚えさせると、入力時のチェックをすり抜けて後から悪影響を出す汚染が起きます。2026年7月公開の研究が検証した1,227ケースの結果と、中小企業が記憶機能を使うときの線引きを整理しました。

AIに手順書を渡すと成績はどれだけ上がるか — 決済連携の実測で10.31ポイント

同じAIでも、その業務専用の手順書を渡すかどうかで成績が変わります。決済システム連携を題材にした2026年7月公開の研究では、平均10.31ポイントの改善が測定されました。中小企業がAIを使うときに、この差がどこで効くのかを整理します。

AIの評価を「成功率」だけで見ると何を見落とすか — セキュリティ分野の研究から

AIの性能は通常「どれだけ正解したか」で語られますが、実務では1回いくらかかったかが同じくらい効きます。2026年7月公開の研究は、コストを揃えて比較すると評価が変わること、そして仕事の種類によって「予算を積む効果」が違うことを示しました。

高価なGPUなしでAIは動くか — CPUだけで32BモデルをまわすPolyQの実測

社外に出せないデータをAIに処理させたい場合、自社の機械で動かす必要があります。2026年7月公開の研究は、GPUを使わずCPUだけで大きなモデルを動かす手法を、ノートPCを含む3種類の機械で実測しました。数字と、中小企業にとっての現実的な線引きを整理します。

AIの良し悪しを自社基準でどう測るか — 公開ベンチマークが当てにならない理由

AI導入の判断で公開ベンチマークの順位を見ても、自社の業務とは条件が違います。2026年7月公開の研究は、自社専用の採点基準を作る手順と、AIによる自動採点をいつ信用してよいかの線引きを示しました。中小企業がすぐ真似できる部分を抜き出します。

AIに設計業務を任せると成功率は何%か — 56.8%から88.6%に上がった条件

構造設計をAIに任せる研究で、汎用のまま使うと成功率56.8%、業務の手順と道具を整えると88.6%まで上がりました。差を生んだのはモデルの賢さではありません。製造業・建設業でAI導入を考えるときに、どこに手を入れるべきかを整理します。

運送・物流業のAI活用事例

ヤマト運輸・佐川急便などの公表データをもとに、配送ルート最適化や需要予測でAIが何を変えたのか、そして現場で「使われない」ケースがなぜ起きるのかを整理しました。

経理業務のAI化 — 何が自動化できて何ができないか

花王グループなどの公表事例をもとに、経理業務でAIが実際に削減しているのは何の時間なのか、そして生成AIの誤り（ハルシネーション）がなぜ経理では特に危険なのかを整理しました。

社内文書をAIに探させるのに、大きなモデルは必要か — 18分の1の規模で戦えるという報告

社内文書の検索にAIを使う場合、最上位のモデルでなければ話にならないと考えがちです。2026年7月公開の研究は、17億パラメータの小さなモデルをスマートフォン上で動かし、最大18倍の規模のモデルと競合したと報告しました。中小企業にとっての現実的な読み方を整理します。

需要予測AIはなぜ繁忙期を外すのか — 平均誤差では見えない失敗

需要予測で本当に困るのは、平均的な誤差ではなくピークを外すことです。2026年7月公開の研究は、一般的な誤差指標がピークの失敗を覆い隠すと指摘し、少なく見積もる誤りを重く扱う手法を提案しました。発注・仕込み・人員配置に効く読み方を整理します。

採用・人事でのAI活用と、その落とし穴

ソフトバンクのAI書類選考事例と、Amazonがバイアス問題で採用AIを廃止した経緯をもとに、採用AIの効果と限界、個人情報・差別リスクの実務上の注意点を整理しました。

AIの正答率が上がっても、説明が正しくなるとは限らない — 9システムの比較分析

AIツールを比べるとき、正答率の高さで選びがちです。しかし2026年7月公開の研究は、回答の精度が上がっても、根拠の説明が忠実で完全になるとは限らないと報告しました。業務でAIを使うとき、どこを見るべきかを整理します。

営業活動をAIで支援する — 実例と限界

商談の記録入力、訪問先の選定、社内向けAIレコメンド。公表されている実例と数字をもとに、営業AIで何ができて何ができないかを整理しました。

在庫管理・需要予測にAIを使う

コンビニや石油元売りが公表している発注時間・誤差率の実数字から、需要予測AIで何が変わるのか、どこに向かないのかを整理しました。

AI規制はどちらに動くか — 7カ国調査が示した市民の選好と、現行政策とのずれ

AI規制の行方は、中小企業の投資判断にも効きます。2026年7月公開の7カ国調査は、市民が安全・公的統治・国際協調を支持しており、現在主流の規制アプローチとの間に体系的なずれがあると報告しました。何が読み取れるかを整理します。

AIに調べ物をさせると、専門家と同じ結論に届くか — 28研究の自動メタ分析

「調べてまとめる」仕事はAIに向いていそうで、実際には根拠の追跡が難しく任せにくい領域です。2026年7月公開の研究は、検索から統計処理まで通しで自動化し、専門家によるメタ分析と近い結果を得たと報告しました。中小企業の調査業務に何が使えるかを整理します。

翻訳業務をAIに置き換えた企業の実際

日立産機システムやSyncWordsなど、AI翻訳を業務に組み込んだ企業が公表している削減時間・コストの実数字と、ニュアンスや専門用語で残る限界を整理しました。

AIエージェントとは何か — 中小企業に関係あるのか

「AIエージェント」と「チャットボット」は何が違うのか。実際に効果が公表されている事例と、自律的に動かして事故になった事例の両方から、中小企業にとっての現実的な距離感を整理します。

AIの公平性を上げると、プライバシーは守られるのか — 全体平均では見えない差

採用や与信でAIを使うとき、公平性への配慮は避けられません。2026年7月公開の研究は、公平性を高める処理がプライバシー上のリスクに与える影響を部分集団ごとに調べ、全体の平均では見えない偏りがあることを示しました。

業務フローにAIを組み込むときの設計

「AIツールを使う」ことと「業務フローに組み込む」ことは別物です。公表されている実例の数字から、工程単位で設計することの意味と、うまく定着しない場合の共通点を整理します。

ローカルでAIを動かす — 情報を外に出さない選択肢

顧客情報や図面データを外部のAIサービスに送りたくない企業向けに、ローカルLLM（自社の機器の中だけで動くAI）という選択肢があります。仕組み・費用・性能面の限界を実例つきで整理しました。

AI導入にかかる本当の費用の内訳

AI導入費用はライセンス代だけではありません。初期設定・連携開発・運用の3層に分けて、確認できた料金相場とともに整理します。