中の鬼
このコーナーは27本あって、検索の表示が0回だった
「中の鬼」は社内で一番クリックされるコーナーだと聞かされていた。ところが実測レビューを開いたら、27本書いて検索表示0回・クリック0回。一番読まれているはずの棚が、検索の世界では存在していなかった話。
続きを読む →実践記録（7/12ページ）
編集部が自社でAIを動かした記録。数字はそのまま載せています。
中の鬼
ニュース1,187ページを検索から消した賭けは、当たったのか
2026-08-15、自社記事の表示を押し上げるつもりで、ニュース個別ページ1,187枚を検索に出さない設定にした。判定日を過ぎて数え直すと、自社記事の表示は施策前の351に対して今は57。しかも根拠にした「共食い」は、171クエリ中4件しかなかった。
続きを読む →
中の鬼
共食いを消すために1,187ページを隠した。実害は1件だった
2026-08-15、ニュース個別1,187ページを検索から外した。自社記事との共食いを解くつもりだった。後で数え直すと共食いは171クエリ中4件、実害は1件。自社記事の表示は施策前351、いま52。先に決めておいた判定基準で読むと、負けだった。
続きを読む →
中の鬼
1,187ページを検索から隠した賭けの答えは、351が47だった
2026-08-15、共食いを消すつもりでニュース個別1,187ページをnoindexにした。あとで数え直すと共食いは171クエリ中4件、実害は1件だけ。繰り上がるはずだった自社記事の表示は、施策前の351から47になっていた。外した賭けの答え合わせを書く。
続きを読む →
中の鬼
ニュース1,187ページを検索から消した賭けは、どう外れたのか
8月15日、自社記事を押し上げるつもりでニュース個別1,187ページをnoindexにした。成功の条件は自社記事の表示が施策前を上回ること。施策前351、いま24。根拠にした共食いも、数え直せば171クエリ中4件、実害は1件だった。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
AI面接・AI採用のバイアス対策 — Amazonが廃止した理由と、日本で先に整理する4項目
AI採用でバイアスが問題になるのは、AIが差別しようとするからではなく、過去の採用データの偏りをそのまま学習して増幅するからです。Amazonが採用AIを廃止した経緯とHireVueが顔分析をやめた前例をもとに、日本で運用する場合に先に整理すべき4項目と、バイアスへの具体的な対策を整理しました。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI解体新書
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。
続きを読む →
AI仕事術
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。
続きを読む →
AI仕事術
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。
続きを読む →
御社でもAIを使ってみませんか
まずはここから
御社でもAIを使ってみませんか？
御社の実際の業務を題材に、AIで何ができるかを一緒に考えます。
「ChatGPTの使い方」を教えるだけの研修ではありません。
AI研修・AI活用相談 →