おはようございます。9月15日、SHIPの朝礼を始めます。

本日は、現在私が直面している「失敗」の共有からお話しします。

AIレポートの自動化策として、少し前から、まずは広告評価を行うAIエージェントの開発に取り組んでいました。顧客のアクセスデータや広告の運用設定は、すべて当社のシステムに蓄積されています。このデータをAIに解析させれば、過去の施策評価と今後の改善案が自動的に導き出されるはずだと考えていました。

しかし、結論から言うと、うまくいきませんでした。

設定やメンテ情報に意図や仮説の記述がないものが多く、過去の事実データだけをAIに読み込ませても、表面的な事実をなぞるだけで、実用的な評価には至らなかったのです。

■ データだけでは仕事は評価できない

たとえば、「このクリエイティブに替えることで競合比較でも競争優位性があり、滞在時間が延び、CVRも上がるはずだ」という明確な仮説があったとします。

この仮説の文脈が設定として残っていれば、AIは大量のデータを用いて「仮説の正誤」「ズレの要因」「次の一手」を的確に検証できます。

逆に言えば、結果の数値だけを渡しても、AIは「なぜその施策を実行したのか」が分かりません。AIが真価を発揮するために必要なのは、データ量以上に、私たちの仕事の「意図」と「仮説」なのです。

では、その意図や仮説を毎回人間が言語化し、丁寧に入力すべきでしょうか。

時間がかかることと、人によるばらつきが発生することが考えられます。したがって、ここでもAIを活用すべきです。AIに「今回の狙いは何ですか？」「成功の定義は何ですか？」「なぜこの変更を加えたのですか？」と質問させ、対話を通じて意図と仮説を引き出し、記録させればよいのです。

■ 日報も同じ構造である

ここからが本題です。

この仕組みを、私たちの日報や進捗管理に応用したらどうなるでしょうか。

構造は全く同じです。

先月各自でやってもらったように、完成した日報をAIに読ませるのではなく、「日報をAIに作らせる」ところから始めることです。

AIが各自の担当案件や役割を事前に理解した上で、「今日はどこまで進みましたか？」「予定とのギャップは何ですか？」「次に何をしますか？」と問いかけます。

私たちは、その質問に答えるだけです。

認識にズレがあればその場で修正し、AIはプロジェクトへの理解を深めます。そして対話の内容は案件別・タスク別に整理され、精度の高い業務報告として自動生成されます。これは営業、制作、管理のどの部門でも同じように機能します。

■ AIを前提とした仕事の再設計へ

今後、SHIPではこの「AIドリブンの業務報告」の構築に取り掛かります。まずは数日後から、一部のメンバーを対象にテスト運用を開始する予定です。

この取り組みの目的は、単に日報作成の手間を省くことだけではありません。

当社の「ACAフレーム」と同様に、「AI Powered（AIが働く）」環境を作ることで、社内の情報を「AI Optimized（AI最適化）」な状態へと導くことです。それによって、単なる報告にとどまらず、業務全体をAIにサポートしてもらう仕組みが完成します。

もはや、日報そのものに時間をかける必要はありません。

AIとの対話を通じて一日の締めくくりと明日からの業務が明確になり、それが結果としてチームの業績向上にも直結していくはずです。

まずはテスト運用を通じて私たち自身が実践し、失敗と改善を繰り返してノウハウを蓄積しましょう。自分たちで成果を実感できれば、この仕組み自体を新しいソリューションとして顧客へ提案することもできます。

AIを仕事の「最後」の記録に使うのではなく、仕事の「最初」から参加させる。私たちがこれから取り組むのは、業務の効率化を超えた「AIを前提とした仕事の再設計」です。

以上で本日の朝礼を終わります。