おはようございます。11月10日、SHIPの朝礼を始めます。

AIの強みは情報処理能力だと思われがちですが、それだけではありません。AIの進化を整理すると、次のようになります。

従来のIT　→　情報処理能力
生成AI　→　推論・生成能力
AIエージェント　→　目的に向かって判断・実行する能力

従来のITは、人間が決めたルールに従って大量の情報を正確かつ高速に処理するものでした。生成AIは、情報の意味や関係性を捉え、推論し、新しい答えを生成します。さらにAIエージェントは、与えられた目的に向かって必要な作業を判断し、実行するところまで進化しています。

SHIPが掲げる「AI×WEB二刀流」や「DERUKUI2.0」も、この進化を前提にしています。AIの強みは単なる情報処理ではなく、人間の知的能力を拡張し、問題解決の質と速度を飛躍的に高めることにあります。

しかし、ここに重要な前提があります。

AIの推論能力がどれほど高くても、顧客固有の問題を解決するための情報がなければ、一般論しか出てこないということです。

例えば、あるリフォーム会社のホームページの反響が減ったとします。アクセス数、検索順位、広告費、問い合わせ件数などの数字をAIに渡せば、それなりの分析レポートができます。しかし、その会社が過去に何を課題とし、どのような対策を行い、その結果どうなったのかという情報がなければ、よそよそしい数字の明細と一般的な改善提案の域を出ません。

これでは、数字を詳しく説明する「読み聞かせ」と大差ありません。

心理的な障壁を超え行動に移すためには過去に、「何をやったら、どうなってきたのか」という因果関係の情報です。

なぜその施策を実行したのか。何を変えたのか。その結果、どの数字がどう動いたのか。期待した結果が出なかったのはなぜか。次に何を試したのか。

こうした情報が時系列で蓄積されていれば、AIは過去の経緯を踏まえ、成果につながった要因や失敗した要因や市場での位置づけを推論し、次の打ち手を提案できます。もちろん、数字の前後関係だけで因果関係が証明されるわけではありません。だからこそ、意図・仮説と実行内容、結果と検証をセットで残すことが重要なのです。

その意味で、1回しか使わない資料のために何時間もかける仕事の仕方は変えなければなりません。どれほど見栄えのよいPowerPointを作っても、元になる情報が点のままであれば、アウトプットは一般論か数字の詳しい読み聞かせに終わります。

それよりも、日々の仕事の中で情報を積み重ねることです。

レポートシステムには数字の推移を、メンテシステムには実施した対応を、ミーティング履歴には顧客との合意や判断の理由を残す。それらを関連づけ、顧客ごとの問題解決の歴史を蓄積していきます。

SHIPには、住宅リフォーム業界に特化し、長年にわたり数多くの顧客の問題解決に取り組んできた実績があります。この「何をやったら、どうなった」という因果関係の情報こそ、他社が簡単には手に入れられない当社の強みです。

これを組織の共有資産として蓄積し、AIの推論・生成能力、さらにAIエージェントの実行能力と結びつけることで、顧客ごとの問題解決の質と速度は一段と高まります。

AIの問題解決能力の決め手は、因果の情報の集合です。

だから我々は勝てます。お客様にもっとも喜んでいただける会社になれます。

その未来をつくるのは、今日の一つひとつの仕事と、その結果を残し、次につなげる私たち自身の行動です。

以上で朝礼を終ります。