decus-pr (@decusprexternal) header
decus-pr (@decusprexternal) profile picture

DECUS PTE. LTD. — 経営および技術戦略とAIネイティブなデリバリー。実験サイト https://xitter.gq/t.co/bgl1epecjQ を運営しています。 Pokémon UNITE Aeos Crown 2027を目指すチームを応援しています

Singapore
Joined October 2026
こちらのチームを応援しています! スクリムの連絡は当アカウントまでお願いします!
ルるるさん @Rururu_wakame 芥川やまさん @_0yam あぽてゃさん @_apotya ぱらさん @1zdrx 僕 の5名でチーム決まりました 最後の大会頑張ります 明日からスクリム等も受け付けているので連絡は こちらのアカウントにお願いします @decusprexternal
1
1
347
appwright.xyz/market/ 日次市況を毎日出しています。新人時代にこれがあったらと思う反面、ない方が訓練になってよかったのか、と思ったりもします。
1,651
日本に限ってですが、McKとBCGの違いは、McKは日本社会基準で言うと偉そうだしクライアントに迎合しないけど,事実に基づいて正しいかどうかに徹底的にこだわる。ただ、だから客商売としてはナイーブすぎるかもしれない、というところだと思います。問題解決とか、コンサルティング手法においてアプローチが違うというところもがあるのでしょうが、なので、多分一番違うのは顧客接点での姿勢の方だと、私見ながら愚考します。
1
1,319
補足しますが、上はMcKにいた私が、BCGにいた人と働いた時に言われたことがベースになっています。McK alumniとしてN=1でもファクトベースではあります。その人の感想でしょ?と言われればそれまでですがね。
1,155
AIの統制は「人間の承認を挟むかどうか」で語られることが多いのです。 デロイトが25カ国・3,500人の経営層に聞いた調査で、40%の企業が「人間の承認なしにAIが判断を実行する」ことを、少なくとも中程度は許容していると答えました。 同じ調査で、意思決定と実行が速くなったと答えた企業は81%に達しています。ただし報告書自身がこの状態を「仕事は速くなったが、違う仕事になったわけではない」と表現しています。速くなったのは既存の業務で、仕事の中身が変わった企業は少数です。 一方で弊害もあるようです。AIが望まぬ結果を出したときに責任の所在が不明確だと答えた企業は23%です。およそ4社に1社。40%が実行を許している一方、23%が責任を決めていない。 実務で決めるべきはAIを使うかどうかではありません。どの仕事に人間の承認を残すか、仕事の責任を誰が負うか。この2つが新たな問いになりそうです。
1
954
生成AIの採用が25%増えると、開発チームの出荷量は1.5%減る。DORAのレポートに、そう書いてあります。 奇妙に見えますが、説明は単純です。速くなったのはコードを書く工程で、レビューに回る量が増えた分だけ後ろが詰まり、一度に出す量が増えれば確認する側の負担も増えて、確認待ちの列がそのまま伸びます。DORA自身はこれを因果ではなく関連として書いていて、断定はしていません。 同じことが開発の外でも起きているのだろうと思います。生成AIを業務で使う500人に聞いた調査で、仕事が止まる原因として自分の作業を挙げた人は21.4%にとどまりました。残りの71.0%は人と人の間です。返事待ち。確認待ち。承認待ち。過去の経緯を探す時間。そういうものが、そこに入ります。 この調査はTANKAという会社が実施したもので、同社はチーム向けのAIエージェントを販売しています。数字が自社の主張と整合する点は、割り引いて読む必要があります。 とはいえ、こういう数字がでてくると、AIで早くなる作業はあるが、すべてが早くなるわけではないし、むしろ判断する機会が増える・凝縮されて、AI疲れを引き起こす、なんていうのも、やはりそうなのかな、という気がしますね。
1
1
519
ノブロックTVの佐久間氏が高いトンカツは安いって言ってましたが、類似系として高いハンバーガーは安いを宣言します。
347
「仕事でClaude(あるいは任意のAIツール)が使えない=DPAがないから」というのをどこかで見たので、気になって素人なりに調べてみました。 日本の個人情報保護法は、委託なら監督(選定・契約・把握)を求めますが、「DPA」という名前の契約が必須、とは書いていません。約款を吟味して足りると判断できれば、追加覚書まで要らない、という整理もあります。 一方で、学習オプトアウトは個人プランでもできます。でもそれは「学習に使わない」だけで、推論のためにベンダーへ送ること自体は残ります。顧客契約で「AIに入れてよい」と許可をもらうのは、あなた↔顧客の話。委託先監督や越境の話とは、層が違うのではないでしょうか(素人なので自信はないです。あしからず)。 となると論点は、「DPAティアじゃないと違法」ではなく、「顧客の再委託条件や社内調達の証跡として弱いかどうか」なのかもしれません。皆さんの現場では、どこで線を引いていますか。
1
286
どんな答えになるにせよ、チャットAIからエージェントAIになったことで、機密情報の扱いなどを考えることが増えたなという印象です。昨今、情報漏洩事件が続いたり、セキュリティ問題などもありますしね。。。
224
シート課金は、エージェントの普及とともに消えるのでしょうか。 G2の2026年調査です。企業の購買担当者が「いちばん公平な課金形態はなにか」という質問に対して、シート課金はわずか9%でした。対して、従量・完了ベース課金は38%から57%まで伸びています。同じ調査で、56%の購買担当者が2030年までにエージェントがSaaSをまたいで仕事を回すと見ています。 人月商売と近しい話にも思えます。コンサルティングも受託開発も、「人が何人月働いたか」で売ってきました。エージェントは同じ時間で、人より多くのデスクワークをこなせます。シート課金も人月課金も、エージェントによって破壊されていくのでしょうか。 出典: G2 2026 AI Agents Report(PR Newswire, 2026-10-14) prnewswire.com/news-releases…
204
Nylasの調査によると、顧客対応にエージェントを使う756人のうち、エージェントに固有のIDを持たせているのは39%で、26%は従業員のアカウントを通して顧客からは見えない形で動いている。残りは両方の混在だ。 顧客からだけでなく、企業内でも、人とエージェントの区別がつかないケースがあります。 エージェントが従業員のアカウントで動けば、社内の記録にはその従業員の行動として記録されます。何かが起きたとき、最初に説明を求められるのはその従業員であってエージェントではありません。 エージェント専用のIDを整備していない組織に、その理由を聞くと、56%がセキュリティ審査、37%が技術的な複雑さを挙げています。 出典: nylas.com/agentic-ai-report-…
149
Grok Botを入れてみましたが、アカウント登録に使ったGithubのアカウントから、PRを見つけてきてマージするか聞いてきました。結構自律的だなと思いつつ、特に指示を出さずにやられると怖いような気もしますね。 半年くらいかけて、色々調べながらHermesエージェントを育ててきましたが、最近出てきているGrok Botのようなサービスは、Googleなどの外部サービスとの連携がだいぶやりやすくて、こうやってエージェントボットも使いやすくなるんだなと思います。 個人的には、レポを見回してPRを探す、という行動を自分が意識的にエージェントに頼んでいないのにやられると、繰り返しですが、不気味さも感じます。まだまだ過渡期だなと感じますね。
129
毎朝7時に市場レポートを作っていて、材料は検索APIで集めているのですが、今日、APIをDeepSeekからExaに替えました。 レポートに必要なのは、直近の記事だけです。そこが両者でまるで違っていました。 同じクエリを投げて、一次資料に当たった件数はDeepSeekが2/25、Exaが19/25です。差は9.5倍でした。 理由はモデルの賢さではありません。日付を「こちらの書式で渡す」か「APIの引数として渡す」かです。 DeepSeekの検索APIに、期間を絞るパラメータはありません。after: という演算子をクエリ文字列に書いて、サーバ側に解釈してもらう形になります。書式が合えばいいのですが、合わなくてもエラーは返らず、期間外の記事が混ざります。 だから補正を3つ重ねていました。効かなかったときに条件を緩めて再検索する段、索引の遅延の分だけ、余裕を足す調整、返ってきたものをクライアント側でもう一度絞る処理です。 さらに、DeepSeekは日付そのものを返さないことも多く、実測では6割が空でした。条件の書き方で全件に入るので向こうに情報がないわけではありませんが、頻度が読めない以上、日付なしを落とす処理を挟むしかありません。落とした記事が本当に古いのか、単に日付が付いていなかっただけなのかは、こちらには分かりません。 ExaはstartPublishedDateを引数として受け取り、publishedDateで公開日を返します。こちらの書式に依存しません。3つの補正がすべて不要になりました。 記事でないページの混入も同じ形でした。 銘柄・指数・レートのページが混ざるので、URLのパス文字列で弾くブロックリストを書きました。手元のデータでは完璧に動きました。別のデータでは効きません。 URLを覚えていただけでした。 Exaにはcategoryという引数があり、newsを指定すると取得元の種別で絞れます。判定を下流のフィルタから、上流の指定に戻せました。 補正コードの量は、上流の仕様の穴の大きさを映します。 自分で書いた補正が少ないほど、そのAPIは使いやすいと言えるのではないでしょうか。
98
毎朝7時に市場レポートを作っています。ニュースソースなどは、Tavilyの検索APIで集めていました。 10月19日に、DeepSeekの検索APIに乗り換えました。理由は2つです。コストと、返ってくる結果に権威度の点数が付かないことでした。DeepSeekは0〜4の権威度を返します。Tavilyが返すのは、関連度の点数だけです。 切り替えてすぐ、日付の扱いでつまずきました。返ってくる記事の6割に日付がありませんでした。 DeepSeekのドキュメントには、dateはnullable(つまり「nullのことがある」)と書いてあります。書いてあることは知っていました。 6割だとはどこにも書いてありませんでした。書いてあることと実際の頻度は別でした。 返ってくるのは、タイトル、URL、600〜800字の要約、日付、権威度、関連度です。このうち日付だけが空で返ることがあるわけです。 計測してみて分かったのは、日付で絞る条件をつけると全件に日付が入るということです。付けないと6割が空欄。日付データがないわけではなく、こちらのやり方で決まっていました。 日次で出すレポートなので、参照する記事は「24時間以内」で絞りました。日付の入った記事だけを残す。当然そうします。 今度は別な問題があり、DeepSeekの索引に記事が載るまで、1.5日ほどかかります。新しい記事はまだ入っていない。だから24時間の窓で絞ると、日付のある記事が全滅して、日付が空欄の古い記事だけが残りました。 新しくするための絞り込みが、古いものを確実に選び出していたわけです。 これが厄介なのは、何のエラーも出ないことです。20件返ってきて、見た目では新しいニュースかどうか判断できません。日付がないこと自体は、警告を出しません。 各記事の鮮度を確かめるには、1件ずつ「これはいつ出たのか」を確認するしかない。 しかも、要約だけ読むと内容はそれらしいことが多く、材料としては使えてしまい、古い記事でも要約は今日の話のように読めるため、この問題はなかなか表に出ません。 なので、レポートが参照している記事が昨日の話なのか先月の話なのかわかりません。 記事参照の問題については手当てをしましたので、今はこの問題はありませんが、これはAI活用の一つの学びだと思います。 AI検索の速さは要約の速さです。材料が新しいかどうかは必ずしもそうではなく、こちらのクエリで決まる。モデルは関係ありません。 日付のない記事はいつ出たのか分からないので検証できず、検証できない材料は私の使い方では使えません。 収集の質を上げたいなら、モデルを替えるより先に、クエリを直すことが重要でした。より正確に言うなら、どんなモデルでも今は相当賢く、どう使うか、ということが差を生み出すステージに来ているのかもしれません。
89