第48回経営研究会(2017/5/28) コグニティ株式会社 代表取締役; 河野理愛

1.日時:

平成29年5月28日(日)
13:10~14:10 講演
14:10~14:40 ディスカッション
14:40〜14:50 休憩
14:50〜15:00 2017年度優秀プロジェクトの募集について
15:00〜15:30 受賞プロジェクト進捗報告・質疑 渡邊峻さん『卒業就職支援学習塾』
15:30〜16:00 受賞プロジェクト進捗報告・質疑 黒岩かをるさん『医療面接訓練評価』
16:00~17:00 ネットワーキングタイム

2.場所:

東京都 南部労政会館 (地図のリンク) 第二会議室

3.講師:

コグニティ株式会社 代表取締役
河野 理愛 氏

4.テーマ:

トレンド環境とアウェーな環境でのスタートアップ
– AI領域でシリーズA調達するとは –

5.参加費:

無料

6.まとめ:

 

【講演パート】

論点ランキング

このランキングは、コグニティ社のUpSighter解析によって、「聞き手にとって重要に思える論点」を検出し、
重要度順にランク付けしたものです。要点を抽出したサマリーとしてお読みいただくことができます。

 コミュニケーションを定量化して比較
そういったテーマの中で、現在提供していますサービスの名前をアップ・サイターという名前で提供しております。今日、こちら資料を配らさせていただいてますが、アップ・サイター、サイト、視野、示唆をアップできるような商品にしたいという意味で作っております。簡単にいいますとですね、なにかといいますと、コミュニケーションを定量化して比較できるようにしますよというのが、我々のサービスになります。じゃあどんなのというところで、具体的なところなんですが、我々のですね、大きなお客様は、製薬メーカーさんが多くなっております。これはですね、たくさんのお薬を売る営業マン、MRさんを対象にしているんですが、彼らはですね、お医者様を相手にしますので、非常に論理的な話をしないとちゃんと売れないと。だけど外資系の製薬メーカーのようにボンボン人を切れないので、結局やっぱりボトムアップのためにどうやったらいいかということを悩んでらっしゃるんですね。なので、全国に散らばっているMRさんの何百人ものトークのデータをいただき、それを成績順に並べます。そうしますとですね、実は我々の解析した内容としましては、成績上位の分を下位の分と分けまして、継時的上位の人は実はですね、データとか特徴はそんなに喋ってなくて、効果や利点をしっかり喋っているということが導き出されたりします。つまりですね、成績下位の方は、かなりいいと思って論理的にしようと思ってデータをたくさん喋っているんですけど、実はそれではお医者様は納得してくれていなかったというような事実が発見できたりしまして、結局これの結果、研修所や人事としては、もうちょっと違う研修を入れていこうだとか、各地域にちゃんと利点を説明できるようなメゾットの資料を置いておこうとか、そういったところの強化方針を変えていくみたいな話が出たりもします。
 判別できる
ですので、こういったデータベースを持っているがためにひとつ何か新しい文章やスピーチが出た時も、それと比較することによって先ほどの冒頭にお配りしたようなレポートを作れると。あなたはどこが足りない、何がどのぐらいの割合で多すぎたとか、そういったとこは判別できるようになるというのが我々の試験です。
 新しい働き方とビジネスをちゃんと直結
じゃあどういうビジネスにしましょうかというのが、最初の会社立ち上げ時に考えていたことです。我々ですね、これ本当に一番最初に我々が立ち上げようとした時に書いたものなんですけれども、技術がどうのように人間の限界を解決してきたかみたいなところをずっと考えていました。その中でですね、思考、意思決定とかあと議論とか、そういったものってまだ全然人間の思い込みに頼っているところあるように、ここを技術で何かできないかな、みたいなことをずっと考えておりました。実はですね、2012年6月とか2007年1月と書いてますよね。ベースはサラリーマンの時代にもう考えていたというようなものです。それだけじゃなくて、新しい働き方とビジネスをちゃんと直結させたいなというふうに考えておりました。今でさえ在宅勤務というワードがかなり聞かれるようになりましたが、在宅勤務にフィットした会社、仕事の仕方ってなんだろうというところを、前回やってみたいというふうに考えていたというところがあります。これも実は、会社にいるときから考えていたことで、特にですね、ソニーにいるときに、工場で働くということもあったんです。そのときにやっぱり工場っていろんな人がゼロベースで働ける場所みたいなところだったんですが、ITの時代でないですよね。みんなスキルとか経験がないとなかなか参入できない領域。でも、じゃあそれってそのままでいいんだろうかって。規模が大きくならないのはそこにあるんじゃないのみたいなところを考えていたというのが、私のベースになります。この結果、2013年3月にですね、事業領域として意思決定と思考を中心にする場所、働き方としては、人にしかできない工夫とか知識の部分を扱って行けるような仕事を作り出す、こういったところに着目して、会社を作りました。 
 モデリングとデータベース
そしてうちがある意味出資を受けられるようになった理由もここです。これ、コグニティはですね、他社のトレンドのところは狙ってませんていうのを大前提にしてました。これはちょっとその処理の事例なんですけれども、まずなにか先ほどの猫っていう物体を見たときにですね、これが何者かっていうときに画像を映しますとか捉えます。まあセンサリングで書いてますが画像認識とかですね、そこでなにかっていうのをまずキャプチャーするという技術があります。そしてそのあと、それは動物を見ようとしてるのか、それとも背景を見ようとしてるのか、それともなんか機能を見たいだけなのか雰囲気をわかりたいのかとか、なんかいろんな何を調べたいのかっていうことを決めなきゃいけない、モデリングという領域であります。そしてそのモデリングに合わせて処理を回す、ここでニューラルだとかなんだとか、まあ車を判別するだとかそういったものをグルグル回す、この結果データになって貯まり続けて循環を起こすというふうに、まあ一連の処理としてあるとしたらいいんですが、多くの会社は実はここ、音声認識画像認識と、ニューラルとかディープラーニングのここ、ここに力を入れるんですが、うちのコグニティはですね、モデリングとデータベースという彼らのやらないところに力を入れたいと思ってやっています。 
 必ず売れるところから売れ
なので、ちょっともう本日のまとめという感じでまとめちゃうんですけれども、もう紆余曲折あって私はやりたいことをたくさんやりたかったんですけれども、実績のないところ、やりたいことじゃないっていうのをまあやりたいことを曲げてもやったほうが近道になることっていっぱいあるなと、その中でもやっぱりまず最初やりたいものだけ言ってんじゃなくて売れるものから売るみたいなとこはものすごく大事で、私はもう今営業さんのツールを作ってるわけですけど営業はできないし、人事部門ととりあってるわけですけど人事もやったことないし苦手だし、もうどうしようかと思ってたんですけれども、ニーズがあるところにしかもう売れないんですよね、お金を出していただけないと。で、最初はやっぱ売れるものは最初から作れるわけじゃないので、これは私の反省でもあるんですけど、ニーズヒアリングした瞬間にあ、ニーズありませんねっていうんじゃなくて、彼らのニーズのここに使えませんかってもっとグイグイ押すべきだと。実はもう今の商品ですら売れるところだけを切り出したわけですけれども、もう聞いてる中って一番最初実はですね、文字起こしのように外注で出してる会社さんから売れたんですね。文字起こしはもう先に売ってるから予算取りやすいよ、言われてじゃあそれも含めて解析させてくださいというふうに言ったらですね、もう売れるところと同じ、もうすでに売ってるところと同じものだからいっしょに買ってあげるよっていうふうになってんです。だからヒントがいっぱい出てくるので、必ず売れるところから売れというのが今回の学びでした。

 

議論の構造図

CogStructureと呼ばれるこの図は、コグニティ社のサービス「UpSighter」の解析によって作成されています。
 会議・プレゼンテーションで語られた内容について、論点の関係性を模式的に示しており、
重要と考えられる論点は大きな「円」で示され、「矢印」によってその話題の広がりや影響関係のある話題に繋がっています。

河野さん講演cogstructure

 

講演議事録

アップ・サイター

まずですね、サービスのご紹介というところなのですが、本日の、私自身の紹介をしましてはですね、文系の大学を1度出まして、それでそのときにですね、それより前なのですが、大学に入る前に1度起業をしています。しているんですけれども、大学を終えるときにですね、いろんな会社と付き合いまして、このまま学生のまま社長やっていても全然だめだなと思って、これはやめようと。会社をちょっと譲渡しまして、それでソニーに入りました。ソニーに入っている間にですね、やっぱりちょっと理系の学校に行っておこうと思ってですね、夜学でまた行ったりなんかして、ソニーにいたらですね、向こうの***製造業真っ只中、右肩下がり真っ只中、全然、この年でこんなことやっていていいのだろうかとなり、ちょうど震災の年なんですね、震災の年にもうちょっと世の中ぎょっとするような仕事したいなっていうことで、そのときもイケイケどんどんだったですね。ソーシャルゲームもDeNAに移りまして、移ったはいいけどまったく文化の違う会社、これは違うなと思って辞めまして、そして会社を作ったというのが今の状況です。河野さん:今日はですね、前々からAIが流行っているからAIについて喋ってくれって言われて、んー、会社のことをしゃべるのか、どうしようか凄く悩んだんですが、ちょっとだから、会社が、会社がというか、社長学というところもありますので、投資の会社と何年間の間になにが起こったとかといったところをちょっとお伝えしたいなと思っています。本日の内容なんですけれども、ちょっとザックリですね、今の我々の会社とサービスのご紹介をさせていただいて、そこからですね、アウェイ環境で立ち上げるというところなんですが、最初の会社立ち上げ時、どんなことをしたか。それからですね、昨年資金調達をしております。それの状況はどうであったかみたいなところをお伝えしたいと思います。

会社としましてはですね、テーマは思考の認知バイアスというところにおいております。認知バイアスをどうやって取り除くかということをテーマにしている会社です。2013年3月に設立しまして、正社員、実はまだ1名で、パート・バイトで約50名前後という形で、しかもですね、完全在宅勤務として経営しておりまして、一番遠いところではエストニア、ドバイ、タイといった形で、全世界から一緒に働いてくれているという会社になります。先ほども申し上げましたが、思考のバイアスを取るというところがテーマになっておりまして、まず人間ってすごく物事に対して思い込みで判断しがちですよねって言うところに対して、どうやって技術の力をもって、360度見せてあげて、納得できるような意思決定に持っていけるかといったところをテーマにしている会社です。

そういったテーマの中で、現在提供していますサービスの名前をアップ・サイターという名前で提供しております。今日、こちら資料を配らさせていただいてますが、アップ・サイター、サイト、視野、示唆をアップできるような商品にしたいという意味で作っております。簡単にいいますとですね、なにかといいますと、コミュニケーションを定量化して比較できるようにしますよというのが、我々のサービスになります。

じゃあどんなのというところで、具体的なところなんですが、我々のですね、大きなお客様は、製薬メーカーさんが多くなっております。これはですね、たくさんのお薬を売る営業マン、MRさんを対象にしているんですが、彼らはですね、お医者様を相手にしますので、非常に論理的な話をしないとちゃんと売れないと。だけど外資系の製薬メーカーのようにボンボン人を切れないので、結局やっぱりボトムアップのためにどうやったらいいかということを悩んでらっしゃるんですね。なので、全国に散らばっているMRさんの何百人ものトークのデータをいただき、それを成績順に並べます。そうしますとですね、実は我々の解析した内容としましては、成績上位の分を下位の分と分けまして、継時的上位の人は実はですね、データとか特徴はそんなに喋ってなくて、効果や利点をしっかり喋っているということが導き出されたりします。つまりですね、成績下位の方は、かなりいいと思って論理的にしようと思ってデータをたくさん喋っているんですけど、実はそれではお医者様は納得してくれていなかったというような事実が発見できたりしまして、結局これの結果、研修所や人事としては、もうちょっと違う研修を入れていこうだとか、各地域にちゃんと利点を説明できるようなメゾットの資料を置いておこうとか、そういったところの強化方針を変えていくみたいな話が出たりもします。

もう1点ですね、じゃあその方針が判ったら、今度は個人レポートを提供するみたいなことをしております。例えばなんですが、ちょっと見にくくて申し訳ありませんが、一人ひとりのトークに対して、売れている成績上位の方との違いをいうものを数値化した、見える化したものを出しまして、あなたここが要改善ですよ。例えば、利点説明しっかりしてますか、みたいなところ、ここ全然この方でてないから改善したほうがいいですよ。ページいくつを見てください。あなたのトークのここ、もっとデータよりも理由づけをしてあげられますよね、みたいな形でピックアップして見せてあげるみたいなことができます。本日お手元にお配りしている資料の中でいきますと、表側のほうに、重要度ランキングというようなものがあると思います。A4の紙のほうのところ見ていただけるとわかるんですが、これ全体のですね、小松さんのプレゼンテーションを解析したものになります。1枚目にですね、論点サマリーというふうに書いてあるところ、これが実は我々の解析技術で、どこが話の重要な点であったかというところをランキングで抜き出しているものです。これを見ますと、だいたい話の中で、課題であったり、話の分岐点になってあったりという、重要なポイントが全部5番まで載ってきているというものです。例えば、営業当初であればその5番なんに自分の言いたかったことが載ってなければ、トークを変えたほうがいいというような改善案に結びつけてもらうみたいなことをしております。裏側にはですね、グラフも書いてあると思います。それが先ほどのですね、売れている方と売れてない方ではどう違うんだみたいなことの会議版になります。平均的な会議に比べて、全体の会議では結構深堀した説明が多かったねとか、そういった差分がみえるようになるというものです。下のところは論理展開になります。人間の論理展開というのは、やっぱり聞きやすくて理解しやすいものもあれば、わかりにくいけどちゃんと理解力を高めてあげられることもあったり、わかった気になって、話がスルーしてしまうような論理展開なんかもあります。結局人間は起承転結以外のいろんなパターンで、どのような言い方をすると理解度が高まるか、納得度が高まるかみたいなところを解析していくのが、我々のサービスになっております。これで私ですね、方針を決めるだけでなく、一人ひとり、個別の会議やトークというものをどう直していけばいいかというところを、アセスメントシートとして提供することによって、いわゆる今までのですね、アンケートに答えて、それで評価をしてくれるのではなく、その生のトークをちゃんと数値化しましょうというところで使っていただいております。

使われている現場になりますが、実はMRさん以外もたくさんありまして、携帯ショップの店員さんだとか、コールセンターだとか、あとは人事の採用面談、それだけでなく、先生のインフォームドコンセント、ダンボ口ですね、そういったところとか、ケアマネージャーさんが痴ほう症の方にどうしたらカム&ブロー高めてもらえるのかとか、そういったとこ。あとは、省庁の審議会のために準備のために会議を解析したいみたいなところもございます。現在我々の会社はですね、結構、大手の会社さんが多くてですね、そういった会社とお付き合いをさせていただいております。じゃあなにをやるんですかというところで、ちょっと見にくいんですが、契約してレコーダーをこちらからお貸出しして、それでデータを取ってもらって、そのデータも転送していただくと、我々がレポートを提供するという形の使い方をしております。お手元に配っていますような、総合解析レポート、つまり全体的にあなたどういう形、どういう傾向がありますよこの会社はみたいな、総合レポートとそれと個別のレポートという形で提供しているものになります。このサービス、ちょっと後程どういう紆余曲折があったかはお伝えしますが、去年の2月から初めて売り上げを出しまして、そこからいろんな省庁やコンサルティング会社などを含め、大手の方から購入いただいて今に至るという形になっております。というご紹介でした。

 

会社立ち上げ

こういう商売をさせていただいているという前提で、じゃあどうやって立ち上げて来たかということをご紹介させていただきます。まずですね、先ほど冒頭で申し上げましたが、私ソニーに結構、その前に自分の会社もしてましてが、ソニーに6・7年おりまして、そのあとDeNAに行って、それからコグニティを立ち上げております。その間1年もないのですが、間がありますというところです。DeNA辞める時にですね、次どこに転職するのか、もうこんなにまた転職ってないだろうっというふうに考えまして、そのときにいろいろと計画を立てたんですね。ちょっと自分で勝負してやろうと、何ができるか勝負してやろうということで、見にくいのですが、2012年の8月に退社しまして、これら私は絶対海外のビジネスを延ばせるようなビジネスをしたいということで、これはVCをベンチャーキャピタルですね、投資家と会わなくてはいけない。アメリカ。よし車の免許が必要だということで、はじめて車の免許を取りに行き、そのあとちょっとビジネスも下調べに行くぞということで、イギリスにプレのビジネススクールみたいなところに通い、その次に自分で良しそれで得たことをやって、プロトタイプを作るぞということで、iPadのアプリケーションを書けるようにし、それを作ってまたアメリカのVC回って、これどう思いますかっていうふうに話をして、それで会社を立てようと2013年の3月に立てたのがこの会社です。

先ほどからベンチャーキャピタルとかスタートアップという話をしているのですが、スタート・アップというところでちょっとお話がひとつあります。日本でいうベンチャー企業というものは、実はいろんなものをいっしょくたされているんですが、その中で個人企業、中小企業、スタート・アップという3分類にされているというようなことをシリコンバレーで会社を立ち上げた方がおっしゃっていました。私たちはですね、このスタート・アップというところを目指しておりまして、なにかといいますと、ここに書いてありますけど、ビッグドリームを実現したいと、そのためにエグジットを目指すというのがスタート・アップの定義なんですね。エグジットというのはですね、会社を売却するというのもそうですが、上場させてITをさせていくというところもその目標になります。そのためにはですね、最初は赤字を出してでも資金調達をして、株を交換して会社を大きくさせていくというものがスタート・アップというものの定義になります。我々の会社これを目指しています。最初からこれを目指したくて、海外にも目を向けていたし、会社としてどう資金調達ができるような会社にしていけるかということを考えておりました。

じゃあどういうビジネスにしましょうかというのが、最初の会社立ち上げ時に考えていたことです。我々ですね、これ本当に一番最初に我々が立ち上げようとした時に書いたものなんですけれども、技術がどうのように人間の限界を解決してきたかみたいなところをずっと考えていました。その中でですね、思考、意思決定とかあと議論とか、そういったものってまだ全然人間の思い込みに頼っているところあるように、ここを技術で何かできないかな、みたいなことをずっと考えておりました。実はですね、2012年6月とか2007年1月と書いてますよね。ベースはサラリーマンの時代にもう考えていたというようなものです。それだけじゃなくて、新しい働き方とビジネスをちゃんと直結させたいなというふうに考えておりました。今でさえ在宅勤務というワードがかなり聞かれるようになりましたが、在宅勤務にフィットした会社、仕事の仕方ってなんだろうというところを、前回やってみたいというふうに考えていたというところがあります。これも実は、会社にいるときから考えていたことで、特にですね、ソニーにいるときに、工場で働くということもあったんです。そのときにやっぱり工場っていろんな人がゼロベースで働ける場所みたいなところだったんですが、ITの時代でないですよね。みんなスキルとか経験がないとなかなか参入できない領域。でも、じゃあそれってそのままでいいんだろうかって。規模が大きくならないのはそこにあるんじゃないのみたいなところを考えていたというのが、私のベースになります。この結果、2013年3月にですね、事業領域として意思決定と思考を中心にする場所、働き方としては、人にしかできない工夫とか知識の部分を扱って行けるような仕事を作り出す、こういったところに着目して、会社を作りました。

もうその当時からですね、結構、基本戦略も決まってまして、これちょっと見にくいんですが、土台作り、基盤づくりを最初の1年やって、それでアプリケーションを作って、そのあとBtoBビジネスに変換して、BtoCにもっていってみたいなことを、最初からずっと考えてます。ですがこのあとも書きますが、遠い遠い道のりで、なかなか難しかったというのもあります。まず2013年の1年目、たった一人でした。一人で立ち上げて、ルールを作る、これは技術の我々の基盤なんですが、ルールを作るというところをやろうとしました。これは知識を描くためのルールです。実験・検証を繰り返ししました。大学生をそのときバイトで雇って、実験等をたくさんやっていました。よーし1年目頑張るぞといったんですが、ここで驚愕な事実がおこります。税金が高すぎてですね、壊滅的に軍資金が減ると、まだ何百万もあったはずなのにと思うのに、前年度やっぱり普通にサラリーマンやっていて、脱サラするとですね、むっちゃくちゃお金が取られるんですね。それに気づいてなくて、これはやばいお金がないみたいなところで、すごい焦って、まずひとつの驚愕の事実。もうひとつ、銀行口座が作れない。私1年目実はですね、全然、口座が大きな都市銀行っても作らせてくれなくて、会社の口座ですね、なぜかというと実績もないし、おれおれ詐欺の会社と見分けつかないから証明してくれって言われたんですよね。私、ソフトウェアの会社今作ってますが、前職もその前々職もですね、文系職の仕事になりました。でしたので、自分でいかにコードを書いても誰も信じてくれなかったというところが、なので、このままじゃ口座作れないねってずっと言われ続けてました。それでも実験を繰り返し、ルールを作っていたんですけれども、得も知れぬ不安感で手が震える、眠れない生活もありました。もうなぜかよくわからないけど、こう不安なんですよね。ちゃんとできるんだろうかとか、来年の計画にちゃんと行くんだろうかみたいな、ずっと不安感を抱えたまま、もう自分でプロトタイプを書いたり、実験を続けたり、実験の結果からどうやってルール決めていくかみたいなこともアルバイトさんとやったりして、1年目を終えたという状態。

2年目、3年目なんですけど、これピボット、ヒボット、ピボットと書いてます。苦しい時期。ピボットっていうの、これスタートアップ用語ですね。バスケットのときにひとつ軸足にしてくるくる回ることピボットっていうんですけど、ひとつ技術を軸足にして、プロダクトをいっぱい変えること、それをピボットと言います。こういうことを繰り返す時期が2・3年目だったということです。当たり前なんですけど、まったくVCには相手にされませんした。結局何が売れるの。何を作るのみたいなことを言われる。あとはVCが出してくれないなら、お金を借りなに行かなければならないということで、融資を取りに行きました。そうするとですね、ITと女性経営者には融資したくないと言われました。書いてあるじゃないですか、女性経営者応援って書いてあるでしょうっていったんですけれども、いや飲食か服飾の計画で出し直してください。それだったら過去にたくさん女性いますからいいですよと言われるみたいな感じ。実は全然融資は取れませんでした。困り果てたんですけれども、プロトタイプはできていて、やりたいことも決まっていたということで、エンジェルからの出資、俺はもう本当に知り合いの方です。もともと知り合いだった方と、あと国の助成金が通りました。これを使って正社員を入れる。それと海外の展示会とかに出して、ちゃんと実績等とニーズをつかんでいくというところをやろうとしてきました。ここでまたショックなひとつがあります。助成金でシャーマエが出てしまい、それを狙った知人の知人からなんと騙されるということが起こりました。何か知らないうちに、いろんなものが盗まれるみたいなことがあって、怖い世界だなと思ったのが、助成金通るって怖いなって思ったところですね。

 

サービス

そんな中でもやっぱり作んなきゃいけないなということで、まず最初にプロダクトを貸したのは、我々ブローンソフトでした。その議論って、みんなやっぱり不問なことが多くて、それをちゃんとコンピューターでファシリテーションしてあげることによって、もっとクリアな議論までできるんじゃないのというアプローチをしてました。ですが、これ売れないんですよね。まったく売れなくて、結局、まずですね、興味あるよ、使ってみたいよっていうけど、議論ソフトなんて、二人いないと使えないんですよ。一人じゃ使ってくれないんですよね。

これはいたたたということで、会議の効率化やりたいと言ってたんですけれども、個人用に変えました。個人用で抜け漏れがある論理不足があるところを論理的にサポートしてくれてというところにまずシフトして、そこからグループウェアに持っていこうということで、方針転換しました。これピボットですね。やりました。じゃあ個人向けだということで、2014年10月もう完全にアメリカメインで出しました。実際のところルイミアム、フリーとちょっとした課金というところで、9割以上が日本以外のユーザーという形でやりました。海外のテレビにも取り上げていただいたという形です。ただですね、海外なんですよ。海外のニーズ、わかる人いないんですよ。ということで正社員も消えました。そんなニーズのわからない者に仕事できませんとか、本当にどうやっていいかわからないから、これ以上働けませんみたいな形で、折角雇った正社員はですね、鬱になりそうですと言って辞めてしましました。

困った挙句、またピボットです。サマリーサービスに持っていきました。これはもともと持っている技術の派生でできたものです。もうどうしてもなにか取っ掛かりが欲しくて、将来の。サマリーができるんですね、我々が重要なものと先ほども抜き出しているものをご覧いただいたと思うんですけど、長い文章でも、どこを読めばみんな良さがわかるかみたいなところができますので、そういったところ大事。実は飛び込みの電話を毎日20社、自分で掛けてみようなときもあります。使ってみませんかみたいなところで。一般そのサマリー化をですね、成長向けのマニュフェストですね。

 

出資

マニュフェストをサマリー化することによって、選挙直前にリリースして、数分あれば全政党の言いたいことがわかりますよというようなものをリリースしました。一応ですね、かなり人も入って閲覧数も高くっていう状態なんですけれども、それで実績もできたんですよって、今度またアポで回ってもですね、どうして使おうか、その意志はいいんだけどねみたいな話で、結局売れないんですね。これもまた売れないと、もうどうしようかなという2014年12月、実はもう年明け時点で資金ショートしそうだなっていうのはわかってました。なので、どうしようかと、もうどうしてもいいのかもわからないというところで私が取った動きは、個人に400万借金して、会社に突っ込んで、最後の挑戦だと思って考えました。何をやったかというとですね、2015年3月、2月からなんですけど実際は、海外に行きました。海外のアクセラレーターというところを受けに行きました。アクセラレーターというのはですね、起業家向けのインキョベーションプログラムです。例えばアメリカでいうとYコンビネーターとかハンドレットスタッカートとか、日本でいうと、オンラボというデジタルガレージという会社がやっているものが有名です。当時2015年、それが凄い流行っていたんですね。なのでどこか行って、糸口を見つけたいと思って、そこの試験を受け続けました。試験に受かったらそのプログラムに入れるんですが、アメリカはオウダンヲ2回して縦断も1回して、大西洋横断を2回して、イギリス・フランス・アメリカで5・6か所のところ回り続けました。決まるまで1か月、ずっと決まるまで、決まったと言われるまで、すっと帰れないと思って、帰りのチケットも途中で切れているのに、ずっと回り続けると、そういった状態で、1か月回り続けました。1か月で決まったんですけど、決まった、つまり私には時間がありません。お金を、借金してでも会社に突っ込んでいるわけ。なので一番スタートが早いものにしました。日本に帰ったのは、決まって、戻って、4日だけで、またアメリカに行くという生活でした。それ決まったまま2週間後です。ですが、成果が出るまでは帰りたくない、帰れないと思って、出稼ぎの気持ちですね。日本に帰らないと決めて、結局2週間のコースのはずなんですけど、2か月半ずっとアメリカに居て、何か糸口がないかというところをヒアリングをかけたり、いろんな投資家回ったりとか、そういったことをしてまいりました。

その結果もあるんですが、最後何が起こったかというと、BtoBの企業向けソフトにもう一度戻りました。ニーズとしてはやっぱりこっちのことが強固であろうみたいなことをアメリカでいわれましたので、その教え込まれたことでもう1回再配しました。それもあって、もう一度知人から少額ずつ出資を集めました。それで自分の借金は一応抑えて、普通の運転資金として出資金を回すっていうところに持っていきました。このときにですね、日本に戻ってからの、いろんなプログラムを押したりしました。応援してくれるところがないかなとか、***を作れないかなみたいにやったんですけれども、そのときにですね、いろいろVCからもじゃあなんかちょっと支援してあげるよみたいな感じで、声をかけていただけるようになってきました。ですが、出資契約を貰っていたシードフェイズのVCなかったことにされました。その間に、私この間にたくさんの商品作っていたわけですね。先ほどの、最初のピボットからいろんなもの作ってきました。思考の***検知するソフトウェアもやりましたし、もちろんグループウェアもやりましたし、自動サマリー化もやりました。サマリー化のときに多言語を変換するみたいなこともやりました。いろんなことやってきたんですけれども、もうVC出資が無くなった時点でまた資金ショートがみえていたわけなんですよね。これやばいと、やっとなんか次やろうと言っているのに、VCに引かれてしまった。これはどうしようということで、また個人で500万借金して、プラスエンジェル出資、エンジェルの人、これも知人が知り合いの知り合いだとか、あとはちょっと話を聞いて興味があると言ってくれた方ですね、一度もう上場された方とかがですね、ちょっと出資してくれまして、それでスタートを切れるようになりました。これが2015年の秋です。

2015年の12月部分って書いてあるんですが、先ほど***のところです。BtoBのソートに変えますと言いました。実は、ここだけが売れました。ピンチは3つあったんです。なのですが、1つの仕様だけが売れました。結局も自分一人でできるものに絞り込んで、それならできますって言ったら、買ってもいいよって、今すぐ使えるならそこ、その部分だけ買っていいよって言われたのが、お商売の始まりです。その結果、4年目というのは去年なんですが、急にお商売になりました。いろんな新聞で取り上げてもらえるようになりましたし、いろんなコンテストで優秀賞だとか、優勝だとか貰えるようになった。これは次はVCからの出資をいよいよもらえる状態になったぞということで、本当にそういう話がお声がかかりまして、それに準備に入りました。それが去年の春です。そうするとですね、何を、また驚きのことが起こる。半年前に50万で出資した人が207万で回収しろと言い始めました。もうそんなVCから出資されるぐらいなんだからいいだろう、株価上がっているはずだろうとか言われてですね、もうこれは本当に確信犯なんですけど、弁護士の方で、わかっててやっているんですね。買い取れと。買い取らないならVCが出資するところの契約者に俺はハンコは押さないと。それで出資がだめになっても俺は知らんと言い始めてですね、ここでまた、ここでまたまた私、また300万ぐらい借りてですね、自分で株を買い取って、それで会社として大きくできるようにセーブしてという状態になりました。

ここでちょっと有名なんですねこれ、スタート・アップファイナンスサイクルというものの図なんですけれども、これ何を意味しているかというところなんですが、売上、縦軸が売り上げで、横軸がタイルの時間です。そうしますとこの赤い線がスタート・アップがたどる道と言われているものです。なにかと言いますと、まずここにですね、バレーを、死の紙というところがあります。売れなくて売れなくて売れなくて何もできなくて、このうち死んでしまうところがほとんど。ここで運よく浮かび上がったところで、まず最初に、それまで浮かび上がるところまでにシードキャプチャーと書いてある。エンジェル、FFLと書いてあります。これはですね、先ほど私が受けたみたいに、個人投資家もしくはフレンドとかファミリーですね、そういった人たちにお金をちょっと出してもらって、どうにか持ちこたえるという機関。アクセラと書いてありますね、まさに私ここに入ったやつですね。こういったことを支援を受ける。どうにか浮かび上がったところで、今度は、アーリーステールと書いてある。ファースト・セカンドと書いてますが、ここにVC、***、すなわち、***って書いてあります。ここでですね、ベンチャーキャプチャーからお金を貰って初めて会社を大きくしていくというフェイズに移るというのは。私たちはここがやっと終わったところで活動を始めたんですね。先ほどの株を取られる、お金で取られるみたいなことをされたりだとか、そういうこともあったんですが、ようやく現在このファースト施行登って、アーリーステージのところで、VCから貰ったというのが現状です。じゃあここのVCから貰うというところで、
男性:今、あなたどこら辺にいるって自分で認識しているの。
河野さん:私ファーストが終わるところです。今年セカンドに行きますので。はい。

 

AI

トレンド環境で調達するということで、ようやくこっから調達の話になります。調達の話に入るところで、AIの話をご説明します。というのは、もうご存知のように、AIブームであるというところで、私も調達のときに、いい意味でもそれが追い風になったり、向かい風になったりしました。ですので、まずAIの業界の中の***私たちはなにをやっているのかというところをご説明します。AI、人を超える知性みたいな感じ。Alpha Goとかペッパーだとか、今いろいろ出ていると思うんですが、いえいや、情報処理が賢くなっただけですよと言うのは、私は結構言ってます。賢くなったように見えるだけ、それをAIと全体的には思ってほしい。

なぜかというとですね、手法が一般化されればされるほど、人工知能ってあんまり呼ばれなくなるんです。初期のころは呼ばれていたものが、だんだん普通の処理だと思われることが多い。例えば、ゲームだって昔は最初は見つかったよとか、こんな話もあったし、部屋の中で掃除し始めたときにはみんなびっくりしましたよね。Siriだってみんな最初びっくりしてたけど、今、普通に使いますよね。そういった形で、人工知能ってなあにって言ってても、商品が賢いんだよという前提にお願いします。

そうしまして、インフラとかニューラルとか、***とかいろいろ話を聞くと思いますけれども、全ては、半ベース処理、半ベースのためにあるものだというふうに***。なんかデータはあります。処理をすると、いや待てと、これは故障しそうだねとか、いいホウバンだねとかいうふうに判別するんですね。判別する間のところの処理が賢いかどうか、これがAIという概念に基づいてやってもらうと、もうひとつ、もう一歩***。こういったものが見えます。これが200。***というのがアホな処理だと思っちゃうんです。似てるよね。黄色いし、耳があるし、しっぽがあるよね。でもそれは賢い処理になったときに、耳あります、ひげあります、しっぽあります、室内にいる、猫というふうにわかる。つまりですね、細かく細かくビュー度を下げてですね、ひとつずつを判別して、確からしい組み合わせること、確率が上がっているよということで、これは猫らしいということを判別するのが、今のAIの処理の基本です。ということになっています。

ちょっとAIブーム、ブームって言ってますが、これまでに2回ブームがありましたというのは結構いろんなところで言われているかと思います。第1次AIブームが1960年から70年。1回下がって、1980年から90年からまた2次ブームがあって、しばらくまたなかったんですが、このところ機械学習系できましたね。この3つの特徴というものがですね、まず探索推論といわれるいわゆる、あとでちょっと紹介しますというところから、ニューラルネットワークというものを用いて、本来はそれの深層学習というところまで来てますよというテーマ、語句だけ覚えていただければいいと思います。

最初の人工知能ブームというのがですね、これはイエスノー判別みたいなところですので、できることがもの凄く少なかった。だから理想だけが走って、これはロボットみたいな知能になるぞと言われたけど、実際にもできることがなかったので、しゅんと進んで、ふんじゃった。

ニューラルとすごい名前だけがまた***ですが、じゃあニューラルってなにっていうところちょっとご説明しますね。ニューラル、ニューロという構造、脳の中の構造ですが、これを模して判別に使うようにしたというのが、ニューラルネットワークなんです。ニューロって何かっていうと、刺激、インパルスが入ったときに、あっこれはということで次に送るんですね。つまりこれが正しいというときに、次のところに、楽しいよって刺激をでんぱする。この仕組みを使って、情報の処理をしましょうとやったのがニューラルネットワーク。○○のときはAに行くよ。××のときはBに行くよというものを判別に使ったというものなんですね。これがニューラルネットワークです。でも結局、何度も何度もやり直したりとか、イエスのほう入れ込んだりとかして、反応性がむっちゃくちゃ低いで作るのにももの凄い時間がかかる。処理にも時間がかかるということで、結局第2次ブームは終わってしましました。

今度、今どうなっているかというと、この判別をですね、階層構造にしてみましょうと、何とか何とかと判別に持っていくんですけど、先ほどの猫っていうものを見るために、尻尾がなんだのって分解して、判別していったと思うんですが、これをもっとやっていきましょうというのが、階層型ニューラルネットワークというところです。何層か層にあてるんですね。この判別の仕方のところ、これを判別を繰り返します。アウトブットが出ているときに、これとこれ入れたときに、じゃあアウトプットがAを入れてAになった場合は正しいよと言い直してあげたりとか、AになってBになったときは、あなたの判別おかしかったよっていうふうに戻してあげるという、再学習というものを入れ始めました。バックプロパゲ-ションという名前なんです。これを入れることによって、確からしさを上げていくみたいなところに取り組んだのが、この階層型というところ、ちょっと進化した部分です。ただですね、これ細かくするということは、ひとつひとつの違いがめちゃくちゃ少ないということなんですね。だから少ないものをいくつもいくつも重ねあわせると、上手くいくときは精度が高く判別できるんですけれども、ちょっと間違っただけで、どんどん違う答えになっていくみたいな、ミスもあります。なので、1回のサで誤差が大きくなる。複雑、複数融合の判別のときに、もう引けないんですね。使えなくなっちゃうんですね。ということがわかっちゃって、この階層型ニューラルネットワークもだめだねっていうことで、第2次AIブームはまたしょぼんといってしまいます。

 

ディープラーニング

じゃあ第3次、今回これにさらに何が起こったのかというところなんですけど、ディープラーニングというのはですね、先ほどの階層をさらに細かく分けて、派層にした上で、この中身のですね、重みづけをするというような判断をします。これがちょっと、なんていうんですかね、単純にイエスノーで判断するのではなくて、こっちのイエスになった場合は8割の信用度にしようとか、途中でですね、重みづけを変えるみたいなところでちょっと賢くなった、判別が賢くなったというものがディープラーニングです。よく出てくる手書き認識の、手書きをちゃんと数字として認識するみたいなものが、ディープラーニングから上手くいきましたよ、みたいな例があるんですけれども、結局彼ら何をしてきたかというとですね、もの凄い大量の数の手書きを持ちこみまして、これが1である8である3であるみたいなところの、***というものをどんどん学習***。少しずれているけどこれは1であろうみたいなこと判別できる。***先ほどの、***のときみたいに、単純に一方通行でなくて、こっちに***判断しなければいけないみたいな、いわゆるちょっと賢い判断が続くようなものというものを作り上げたというのがディープラーニング。

もうちょっとディープラーニングのことをチャレンジ的に言うと、ぼかしと強調の***。これちょっと専門的なところに入るんですけども、車の画像を持って、これが結果的に車らしさっていうものと、トラックらしさというのと、飛行機らしさみたいなところ、これ順列、これを判断するために、これは下層です。何度も何度も画像をいろんな色合いをかけたりエッジの部分だけを見たり、ピクセルもなんか一部分だけ取り出したりということをして、そこで車と似ている部分というものが確立のときにどのぐらいあるのかというのを、どんどん計算していくものです。そこでですね、ぼかしと強調と書いたんですが、単純にボケを文切れ、見ていくだけじゃなくて、実はすごく抽象化した処理だとか、あとはエッジの部分だけ取り出して強調して処理したりとかっていうことをやっております。これをやることによって、例えば、半分だけ隠れていたり、色がどうしても反射で見えなかったときとか、不測の自体であっても、だいたいこんな感じの形をしているはずだみたいな、抽象的な処理に似た、人間の抽象化に似たような処理ができるような形で、コンピュータ処理続けているというのが、実はディープラーニングのコアになります。ザックリデータ化するという処理をして、多少の違いを吸収する。また部分だけを取り出して厳密にチャックすることによって、またそこまでだけなら何10本も処理ができるみたいな形、そういったことを何度も何度も繰り返して、賢い処理、人間の賢い処理に近づけていくというのが、ディープラーニングのやり方です。

ここでポイントになるのが、情報量が多くないとダメっていうところです。処理が何回も何回もやるので、もの凄く本来なら時間がかかることをしているというところがポイントです。この第3次Aiブームがなぜ成立しているのかっていうのは、量とスピードの恩恵です。大量のデータ、実はインターネットから取り出して、それで辞書を作っている会社がとても多い。処理量が最近聞くと思うんですが、ソフトバンクがエヌビディアという会社に出資したという話聞いたと思うんですが、エヌビディアというのが、GPU、CPUよりも並列でですね、もっと処理ができるものの集積回路のことなんですけれども、それを使うからこそ、並列で処理がもの凄く速くできる。大量データを処理早くできるようになったから、先ほどみたいな、複雑な処理だとか、何十回も入れ直さないといけないことっていうのが一瞬でできるようになったんですね。IBMのワトソンというのもよく聞いたことがあると思うんですけれども、IBMのここに参入した理由もこれなんです。彼らはたくさんのマシンを売りたかったわけですよ。処理機器、サーバーを売りたかった。そのためになにが使えますかっていうと、この人工知能ブームがいいわけです。彼らにとって買ってもらえるものができる。だからワトソン作って、売り始めたというところなんです。ですので、彼らの狙いというのは、実は人口知能が強いですよじゃなくて、売りたいもののために人工知能を使いますよというのが狙いだったということなんですね。こういう背景があるからこそ今の人工知能ブームがどうにか成立しているというのが、今の状態です。

という前提があったとして、ディープラーニングが万能ではないというところに、今度はいります。ここからがうちの何を狙っているかという話になります。どういうデータがあったときに、何で判別するか。先ほどの例で行くと、車だと判別したり、トラだと判別したり、猫だと判別したりするのっていうのは、なにか学習させなければいけないわけなんですよね。でも学習させるときに、何を学習させればいいか。

 

モデリング

今までインターネットのものをただただ突っ込むだけだったら誰がやっても同じになりますよね。違うんですよ、データ、どうやって作るかっていうところがポイントです。で、じゃあ今うまくいっているAIの領域って何かっていうことを見ていきましょうか。先行領域としてうまくいってるのは製造業だと言われています。ファナックとか、そういうところががんばってるところです。彼らは稼働率とか故障率の予測にAIを使ってます。何かと言いますと、工場、データ取りやすいんですよね。もしくはもうすでに取ってる、機械が動いてるからどこで故障しかけてるとか何回使ってるのかっていうのはもともと見てるんですよね。で、稼働率故障率、これがもう今まで手作業でも予測してたんですね。これを処理早くしましょうとやっただけなんです。だからAIが入ったからこれができるようになったわけじゃなくて、これが早くなったり精度が上がったというのが事実なんですよね。

次、今度アマゾンのところをお見せしたいと思います。これ10年前に始まったものなんですけれども、アマゾンメカニカルタークというサービスがあります。これはですね、顧客に働いてもらうサービスです、働く場所のサービスなんですけれども、何かというとネット上でアンケートに答えるとそれがお金として戻ってくるもので、ただのアンケートではありません。例えば映像写真を***選んでくださいと言われますとか、この製品について文章を書いてみてくださいって言われるとか、ただの、何かの市場調査のためではなくて、Q&Aに対してAを、***続けるという仕事のサービスなんです。これ実はですね、ちょっと長々と書いてあるんですけど、コンピューターができなかった作業を人間にさせてそれをデータ化しようとしていた動きなんです。こういうことやってました、でも10年やっても彼らうまくできていない、もちろん今の何かに使われてる可能性はあるんですよ、ただこれがじゃあ10年経って花開きましたかという発表はされていなんですね。何かというと、バラツキが多いしノイズの多いデータばかりだったということなんです。結局そのへんで書いてもらう人にとっては自分の好みだとか、もうそのときの思い付きだとか、そういったものが書かれちゃうので、結局綺麗なデータを取れないんですね。綺麗なデータが取れないっていうことはコンピューターに処理させても、綺麗な答えを出してもらえないんですね、外れ値がいっぱい出てくるというもの。なので、実はこのAIブームでデータデータ、データが重要だと言われてるんですが、データをやみくもに集めないっていうこともこれから大事になってきます。

そしてうちがある意味出資を受けられるようになった理由もここです。これ、コグニティはですね、他社のトレンドのところは狙ってませんていうのを大前提にしてました。これはちょっとその処理の事例なんですけれども、まずなにか先ほどの猫っていう物体を見たときにですね、これが何者かっていうときに画像を映しますとか捉えます。まあセンサリングで書いてますが画像認識とかですね、そこでなにかっていうのをまずキャプチャーするという技術があります。そしてそのあと、それは動物を見ようとしてるのか、それとも背景を見ようとしてるのか、それともなんか機能を見たいだけなのか雰囲気をわかりたいのかとか、なんかいろんな何を調べたいのかっていうことを決めなきゃいけない、モデリングという領域であります。そしてそのモデリングに合わせて処理を回す、ここでニューラルだとかなんだとか、まあ車を判別するだとかそういったものをグルグル回す、この結果データになって貯まり続けて循環を起こすというふうに、まあ一連の処理としてあるとしたらいいんですが、多くの会社は実はここ、音声認識画像認識と、ニューラルとかディープラーニングのここ、ここに力を入れるんですが、うちのコグニティはですね、モデリングとデータベースという彼らのやらないところに力を入れたいと思ってやっています。

で、例えばですがセンサリングのところ、音声認識とかはニュアンスとかドラゴンズっていう音声認識ソフトまたはNECだとかNTTデータもがんばって、結局この領域っていうのは99.何%の精度を持ってこないと違和感を感じるんですね。なので大企業しかできない領域ということで私は手を付けませんでした。で今度アルゴリズムです。先ほどのワトソンとかもここに近い領域を攻めています。これを使えるようにすればたくさん機械を買ってもらえるかと。で、日本で言うとプリファードインフラストラクチャ、プリファードネットワークという、トヨタと今合弁を作ってるような有名な会社があるんですが彼らもこのアルゴリズムに強いところの会社。で、今もAIの会社はだいたいここ、AIスタートアップはここに行くことがほとんどです。ですが、私は狙いませんでした、なぜならIBMもそうですがアマゾンもグーグルもここらへんのことを研究したら全部オープンにしちゃうんですね。なので、処理するだけなら同じことのできる人たちがいっぱいになるだろうと判断していました。なので私はここも手を付けませんでした、ということでデータを持ってるっていうところは強いんですがまずこのモデリングっていうところに力を入れています。

これが1年目に私が研究して実験を続けていた元祖のところになります、何をしてるのかっていうところをまず説明します。情報の種類、数、関係性を検出するために処理しやすくするために、のルールを作りました。これが私たちのオリジナルのコグストラクチャというものなんですが先ほどそのモデリングというところに引っかかるものです。これ、対話の様子が書いてあります。売り上げどうですか、メンテナンスセールスいいです、BtoC売り上げはあんまりよくないですね、景気悪いんでっていうこの、問いかけだったとします。そうすると、我々のこのルールに当てはめてこれを記述したときに、売り上げという話に対してメンテナンスがいいという話とBtoC悪いというひとつの話題に対する2つの説明というものが出てるという種類と数と関係性っていうのがまず定義できるようにします。でここではBtoC悪いですね、景気悪いからっていう言い訳が付いていたところに着目します。そうするとBtoCという話について言い訳付いてるんですけども、誰もここに補足情報しないんですよね、景気本当に悪いのとか、こっちの業界も悪かったらしいよとかなんか言ってたらもっと信頼度が高まるはずの話なんですけども、それが付いてないがために、根拠がないがためにこの人の話っていうのはもしかするとダメになるかもしれないねみたいな、確率的に危ういところを見つけるみたいなことができるようにする、これが我々のコアとなるルールフレームワークのところになります。

 

データベース

こういった、こういった話とか対話、まあ対話もそうですし思考ですね、知識とかを全部見える化して記述するということを実はナレッジプレゼンテーション、知識表現というふうに言います。このルールを作ることがある意味AIの領域の一領域なんですね。我々はAIの中でもその処理をするあとで何かを結果を出すっていうところに強みを持ってるんではなくて、記述して分類できる、そのルールを持ってるところにまず強みを持ってるというので、AIの領域なんですが他の人たちの流行りのところではないというものが、うちの存在している場所になります。

じゃあ実際どうしてるのっていうところなんですが、6000本以上の日米言語でですね、正規の文章とかブログだとかスピーチだとか議事録のデータとか、そういうのを一回先ほどのルールに合わせて変換します。そうするとその変換したものを今度はちょっと見にくくて申し訳ないんですがデータ貯まってまして、この分類します。そうすると、例えば政治の話題、教育の話題、ゲームの話題、いろんな話題に分けたりとか、あと政治の話題でもスピーチなのか、文章なのか、それともぜんぜん違うレトゴトナノみたいな形で、全部タイプ分けをしたりします。もうひとつ、フィーリングスコアとここに書いてありますけれども、そのもともとの原稿を読んでもらったときに人がわかりやすいと思ったのか、わかりにくいと思ったのか、いやなんか応援したいって思っちゃったのかみたいなところで市場調査で取っています。そのスコアが上がれば上がるほど先ほどの変換ストラクチャーで何の傾向が出てくるのかというところをパターン持っているというのが我々の強みになっています。ですのでこの6000本以上のものが、例えば政治の話題でスピーチの形になっていたら、事例が3件出てくるのが多いんだぞとか、最後の最後なんかまとめるのが多いんだぞ、でもこの話題でまとめが入ってないとしたらみんなわかってもらえなくなるだろうな、みたいな、いったいこういうときはこういうものが好まれるみたいなパターンをたくさん持っているというのが私たちの宝なんで。

ですので、こういったデータベースを持っているがためにひとつ何か新しい文章やスピーチが出た時も、それと比較することによって先ほどの冒頭にお配りしたようなレポートを作れると。あなたはどこが足りない、何がどのぐらいの割合で多すぎたとか、そういったとこは判別できるようになるというのが我々の試験です。

ちょっと事例です、日本の政治家のスピーチ5本と、それとスティーブ・ジョブスの説明発表会のスピーチ5本、iPhoneかiPadとかですね。それの話題の構成を解析しました、そうするとですね、赤いほうがスティーブ・ジョブズ、青いほうが政治家です。スティーブ・ジョブス、ここがすごい出てるんですね。政治家の方のほうが出っ張ってるんですね。これ何かというと、ジョブスはですね、思い入れの入った理由をバーンとしゃべるんですね。この製品発表会だからだいたいですね、画面のスペックはいくらとかバッテリーはいくら持つとか、普通の会社の人だと言っちゃいがちなんですけども、でもスティーブ・ジョブスはいやはや1日持ったほうがいいんでしょ、だってさこう忘れて、寝て起きたらちゃんと充電できてたらいいんでしょみたいな、もう数字じゃなくて自分の性格とか思い入れの入ったような説明をしてみんなを納得させてるっていうのがわかってるんですね。で、逆に政治家が多いのは実はこれ話題分岐点、むっちゃくちゃ多いんですね、つまりひとつのスピーチの中に分割な、複数の話題を突っ込みすぎてるとっていうことがわかる。なので、政治家がジョブスになりたかったら話題を絞り込んで思い入れを入れると。そうすれば洗脳できますっていうことになるわけですね。こういった形で、自分のスピーチと誰々さんのスピーチとか上位者がどうなのか、モデルはどうなのかっていう人に対してどのぐらいかけ離れてるかっていうのを見れるようにするっていうのが我々のやってることです。

で、綺麗なデータがポイントですよと、ノイズのないデータがポイントですよというふうに私先ほど申し上げました。2点ほどちょっと先に戻りますがこの変換してデータベースに貯めて、データベースと比較するとレポートが出てくると、これが流れなんですけれどもこの変換のところ、実はですね、変換のところ、実は人力でやっていますっていうところがポイントです。なんと冒頭で実験をしていますというお話をしたと思うんですが、実験のときも人で分類していました。それと同じように今もですね、たくさんのデータを人がどこで話題が途切れているとか、これは事例として出しているとか、この話とこの話がつながっているとか、そういったところを全部データ化するのは人間が仕分けしてデータを取っている。これはですねなんでかというと、なんでかというかどこにやっているかというと実はこれ工場の生産方式、生産工程をのして1人1人に、例えば工場ってねじ回しだけしている人とかの工程ありますよね、そのように我々のデータ分類がとにかく分ける人だとか、とにかくこっちといっしょにする人だけとか、その単語だけを見る人だとか、そういった形でひとつひとつ工程を分割することによって誰がやっても同じデータになるように、ほぼほぼ変わらないようにっていうルールを作ってデータに変換するということをやってます。これをやることで、いわゆる機械だけに統計的に処理をさせてるときに、人間のトークの中で出てきた変な異常値っていうものを異常値だってはじくんではなくて、人のトークだからこそ起こり得る面白い話題だったとか、それとも異常値なのかっていうことをちゃんと判別できるように人にやらせているというのが我々の違いになります。これをしますとですね、いわゆるもうそうやってはじかれちゃうデータっていうものがなくなりますので、そのチェックが入ってますので、それを学習データに今度は持ってくることができます。そうしますと、綺麗なデータで作られた今度は判別のためのアルゴリズムができて、機械学習に持っていけるというところを狙っています。ですので、我々は人がデータを作ることにも意義を持っているというふうにして4年間、5年間やってきました。

 

バランス

で、こういうことを言いますとですね、最初のころ、AI文化起こったころにですね、AIですか、知能ですかみたいな感じで来るんですけれど、否定しかされませんでした。え、人使ってるのおかしくない、っていうか人なんか使ったらスケールしなくない、スケールアップできないビジネスなんていらなくない、言われ続けました。でもですね、ようやく去年になって私ベンチャーキャピタル2つとそれといろんな会社と出資を受けたんですけれども、今人を使ってること自体にも理解をしてくれているところしか入れませんでした。で、これがいかに重要なことをしていて、データ、綺麗なデータを作ってくってときに意義があるかっていうことをわかってくれるところしか入れたくありませんでした。たしかにブームがあったのでたくさん問い合わせ来ました。でも人を使ってるって言う瞬間にあぁもういいですって言った会社さんはさよなら、うわーと振るいをかけられて私たちはラッキーだったんですね。すそ野は広げて振るいをかけれる、もう最高の条件でいろいろ選ばせてもらったんですけども、結局誰のことかっていうとですね、この下の事業会社はうちのものを使ってくれました。まず買ってくれてなおかつ出資しますっていう形になりました。この2つなんですけれども、ベンチャーキャピタルなんですが実はSMBCは先に本体が使ってくれました、お金を入れてくれ、購入してくれました。だからSMBCから出しましょうということになりました。ですので、わかってくれるところだけを選べますというのが私たちのラッキーなところといった、という感じでやりました。

なので、ちょっともう本日のまとめという感じでまとめちゃうんですけれども、もう紆余曲折あって私はやりたいことをたくさんやりたかったんですけれども、実績のないところ、やりたいことじゃないっていうのをまあやりたいことを曲げてもやったほうが近道になることっていっぱいあるなと、その中でもやっぱりまず最初やりたいものだけ言ってんじゃなくて売れるものから売るみたいなとこはものすごく大事で、私はもう今営業さんのツールを作ってるわけですけど営業はできないし、人事部門ととりあってるわけですけど人事もやったことないし苦手だし、もうどうしようかと思ってたんですけれども、ニーズがあるところにしかもう売れないんですよね、お金を出していただけないと。で、最初はやっぱ売れるものは最初から作れるわけじゃないので、これは私の反省でもあるんですけど、ニーズヒアリングした瞬間にあ、ニーズありませんねっていうんじゃなくて、彼らのニーズのここに使えませんかってもっとグイグイ押すべきだと。実はもう今の商品ですら売れるところだけを切り出したわけですけれども、もう聞いてる中って一番最初実はですね、文字起こしのように外注で出してる会社さんから売れたんですね。文字起こしはもう先に売ってるから予算取りやすいよ、言われてじゃあそれも含めて解析させてくださいというふうに言ったらですね、もう売れるところと同じ、もうすでに売ってるところと同じものだからいっしょに買ってあげるよっていうふうになってんです。だからヒントがいっぱい出てくるので、必ず売れるところから売れというのが今回の学びでした。

で、流行の、うちの場合はAIですけれどもこれをうまく利用しなきゃいけないなというのが反省です。最初の1、2年の頑なに私いろんなところやりたいことで回ってましたけれども、結局ですね聞く耳を持ってくれないんですよね。理解する、しないじゃなくてわかりにくいのも、それで全部シャットダウンされてしまうですよ、それってすごくもったいないことなので、あんまりいいことじゃないかもしれないんですけども、流行ってる分野のここに近いですとか、ここといっしょにできますっていうものを、わざわざ作ってでもアピールしなきゃいけないと思ってます。そうするとヒントも自然に入ってくると。あ、こっち側向ければお客さん出てくるなとか、投資してくれるなとか。

で、特にですね競争の激しい分野を、から逃げるようなことをしていてもどうせやっぱりビジネスってうまくいかないので、競争の激しい分野からいっしょに仕事をしていくっていうとこがすごく大事なこと。ただしなんですけれども、本当にやりたいことから外れてこうやって出資を受けて、もうベンチャーキャピタルの言われるがままにビジネスを変えた知り合いはたくさんいます。もう1年で潰れてます。なので、今日外さないけど、流行をうまく使うっていうことが、バランスがすごく大事なんだなと感じたのがこの4、5年間でしたというところです。以上です。

 

【質疑パート】

論点ランキング

このランキングは、コグニティ社のUpSighter解析によって、「聞き手にとって重要に思える論点」を検出し、
重要度順にランク付けしたものです。要点を抽出したサマリーとしてお読みいただくことができます。

100%このルールで分類
でも、人間の生活の中で沢山ある。そういうものも記述出来るためには、その先生のルールを拡張しなきゃいけないと思いまして、そこから実験をして、そのルールを拡張させて、今のところに落ち着けたというものです。で、実際そのルールで、まず300本実験して、で、100%それが分類できるルールになった時点で、我々は止めました、一度決めました、そのルールに。で、その300本で、1500本集まった時、今度は蓄積し始めて1500本集まった時に、実は、精度が安定しました。何のものと、照合をかけたら大体どこに違いがあるかとか、どこに一緒の所があるかっていう事が判別できるようになりました。で、今それが6000本あります。6000本すべて、100%このルールで分類出来ています。という事で、うちのルールの力強さというか、確からしさというモノが証明出来てるかなという形です。
思い込みに頼らない社会
で、今の商売以上にやりたい事がもう既にあります。あと5年後10年後のやりたい商売のイメージも実は持っています。その為に、今のデータを集めているという事になってます。なので、実は、ずっと仕込んでます。でも、間で、どうやって売りを見せるか?どこを狙うか?というのを***しているという状態です。で、何でここにこだわってるか?っていうのが、まあ私自身がですね、結構バイアスを持ってない人に物凄く助けられてきたと思ってるんですね。で、チャンスを与えられてきていると思っているんですけど、例えばその、1社目を18の時にやってるとかも、結構周りの人、一方でやっぱり出来ないでしょ?」って言った人もいれば、「出来るよ!やって見ろ」って言ってくれる人もいて、で、色んな人が新しい場所を紹介してくれて、そういった事が出来たのってやっぱり、若いからとか言わないの。そういう人がやってくれたんだっていっぱいあるんですね。で、やっぱりこう、もっと前から色んな新しい経験とか、色んなチャンス与えてもらっていて、それが、ただ「凄いね!」で終わるんじゃなくて、「たまたまいい人がいたから」でもなくて、世の中がそうなれば良いのにって言う想いから、じゃ、これを見せられるようなツールをもっと普及させたら、もっとみんな早い判断できるんじゃないの?という事で、あの、思い込みに頼らない社会を作るためのツールを作りたい。って言う所から来てます。はい。
我々
男性E:あの、今のミタライ先生の質問、ちょっと別の角度からやってね、あの、同じような質問なんですけどね?今会社さんは、カワノさんと、あと一人社員がいらして、50人位のパートさんがいらっしゃって、ずっと最初っからですね、あの、この会社の説明を聞いてる時に立ち上げの頃からですよ?ずっとカワノさん我々って言ってたんですよ。それで、だけど、あの、発送的には、物凄くカワノさんのこの想いとかね?そういうやりたいって事が凝縮されてるように感じるんですけど、
働く場所として大きなものを作る
質問者:どうぞ。
質問者:先ほどの、***でイグジットが大事だとお話してたと思うですけど、最終的にはどのようなことをおやりになりたいんですか。
回答者:私はですね、もちろん、ITOを目指してるんですけどものITOためのITOとは思ってなくて会社を大きくするためのITOをしたいんですね。働き方の話をしているように、働く場所として大きなものを作ってみたいんですね。ということを目指してます。
質問者:ありがとうございました。
ルールも含めて最初から挑戦
回答者:我々という、あのメッセージ_性があるのかなと思います、で、働き方のところなんですけども、正直ですね、やっぱり***みたいな考え方をしたときに、私サラリーマンで普通にやっててやっぱりこの時間にみんなで揺られて満員電車にいくっていうのは本当に必要なの、と、思うことたくさんありましたし、実際そのあとに行ったDeNAではみんな遠隔で普通に家からでも仕事してるんですよね。DeNAもそうですSONYもそうですけど、結局海外の人って時差があってみんな家から繋ぐしかないっていうことも実際に仕事としてあったわけです。なんでルールが先にあるのかと、でも通わなきゃいけないっていう、そっちを守らなきゃいけないのかと考えたときに、これはあとから導入しようとするから問題になるんだっていうふうに感じたんですよね。なので、新しく仕事を作るときは、もうルールも含めて最初から挑戦すると、いうふうに考えました。 
汎用性高くウチは、対応
で、じゃあ、評価指標という目で見ると、結構やっぱりお客さんによって違うじゃん、という確かに分野によって違うでしょ?とよく聞かれるんですけど、われわれ実はここを変えないことに強みをもっております、むしろ。お客さんごとに出てき方が違うだけであって100%分類できますので、そういう意味では私たちの中ではこう分類したあなたのこう特徴でましたよ、っていうだけで、彼らへの正解は私たちは持っていないんですね。なので、正解はわかりませんが、あなたたちこういう特徴ですよっていうところから始めさせてもらってるので、汎用性高くウチは、対応できてる。
質問者:***自分たちの***があるということですね。
回答者:そうですね、絶対に変えないようにしてないところも価値として多分見ていただいてると思います。

 

議論の構造図

CogStructureと呼ばれるこの図は、コグニティ社のサービス「UpSighter」の解析によって作成されています。
 会議・プレゼンテーションで語られた内容について、論点の関係性を模式的に示しており、
重要と考えられる論点は大きな「円」で示され、「矢印」によってその話題の広がりや影響関係のある話題に繋がっています。

48質疑cogstructure
 

 

質疑議事録

ルール

質問者:あの、えっと最後の方になりますけども、あの、御社の頂いてる、***の部分、その最初の変換の部分で、データの変換の部分で、まあこれはやることに意義がある、で、やり方としては、え、単純に、なんていうか単純なやり方に分類して行って、誰がやっても同じ結果が得られるようにするんだという事をおっしゃってたんですが、その、なんていうか、それって結構何というか、おっしゃっている事に矛盾があるなと思ったんで、もう少し聞きたいと思いました。どういうことかというと、単純化して行って、誰がやっても同じ結果が得られるようにするというのは、普通それだけを聞けば、機械化できるものなんですよ。っていう方向性に持って行くもので、でも、やっぱり人間がやっているから綺麗なデータが出来るし、それが良いWordだという話だったから、これは具体的にもうちょっと聞かないとやっぱり自分の中でちょっと、結びつかないと思った次第です。
回答者:はい、えっとー、機械化しないでおこうと思ってるかというと、実はNOです。実はしようと思ってます。我々はそのルールを定義して、データを蓄積して、アルゴリズム化して、将来は全部自動判別に行くだろうと。ロードマップを引いてます。ただ、ただですね、ここで、例えばデータをセットするときに、他の会社よくありがちなんですが、ただ単に大学生呼んで、辞書を作るためにどんどん入力してってやってしまうとですね、その分野にしか応用の効かないデータしか造れないんですね。なので、私達はまだまだ汎用的なデータを集め続ける、クリーンなデータとして集め続ける必要があると思っているという事なので、人の手が掛からなくなる時は来ます。でも、まだ掛けますって言うのが、解です。これは、工場の話しと同じだと思っていて、いつかみんな全自動になると思っていた。でもなかなかならなかったし、でも一部なっている。これが現実だと思ってます。なので我々も同じことが起こると思ってます。
質問者:はい、ありがとうございます。何か、何とかと***ありますね。
質問者:すみませんAIは未だ詳しくわかってないんですけど、たぶん、最初に何らかのルール化というのを作らなきゃいけないじゃないですか?例えば猫ならしっぽの形であったりって。そういう要素って多分沢山あると思うんですけど、その要素を決める人によって、たぶん判断基準っていうのが、まああの、猫とかなら、分析が比較的分かりやすいかもしれないんですけど、最終的には、違いって何となく出てきちゃうのか?って感じているんですけど、そこをどうやってその、統一化というんですかね?正確な答えに導くようにしているんですかね?例えばジョブスの話しでも、ジョブスのその分析が6個とか7個のそういうグラフで分析するか、10個のグラフで分析するのかによって、たぶん結果って変わってきたりだとか、要素って変わってくると思うんですけど、そこをどうやって決めているのかな?っていうのが。
回答者:はい、えっと、まさにそれがモデリングって言われるところなんですけれども、うちが何をやってましたか?っていうと、私は、冒頭でちょっと確認してるんですが、1年目にずっとルール構築と実験をしてたんですね。で、先ほどの、先ほどとちょっと、九つ現れてたんですけれども、ジョブズのとか見ると。これを作ったのが、実はベースとなる学問があります。そういう、論理性だとか、そういったものをどう表現するかって言うのをやった大学の先生がですね、50年位前に、言語学者がやっているものなんです。それはですね、世界中の凡例ですね。裁判記録を持ってきて、判決が起きる時に、どういったデータが揃っていた時に判決が起きやすかったのか。で、まだそのデータが足りない時に、判決まで行かない時は何が足りなかったのか?っていう事を全部データ化した人がいる。なので、人間が意思決定出来るまでの論理的な構成っていうモノを見つけた人がいます。で、それをモデルに実は、実験をし始めました。何故かというと、人間の論理を、まあ論理とか思考とかを記述しようと思った時に、その論理的な物だけじゃない、話からぴょーんって飛んでいくブレストで必要な飛躍だとか、あとはじっくり・じっくり吟味する、ぐるぐる・ぐるぐる話し合う事であるとか、そういったものって、論理性には無いんですよね。でも、人間の生活の中で沢山ある。そういうものも記述出来るためには、その先生のルールを拡張しなきゃいけないと思いまして、そこから実験をして、そのルールを拡張させて、今のところに落ち着けたというものです。で、実際そのルールで、まず300本実験して、で、100%それが分類できるルールになった時点で、我々は止めました、一度決めました、そのルールに。で、その300本で、1500本集まった時、今度は蓄積し始めて1500本集まった時に、実は、精度が安定しました。何のものと、照合をかけたら大体どこに違いがあるかとか、どこに一緒の所があるかっていう事が判別できるようになりました。で、今それが6000本あります。6000本すべて、100%このルールで分類出来ています。という事で、うちのルールの力強さというか、確からしさというモノが証明出来てるかなという形です。
質問者:***のマノ先生のご縁でちょっと初めて参加させてもらうシミズと申します。今えっと、稀少疾患が200万人の人に向けて、医療行為の後から、***間の情報を向けているので、蓄積して、データベース化して提供して、***という取り組みをやっておりまして、今お話を聞いてですね、ま、今のクエスチョン幾つか用意して、その病歴であったり治療歴とか、全部そういうの貰って、まあ、***が、まあそうですけども、そういったものからこう、病名と症状は違っても、***とか、家族に伝えるとか、そういう症状の緩和の仕方って結構似てるので、それをこう上手く機能させていきたいなと思って今エンジニアさんと一緒にやってるんですけども、***ありまして、その今、6000本の事例の中で、文字量はどれくらいあれば、意味成すのかな?っていう所と、あと今、IBMとかMicrosoftとやり取りしてるんですけど、彼らは数を入れるだけで、取りあえずデータ・データって、大体1万件とかそういう話になっていて、でもやっぱり質が凄く大事なんだと思っていて、まあそんな、どれくらいの量が必要なのかな?って、質の所と、カワノさんだっけ?コウノさんだっけ?
回答者:カワノです
質問者:あ、カワノさん。えっと、今とりあえず流れは聞いてきたけども、スタートアップ目指されて、その中でこう、***されて、その認知とかルール作りとか、***出来たんですけども、それはこう、過程を経てそこに行きついたのか、元々何かそういう想いがあったのかって何かあるんですか?***ですけど。
回答者:はい。えっとですね、まず、一つ目の質問で数の所なんですけども、実はうちはその、最初のモデルがしっかりしてるので、数がほとんどいらないんですね。実は、1本でも差分を見れます。ただ、色んな会社さんに言っていて、例えば先ほどの、というか、冒頭だったんですが、いらっしゃらなかったかと思うんですけども、えーと、確か
質問者:あ、最初から聞いてました。
回答者:あ、そうですか?すみません。えっとですね、こういったデータ、こういったデータを作る時にですね、上位層を回数多くやって、この時は280人貰ってるんですけど、この上位層のある程度特徴をつかむときに何本でやったかというと、3本です。3本やると、まあ一人、特異点の人が居たとしても、日本共通のポイントが出てきますので、最低3本と言って頂いて、モデルを、その上位モデルを作ったりしてます。なので、うちの場合は本数はいりませんというのがポイントです。
質問者:文字数的にはどんな感じなんですか?
回答者:文字数もですね、実は色んなものがあるんですけど、自然な状態で頂くというのが、一番うちには、いいんですね。だから短いものっていうのは、短いという特徴がある。長いというのは長い特徴があるという風に捉えてますので、一番短いので行くと、40秒のスピーチ。英語の。っていうものもやってます。で、文字だけじゃなくて実はうちは、マンガとか、スライドの絵のマンガとか、そういう事もやってます。何故かというと、パターンの流れというものでうちは特徴を見ますので、文字が無くてもという所が取れると思います。

 

バイアスをとる

質問者:続けての質問ですが、えっと、まあ今結局***情報貰う中で、カウンセリング的な***、でもそこに結構ヒントがあるなと思っていて、それを通して気付ける人もいるし、逆にその、放ってってしまう人もいて何かそういうその、違う担当者のメールのやり取りとかも、替わると、抽出出来たり出来るもんですかね?
回答者:はい、あの、メールの内容というのも、やっぱり、うちは解析はかけておりますし、例えばもっと短いチャット、LINEみたいなものの内容もやったりもしますし。それでやっぱりパフォーマンスの良いチームのやり取りと、悪いチームのやり取り。もしくは患者さんとの、やっておりますので、それも見てます。で、きっかけの所ですよね?えっとですね、私あの、やっぱりこう、何がポイントか?って言うとですね、バイアスをとるみたいな所をかなり強くこう言ってるんですけども、なので、これ図にありますように、自分の見ている所以外の所も見たいっていう所があるんですね。これがバイアスをとるっていう事だろうと仮説を持っています。なので、いまの情報を模式化して、どこが抜けているって言うの実は最初から貰う、狙っていたモデルです。なので、初めからそのためにデータを蓄積してます。で、今の商売以上にやりたい事がもう既にあります。あと5年後10年後のやりたい商売のイメージも実は持っています。その為に、今のデータを集めているという事になってます。なので、実は、ずっと仕込んでます。でも、間で、どうやって売りを見せるか?どこを狙うか?というのを***しているという状態です。で、何でここにこだわってるか?っていうのが、まあ私自身がですね、結構バイアスを持ってない人に物凄く助けられてきたと思ってるんですね。で、チャンスを与えられてきていると思っているんですけど、例えばその、1社目を18の時にやってるとかも、結構周りの人、一方でやっぱり出来ないでしょ?」って言った人もいれば、「出来るよ!やって見ろ」って言ってくれる人もいて、で、色んな人が新しい場所を紹介してくれて、そういった事が出来たのってやっぱり、若いからとか言わないの。そういう人がやってくれたんだっていっぱいあるんですね。で、やっぱりこう、もっと前から色んな新しい経験とか、色んなチャンス与えてもらっていて、それが、ただ「凄いね!」で終わるんじゃなくて、「たまたまいい人がいたから」でもなくて、世の中がそうなれば良いのにって言う想いから、じゃ、これを見せられるようなツールをもっと普及させたら、もっとみんな早い判断できるんじゃないの?という事で、あの、思い込みに頼らない社会を作るためのツールを作りたい。って言う所から来てます。はい。
質問者:えっと、***あの、社長学みたいな所、ここで少しやりたいんで、ちょっとあの、個人的な事聞いちゃうっていうか、今おっしゃったような、バイアスをとるっていうね、発想なんだけど、だからそれを抽象的に多分考えるんじゃないと思います。あの、たぶん18歳で想って、若い頃の考えでしょ?そうすると、バイアスをとるなんて言う言葉じゃなくて、何が
回答者:現体験ですね?はい。
質問者:そう。現体験。何かこれやりたいのにね?
回答者:もういっぱいあります。
質問者:もういっぱいあるんだろうから、それ全部言わなくて

 

作品

男性E :***もらわないと。
質問者:それが分かるような、あの、説明って言うかね。っという、つまりね?私、今日お話し聞いていて、今まで私も何百人か、起業家の話し聞いてきたけど、やっぱり異星人。宇宙人か わかんない。今まで***。いや、ホント。これ誉めてるんですよ?恐ろしい時代の起業家だなって思って聞いてたんだけど。だから、その辺はヒントがね。
回答者:いや、もう本当に小さい頃からだと思うんですけども、悔しいっていう想いが結構あったら想いでがあって、例えばですね、しょうもない事ですけど、ちゃんとね?真面目にもしやってて、掃除してるのに、ふっとこう、息をついた時だけ先生に診られて「お前さぼってんだろー」みたいに言われるのって悔しいじゃないですか?とか言うのが積み上がってって、私、一社目のスポーツの、スポーツサイエンスの会社やってるんですけど、それも、実はですね、私自身はスポーツ苦手だったんですね。だけど、スポーツサイエンスの本と出会って、ちょっと早くなったんですよ。ちょっと上手くなったんですよ。で、もうこれ面白いと思って、どんどん短剣してたら、それを聞きに来る人たちがいっぱいになったんです。「助けてくれ」と。で、「あ、だったらインターネットで公開して見よう」って言ってインターネットでやりジめえたら、困ってる選手がいっぱい来るようになっちゃったんですよ。もう、怪我して、どうやってリハビリしていいかわかりませんとか、で、そういう人たちをマッチングするようになったんですね。それをビジネスにしたんですけども、一生懸命頑張ってる人が、科学の世界で救われる可能性がある訳なんですね?これに感激したんですよ。努力したら結果が出るかもしれないと。その前までの私のあの悔しいというものも、何かもっとちゃんとできたら、表現で着ていたら、「いやあれ、悔しく無かったかもしれないのに」とか、もっとちゃんと真面目にしてるっていう事証明出来たらよかったのにとか、色々悔しい思いを採れる化学の可能性みたいな、物凄く感じてしまってそれでこの世界に入った。
質問者:なるほどね。分かりました。
男性E :あの、今のミタライ先生の質問、ちょっと別の角度からやってね、あの、同じような質問なんですけどね?今会社さんは、カワノさんと、あと一人社員がいらして、50人位のパートさんがいらっしゃって、ずっと最初っからですね、あの、この会社の説明を聞いてる時に立ち上げの頃からですよ?ずっとカワノさん我々って言ってたんですよ。それで、だけど、あの、発送的には、物凄くカワノさんのこの想いとかね?そういうやりたいって事が凝縮されてるように感じるんですけど、発想としてはね?我々って誰の事をおっしゃってるのかって言うのが1つと、それからもう1つ、嫌な質問ですね?ごめんなさい。あの、2000年位、今だからね?働き方の形がこう、色んな所で点在しててもね?仕事が出来るっていうネットワークが出来てると思うんですけど、2000年の頃に、在宅って先ほど使われましたけど、その働き方を考えてらしたと思うんですよ。それは何がそうさせたというか、きっかけって何かあったんですか?この二つです。
回答者:我々とはだれか?って言う所なんですけれども。
男性E :最後の***
回答者:あの、正直もう、何人も何人も入れ替わってはいると思います。で、ずっと3人以上、4年位居てくれてるパートさんもいます。ですが、私にとってはですね。会社自体が私のプロダクトなんですよね。で、会社というこの複数人いる組織体自体が、我々であると思ってますので、その作品として我々という風に呼ばせて頂いてる形ですね。なので、もう最初から商品、商品としてのプロダクトもありますが、商品としての会社っていうモノを見てという所に、たぶん。

 

働き方

回答者:我々という、あのメッセージ_性があるのかなと思います、で、働き方のところなんですけども、正直ですね、やっぱり***みたいな考え方をしたときに、私サラリーマンで普通にやっててやっぱりこの時間にみんなで揺られて満員電車にいくっていうのは本当に必要なの、と、思うことたくさんありましたし、実際そのあとに行ったDNAではみんな遠隔で普通に家からでも仕事してるんですよね。DNAもそうですsonyもそうですけど、結局海外の人って時差があってみんな家から繋ぐしかないっていうことも実際に仕事としてあったわけです。なんでルールが先にあるのかと、でも通わなきゃいけないっていう、そっちを守らなきゃいけないのかと考えたときに、これはあとから導入しようとするから問題になるんだっていうふうに感じたんですよね。なので、新しく仕事を作るときは、もうルールも含めて最初から挑戦すると、いうふうに考えました。実際、本当にリモートワークやってて結構大変なこともあります。来てもらわないとちゃんとやらない人もたくさんいますから、やっぱり監視って必要なのかなって思うときもあれば、例えばですね、ずるしちゃってるのが薄々わかるけど、証拠がないから怒れないみたいなの結構あるんですよね。そのために同じ仕事に必ず二人つけるとかいうの***ましたし。例えばその人のせいで、ズルをしたためにもう報酬体形を変えざるを得なくなったみたいなのもあります 、それまでは全部雇用で時給いくらで***も、一人二人ってやっぱりそうやって手を抜いて***時間をもってくるみたいな人が結構でちゃって、あもうこれは、耐えられないとやってる人が損してると、だったらもう数に応じてしか出さないようにしようねと、そうなると雇用ができなくなるから悪いけどみんな業務委託に変わるか、みたいな、そういう英断をしたこともあります。なので、最初から普通の会社だったらできないこと、***が結局普通の会社だと戻さなくちゃいけなくなったときもあります。でも、やっぱり最初から変えておかないとここまでの頑張りはできなかったと思いますので。そこが、最初からやらなきゃいけない、というのがテーマで***わけです。
質問者:話ありがとうございました。今のそのルールを作って、あと人、に仕事してもらってるっていうところで、そのレベルチェック?をどうされてるのかな、それぞれみなさんリモートでやってるなかなかその人たちのパフォーマンスのチェックが難しいのかなと思いまして、例えば、研修受けられて、受けられたあと、その方々がツイート?あのできてるかっていうのは、そのこれ持ってこられた成果物で判断されてるのかそれともそれぞれ認定のチェックとかがあるんでしょうかっていうのが1つ、とあと、もう一つごめんなさい。

 

評価

質問者:実は私も、先月起業いたしまして、それで、今ちょうど壁にぶつかっているところで、なんでかっていうとニーズにグイグイをおしこんでいけばよかったと、あとは流行をうまく利用する、つつ、外さない、っていうところで、私自身も今それで、ニーズがあるけれども、きっとあるんでしょうけど、扉が開かれない、そこをどうグイグイおしこんでいったらいいのかなと。そこでイエイエとまってください、ともうちょっとお話がありまして、ってそこで言うのか、それとも、あとからもうちょっとフォローアップして、ちょっとどんなスタンスでいこうかなっていうのが今ちょっと感じてるところなんです。その辺をちょっとご経験をもとにお話いただけたらありがたいです。
回答者:っとまず評価、のところなんですけども、実は社内では先にそれが確立された部署とそれと今はまだ考え中というか、トライアルしてるところとあります。で、先に確立されたところ、先ほども出てきたように、作業です。分類作業のデータを扱うところです。あれは工場労働もしてましたので、完全に最初からですねトレーニングの期間があって試験を受けて受からないと次にいけないというふうにしておりました。なので、そういった教育システムとテストのフォーマットとかも全部決まっております。基準も決まっております。それによって報酬が変わるというシステムなのでそこはもうクリアに結構うまくいきました。ただやっぱり、もっとこう抽象的な仕事ですね、企画だとか事務だとかそういったところってものすごく***わりにくいと、いうことで人の個人の差も大きいですし、そもそも、そのこういう働き方になれなくて仕事の力を発揮できないということも多いので、まさに今というか、今月から取り入れたところなんですけれども、初めて入られる方、で作業以外の方、普通のいろんな企画をやったり、事務やるかたは研修制度、という形でグループワーク、みたいな形でまず慣れてもらう、でまわりに友達というか同期がいるっていう環境にして慣れてもらってそこで判断を、いれる***反応をいれる仕組みにしようとしております。なので結構評価は見えないところが多くてお互いに結構苦しみのあるところが多いな、と思って。
質問者:それは***ってないの?
回答者:実はですね、実はですね、先にお客さんのニーズからきたんですけれども、人事面談、採用面談、を他のお客さんのでやり始めたのでウチもやってみようということで、ウチもやってみました。そうするとですね、採用したんですけど、すぐにやめちゃった人と、ながーく続いている人で明確な差があったとわかりました。採用面談の時に、本人のしゃべりたいことだけ言ってる得意なことだけ言ってる人っていうのはすぐにやめちゃう、でも、やっぱりリスクまでちゃんと言っててお互いにカバーできてる感じ***きってると、ちゃんと長く続いてることがわかりましたので、人事としても気をつけてちゃんとリスクだしをしながらやりましょうね、と話をしています。
質問者:世の中の話でね、政治の話は難しいけど***まぁ、金融の話をすると、リーマンショックがサブプライムローンであんなひどいことになる、世界ですごい会社が百何十年も続いてデータをいっぱいもって、優秀な社員もいっぱいいるのが、あの動向をつかめなくて倒産しちゃったっちゅうのは、彼女の***とすると救えそうかい?なんとなくていいわ。思い込みでやったんだろうけどな。いよいよ駄目になるまでなんとかなると思い込んでたんだろうけど。
回答者:でも、生きてる会社もありますけどね。***ね。思いますけどね。ウチは2回やっぱりもう資金ショートしそうになってるんですけども。もう、諦めることが難しいんですよね、どのタイミングで諦めるかっていうのは。でも、金って結局そんなに簡単に会社潰れないんで、どうお金をとるかっていうことを考えるのは経営者の手腕であると思うんですよね。なので、***ず、***まれたってだけであって、リーマンショックっていう外的要因っていうのがみんな同じように受けているのだから、それをうまく使う方法をサイドまで考えるかどうか、かなっていうふうに私は、今回結構最初の数年しんどかったので、思ったなという感じです。
質問者:どこまで判別が取れるかね。***
回答者:それはやっぱり大企業なんじゃないかな。という気はしますね。

 

ニーズ

回答者:もう一つニーズをどうやってやるのか、なんですけども、その当時私はできなかったことですよ。で、今ならどうできるかっていうとちゃんとやっぱり話し合いの時に結論までもってくほうがいいんですよ。あとで、フォローって絶対効かないんで。で、その時に、これだったらどうですか?、あれだったらどうですか?全部品を変えてでも部分でもいいから全部提案してみてその人のニーズに合致しているかどうかを確認し続ける。で、じゃあここだったらちょっと使ってみませんか。と押し込む、で使ってみてもらってフォードバックもらわないと改善しようがないじゃないですか。なのでとにかくなにか使ってもらえるところまでニーズを切り崩しながら一部分でもいいから使って、っていう形にもって行くほうがいいと思います。
質問者:わかりました。ありがとうございます。
質問者:どうぞ。
質問者:先ほどの、***でイグジットが大事だとお話してたと思うですけど、最終的にはどのようなことをおやりになりたいんですか。
回答者:私はですね、もちろん、ITOを目指してるんですけどものITOためのITOとは思ってなくて会社を大きくするためのITOをしたいんですね。働き方の話をしているように、働く場所として大きなものを作ってみたいんですね。ということを目指してます。
質問者:ありがとうございました。

 

モデリング

質問者:***をやっておりまして。障害児と***ともに学び合う知的障がいと***が学びあえるという、今度企業への人材育成の分野を***と思ってるんですけども、効果が見える側っていうところで今ここにも***あると思うんですけども、そういうなんかライフルシェアなんかもとにして***自分、福祉現場の一定の職場例えば***を引き出すに待つとか、伝え方を変えるとか推測するとか、ある指標を社会に切り替えて***ですけども、これの方法っていうのはどうやって出せるんですか。
回答者:先にお話いただいたモデリングのところの話なんですが、もともとその学者さんが作ったやつに対してわれわれは固定、これを作ってしまったというところなんですね、なのでベースは学者になります。でもそこから拡張拡大した実験をしてそのフォーマットに直したのがわれわれのものであって、これは特許もだします、っていう状態になってます。で、じゃあ、評価指標という目で見ると、結構やっぱりお客さんによって違うじゃん、という確かに分野によって違うでしょ?とよく聞かれるんですけど、われわれ実はここを変えないことに強みをもっております、むしろ。お客さんごとに出てき方が違うだけであって100%分類できますので、そういう意味では私たちの中ではこう分類したあなたのこう特徴でましたよ、っていうだけで、彼らへの正解は私たちは持っていないんですね。なので、正解はわかりませんが、あなたたちこういう特徴ですよっていうところから始めさせてもらってるので、汎用性高くウチは、対応できてる。
質問者:***自分たちの***があるということですね。
回答者:そうですね、絶対に変えないようにしてないところも価値として多分見ていただいてると思います。
質問者:変えないでいこうって決断した決断できた***とかって
回答者:やっぱ本数100%最初の300本で何をやっても英語入れても日本語入れても、確実に100%変換できるっていうところに、あぁ、もうこれはいけるという確信しました。

 

パートナー

質問者:すいません、いいですか。スタートアップやってちょうど7期目に入るんですけども、質問として会社に関する質問が1つ、ビジネスモデルに関する質問が2つなんですけど、先にあのちょっとビジネスモデルに関して質問で、今この月額制とトライアルでスタートするビジネスだと思うんですけどおそらくですけど、私もあのBtoBで月額制のビジネスをやっていて、おそらくですけど、解約をなるべく防ぎたいと思うんで、スポットがあたる契約をなるべくなくして、レギュラーの月額の契約を増やすっていうのが一番***かなと思ってるんですけど、そこに、なるべく多分ですね、レポート一回見てこれでわかった気分になって終わりにしちゃう方々が多いんじゃないかなと思うので、継続的に月額を増やすためにどんなことをされてるかっていうのが質問の1点で、あと2つ目は、多分***
質問者:1つずつ聞いた方がいいんじゃないですか。
質問者:はい?
質問者:1つずつ聞いた方がいいんじゃないですか。
質問者:はい、じゃあ、最初にそれで。
回答者:はい、えーとですね、実はちょっと今回配らせてもらったものから5月に一回ブラッシング、改訂してるんですが、実はですね、売り切りショウガイプリベイドのショウガイ***が増えてきています。で、ですが、ウチ、売り切りになるという感覚にならないんですよ。なんでかっていうとたくさん買ってもらって1回で使い切るっていうことがないショウバイ。なんどもなんども280人もやるので、支店ごとにやったりするんですね。ということは、1支店終わって次の支店やるのに1か月かかったりするんですよ。となるとお金は1回でガサッと入っていってるんだけども、実は使い続けるのは半年くらいずっと続く、っていうモデルになってまして、顧客側はずっと使ってるイメージなんです。なので、お金は途切れないんです、実は。その次にもう一回買い直しっていうものが楽になるですね、使ってたんだからやろうよ、って。ていうことで実は、結果オーライなんですけれども、ウチの場合は使うところにいわゆる継続性を持たせているので、意外と売り切れな感覚を、なんていうの、顧客の方は持っていない、ていうことろに強みがあると思います。
質問者:ありがとうございます。2つ目の質問は多分、今社員さんの正社員の一人だと思うんですけど。パートナーさんも結構重要度あると思っていて、どういうパートナーさんが欲しいですか、という質問です。
回答者:パートナーというのはウチの社内の、ですね?実は6月1日のもう一人、二人目の正社員が入ることになってですね、ようやくコアメンバー3人体制になるって形になります。で、実はですね、4月に入った一人も私の元同僚であり同期でありSONY時代の同期で次に入るのもSONYもその次のDNAも一緒に働いた仲間っていうことで結局、仲間が集まってくれているという状態になってきたのでやっとこれからかなと、今度はやっぱり自分たちの枠ではない人が欲しいよね、っていう話はしてまして、今来てるのがみんなやっぱりエンジニア肌ばっかりなので、売る側に強い人が欲しいよね、みたいなところ***ってます。
質問者:今代理店とかそういうなんかパートナーさんっていうのは?
回答者:実はウチの会社の中の売りが強い人が欲しいよねって言ってるぐらいで、マーケティングゼロなんですね。営業さんゼロでやってまして、全部引き合いがきて、全部それに対応しているだけなので、という意味では営業をかけたことがありませんし、代理店も勝手に代理店になってるなって話なんですよね。で、仕事してる相手さんが、口コミで広げてくれてるていうのもあるんですが、それ以上にコンサルティング会社のバックヤードをやってる***の提供をしていることが多いので、コンサルの会社が勝手にクライアントを増やしてくれるっていうことになっていてウチとしてはすごい楽な方です。
質問者:わかりました、ありがとうございます。
質問者:じゃまあ、次のあれもありますので、あのあと、えっとー、最後に懇親会もやってますからまたあの直接河野さんに話のある方は、遠慮なくお話いただいて。で、ちょっとあのー***

それじゃ、ちょっとあのー50分まで、短いですんで申し訳ないんですけど時間ないので50分まで休憩したいと思います。

 

2件のコメント

  1. 第48回の講義について、重要論点や傾向の解析結果を出しました。
    解析レポートを表示する
    ぜひ御覧ください。

    またこのコメント欄から、当日の講演について、
    会場では話しきれなかった議論やコメント、
    残念ながら欠席された方からのコメントをお待ちしております!

  2. 残念ながら、当日に出席できておりません。特にコメントはありません。

コメントする

メールアドレスが公開されることはありません。

日本語が含まれない投稿は無視されますのでご注意ください。(スパム対策)