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。