ちゅむステ ＜ChumuNoteの大きな1歩＞

VTuberのChumuNoteさんが企画主宰する音楽番組「ちゅむステ Page1」と振り返り配信を見た。
「ちゅむステ」は ChumuNoteさんが、会社(MOLA STUDIO)を設立する前に、活動の1つとして挙げていたので楽しみにしていた。

VTuberの３D音楽番組を素人がいちから作ってみた感想【MOLA STUDIO】(https://youtu.be/a6cVlsJuAGo)

【振り返り配信】
スケジュール調整や動画編集、カメラマンなど、ChumuNoteさんの負担が大きいようだ。
小さい会社だから、しかたないところではある。
しかし、ChumuNoteさんが多才であっても、時間は有限だから、多くの仕事を兼務するのは難しいかもしれない。

★ とはいえ、会社(MOLA STUDIO)設立当初の目標だった、音楽番組を配信できたことは大きな一歩だと思う。

出演者によるコラボコーナーがあると良いと思う。
実現しようとすると、出演者やスタジオ、スタッフのスケジュール調整や稼働時間が増える。
多くの問題は、金銭的に解決できそうだけど、こればかりは実績を積み重ねるしかないだろう。

【ちゅむステ】
出演者は、主催者ピックアップ枠が2名、公募枠が1名で、出演者が、次にどのような出演者を推薦するかを指定してバトンをつなぐ方法だ。

XIDENさん(RK Music)の出演が公開されたときに、大手事務所に声をかけたのかと思ったら、XIDENさんは公募枠だったらしい。
そして、次の公募枠の指定は、「ダンスができる人」だった。

ダンスといえば、奏みみさんだよな!
と思うけれど、視聴者によるリクエストではなく、演者が応募する決まりだから、なんとかなるものではないけれど。

★ 奏みみさんがTubeout vol3への出演を機にに活動が広がったように、新人VTuberが、実績があるVTuberと共演することで、ブレークするような番組になるればよいと思う。

---

• VTuber事務所設立 ＜ChumuNoteの決意＞ (2026/02/08)
• Hukyu ＜諸星めぐる氏が帰属しているバーチャルとは?＞ (2025/11/16)
• ForbesJAPAN 2025/10 ＜表紙はスターの原石さん＞ (2025/08/29)
• パラレルシンガー　＜大型新人 藍海のん＞ (2025/05/22)
• 需要あるところに供給あり ＜朝ノ瑠璃の憂鬱＞ (2025/05/02 )
• VTuber学　＜AZKiと奏みみの物語的アイディンティ＞ (2025/2/12)
• 知っていることから知らないことを知る　＜北白川かかぽの思考過程＞(2024/11/15)
• VTuber学(2024/10/03)
• 企業公式VTuber　＜燦鳥ノムの魂はいずこ＞(2024/09/08)
• 第二回VTuber歌唱王　＜富士葵の大御所感＞ ( 2024/5/8)
• 星街すいせい「THE FIRST TAKE」出演のサポートチーム インタビュー　 (2024/4/20)
• VTuber ＜おめがシスターズ＞ (2024/3/7)
• 新人VTuber　儒烏風亭らでん (2024/2/22)

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【Vtuber】

再発防止策 ＜弱い組織がわかる＞

エンジニアなら知っておきたい障害報告&再発防止策の考え方 Qiita (2024/11/27)

昔いた職場で、事故防止に取り組んで、2018年から断続的にブログの記事も書いているので、Xで流れてきた記事にひっかかって読んだ。

【先に結論を】
防止対策は事故防止のごく一部だが、防止対策を読むとその企業や組織の風土が透けて見える。

重要なことは次の2点だ。
防止対策を実行すると事故が減るのか
そもそも実行できるのか

事故が減るなら、防止対策がカッコ悪くても良い。

投稿者の広木大地氏は、悪い再発防止策として、

1. 責任回避のため稟議、決済経路を追加する策
2. 他者の努力／忍耐／根性の不足を指摘し改善を求める策
3. 個人／チームの注意力を原因とし、「より注意深く確認します／させます」といった策
4. それっぽい言い訳付きのダブルチェック/トリプルチェック体制
5. ドキュメントにその旨追記します！的な解決策

を挙げておられる。
そして、

「ちゃんと」「しっかり」というフレーズが出てきたら、危険信号です。

とおっしゃる。禿同である。

再発防止策はどの業種でも参考になるだろう。
防止策について書いてみる。

【防止策】
事故防止の研修で教えてもらった効果のない対策は、

• 周知徹底
• 教育
• ダブルチェック
• チェックリスト

だった。

これらの対策は、「気合と根性」が大好きな人が挙げやすく、現場で本当に実施できるかまで考えられていないことが多い。

事故の報告書を読むときは、後の方に書いてある防止策を最初に読むようにしている。
対策がこの4項目だったら、その報告書は読む価値はないことが多い。
「これくらい書いておけばいいでしょ」という姿勢が透けて見えるのだ。

【NGワード】
次の語句が目立つ防止策は効果がないことが多い。

・「確実に」「徹底的に」
防止対策を書いた人が、そう思っているだけで、具体性のない文言は、実行されない。
政治家が使う、「しっかり」「きっちり」と同じで、実現しないのだ。

・「させる」
例えば、管理部門が現業部門に対して行動を求めるときなどにこの表現になることが多く、原因は自分以外の第三者にあると結論付けていることが多い。
第三者に行動を求めるのは簡単だが、自分が行動するのは難しい。
つまり、防止対策を書いた本人は防止策を実行しないということだ。

・「べき」
行動ではないので論外だ。

【第三者が書いた対策】
原因の分析は第三者でも可能だ。
第三者は、客観的に事実ベースで分析しやすいし、人間関係などのしがらみを排除できる。
一方、当事者は、主観的になりやすく、無意識に責任を回避しようとするから、原因の分析は難しい。
しかし、当事者でなければ、特定できない、本当の原因があるものだ。

第三者が書いた対策案は参考にならないことが多い。
分析や提案内容が的確でも、所詮自分の行動ではないので、綺麗事臭が漂うのだ。
だから、第三者が書いた提案を丸パクリしているような防止対策は、実行されない。

防止対策は、当事者が実行できることが大前提だから、当事者が考えなければならない。

【結論】
防止策は事故防止のごく一部だが、防止策を読むとその企業や組織の風土が透けて見える。

重要なことは次の2点だ。

• 防止対策を実行すると事故が減るのか
• そもそも実行できるのか

事故が減るなら、防止策がカッコ悪くても良い。

---

過去に書いた、事故防止に関する投稿

• ヒューマンエラー対策の限界
  [ヒューマン・エラー ＜「気を付けろ」が有効なのは＞ (2018/01/31)]
• 組織文化としての安全
  [ANAが大切にしている習慣 (2018/01/23)]
• 失敗共有の重要性
  [失敗まんだら ＜まず、失敗事例が共有されること＞ (2018/01/27)]
• 分析の落とし穴
  [現場力がみるみる上がる 実践なぜなぜ分析 ＜ミスをチェックする側の問題＞ (2018/10/25)]
• 実践編
  [なぜなぜ分析(実践編) (2019/01/14)]
• 管理編
  [なぜなぜ分析(管理編) (2019/01/16)]

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】

アルゴロジック ＜科学的方法とそっくり＞

　アルゴロジックで問題をクリアしていく手順は、実は科学者が新しい発見をしたり問題を解決したりする時に使う「科学的方法」と、そっくりです。

それぞれのステップを比べてみましょう。

科学的方法のステップ	アルゴロジックでの行動
1. 問いを立てる（観察・疑問） 「なぜ？」と疑問を持ち、問題を明らかにします。	問題を理解する 「どうすればロボットが旗を取れるか？（クリアできるか？）」という目的を明らかにします。
2. 仮説を立てる（予想） 「こうすれば解決できるのでは？」と予想します。	やり方（手順）を考える ロボットをどう動かすか、命令を並べて手順を組み立てます。
3. 実験（確かめる） 仮説(予想)が正しいか、実際に試してみます。	プログラムを実行する 「実行」ボタンを押して、ロボットを動かしてみます。
4. データ収集・観察 実験の結果をありのままに観察し、記録します。	ロボットの動きを見る ロボットが予想通り動いたか、どこで止まったか、または失敗したかをじっと見ます。
5. 振り返り・良かったか悪かったかを考える（結論） 結果を分析し、仮説(予想)が正しかったか判断します。	原因を考える（間違いを見つける） 失敗した場合、「なぜそこで間違えたのか？」「どの命令が違ったのか？」を考えます。
6. 改善（何度もやり直す） 分析結果にもとづいて、仮説(予想)や計画を直し、もう一度試してみます。	プログラムを修正する 間違っていた命令を入れ替えたり、順番を変えたりして、もう一度実行します。

最も重要なステップは

どちらも、全てのステップが大切ですが、あえて一つ選ぶなら、「仮説を立てる（アルゴロジックでは手順を考える）」ステップが最も重要です。

なぜなら、当てずっぽうにやってみる（実行）のではなく、「こうすればできるはずだ」という予想（仮説）があるから、失敗した時に「なぜ失敗したのか」が分かり、次にやってみるときの改善につながるからです。

このように、アルゴロジックの問題にチャレンジすることで、科学的な考え方のトレーニングになっています。
ぜひチャレンジしてみましょう

---

• アルゴロジック ＜論理的試行錯誤＞ (2020/09/30)

---

最近の投稿
【Yoshiのよしなしごと】【ICT×教育】【Yoshiのブログ】

AI-Ready ＜課題は技術ではなく人的組織的＞

【迷惑メール】
問い合わせ窓口用に公開しているメールアドレスがある。
そのメールアドレスに届くメールの90％は、迷惑メールで、本当の問い合わせ案件のメールが埋もれてしまう。

更に、最近の迷惑メールは巧妙になっていて、一見すると見分けがつかないので、フィッシングメールをつい開いてしまう危険性もある。

【Agent】
そこで、問い合わせ窓口宛てのメールを判定するAgentを作成してみた。
Agentのお題としてはよくあるお題だ。

メールの着信をトリガーにして、迷惑メールか否かを判定し、SharePointのリストに登録して、共有するようにした。

迷惑メールの定義をざっくり与えたら、
・スパムメール
・フィッシングメール
・DM
を迷惑メールとして判定しているようだ。

ウイルス付きメールや危険なリンクを含むメールはメールシステムがブロックしたり、迷惑メールフォルダに振り分けるので、ユーザーのメールボックスに配送されるメールを対象にしている。

当初、使用していたAIのモデルは、かなり緩い判定をしていた。
同じモデルを使用しているAI-Chatに与えた結果と違うことが多かった。
また、プロンプトで詳細に指示しても反映されないことも多く、回答が得られないこともあった。

GPT-5に変わってから、判定精度が上がって、プロンプトの指示が反映されるようになった。

そこそこの精度になったので、
次のアクションとして、問い合わせメールの場合は、返信の下書きを生成させてみた。
これまでの返信から作成した返信テンプレートと、問い合せメールを与えると、下書きを作成してくれる。

ここまでできたら、
担当者に、下書きと問合せメールの着信を通知して、
・必要であれば、回答する人が下書きを修正して、
・管理者が承認したら、
回答メールを送信するところまで実装できそうだ。

ところがである。
困ったことに、誰に通知すればよいかわからない。
問い合わせを処理する人は、その都度変わるから、自動化できないのだ。

【AI-Ready】
AIを活用するためには、AIが使用できるようなデータが必要と書いた。
AIが使うデータだけでなく、AIが適用できるワークフローも必要だ。
人間が処理することを前提に作成されたExcelや、その都度、指示を受けて人が処理している作業は、AIで効率化できない。

つまり AI-Readyではないのだ。

---

• M365をきちんと使う ＜SharePointはNASじゃない＞ (2026/01/10)

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】【ほぼ1人情シス】

岐路に立つ ＜6年前の記事＞

5年半前くらいに書いたまま、投稿していなかった記事を発見した。
60歳の定年を目前に転職した頃に書いた記事だ。

当時「3回目の心の定年」を迎えていて、再雇用で65歳までの5年間を「働かないオジサン」として生きるか、次のステージに進むか迷っていた。

「働かないオジサン」として生きたら、65歳で再雇用を終えたときに、再就職は難しく、70歳まで働ける仕事があるのかという危機感があった。
そして、考えた結果、定年の1年前に転職した。

幸いにも今は変革期だ。しかも、コロナ禍で変革が加速されている。
何か、自分にできる仕事があるだろう。

と自分を鼓舞していた。

この時の決断が正しいか、間違っているかを考えるのは無意味だ。
少なくとも「働かないオジサン」にはならないと決断した時点で、結果によらず正しいと思う。

過去はさておき、これから先の5年をどう働くかを考えよう。

---

【2028/08/08に書いた記事】
3回目の「こころの定年」を乗り越える

こころの定年は、楠木新氏の造語で、

• 「今やっていることが、誰の役に立っているのか分からない」
• 「成長している実感が得られない」
• 「このまま時間が流れていっていいのだろうか？」

　など、「組織で働く意味に悩むこの状態」のことで、会社人生の前半戦と後半戦との切り替えの時期の、40歳過ぎに訪れるらしい。

「こころの定年」を迎える人には、

1. メンタル不調を伴うタイプ
2. 満たされない思いを抱えるタイプ
3. 転職や独立を志向するタイプ
4. 昇進ができずに立ち往生しているタイプ

があるらしく、「こころの定年」を迎え、社会人人生の前半と後半の働き方を変えられないと、「働かないおじさん」になるらしい。

　これまで、2回の「こころの定年」を乗り切り、3回目の「こころの定年」を迎えていた。
1回目は働き方を変えない覚悟を決めて乗り越え、2回目は働き方をマネジメントに変えて乗り越えた。そして3回目はキャリアを変えるために転職することにした。

　2回目の「こころの定年」の頃から恐れていたキーワードは「働かないオジサン」だ。　いつかは、「働かない」、「働けないオジサン」になるだろう。　しかし、自ら「働かないオジサン」を受け入れると悔いを残すことになる。　60歳を目前にルーキーに戻った。

　25年前にインターネットが普及し始めた頃は、社会の大きな変革期だった。そして、この変化に対応する仕事は楽しかった。　安定期には、なんでも卒なくこなす者が重宝されるが、変革期には、何か取り柄があれば仕事はあるものだ。

　幸いにも今は変革期だ。しかも、コロナ禍で変革が加速されている。

　何か、自分にできる仕事があるだろう。

---

最近の投稿
【Yoshiのよしなしごと】【転職】【Yoshiのブログ】

生産性に関する経営者と労働者の認識のズレ

南場智子「ますます“速さ”が命題に」DeNA AI Day2026全文書き起こし　エンジニアtype  (2026/03/08)

ネット民は、
「先に人を動かす」
「マネジャーの評価指標に「人材の輩出」を組み込む」
に反応している人が多いようなので、全文書き起こしを読んでみた。

結論を先に、
・労働者は、空いている時間で自分がやりたいことがある人か、賃金でモチベートしていない人以外は、AIを使うメリットはない。
・経営者は、余剰人員で、新規事業や、先送りしている課題を解決できなければ、AIを使うメリットはない。
・社員を何でモチベートするかという、AIが登場する前からの、問題になる。

冒頭の文言は、
新規事業への人材シフトが想定どおり進んでいないことについて説明した中での発言のようだ。
社員は、AIを導入して余裕ができたとしても、「やりたくてもできなかったこと」をやってしまうから、「先に人を動かす」という少々乱暴なリーダーシップが必要である。

また、組織的に人的余裕ができたとしても、マネージャーは自ら部下を減らすことに抵抗があるから、「マネジャーの評価指標に「人材の輩出」を組み込む」ことで、AI導入のメリットを受けることができる。

とおっしゃる。

経営者としては、真っ当な感覚だと思う。
ネット民の大半を占める労働者と、経営者とでは、AIを導入した際の、生産性について認識が違うようなので、考えてみた。

考えてみた。
生産性を、ざっくり

　生産性 ＝ 生産量 / 投入リソース

とすると、投入リソースは、
・個人の観点では、大半は労働時間
・経営者の観点では、大半は人件費
という前提で、生産性について考えてみた。

AIを活用すると、短い労働時間で同じ生産量得ることが可能だ。
ところが、南場智子氏が指摘するように「やりたくてもできなかったこと」をやってしまうから、生産量は増えるが労働時間は変わらない。
結果、AIを導入しても生産性は変わらない。

また、日本の多くの企業の賃金体系は、生産量(成果)より労働時間の方に関係する。
乱暴な言い方だが、生産量が増えたとしても、労働時間が短縮できないので、賃金は変わらない。
労働者の観点では
 生産性 ＝ 受け取る賃金 / 労働時間
だから、AIを使えば使うほど、生産性は低下する。

次の図は、
一定の生産量を得るために必要な投入リソースの割合を示している。

• 「①AI導入前」(図左側)：人間が作業を行う場合の割合
  頭脳労働のような高次の作業もあれば、単純肉体作業のような低次の作業もある。
• 「②従来分」(図中央の)：AIを活用した場合の割合
  AIが苦手とする、高次、低次の作業は人間が行う必要があり、AIが作業量の50%を肩代わりしたと想定している。
• 「③増加分」(図右側)：人間の、減った作業量で別の仕事をしたものだ。割合は②従来分と同じ割合にしている。

労働者と経営者の観点での生産性は

• 「②従来分」では、
  労働者：
  　生産量は同じで、人間の作業量は減っているので、生産性は向上している。
  経営者：
  　余剰人員が生じているので、解雇すると生産性は向上するが、解雇は困難だから、他の業務を担当させることになる。
• 「③増加分」では
  労働者：
  　生産量は②+③になり増加し、人間の作業量は同じなので、生産性は向上している。
  　しかし、日本の多くの企業では、賃金は生産量ではなく、労働時間で決まる。
  　生産量が増加しても賃金は変わらないから、モチベーションが下がる。
  　空いた時間で「やりたいこと」ができるなら、モチベーションを維持できる可能性がある。
• 経営者：
  　余剰人員で新規事業を起こしたり、会社の課題を解決することができる。しかも、人件費は変わらない。
  　経営者が目指している状態だ。

つまり、
労働者は、空いている時間で自分がやりたいことがある人か、賃金でモチベートしていない人以外は、AIを使うメリットはない。
経営者は、余剰人員で、新規事業や、先送りしている課題を解決できなければ、AIを使うメリットはない。

結論
南場智子氏は「DeNAの社員は優秀だから、余裕ができたら、やりたくてもできなかかったことを始める」と婉曲な表現をされているが、つまりは、余った時間で、個人がやりたいことではなく、会社が求めることをやってほしいということだろう。
とすると、賃金以外でモチベートする必要がある。
つまり、社員を何でモチベートするかという、AIが登場する前からの、問題になる。

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】

M365 Copilot導入 ＜小規模事業所で導入してみた＞

M365 Copilot 導入で起こり得る誤算
なぜ手厚いサポートが社員の「AI 離れ」を招くのか
キーマンズネット (2026/02/18)

M365 Copilotを全社導入した内田洋行の事例をダウンロードできる。
内田洋行は大企業だから、活用推進担当がいて、定期的に勉強会を開いていたらしい。
その中で、明らかになった活用推進の要点がまとめてある。

ところで、
中小企業向けでも購入できるようになった頃から使っている。
30人程度の小規模事業所で導入し、現在進行形で格闘している事例を、「ほぼ1人情シス」の立場から書いてみる。
大企業の導入事例を参考にするのは難しいと思っている人には、参考になるかもしれない。

【前提】
M365 Copilotは他の生成AIと比較して、以下の特徴がある。
・M365アプリ(Office, Teams, Outlook etc.)との連携
・SharePoint, OneDrive内など組織内のデータの活用(検索、資料作成)
これらの機能を使用せず、AI-Chatだけ使用する場合はコスパが悪い。

【導入】
PowerPointのスライドを生成したかったので、Copilotの導入を提案したのだが、
Copilotライセンスは高価で1年更新だから、最初から全員にライセンスを付与することが難しかった。

経理担当は、効果があるなら、使うなら買ってもよいとおっしゃる。
じゃあ、使いたという人にライセンスを付与しようとなるのだが、何に使えるか、どう使ったらよいのかわからないので、使いたいと言えない。卵鶏問題だ。

とりあえず5ライセンス購入して、PowerAutomateとFormを使用して申請すると14日ライセンスが付与される仕組みを作った。(1ライセンスは直接自分に付与しておいた ^^)

★思いついたときに使えることが重要だが、試しに使ってみるために、年契約のライセンスを全員に配布する方法はコスパが悪い。
　少ないライセンスを複数のユーザで共用する仕掛けを作ることは可能。

【普及活動】
何に使えるか、試している人が多数く継続して使用している人は1人だけだった。σ^^)
更新時期が近づいてくると「活用されているのか?」と問われるので、啓蒙活動をはじめた。

ChatGTPを使っている人も多いから、生成AIの説明に困ることはない。
しかし、生成AI＝Chat-GTPと考えている人は、CopilotもAI-Chatと捉えている人は多かった。

使用例を示して、「CopilotはOfficeアプリに組み込まれたAI」という説明をした。
「ほら、このスライド30分でできます。簡単でしょ?」
と説明していた。
アウトラインが重要で、アウトラインを書いた時間はあえて説明しなかったのだが．．． (^^ゞ
とりあえず使ってみることが重要だと考えていた。

PowerPoint、Excel、Word、 OutlookなどのアプリでのCopilotの使用例をTeamsのチャネルに投稿していたら、使い続ける人が徐々に増えてきた。
(Copilot説明会　＜最初のハードルを越える＞ (2025/05/19))

★使用頻度が高い人は申請しなくても使用できるようにした。
　雑談で使用例を話してくれるけど、Teamsに投稿してくれない。

【AI-Agentを作ってみる】
CopilotStudioで生成AI機能が使えるようになったのでAgentを作ってみた。
今までのやり方で十分と考えている人は使おうとしない。そろばんが得意な人がExcelを使わないのと同じだ。

そこで、システムにAIを組み込むと、ユーザはAIを使う意識がなくなるので活用できるだろうと考え、TeamsのFAQ botを作ってみた。(よくあるお題だ。)

分かったことは、
・CopilotStudioの生成AI機能で期待した結果を得るのが難しい。
　プロンプトと格闘したのだが、安定して期待する出力になるまで追い込むことができなかった。

・フリーフォーマットのナレッジは検索精度が悪い
　CopilotStudioは、ファイルやSharepointのフォルダ内のファイルをナレッジとして(RAGのように)使える。
　ところがフリーフォーマットでは、検索制度が悪い、特にPowerPointは難しいことが分かった。
　そこで、ナレッジに指定したファイルの先頭に要約を追加したり、PowerPointのタイトルページのノートに要約を追加した。
この作業は面倒だが、劇的に改善するわけではない。
ダメダメな出力が、イマイチの出力になるくらい改善された。
(無償版Copilotで十分 ＜有償版が使える環境になっていない?＞ (2025/12/10) )

Webで公開している連絡窓口のメールアドレス宛に届くメールは、ほぼ迷惑メールだ。
これを、判定するAgentを作ってみた、組織内のデータを使用しないので、有効だろうと考えたが、それでも判定精度が悪い。
プロンプトを試行錯誤してみたが、使ってみてくださいと言えるレベルにならなかった。
(Copilotで自立型エージェント (2025/09/07))
(GTP-5が使えるようになって見違えるように改善した)

★業務に組み込むには、まずデータを整理すること。Garbage in, garbage outは正しい。
　GPT-4とGPTｰ5とでは技術革新といえるくらいの差がある。

【組織のデータを使ってみる】
Google検索の代わりに使ったり、ChatGPTと同じようにAI-Chatに使うには高価すぎる。
最近の生成AIは、Officeドキュメントを生成できるようになったので、pptxファイルやdocxファイルを作成できることの価値は低下している。M365 CopilotはSharePoint、OneDrive、Outlook、TeamsなどM365のデータを扱うことで真価を発揮する。

ただし、M365のデータが使えるようになっていることが前提だ。
SharePointを昔のNASのように使っていたり、無秩序にチームやグループチャットが作られていたり、Outlookに予定を入力していないようでは、Copilotを使っても満足な出力は得られない。
(M365をきちんと使う ＜SharePointはNASじゃない＞ (2026/01/10))

★検索する方法や製品は議論するけれど、検索されるデータは議論されない。
　AIならごみ箱化したNASでも賢く検索してくれると思っている。

←今ココ

【振り返り】
・個人の作業の効率化 → 関心ない人の行動様式を変えるのは難しい。
・組織的な業務の効率化 → データの整理や業務フローの見直しが必要。
・「ほぼ1人情シス」の作業は効率化できた。

【冒頭で紹介したPDFを読んで再認識したこと】
・「詳しく指示して」はもう古い 
　GTP-5は、情報が足りない場合は、ユーザに質問して、会話するようになった。
　精度が向上したと感じるのは、
　・性能が向上したこと
　・AIがユーザの要求を引き出すようになったこと
　・pythonのサンドボックスを使うようになったこと
などが考えられる。

・音声入力
　展示会で音声認識と翻訳機能の説明を聞いたら、今後キーボードを使わなくてよくなると言っていた。
　話し言葉と書き言葉は違っていて、　思ったことや考えたことは、文章にするより、話すことの方が簡単だ。
　GTP-5はユーザと会話するので、キーボードより音声会話の方が簡単かもしれない。
　職場で隣の人が近い場合、「こいつ、独り言多いな」と思われてしまう．．．(^^

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】【ほぼ1人情シス】

エラーメールがRFC準拠していない ＜故意か?＞

エラーメール(NDR)がメーリングリスト宛てに返ってきて、展開されていたので調べてみた。

そのメールは発信者をメーリングリストのアドレスで送っていたので、NDRメールはメーリングリスト宛てに返送される。
メーリングリスト宛てのNDRメールを展開すると、ループになる可能性があるので、展開しないようになっている。

届いていないことやエラーの原因が分からないので、メーリングリスト宛てのNDRメールは管理者に配送される設定にしている。
ところが、エラー(NDR)メールがメーリングリスト宛てに返ってきたので調べてみた。

【原因】
RFC 3462, RFC 3464ではNDRのヘッダーに

Content-Type: multipart/report;
 report-type=delivery-status

が含まれると規定されているが、

Content-Type: text/plain; charset="UTF-8"

となっている。
つまり、NDR風の普通のメールとして送信されているので、メーリングリストメンバーに展開されていることがわかった。

【誰がNDRを作成したか?】
更に、メールヘッダを調べると、某セキュリティベンダーのクラウド型メールセキュリティ・ゲートウェイを使用しているることがわかった。

NDRは送信先サイトのメールシステムが作成していて、セキュリティゲートウェイを通過しているだけという可能性もある。
しかし、送信先サイトのメールシステムはNDRメールをRFC準拠で返送することがわかったので、セキュリティゲートウェイが返送しているNDRがRFC準拠でない可能性が高い。

【困った】
わざとそうしているのか? > 某セキュリティベンダー

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【ほぼ1人情シス】

生成AIで言語化を向上 ＜暗黙知の形式知化が可能かも＞

ChatGPTに「生成AIが広まったけど、結局 言語化能力がある人が得してるだけじゃない？」と問いかけてみた Qiita @8853Tomtomtom 
(2026/2/1)

この投稿は新しい。
何が新しいかというと、

AIと人との会話で話が進むのだが、ほぼAIの出力(言葉)で構成されており、人の言葉は引用として書かれている。
読み進めていくうちに、AIの出力が投稿主の言葉のように感じてくるように書いてある。

「AIが普及したが、言語化が得意な人が得をしている」
との問いに、AIさんは、
「AIを使用することが言語化の訓練になる」
とおっしゃる。
なるほど、それは一理あると思う。

【プロンプト】
AIから期待する出力を得るためには、AI適切な指示(プロンプト)を文章で与える必要がある。
頭の中にある、期待する出力を文章にする必要があり、解像度が高いほど、期待した出力に近づく。
ぼんやりとしたイメージでぼんやりとしたプロンプトを与えると、抽象的だったり的外れな回答が返ってくる。
生成AIを使ったことがある人なら誰でも、がっかりした経験を持っているのではないだろうか。

プロンプトをどのように書くかは多くの人が説明しているので、簡単に見つけることができるだろう。
しかし、そもそも、自分が何を期待しているのかを、認識して、それを言葉や、構造を組み合わせて文章にする方法は難しい。
仮に、秘伝の方法を説明されても、直ちにできるようにはならないだろう。

生成AIはユーザーに質問したり、選択肢を示してくれるから、やり取りの中で、期待する出力のイメージが徐々に明確化できて、言語化できるかもしれない。

【言語化サポートAI】
この投稿の中のAIさん?は

言語化が苦手な人が「考えを外在化」するための支援設計を、社会や組織が意図的に設計すべき

とおっしゃるので、AIさんに具体的な方法を聞いてみた。

AIさん曰く、
・プロンプトで指示することで、言語化をサポートするような回答を返すように振る舞うことができる。
・さらに、Agentを作成すると、AIで言語化をサポートする環境が構築できる。
らしい。

試してみよう。

---

↑まで書いて、AIさんに、誤字脱字のチェックと評論をお願いしたら、
・「言語化能力がある人が得をするのか」との問いに対するスタンスがない
・結びが弱い
とおっしゃるので、言語化してみよう。

【言語化能力がある人が得をするのか】
言語化能力は、個人の暗黙知を組織の形式知に変換する際に不可欠であり、昔から重要だった。
AIを活用する上で必要な能力として注目されているが、AIを利用して言語化能力を習得・向上させることに興味がある。
組織や社会の問題を解決しようとした場合には、個人の能力を増幅することも有効だが、組織的に形式知を獲得・蓄積する方がより有効だと思う。

【結論】
暗黙知の言語化には第三者の補助が必要だったが、AIで代替できる可能性はある。
補助する第三者も多くの暗黙知を持っているから、完全にAIで代替することは困難だろう。
しかし、一部でもAIで代替できるならば、組織の形式知は劇的に増大させることができる。

AIによる人の能力の増幅力を利用して、AIによる言語化の補助を検証してみよう。

【おまけ】
AIの問いにより、漠然と考えていたことを文章にすることができた。
なるほど、これがAIによる言語化の補助か。

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】

Excelマクロ ＜問題は禁止/許可の先にある＞

XにExcelマクロに関する投稿が流れてきた。 

Excelマクロが禁止されてた企業に勤めてたものの面倒なExcel作業が多いのに冗談じゃないとこっそりマクロ組んで仕事終えてた社員が辞める際、後任はマクロ使わない手作業のやり方で引き継ぎを受けたものの当然仕事のスピードが激落ちしてなぜだとなり、退職済みのその方に相談したところ実はマクロ使っ…

— 吉田拳｜Excel丸投げ外注サービス（毎月定額制）のすごい改善代表 (@sugoi_kaizen) February 23, 2026

多くの人がそれぞれの立場で、レスを投稿している。
大抵は、自分の立場や環境だけを考えていると思う。

ユーザの立場も、情シスの立場も、マネージャーの立場も経験したのでそれぞれの立場で考えてみた。

【ユーザの立場】
Excelマクロは野良化しやすいという指摘は正しい。(Excelマクロがすべて野良という訳ではない)

これまで、目の前の作業を終わらせるために、野良アプリ、野良ツールをたくさん作ってきた。
これらの、自分が使うためにやっつけ仕事で作ったプログラムを配布したり、引き継ぐと後からトラブルに巻き込まれた経験が何度もあるので、配布も引き継ぎもしないようにしていた。

「配布しない!」というと、勿体ぶってると言われるし、「as isで!」 と念押しして配布しても、不具合の修正や機能追加の依頼がある。
「勝手に修正していいよ」と答えると、「それができるくらいなら、頼まない」と．．．orz

★今時、手作業でコピーしたり、手打ちで入力する作業は人の仕事ではない。
★経験的には、自分のためのツールを、配布したり引き継ぐと、トラブルの元になる。

【情シスの立場】
Excelマクロは、セキュリティ上の脆弱性になりやすいので禁止したい。
使ったこともない野良マクロの不具合や機能追加の相談を受けることがあるが、正直なところ面倒だ。
野良はいくら改修したところで、所詮野良だ。

Excelファイルはクラウドサービスでは使いにくい、マクロ付のExcelファイルはクラウドサービスでは使えない。
Excelマクロだけが使えないわけではなく、ネ申エクセルも同様に使えない。
Excelマクロや神エクセルが残る業務は整理されていないことが多く、クラウド化しても効率化できない。

★Excelマクロや神エクセルは、業務が整理されていないことを示していて、新しいクラウドサービスやAIなど新しい技術を導入する際の足かせになる。
★問題は業務が整理されていないことだから、Excelマクロを禁止しても効果がないどころか、逆効果になる可能性がある。

【マネージャーの立場】
正直なところ、目の前の仕事をExcelマクロなどで片付けてくれる存在はありがたいが、甘えてしまうと、無駄な業務は減らない。

無駄な業務と認識しながら、対応しなければならないことがあると、マネージャーとしては辛く、自分の無能さを感じる。
そのような時に、Excelマクロなどの野良ツールで解決してくれると、正直ありがたいと思う。

しかし、その仕事が無駄であることに変わりなく、さらに優秀な部下の能力を無駄使いしている。

マネージャーは無駄な仕事をなくしたり、必要なシステムを導入すべきだが、
マネージャーも人の子だから、つい目の前の無駄な仕事を片付けるために野良ツールを使い続けてしまう。

★正直なところ、業務フローの変更が必要なことは分かるが、実現可能性を考えると言い出しにくい。
★無能なマネージャーが野良マクロ、野良ツールの使用を助長し、有能な能力を無駄に使ってしまう。

【結論】
Excelマクロの使用はリスクがあることは事実だが、リスクを承知で使わなければ終わらない仕事があることも事実だ。
現場にいる人がそれぞれの立場で声高に賛成/反対を言うことでは、問題は解決しないし、不毛だ。

野良マクロを使用しなければ業務が回らない現実を見ないようにして、問題を先送りしていることが問題だと思う。
つまり、Excelマクロの禁止か許可かの問題ではない。
立場を超えて、真の問題に取り組んではどうだろうか。

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【Excel】

Excelの動的配列数式(2)

【動的配列数式】
動的配列数式を簡単にいうと、1つの数式で隣接するセルに複数の値が出力される仕組みのこと。
従来のExcelは、関数を入力したセルに1つの値を出力していたが、2020年くらいに動的配列数式が導入されたらしい。
この時に、範囲を出力する関数、FILTER, UNIQUE, SORT, SORTBY, SEQUENCE, RANDARRAY が加わったようだ。

動的配列数式では、入力に範囲を指定できるようになった。(配列計算)
例えば、下のシートで、
A列(A3:A12)に入力された数値の10倍の数値をB列(B3:B12)に出力する処理を考える。
昔は、B3セルに =A3*10を入力して、B3セルをB4からB12にコピーしていた。
今は、B3セルに =A3:A12*10を入力すると、B3:B12に値が出力される。

条件式でも使えるので、C3セルに =IF(A3:A12<30, "LO", "HI") と入力すると、A3:A12の値が30より小さい場合は"LO"を出力し、30以上の場合は”HI"を出力する。

Excelの配列式 (2022/01/06) でExcelの動的配列について書いた。

その中で、生徒を科目ごとに5段階評価した一覧表から、最も良い評価の生徒を抜き出すという例を取り上げた。
この処理は、単に評価5を抽出すればよいわけではなく、5がなければ4が最も良い評価になるというところだ。
この処理を、配列数式を使わないで書くと、補助列が必要になって、後から処理が分からなくなる。
これを、動的配列数式を使用すると補助列が不要になるし、数式が減るので後から処理を追いやすい。

=INDEX(FILTER($A3:$E22,RANK(B3:B22,B$3:B$22)<=$H$1),,1)
という配列数式を示したのだが、わかりにくい。

【テーブルの構造化参照】　※2
処理対象の一覧表(A1:E21)をテーブル(成績一覧)にすると、
・A1:E21 → 成績一覧 
・A1:E1  →  成績一覧[#見出し] 
・A2:E21 → 成績一覧[#データ] 
・A2:A21 → 成績一覧[算数] 
で参照できる。(構造化参照)


=INDEX(FILTER($A2:$E21,RANK(B2:B21,B$2:B$21)<=$H$1),,1) ^※1
は
=CHOOSECOLS(FILTER(成績一覧[#データ],RANK.EQ(成績一覧[算数],成績一覧[算数])<=$H$1),1) ^※1
と書ける。(CHOOSECOLSとINDEXは範囲の1列目を抜き出す関数)
↑の配列数式をG3セルに書くと算数の1位がG3セルから下に抽出される。
G3セルをH3からJ3にコピーすると、成績一覧[算数]が自動的に成績一覧[国語]、成績一覧[理科]、成績一覧[社会]に変換される。

関数で範囲を指定する際に、A2:E21のような形式で入力しようとすると、テーブルのシートを行ったり来たりしなければならないし、テーブルが大きい場合は、マウスで選択するのも難しい。
構造化参照で書くと、式が入力しやすいし、分かりやすくなる。

【COPILOT関数】
Copilot有料ライセンスがあると、COPILOT関数が使える。
=COPILOT(
　"対象となるテーブルには,生徒毎に算数,国語,理科,社会,の教科の評価が記録されている。
　このテーブルから,算数,国語,理科,社会の教科毎に評価順位が高い側の
　1位の生徒を抽出してください。
　同じ順位に複数の生徒がいる場合はすべて抽出してください。
　評価は5が最も高く、1が最も低い。
　出力は教科と同じ行に生徒を出力します。
　生徒の評価(数値)は出力しない"
,成績一覧
)

↑をG2セルに入力すると、G2:K5に結果が出力される。


プロンプトは何回か書き直した。
ざっくり分析する場合や、出力と元データを見比べながら検証できるなら良いが、
元データが大きくなって、目視で検証できない場合は、AIの結果に頼るのは危険だ。
ハルシネーションを含んだAIの出力で、成績が決まってしまうと考えると、コワイ。

AIを使うなら、この結果を出力するための式を出力させるのが良いと思う。

---

※1RANK.EQ関数は、動的配列関数ではなく、配列スカラー関数で、第一引数に配列をを与えた場合に出力も配列になる。
※2 テーブルにデータを追加した場合範囲が自動的に拡張されるため、成績一覧[#データ] 範囲を変更しなくてよいという利点がある。

---

最近の投稿
【Yoshiのよしなしごと】【Yoshiのブログ】【よしなしごと】【AI】【Excel】