YCが1年かけて埋めたギャップ:個人のAI超能力を、会社全体の力に変える
個人ではAIを強く使えても、会社全体の仕事の進め方は変わらない。YCは1年かけ、データ、ツール、skill、毎晩の振り返り、会話の公開という5層の仕組みでこのギャップを埋めた。Peteが初めて公開した構成を、自社に導入する順番とともに解説する。
公開した 145 本を、キーワードやカテゴリー、タグからあいまい検索できます。
個人ではAIを強く使えても、会社全体の仕事の進め方は変わらない。YCは1年かけ、データ、ツール、skill、毎晩の振り返り、会話の公開という5層の仕組みでこのギャップを埋めた。Peteが初めて公開した構成を、自社に導入する順番とともに解説する。
+81 Builders主催のハッカソンに参加し、ai&のCLIとskillsでAIサービスをサーバーとして動かす仕組み、MiniMaxを使った高速で安価な動画生成を体験した。さらに登壇者は4時間でNeo4jを活用し、写真の関係解析や音楽分析、接触調査の動的グラフ、火災シミュレーションを構築。coding agentの熟練だけでは通用しない時代の変化と、関係を設計する力の必要性を痛感した。
ハッカソンで物語やブログから動画を生成するツールを開発。第1層は、物語を自動で節に分け、プロンプト・キャラクター・ボイスオーバーを生成して節ごとに映像化する仕組み。第2層は、AI& CLIをサービス層で包み、skillsとAI LLM APIで非エンジニアでも使える形にした。第3層は、先に書いたボイスオーバーを参照してMiniMaxで映像を生成する音声駆動の手法。3つの検証はすべて成功した。
AI Director は、アイデアを絵コンテ、キャラクター、ナレーション、ショットに分解するローカル制作用ワークスペースです。検証済みのプロジェクト JSON で AI の出力を構造化し、Edge TTS の音声をショットの尺に合わせて調整、ai& の MiniMax H3 で映像を生成します。制作フロー、タイムライン処理、課金タスクの境界、ローカル優先のデータ設計、Skill を明示的に読み込んで検証する設計判断を整理します。
同じ製造販売モデルを採りながら、トヨタの利益率はホンダや日産を上回る。背景には、デンソーやアイシンなど資本関係のある系列部品メーカーと協業しながら原価低減を徹底する姿勢と、2023年に世界生産1,151万台を達成した量産効果がある。もう一つの事例は、企画から製造・販売までを一貫して担うSPAモデルで知られるファーストリテイリング(ユニクロ)だ。中間マージンを削減し、Zaraとは逆の定番商品戦略で世界的企業となった。
製造販売モデルは、企業が製品やサービスをつくり販売して対価を得る単純な仕組みだ。だが強みと弱さは同じ場所から生まれる。鍵は「単体の力」とバリューチェーンの二軸だ。超精密部品メーカーは量産時の不良品に悩み、1990年代に東南アジアで改善を徹底。2008年の不況や2011年の震災を挟んでも営業利益率10%台前半を保った。品質と利益率は別物で、値下げ要求を断れない企業は買収された。打開策はバリューチェーンの見直しか、モデル変更に限られる。
データサイエンティストとマーケティングの分断を、Knowledge Catalog と Gemini の統合で解消する流れを、リテールバンクのローン借り換えを例に解説。自然言語でのデータ探索、PySpark 自動生成と Lightning Engine のゼロコピー結合、XGBoost によるモデル構築(精度90%・適合率85%)、カタログへワンクリック公開、ゼロトークンの BI 分析まで、数か月の作業を数分に短縮する。
「ビジネスモデル」という言葉が広まった背景を、日本の経済メディアの初期用例からたどる。1995年頃のデルに関する記事、1997年のプレイステーション対任天堂の特集、半導体産業が追撃を受けた文脈などを紹介。後半はトヨタ生産方式のジャストインタイムと自働化、米国スーパーから学んだ引っ張り方式、フォードの量産方式が日本には過剰だった理由、孫正義のタイムマシン経営、そしてビジネスモデルを多角的に読む書籍の枠組みを整理する。
テンセント研究院のFDEレポートを手がかりに、企業AI導入で繰り返し起きる4つの問題を整理する。デモと本番の落差、カバー率80%から99%への壁、価値の高いシナリオを見極める判断力、暗黙知をAIが使えるコンテキストへ変換する必要性、個人の効率化が組織の効率化にならない理由を論じ、最後にデモの速度で導入サイクルを測らないこと、業務と技術が共同で責任を負う小チーム、経営層の参画という3つの打ち手を示す。
TypeSafe AI の新モデル Jev は文章を生成せず、判断とその確率だけを返す。汎用 LLM より最大 193.6 倍速く、コストは約 444.6 分の 1、入力 100 万トークン 0.042 ドル、出力は無料。state と question を渡し、Noul・Choice・Score の 3 形式で答える。RLCD で較正された確率は、そのまま分流の閾値に使える。判断・生成・実行の分業を担う System 1 モデル。
倉庫・EC・購買がそれぞれ在庫100と表示しても、合計して300個を約束することはできません。Palantirは業務判断をData・Logic・Action・Securityに分解し、Object・Property・Linkで業務世界を記述します。本記事は在庫の例でOntologyの核心を解説し、大規模言語モデル時代に同じ理念をskillsやMCPで実現し、agentを先に作り共通部分を育てる道筋を提案します。
2026年の判断エンジン JVE を基に、開発を why と action の key-value に抽象化する。now を入力に優先すべき why-action と順序を判断し自動実行する runtime を構想し、action 後の reaction を次の Y に繋ぎループを閉じる。browser use で now を監視し、interview で個人の why-action データベースを作り、「仕事探し」を三ステップで試す。