著者 木本 東賢の記事
100件の記事が見つかりました
生成AIを導入したのに、なぜ”詳しい人しか使わない”会社になってしまうのか
現場で使われるための基本編
AIに「丸投げ」と「怖がり」、どちらも同じ間違いをしている
現場で使われるための基本編
「使い方」を教えても定着しない。足りないのは「置き場所」だった
現場で使われるための基本編
差し戻しを減らしたいなら、AIは「出す直前」に置け
現場で使われるための基本編
企画会議にAIを入れると失敗する。会議の「前」なら成功する
現場で使われるための基本編
「なんか違う」が続くのは、渡している情報のせいだ
現場で使われるための基本編
AIが「あの人の道具」で終わる会社と、「チームの当たり前」になる会社
組織で広げるための設計編
2割しか使わない状態は、社員のせいじゃない
組織で広げるための設計編
共有・テンプレ・説明会、「やった」だけで終わっていないか
組織で広げるための設計編
「禁止」でも「自由に使って」でもない、第三の選択肢
組織で広げるための設計編
社内資料を全部入れたのに、なぜ使えないのか
組織で広げるための設計編
全社展開に失敗する会社は、全部署を「同時に」動かそうとする
組織で広げるための設計編
アンバサダーは何をすればいいのか
組織で広げるための設計編
定着を止めるのは、現場ではなく「上」の無関心だ
組織で広げるための設計編
「何人使ってます」の先にある、本当に見るべき数字
定着を成果につなげる編
生成AIを入れただけでは、会社は変わらない
定着を成果につなげる編
生成AIで「浮いた時間」は、何に使うべきか
定着を成果につなげる編
定着は「した」で終わらない。半年後に差がつく振り返りの仕組み
定着を成果につなげる編
「使っている会社」と「使いこなしている会社」は、1年後に変わる
定着を成果につなげる編
AI時代に必要な考え方：クリティカルシンキングとは何か
考える力の基本
「なんとなく正しそう」で判断していませんか
考える力の基本
事実と意見を分ける — これだけで仕事が変わる
考える力の基本
「問いの立て方」で結論は変わる
考える力の基本
前提を書き出すと、判断の穴が見える
考える力の基本
ロジカルシンキングとクリティカルシンキングの違い
考える力の基本
ロジカル→クリティカル→ロジカルの3ステップ
考える力の基本
数字に騙されないための3つの視点
情報を見極める力
「相関」と「因果」を混同すると何が起きるか
情報を見極める力
確証バイアス — 自分の思い込みにどう気づくか
情報を見極める力
情報ソースの信頼性をどう判断するか
情報を見極める力
「反対の立場」から考える習慣をつける
情報を見極める力
根拠は？ 他の解釈は？ 例外は？ — 3つの問いを習慣にする
情報を見極める力
正解がない問題にどう向き合うか
意思決定の技術
意思決定を歪める5つの罠
意思決定の技術
サンクコスト —「もったいない」で判断を誤る
意思決定の技術
「みんなそう言っている」は本当に正しいか
意思決定の技術
選択肢を増やす — 2択で止まらない技術
意思決定の技術
比較軸で判断する（前編）— 軸の決め方
意思決定の技術
比較軸で判断する（後編）— 比較表の作り方と実践
意思決定の技術
条件付き意思決定 — Go条件と撤退条件を先に決める
意思決定の技術
リスクとリターンの考え方を整理する
意思決定の技術
意思決定メモの型（前編）— 9項目で判断を構造化する
意思決定の技術
意思決定メモの型（後編）— 3つのケースで使う
意思決定の技術
会議の前・中・後で使うチェックリスト
組織で考える力を使う
提案書のロジックを強くする
組織で考える力を使う
1on1で「考える力」を育てる
組織で考える力を使う
チームの意思決定の質を上げる仕組み
組織で考える力を使う
クリティカルシンキングを組織に広げるには
組織で考える力を使う
ロジカルシンキングの鍛え方
考える力を鍛え続ける
クリティカルシンキングの鍛え方
考える力を鍛え続ける
考え続ける力が、あなたの仕事を変える
考える力を鍛え続ける
生成AIの仕組み入門を始めます。
生成AIの基本原理
生成AIは、そもそも何をしているのか
生成AIの基本原理
トークンとは何か。AIは文章をどう見ているのか
生成AIの基本原理
トランスフォーマーとは何か。生成AIが"読む"仕組みをざっくり理解する
生成AIの基本原理
生成AIはなぜズレるのか。ハルシネーションの仕組み
生成AIの基本原理
プロンプトで何が変わるのか
生成AIの基本原理
モデルが違うと何が違うのか
生成AIの基本原理
RAGとは何か。AIが社内情報を使えるようになる仕組み
検索・記憶・参照の仕組み
RAGはなぜ万能ではないのか
検索・記憶・参照の仕組み
Web検索とRAGはどう違うのか
検索・記憶・参照の仕組み
メモリとは何か。RAGとどう違うのか
検索・記憶・参照の仕組み
ファインチューニングとは何か。RAGやメモリとどう違うのか
検索・記憶・参照の仕組み
ベクトル検索とは何か。RAGの裏側で何が起きているのか
検索・記憶・参照の仕組み
Deep Researchとは何か。検索より深く、RAGより広く調べる仕組み
検索・記憶・参照の仕組み
AIが答えを出せる時代に、人に残る仕事は「問い」だ
なぜ「問い」なのか
検索と問いは違う——知っている情報を引き出すのと、知らない構造を作るのは別の行為
なぜ「問い」なのか
「正解を当てにいく思考」は、もう通用しない
なぜ「問い」なのか
大きすぎる問いは、まず中身を見渡す
問いの操作技法
焦点を絞ると、問いが動き出す
問いの操作技法
「なぜ？」の深さを1段変えるだけで、景色が変わる
問いの操作技法
同じ事実を別の角度から問い直す（前編）——リフレーミングの原理
問いの操作技法
同じ事実を別の角度から問い直す（後編）——業務で使う3パターン
問いの操作技法
問いの主語を変えると、見える世界が変わる
問いの操作技法
コンテキスト（前提条件）を明示すると、問いが研ぎ澄まされる
問いの操作技法
問いに時間軸を入れると、議論が噛み合う
問いの操作技法
抽象と具体を行き来する——問いの解像度を上げる
問いの操作技法
操作技法のまとめ——問いを設計する道具箱
問いの操作技法
会議と報告に論点がないと、何も決まらない
仕事で使う問いの型
AI時代の会議——前提を最速で揃える設計
仕事で使う問いの型
顧客の本音は、直接聞いても出てこない
仕事で使う問いの型
数字を「見る」前に「何を見るか」を決めているか
仕事で使う問いの型
AIに仕事を任せるとき、最初に設計すべきは問いだ（前編）
仕事で使う問いの型
構造化とは何か——バラバラな情報に枠組みを与える技術
構造化
仮説とは何か——「当てずっぽう」との違い
仮説思考
構造化の4つの基本パターン
構造化
なぜ「仮説が先、データが後」なのか
仮説思考
ツリーで分解する——大きなものを小さく切り分ける
構造化
仮説の立て方——観察から「仮の答え」を作る
仮説思考
マトリクスで整理する——2つの軸で比較・分類する
構造化
仮説の検証——「何を見れば確かめられるか」を先に決める
仮説思考
プロセスで流れを見る——時系列・手順・因果を可視化する
構造化
仮説が外れたとき——修正と撤退の判断
仮説思考
対比で違いを浮かび上がらせる——Before/After、As-Is/To-Be
構造化
AIを仮説思考の加速装置にする
仮説思考
「漏れなくダブりなく」は、どこまでやるか——MECEの使い方と限界
構造化
構造化は手段であって目的ではない——整理したあと、どう使うか
構造化
ポン出しで中身のないAI資料の罠
編集長のAI談義