
著者 木本 東賢の記事
74件の記事が見つかりました


Vol.2
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
Vol.3
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
Vol.4
「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
Vol.5
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
Vol.6
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
Vol.7
「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
Vol.8
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
Vol.9
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
Vol.10
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
Vol.11
「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
Vol.12
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
Vol.13
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
Vol.14
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
Vol.15
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
Vol.16
「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
Vol.17
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
Vol.18
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
Vol.19
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
Vol.20
「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
Vol.1
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
Vol.2
「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
Vol.3
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
Vol.4
「問いの立て方」で結論は変わる
考える力の基本
Vol.5
前提を書き出すと、判断の穴が見える
考える力の基本
Vol.6
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
Vol.7
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
Vol.8
数字に騙されないための3つの視点
情報を見極める力
Vol.9
「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
Vol.10
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
Vol.11
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
Vol.12
「反対の立場」から考える習慣をつける
情報を見極める力
Vol.13
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
Vol.14
正解がない問題にどう向き合うか
意思決定の技術
Vol.15
意思決定を歪める5つの罠
意思決定の技術
Vol.16
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
Vol.17
「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
Vol.18
選択肢を増やす — 2択で止まらない技術
意思決定の技術
Vol.19
比較軸で判断する(前編)— 軸の決め方
意思決定の技術
Vol.20
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
Vol.21
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
Vol.22
リスクとリターンの考え方を整理する
意思決定の技術
Vol.23
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
Vol.24
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
Vol.25
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
Vol.26
提案書のロジックを強くする
組織で考える力を使う
Vol.27
1on1で「考える力」を育てる
組織で考える力を使う
Vol.28
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
Vol.1
生成AIは、そもそも何をしているのか
生成AIの基本原理
Vol.2
生成AIの仕組み入門を始めます。
生成AIの基本原理
Vol.3
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
Vol.4
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
Vol.5
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
Vol.6
プロンプトで何が変わるのか
生成AIの基本原理
Vol.7
モデルが違うと何が違うのか
生成AIの基本原理
Vol.8
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
Vol.9
RAGはなぜ万能ではないのか
検索・記憶・参照の仕組み
Vol.10
Web検索とRAGはどう違うのか
検索・記憶・参照の仕組み
Vol.11
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
Vol.12
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
Vol.13
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
Vol.14
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
Vol.1
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
Vol.1
仮説とは何か——「当てずっぽう」との違い
仮説思考
Vol.2
構造化の4つの基本パターン
構造化
Vol.2
なぜ「仮説が先、データが後」なのか
仮説思考
Vol.3
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
Vol.4
マトリクスで整理する——2つの軸で比較・分類する
構造化
Vol.5
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
Vol.6
対比で違いを浮かび上がらせる——Before/After、As-Is/To-Be
構造化
Vol.7
「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
Vol.8
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
Vol.1
ポン出しで中身のないAI資料の罠
編集長のAI談義
Vol.2