＼買うなら Office 2024搭載 PC ／

高性能CPUと大容量メモリ搭載で、サクサク動作を実現❗️16型大画面で生産性UP🚀
さらにDell Care Plusで安心を提供します✨

💻DELL ND86-FWM3SCYD を…
🎊抽選で【1名様】にプレゼント‼️

🔁応募方法：フォロー＆リポスト
📅締切：11月27日(木)まで❗️ November 11, 2025

【重要IR(適時開示)】速報📢

売れるネット広告社グループ（9235）、地方企業向け『ふるさとAI活用研修』提供開始🗾‼️

講師が全国へ直接訪問し、業務直結のAIエージェント構築まで伴走するリスキリングプロジェクト🧠❗

https://t.co/wvelrh2kZG

地域企業の生産性向上と成長エンジン創出加速‼️🚀✨ https://t.co/I7YYAdCWuP November 11, 2025

Gemini3, Nano Banana Pro登場で, 先月時点で私がTBSの以下番組で「OpenAIは危うい.Googleが勝つ」としてたのが注目(特に投資家層?)されてるようです
実際は公には以下記事で2024年OpenAI絶頂期からずっとGoogle有利とみてます
長い(私のX史上最長)ですが根拠, OpenAI vs Googleの展望を書いてみます

先月のTBS動画：https://t.co/kgWcyTOTWK
2024年6月の記事：https://t.co/4HEhA4IJQa

参考のため、私がクローズドな投資家レクなどで使う資料で理解の助けになりそうなものも貼っておきます。

※以下はどちらかというと非研究者向けなので、研究的には「当たり前では」と思われることや、ちょっと省略しすぎな点もあります。

まず、現在の生成AI開発に関して、性能向上の根本原理、研究者のドグマ的なものは以下の二つです。基本的には現在のAI開発はこの二つを押さえれば大体の理解ができると思います。両者とも出てきたのは約5年前ですが、細かい技術の発展はあれど、大部分はこの説に則って発展しています。
①スケーリング則
https://t.co/WKl3kTzcX5

②SuttonのThe Bitter Lesson
https://t.co/esHtiJAcH9

①のスケーリング則は2020年に出てきた説で、AIの性能は1)学習データの量、2)学習の計算量（=GPUの投入量）、3)AIのモデルサイズ（ニューラルネットワークのパラメータ数）でほぼ決まってしまうという説です。この３つを「同時に」上げ続けることが重要なのですが、1と3はある程度研究者の方で任意に決められる一方、2のGPUはほぼお金の問題になります。よって、スケーリング則以降のAI開発は基本的にお金を持っている機関が有利という考えが固まりました。現在のChatGPTなどを含む主要な生成AIは一つ作るのに、少なく見積もってもスカイツリーを一本立てるくらい（数百億）、実際には研究の試行錯誤も含めると普通に数千億から数兆かかるくらいのコストがかかりますが、これの大部分はGPUなどの計算リソース調達になります。

②のThe Bitter Lessonは、研究というよりはRichard Suttonという研究者個人の考えなのですが、Suttonは現在のAI界の長老的な人物で、生成AI開発の主要技術（そして私の専門）でもある強化学習の事実上の祖かつ世界的な教科書（これは私達の翻訳書があるのでぜひ！）の執筆者、さらにわれわれの分野のノーベル賞に相当するチューリング賞の受賞者でもあるので、重みが違います。
これは端的にいうと、「歴史的に、AIの発展は、人間の細かい工夫よりも、ムーアの法則によって加速的に発展する計算機のハードの恩恵をフルに受けられるものの方がよい。つまりシンプルで汎用的なアルゴリズムを用い、計算機パワーに任せてAIを学習させた方が成功する。」ということを言っています。

①と②をまとめると、とにかく現状のAIの性能改善には、GPUのような計算リソースを膨大に動員しなければならない。逆に言えばそれだけの割と単純なことで性能上昇はある程度約束されるフェーズでもある、ということになります。

これはやや議論を単純化しすぎている部分があり、実際には各研究機関とも細かいノウハウなどを積み重ねていたり、後述のようにスケーリングが行き詰まることもあるのですが、それでも昨今のAI発展の大半はこれで説明できます。最近一般のニュースでもよく耳にするようになった異常とも言えるインフラ投資とAIバブル、NVIDIAの天下、半導体関連の輸出制限などの政治的事象も、大元を辿ればこれらの説に辿り着くと思います。

以下、この二つの説を前提に話を進めます。

公にはともかく私が個人的に「OpenAIではなくGoogleが最終的には有利」と判断したのはかなり昔で、2023年の夏時点です。2023年6月に、研究者界隈ではかなり話題になった、OpenAIのGPT-4に関するリーク怪文書騒動がありました。まだGoogleが初代Geminiすら出してなかった時期です。（この時期から生成AIを追っている人であれば、GPT-4のアーキテクチャがMoEであることが初めて明らかになったアレ、と言えば伝わるかと思います）
ChatGPTの登場からGPT-4と来てあれほどの性能（当時の感覚で言うと、ほぼ錬金術かオーパーツの類）を見せられた直後の数ヶ月は、さすがに生成AI開発に関する「OpenAIの秘伝のタレ説」を考えており、OpenAIの優位は揺らがないと考えていました。論文では公開されていない、既存研究から相当逸脱した特殊技術(=秘伝のタレ)がOpenAIにはあって、それが漏れない限りは他の機関がどれだけお金をかけようが、まず追いつくのは不可能だと思っていたのです。しかし、あのリーク文書の結論は、OpenAIに特別の技術があったわけではなく、あくまで既存技術の組み合わせとスケーリングでGPT-4は実現されており、特に秘伝のタレ的なものは存在しないというものでした。その後、2023年12月のGemini初代が微妙だったので、ちょっと揺らぐこともあったのですが、基本的には2023年から私の考えは「最終的にGoogleが勝つだろう」です。
つまり、「スケーリングに必要なお金を持っており、実際にそのAIスケーリングレースに参加する経営上の意思決定と、それを実行する研究者が存在する」という最重要の前提について、OpenAIとGoogleが両方とも同じであれば、勝負が着くのはそれ以外の要素が原因であり、Googleの方が多くの勝ちにつながる強みを持っているだろう、というのが私の見立てです。

次に、AI開発競争の性質についてです。
普通のITサービスは先行者有利なのですが、どうもAI開発競争については「先行者不利」となっている部分があります。先行者が頑張ってAIを開発しても、その優位性を保っている部分でAIから利益を得ることはほとんどの場合はできず、むしろ自分たちが発展させたAI技術により、後発事業者が追いついてきてユーザーが流出してしまうということがずっと起きているように思われます。
先ほどのスケーリング則により、最先端のAIというのはとても大きなニューラルネットワークの塊で、学習時のみならず、運用コストも膨大です。普通のITサービスは、一旦サービスが完成してしまえば、ユーザーが増えることによるコスト増加は大したことがないのですが、最先端の生成AIは単なる個別ユーザーの「ありがとうございます」「どういたしまして」というチャットですら、膨大な電力コストがかかる金食い虫です。3ドル払って１ドル稼ぐと揶揄されているように、基本的にはユーザーが増えれば増えるほど赤字です。「先端生成AIを開発し、純粋に生成AIを使ったプロダクトから利益を挙げ続ける」というのは、現状まず不可能です。仮に最先端のAIを提供している間に獲得したユーザーが固定ユーザーになってくれれば先行者有利の構図となり、その開発・運営コストも報われるのですが、現状の生成AIサービスを選ぶ基準は純粋に性能であるため、他の機関が性能で上回った瞬間に大きなユーザー流出が起きます。現状の生成AIサービスはSNSのように先行者のネットワーク効果が働かないため、常に膨大なコストをかけて性能向上レースをしなければユーザー維持ができません。しかも後発勢は、先行者が敷いた研究のレールに乗っかって低コストで追いつくことができます。

生成AI開発競争では以上の、
・スケーリング則などの存在により、基本的には札束戦争
・生成AIサービスは現状お金にならない
・生成AI開発の先行者有利は原則存在しない
と言う大前提を理解しておくと、読み解きやすいかと思います。
（繰り返しですがこれは一般向けの説明で、実際に現場で開発している開発者は、このような文章では表現できないほどの努力をしています。）

OpenAIが生成AI開発において（先週まで）リードを保っていた源泉となる強みは、とにかく以下に集約されると思います。

・スケーリングの重要性に最初に気付き、自己回帰型LLMという単なる「言語の穴埋め問題がとても上手なニューラルネットワーク」（GPTのこと）に兆レベルの予算と、数年という（AI界隈の基準では）気が遠くなるような時間を全ベットするという狂気を先行してやり、ノウハウ、人材の貯金があった
・極めてストーリー作りや世論形成がうまく、「もうすぐ人のすべての知的活動ができるAGIが実現する。それを実現する技術を持っているのはOpenAIのみである」という雰囲気作りをして投資を呼び込んだ

前者については、スケーリングと生成AIという、リソース投下が正義であるという同じ技術土俵で戦うことになる以上、後発でも同レベルかそれ以上の予算をかけられる機関が他にいれば、基本的には時間経過とともにOpenAIと他の機関の差は縮みます。後者については、OpenAIがリードしている分には正当化されますが、一度別の組織に捲られると、特に投資家層に対するストーリーの維持が難しくなります。

一方のGoogleの強みは以下だと思います。
・投資マネーに頼る必要なく、生成AI開発と応用アプリケーションの赤字があったとしても、別事業のキャッシュで相殺して半永久的に自走できる
・生成AIのインフラ（TPU、クラウド事業）からAI開発、AIを応用するアプリケーション、大量のユーザーまですべてのアセットがすでに揃っており、各段階から取れるデータを生かして生成AIの性能向上ができる他、生成AIという成果物から搾り取れる利益を最大化できる

これらの強みは、生成AIのブーム以前から、AIとは関係なく存在する構造的なものであり、単に時間経過だけでは縮まらないものです。序盤はノウハウ不足でOpenAIに遅れをとることはあっても、これは単に経験の蓄積の大小なので、Googleの一流開発者であれば、あとは時間の問題かと思います。
（Googleの強みは他にももっとあるのですが、流石に長くなりすぎるので省略）

まとめると、
生成AIの性能は、基本的にスケーリング則を背景にAI学習のリソース投下の量に依存するが、これは両者であまり差がつかない。OpenAIは先行者ではあったが、AI開発競争の性質上、先行者利益はほとんどない。OpenAIの強みは時間経過とともに薄れるものである一方、Googleの強みは時間経過で解消されないものである。OpenAIは自走できず、かつストーリーを維持しない限り、投資マネーを呼び込めないが、一度捲られるとそれは難しい。一方、GoogleはAIとは別事業のキャッシュで自走でき、OpenAIに一時的に負けても、長期戦でも問題がない。ということになります。

では、OpenAIの勝利条件があるとすれば、それは以下のようなものになると思います。

・OpenAIが本当に先行してAGI開発に成功してしまう。このAGIにより、研究開発や肉体労働も含むすべての人間の活動を、人間を上回る生産性で代替できるようになる。このAGIであらゆる労働を行なって収益をあげ、かつそれ以降のAIの開発もAGIが担うことにより、AIがAIを開発するループに入り、他の研究機関が原理的に追いつけなくなる（OpenAIに関する基本的なストーリーはこれ）
・AGIとまではいかなくとも人間の研究力を上回るAIを開発して、研究開発の進捗が著しく他の機関を上回るようになる
・ネットワーク効果があり先行者有利の生成AIサービスを作り、そこから得られる収益から自走してAGI開発まで持っていく
・奇跡的な生成AIの省リソース化に成功し、現在の生成AIサービスからも収益が得られるようになる
・生成AI・スケーリング則、あるいは深層学習とは別パラダイムのAI技術レースに持ち込み技術を独占する（これは現在のAI研究の前提が崩れ去るので、OpenAI vs Googleどころの話ではない）
・Anthropicのように特定領域特化AIを作り、利用料金の高さを正当化できる価値を提供する

最近のOpenAIのSora SNSや、検索AI、ブラウザ開発などに、この辺の勝利条件を意識したものは表れているのですが、今のところ成功はしていないのではないかと思います。省リソース化に関しては、多分頑張ってはいてたまに性能ナーフがあるのはこれの一環かもしれないです。とはいえ、原則性能の高さレースをやっている時にこれをやるのはちょっと無理。最後のやつは、これをやった瞬間にAGIを作れる唯一のヒーローOpenAIの物語が崩れるのでできないと思います。

最後に今回のGemini3.0やNano Banana Pro（実際には二つは独立のモデルではなく、Nano Bananaの方はGemini3.0の画像出力機能のようですが）に関して研究上重要だったことは、事前学習のスケーリングがまだ有効であることが明らかになったことだと思います。
ここまでひたすらスケーリングを強調してきてアレですが、実際には2024年後半ごろから、データの枯渇によるスケーリングの停滞が指摘されていること、また今年前半に出たスケーリングの集大成で最大規模のモデルと思われるGPT-4.5が失敗したことで、単純なスケーリングは成り立たなくなったとされていました。その一方で、
去年9月に登場したOpenAIのo1やDeepSeekによって、学習が終わった後の推論時スケーリング（生成AIが考える時間を長くする、AIの思考過程を長く出力する）が主流となっていたのが最近です。
OpenAIはそれでもGPT-5開発中に事前学習スケーリングを頑張ろうとしたらしいのですが、結局どれだけリソースを投下しても性能が伸びないラインがあり、諦めたという報告があります。今回のGemini3.0に関しては、関係者の発言を見る限り、この事前学習のスケーリングがまだ有効であり、OpenAIが直面したスケーリングの限界を突破する方法を発見していることを示唆しています。
これはもしかしたら、単なるお金をかけたスケーリングを超えて、Googleの技術上の「秘伝のタレ」になる可能性もあり、上記で書いた以上の強みを今回Googleが手にした可能性もあると考えています。

本当はもっと技術的に細かいことも書きたいのですが、基本的な考えは以上となります。色々と書いたものの、基本的には両者が競争してもらうことが一番技術発展につながるとは思います！ November 11, 2025

【重要IR(適時開示)】速報📢

売れるネット広告社グループ（9235）、地方企業向け『ふるさとAI活用研修』提供開始🗾‼️

講師が全国へ直接訪問し、業務直結のAIエージェント構築まで伴走するリスキリングプロジェクト🧠❗

https://t.co/pfimdmuC06

地域企業の生産性向上と成長エンジン創出加速‼️🚀✨ https://t.co/lxHzLbeiy1 November 11, 2025

多くの人は「すぐタスクに取り掛かろう」とする。しかし成果を出す人は「考える時間」を先に確保している。

・移動時間は「考えるテーマ」を決めておく
・1日15分だ「紙に思考を吐き出す時間」を作る
・タスクを始める前に「目的」を書く

「タスクの密度を上げるために考える」という思想を持つと、考えるという時間がタスクを早め、生産性を上げる。遠回りが、結果的に近道になる。 November 11, 2025

さりげない気遣いができる人って、本当に視野が広い。

目立たないことで確実に周囲を動かしてる。こういう人って「気を使ってます！」みたいな顔せんのよ。当たり前のようにサラッとやってのける。
水のように変化しながら、誰かの安心の土台になれる人。

仕事は、成果ばっかりが見られがちやけど、実はこういう、人を助けるための無名の行動がチームを滑らかにして現場の熱量を保ってる。
逆に、気遣いゼロで、自分のタスクだけ片付けてますみたいな人は組織の空気を重くしてるだけ。

気遣いって、生産性や成果にもちゃんと繋がってる。
だからこそ、「目立たないところで誰かを支えてる人」が好きやし、そういう人にちゃんと気づいて、評価できる人間でいたいと思う。

派手じゃないけど、確実にいい仕事してる。
みんなもさりげない気遣いに支えられて助けられて生きてるんやで。感謝せんとな。 November 11, 2025

AIを使ってから契約書のチェックが25分→30分に伸び生産性が落ちましたってポスト見たけど使わなければいいだろ November 11, 2025

要するに倭国は財政危機でもなければデフレでもなければ履歴効果で長期停滞になっているわけでもなければ、緊縮のせいで低成長なわけでもなければ、イノベーションが起きないせいで生産性が伸びないわけでもない。 November 11, 2025

国土交通省が「標準労務費」運用方針案　改正建設業法、25年12月全面施行
標準労務費って何？？？問題。
恐らく建設業界で知っている人は1％くらいかな？？

恐ろしくざっくり言うと
施工費＝設計労務単価×標準歩掛り
これが基本なんだけど、見積もりで労務費を下げるのは違反となる可能性があると。
そのかわり、標準歩掛りよりも生産性をあげて、5日で施工するものを2日で完了させるので見積もりは安いです！！
これはOKと言う感じですね。

うーん非常に難しい(笑)
結局落札率を低くとっても、経費を下げてますって体で進むんでしょうな～

出典：日経XTECH
https://t.co/u9fkkUlP2C November 11, 2025

いつもポストをご覧いただきありがとうございます。

私をフォローするメリットは↓

・楽しく仕事しながら年収アップ
・生産性を爆上げし、毎日定時帰り
・タイパ良くして好きなことに全集中

仕事も家庭も趣味も楽しめ人生優勝できる「シゴデキ」になりたい方はフォローお願いします（@shift_Yassan205） November 11, 2025

解雇規制が緩和されたら一番困るのは労働者ではなく派遣会社だ。
普通に雇って使えなければ やめてもらえばいいわけだから企業も派遣会社に無駄なお金を払って 派遣社員を雇うメリットがなくなってしまう。
世界一派遣会社が多い国 倭国は 派遣会社の中抜きさで生産性を大きく落としている。 November 11, 2025

退職理由のトップは、人間関係が悪いこと。
実は「雑談」の少なさが原因なんです。

雑談が6割以上の生産性向上につながることが判明しています。
雑談によって心理的安全性が高まってチームの結束力がアップ！新たな発想が生まれる効果も。 November 11, 2025

@mansaku_ikedo 面白いですね
30代は今の50代の倍、2020年代生まれは更に倍の賃金価値があってもおかしくないですね、AIネイティブ世代の高生産性でそれを可能にしたいですね November 11, 2025

AIを使ってから契約書のチェックが25分→30分に伸び生産性が落ちましたってポスト見たけど使わなければいいだろ November 11, 2025

何やってんだか。遅れに遅れて、無駄な国会やらないで欲しい。
これ税金でしよ。これこそ無駄。
生産性を落とし。無くなれば財源になる。何やってんの？？ https://t.co/o3zoak5hUI November 11, 2025

#マツムラボ「Appleニュースカウントダウン」2025/11/25放送回のライブアーカイブが配信中。
https://t.co/5gXUPrhSy4

今回のテーマは「Appleの製造業イノベーション」！

🥇1位は、Apple Watch Ultra IIIのチタン3Dプリント製造技術。 チタン粉末積層によるマスプロダクション導入で、資源を50%節約する革新的な取り組みを紹介しました。

⬇️注目のニュースランキング
• 🥈2位: AndroidとiPhoneのAirDrop互換（Quick Share）の独自技術実装。

• 🥉3位: クックCEOの続投とサービス部門の成長。

• 4位: 2026年以降のiPhone計画と折りたたみモデルの予測価格（約37.6万円とも）。

• 5位: Appleの年末リサイクル・リユース企画（店頭下取りの様子、付属品不要、ケーブル回収も）。

• 6位: Apple Silicon 5周年とMacの今後の展望（Touch Bar搭載Macの話題も）。

• 7位: iOS/macOS Beta 3到着（倭国のスマホ新法対応に向けた動き）。

• 8位: App Reviewガイドライン更新（外部AIへの個人データ共有に明示と同意が必須に）。

• 9位: App Store Awards ファイナリスト発表（AI・生産性アプリに注目）。
• 10位: Appleブラックフライデーギフトカード還元（米国限定）。

その他、SUICA/PASMOのQR決済「teppay」導入とICカード限度額の話題、AI技術（Google Nano Banana、GPT、Meta AI）の活用、Apple Watchの血中酸素濃度検出訴訟問題についても掘り下げています。

ぜひアーカイブでご視聴ください！視聴ありがとうございます！ November 11, 2025

📍なぜ“USB-C化”の波が、経営者こそ無視しちゃダメなのか？
え、ただの充電ポート統一だと思ってない？

それ、時代の変化サインを見逃してます。

USB-C化＝世界基準の一本化。

これは単なる便利じゃなく、ビジネスでいう“非効率の排除”そのもの。
・充電規格がバラバラ → 生産性ロス
・変換アダプタだらけ → コスト膨張
・トラブル増加 → 現場のストレス

これ、あなたの会社のIT環境にもそっくり当てはまりませんか？

結局、標準化＝経営の最強手段なんです。

DXもオフショア開発も、勝つ企業は例外なく「ムダを消し、基準を一つにしている」。

USB-C化は、世界が“標準化加速時代”に入った証拠。
経営も同じで、情報、意思決定、業務フローを一本化できる企業だけが伸びる。

今の混乱は、変化の前触れ。
この波を読み取れるかで、3年後の差はえぐいほど開く。
#USB_C November 11, 2025

【伝わらない文章は、組織の「ムダ」を生む】

リーダーがメンバーに指示する文章を書く上で最も重要なのは、 “相手が行動できる形にして伝える”こと。

どれだけ正しい内容でも、メンバーが理解できなければ動いてもらえません。
結果として、誤解・手戻り・生産性低下というムダが生じます。

だからこそ、「誰に」「何を」「どうしてほしいか」を明確にし、行動をイメージできる言葉で書くことが必要です。

伝え方の質を高めることは、そのままチームの実行力を高めることに繋がります。 November 11, 2025

@Tocosunwin @U3oRVuw4Yk59463 うんあなたが市民ならば、みんなでいろいろ考えて、市長に相談する。それが一番建設的だと思いますよ。過去の市長があーだこーだとXでやってても、憂さ晴らしにしか見えず、何の生産性も感じません。 November 11, 2025

たまに流れてくるよく分からないインド映画と中国ドラマを観るのががすごく面白い。
尚、何の生産性もない無意味な時間を浪費する模様。 November 11, 2025