仕事とデザインとAIの話

1000件のデータと100冊のノート。AI導入の本質を考える。

「AIを導入したい、でも何から始めれば？」

その問いに、現場の実例で答える回です。

第7回は、最新ニュースや抽象論から離れて「実際にAI導入・業務改善を進めると何が起きるか」を議論。企業のAI導入支援を手がけるのりまさ（福岡徳剛／Fluxell）と、中小企業のDXに関わる武山、そしてチャッピー（GPT Live）でお届けします。

・灰の処理に残る職人の勘を、約1,000件のデータと機械学習で支える

・完全自動化だけを成功条件にしない。「判断のたたき台」を出す価値

・モデルは作って終わりじゃない。更新し続ける仕組み（パイプライン）

・AIとのコミュニケーションは、人への仕事の頼み方に似ている＝「思いやり」

・AIを使うIT企業が、あえて紙のノートを100冊導入した理由

「人の中にある知識や考えを、ほかの人やAIが使える形にする」。AI導入の本質に迫ります。

―――――――――― ▼チャプター（目安）

00:15 今回のテーマと自己紹介

02:30 産業廃棄物処理会社の事業と現場

08:45 AI導入の二つの方向

10:10 灰の処理と属人化

15:18 データと機械学習の実例

18:38 データの継続的な蓄積とモデル更新

26:00 業務フローの見直し

31:00 企業全体のAI活用と研修

33:30 AIとのコミュニケーション

39:00 自分で使い道を考える研修

43:30 IT企業に紙のノートを導入した事例

48:00 導入と定着の工夫

55:10 チャッピーによるまとめ

58:58 D4Uからの案内

――――――――――

出演：武山 和 ／ 福岡 徳剛（Fluxell）／ GPT Live D4Uは、クリエイティブ人材と全国の中小企業をつなぐキャリアプラットフォームです。 ▶ https://d4u.company/

#D4U #AI導入 #中小企業 #DX #業務改善 #機械学習 #ポッドキャスト

プロンプト一発で、音声付きの映像が作れる時代。今回は、AI動画の作り方と、見る側のスタンスを話しました。

前半は作り手の視点です。Text to VideoとImage to Video、キャラクターの一貫性、30秒まで伸びた生成時間、そしてコスト感。後半は見る側の視点で、情報密度の高さというメリットと、子どもへの影響、日本語のAI音声の不自然さを取り上げます。

「AIは勉強せず、まず遊ぶ」「効率だけでなく余白も」というのが、今回の持ち帰りです。音声AI(Fish Audio、ElevenLabs)でのボイスクローンや、動画制作に関わる人こそAIと相性がいい、という話も入っています。

感想や、聞いてみたいテーマは、Substackのコメントでお待ちしています。

【お知らせ】クリエイティブパートナーを募集しています(Webディレクター、アートディレクター、ブランドマネージャー、プロダクトマネージャー、映像クリエーター、UXリサーチャー、デザイナーなど。学生も歓迎)。詳細は〈リンク〉へ。

▼ 出演

武山和（株式会社SHISEILABO 代表取締役CMO）

「創造性で、資産を増やす。」を掲げるブランドマーケティングカンパニー・SHISEILABOの代表。2015年に山形で創業し、中小企業のブランディングとマーケティングを一貫支援。企業とクリエイティブ人材をつなぐキャリアプラットフォーム「D4U」の企画・運営主体を務める。

https://s-labo.earth/

福岡徳剛／のりまさ（Fluxell 代表）

中小企業のAI導入を伴走型で支援するFluxellの代表。「AIを導入すること自体を目的にしない」を信条に、課題整理から企画・設計・実装・運用定着までを一気通貫で支援。生成AIの業務活用、業務自動化、データ活用、AIプロダクト開発を手がける。

https://fluxell.net/

GPT Live（AIパーソナリティ）

2026年7月に日本上陸したOpenAIの音声モデル。人間2人の議論をその場で整理し、分かりやすく言語化する。

2026年9月にTypeSafe AIが公開した判断特化型モデル「Jev」を題材に、LLMとの違い、具体的な活用方法、AIエージェントや業務自動化への影響、そして「判断そのものが安くなる世界」について議論した。

出演者

• 武山和（わたる / たけやま）

• 福岡徳剛（のりまさ）

• GPT Live（チャッピー）

今回は、のりまさから最近X上でも大きな話題になっているTypeSafe AIの「Jev」を紹介するところからスタートした。

JevはChatGPTやClaudeのように文章を生成するモデルではない。

文章やシステムの状態を入力すると、

• Choice：候補の中から選ぶ

• Score：決められた尺度で評価する

• Noul：ある命題が真である確率を返す

という、限られた形式で「判断」だけを返すAIである。今回の議論では、この一見地味にも見える「判断専用AI」が、なぜこれほど注目されているのかを、具体的なユースケースから掘り下げた。

Jevを理解するうえで最も重要なのは、LLMを置き換えるものではないという点だった。

通常のLLMに、「A、B、Cのどれが良い？」と尋ねると、「Aだと思います。理由は……」と文章が生成される。

一方Jevでは、基本的に A / confidence 0.92 のように、コードがそのまま次の処理に使える判断結果が返ってくる。

つまり、 LLMは人間とコミュニケーションする知能、Jevはソフトウェアが利用する知能 という違いがある。

番組内ではこれを、「すごく賢いif文」という表現で整理した。ただし、出力形式が限定されているからといって、判断内容そのものが必ず正しいわけではない。Jevも間違う可能性はあり、重要なのは返されるconfidenceと合わせてシステムを設計することになる。

Jevの大きな特徴として議論したのが、速度とコストだった。TypeSafe AIは、自社のワークフロー評価において、

• 約193.6倍高速

• 約444.6倍低コスト

という数字を公開している。

ただし、この数字はあくまでTypeSafe AI自身の評価結果であり、独立したベンチマークが十分に揃っている段階ではないため、番組内でも「公式の主張として見るべき」と整理した。

重要なのは数字そのものより、 AIによる判断の単価が極端に下がる という構造である。

ここから、モデル名「Jev」の由来でもあるジェボンズのパラドックスの話へ広がった。効率が上がり、一回あたりのコストが下がると、むしろ利用総量が増えていく。

つまりTypeSafe AIが狙っているのは、単に「既存LLMより安いAI」を作ることではなく、これまでAIを使うほどでもなかった小さな判断にまでAIを埋め込むことなのではないか、という議論になった。

判断が100分の1の価格になれば、AI市場を奪うというよりも、AIが使われる市場そのものが100倍になる可能性がある。

今回かなり具体的に話したのが、Jevのユースケースだった。

例えば受信したメールについて、

• 営業かサポートか

• 緊急か通常か

• スパムか否か

• 返金要求が含まれているか

などを高速に判定する。

従来であればルールベースやLLMを使っていた部分を、Jevに置き換えられる可能性がある。特に注目されているのが、AIエージェントの中にJevを入れる使い方。

例えばAIエージェントがツールを実行しようとしたとき、

• 許可する

• 保留する

• 拒否する

をJevに判断させる。さらに、処理内容を見て、

「このタスクは高性能モデルが必要か、それとも安価なモデルで十分か」を判定するモデルルーターとして使うこともできる。

ここでは、

LLMが考える・生成する
↓
Jevが判断する
↓
コードが実行する

という役割分担が見えてきた。

セキュリティログのような大量データについて、一件ずつ

• 危険度

• 異常かどうか

• 即時対応が必要か

を判定する用途も相性が良いのではないかという話になった。セキュリティでは「判断が速いほど価値が高い」ため、Jevの特性が特に生きやすい。

Jevの性質を理解するうえで面白かったのが、ブラウザ操作の例。

例えば、

「羽田から沖縄までの航空券を予約する」

というタスクでは、

1. ブラウザから現在の状態を取得する

2. 次にどのボタンを押すか判断する

3. 実行する

4. 新しい状態を取得する

5. 再び判断する

という処理が繰り返される。

画面を毎回LLMに画像として見せなくても、PlaywrightなどでHTMLやボタン情報を取得できれば、それをstateとしてJevへ渡せる。

つまり、 状態取得はコード、判断はJev、実行はコード というループが作れる。

この話から、Jevを使ってゲームを操作する実験にも話が広がった。 ゲームのエミュレーターからキャラクターの位置や状態を数値として取り出せれば、画像を見なくてもJevが次の行動を高速に判断できる。

ここから、 AIに必要なのは必ずしも「見る能力」ではなく、「判断可能な状態表現」なのではないか という論点も見えてきた。

議論はさらにロボティクスへ。Jevは現状、画像や音声を直接入力できず、基本的にはテキスト入力を扱う。

そのためロボットに利用するなら、

カメラ・センサー
↓
別のモデルやコードで状態へ変換
↓
Jevが判断
↓
ロボットが行動

という構造になる。 将来的に画像などのマルチモーダル入力へ対応すれば、ロボットやリアルタイム制御領域でさらに大きな可能性があるのではないか、という話になった。 ただし現時点では、画像対応が正式に発表されているわけではないため、ここは今後を見る必要がある。 企業利用を考えるうえで重要な話題として、ファインチューニングについても触れた。

現状、公式JevはTypeSafe AIがAPIとして提供しており、重みも公開されていないため、企業が自由にファインチューニングすることはできない。

代わりに、

• stateに社内情報や前提を入れる

• 判断基準をinstructions / criteriaとして定義する

• confidenceの閾値を業務ごとに調整する

ことで業務特化させる。ここで出てきた重要な考え方が、

「モデルを自社向けに育てる」のではなく、「判断基準と運用を自社向けに設計する」

という違いだった。

モデル単体の精度だけではなく、システム全体としてどのように精度を担保するかが重要になる。

のりまさが現在関わっている飲食チェーンの業務改善の話から、より現実的な活用像も議論した。

例えば店舗の日報。

従来なら、

• PCを立ち上げる

• 日報システムを開く

• 項目を入力する

• 自由記述を書く

• 提出する

という業務になる。

しかし分解すると、

• 今、日報を書くべきか

• どの項目へ入力するか

• 今日の出来事のうち何を共有すべきか

• この内容は全社共有する価値があるか

など、細かな判断の連続になっている。

仕入れ、シフト管理、売上分析、改善提案なども同様で、

業務を「判断の連続」として再設計すると、Jevを入れられる場所が大量に見つかる

という話になった。

特に、

• 面倒

• 日常的に発生する

• 多人数が繰り返す

業務は、Jevを検討する良い候補になりそうだという整理になった。

ここで武山さんから出たのが、

「それを日常的にやってしまうと、人間が生きる意味まで変わってくるのでは？」

という問いだった。

Jevは業務効率化の技術である一方、判断をAIへ委ねる範囲が広がることで、

「人間は何を自分で決めるのか」

という、より根本的なテーマにもつながっていった。

収録時点では、TypeSafe AI公式経由に加え、Vercel AI Gatewayなどを通じてJevを利用できる環境が広がっていることも紹介した。

API Gatewayを使えば、複数のAIモデルを同じようなインターフェースから呼び出せるため、既存システムにJevを組み込むハードルも下がる。

また、n8nのようなワークフローツールとも組み合わせることは可能。

一方で、CodexやClaude CodeなどによってAIエージェントそのものを直接開発できるようになったことで、業務自動化ツールの位置づけ自体も変わり始めているという話にも少し脱線した。

今回のJevの話を一言で整理すると、

生成AIの次に来るのは、「AIが何を作れるか」ではなく、「どれだけ多くの小さな判断をAIに任せられるか」という競争かもしれない。

これまでAIを使うのは、

「文章を書く」
「画像を作る」
「コードを書く」

といった比較的大きな仕事だった。

Jevのようなモデルが十分に安く・速くなると、

「このメールは緊急か」
「今この処理を実行してよいか」
「どのモデルを使うべきか」
「この情報は共有する価値があるか」

という、一つひとつは小さな判断にもAIを使える。

その結果、AIの使われ方そのものが大きく変わる可能性がある。

自分の仕事を一度、

「どんな作業をしているか」ではなく、「一日にどんな判断を何回しているか」

という視点で見直してみると面白いかもしれない。

その中に、

• 選択肢がある程度決まっている

• 同じ判断を何度も繰り返す

• 判断に時間や人件費がかかっている

ものがあれば、そこがJevのような判断AIを組み込める場所になる可能性がある。

そしてもう一つは、

「判断できるAIがあるなら任せる」のではなく、「自分はどの判断をAIに任せたいのか」

を考えること。

今回のJevは、単なる新しいAIモデルの話というより、人間とソフトウェアの間で「判断」という役割をどう分担していくのかを考えるきっかけになる技術だった。

「AIに任せれば速くなる」——では、自分で手を動かし、失敗し、工夫する経験まで手放してよいのでしょうか。

2026年9月8日、OpenAIが未公開のAIモデルによる「ナビエ-ストークス存在・滑らかさ問題」の解答を発表しました。数学の難問ミレニアム懸賞問題の一つに、AIが証明を提示したというニュースです。第4回は、このニュースを入り口に「そもそも何が解かれたのか？」という素朴な疑問から、1万体のAIエージェントが協働する研究の進め方、研究者の役割の変化、そして「便利になった世界で、どんな経験を自分のものとして持ち続けたいのか」という問いまで、3人で対話しました。

▼ 今回の話題
・ナビエ-ストークス問題とは、そもそも何なのか（特異点／モデルと現実の違い）
・1万体のAIエージェントはどう研究したのか（約88時間・約270万メッセージ・約1,300億トークン）
・研究者は「研究する人」から「研究を設計する人」になるのか
・効率化の先で、自分で試行錯誤する人が軽視されないか

明日からの小さな実践は、「AIに任せて早く終わらせたい作業」と「あえて自分で取り組みたい作業」を一つずつ選んでみること。AIを活用することと、自分で試行錯誤することは、必ずしも二者択一ではありません。

記事でも読めます（出典リンク付き）：
https://d4u.company/2026/09/18/podcast-ch2-ep4-navier-stokes-ai/

▼ 出演
武山和（株式会社SHISEILABO 代表取締役CMO）
福岡徳剛／のりまさ（Fluxell 代表）
GPT Live（AIパーソナリティ・チャッピー）

▼ 番組について
「仕事とデザインとAIの話」は、仕事や社会の変化に違和感や焦りを感じているビジネスパーソンや学生が、デザイン・AI・ビジネスを横断する対話を通じて、当たり前を問い直す番組です。

―――――――――
【公開後の訂正・補足】
収録中の数値説明について、訂正します。

・「GPT-5.1換算で約10億円」という費用の説明は誤りでした。公表されている出力単価は100万トークンあたり10ドルなので、1,300億出力トークンは130万ドル。仮に1ドル150円なら約1.95億円です。これは入力やツール利用料などを含まない、出力分だけの単純換算であり、今回の研究の実費ではありません。

・「0.06〜0.18GWh」「250世帯の1か月分」という電力の試算は撤回します。出典や計算条件を裏づけられず、信頼できる推計として提示できる数字ではありませんでした。

なお、脳への刺激や思考力については出演者の実感・懸念として語られたもので、「AIを使うと知能が低下する」と医学的に結論づけたものではありません。

#仕事とデザインとAIの話 #D4U #ポッドキャスト #AI #ナビエストークス #OpenAI

「あと1本だけ」のつもりが、気づけば30分——。第3回のテーマは「ドパガキ」。短時間の強い刺激を次々と求めてしまう状態を指すネットスラングを入り口に、ショート動画と人間の注意の関係を掘り下げました。

TikTokをスワイプし続けてしまうのはなぜか。マンモスを追っていた時代のドーパミンと、ショート動画のドーパミンは同じなのか。議論が向かったのは「刺激そのものが問題なのではなく、ほとんどコストを払わずに刺激を得続けられる環境になったことが問題では？」という視点。さらに後半は、ショート動画の「悪くない側面」——1〜2分で知識を伝える学習メディアとしての力、熟練者の暗黙知を映像で共有する企業の知識共有インフラとしての可能性、そして「刺激を最大化しないSNSはビジネスとして成立するのか？」という余白のデザイン論まで広がります。

▼ 今回の話題

・「ドパガキ」とは何か——10秒送りと、飛ばしたくない映画

・ショート動画はなぜ人間の注意を奪うように設計されるのか

・マンモスのドーパミンとTikTokのドーパミン

・見すぎの影響と、学習メディアとしてのポジティブな側面

・暗黙知を圧縮するメディアという可能性／AIで下がる動画化のコスト

・「リアルを切り取る短さ」——SNS「Setlog」の事例

・余白のあるデザインとビジネスは両立できるのか

結論はひとつではありません。ただ、「ショート動画を見るか見ないか」ではなく「刺激に消費されるために使うのか、自分の目的のために使うのか」——この問いだけでも、ぜひ持ち帰ってください。

▼ 出演

武山和（株式会社SHISEILABO 代表取締役CMO）

「創造性で、資産を増やす。」を掲げるブランドマーケティングカンパニー・SHISEILABOの代表。2015年に山形で創業し、中小企業のブランディングとマーケティングを一貫支援。企業とクリエイティブ人材をつなぐキャリアプラットフォーム「D4U」の企画・運営主体を務める。

https://s-labo.earth/

福岡徳剛／のりまさ（Fluxell 代表）

中小企業のAI導入を伴走型で支援するFluxellの代表。「AIを導入すること自体を目的にしない」を信条に、課題整理から企画・設計・実装・運用定着までを一気通貫で支援。生成AIの業務活用、業務自動化、データ活用、AIプロダクト開発を手がける。

https://fluxell.net/

GPT Live（AIパーソナリティ）

2026年7月に日本上陸したOpenAIの音声モデル。人間2人の議論をその場で整理し、分かりやすく言語化する。

▼ 番組について

「仕事とデザインとAIの話」は、仕事や社会の変化に何となく違和感や焦りを感じているビジネスパーソンや学生が、デザイン・AI・ビジネスを横断する対話を通じて、当たり前を問い直す番組です。

エピソードの詳しい内容はD4Uのブログでも読めます。

https://d4u.company/2026/09/09/podcast-ch2-ep3-dopagaki-short-video/

#ショート動画 #ドーパミン #デザイン #AI #ポッドキャスト

後編は「判断としてのセンス」から。情報を集めて、要約して、比較する——そこまではAIの独壇場。でも「何をゴールにするか」「誰にとって最適化するか」を決めるのは……？

同じ営業資料でも「合理的な提案」と「この人は本当にうちのことを考えてくれている、と感じてもらうこと」ではアウトプットが全く変わる

「事象への最適化」と「人の心への最適化」という二つの軸

専門家の方法論はエージェントスキルとしてAIに移植できる。では移植できずに残るものは？

「AIを使うのが上手い」のは、実は別のセンスの不足を補っているから？という逆説

議論から見えてきた「センス」の構造と、AI時代の暫定的な答え

人間側がやるべきこと：インプットを増やすこと、そして「自分にとっての良い状態」を先に持つこと

長時間の収録の終盤、いつも冷静なチャッピー（GPT Live）の様子がすこし変……？AIにも疲れがあるのか、その真相は本編でお確かめください。

出演：武山和／のりまさ（福岡徳剛: Fluxell代表）／GPT Live（愛称チャッピー）

後編では、もう一つの軸「判断としてのセンス」へ。AIに「最適化して」と頼んだとき、そもそも何に最適化するのかを決めるのは誰なのか——議論は意外な方向へ展開します。

【Fluxell】https://fluxell.net/

Fluxellは、生成AI・データ活用・業務改善を中心に、企業の課題整理から企画、設計、実装までを一気通貫で支援する会社。特に、生成AIの導入支援、業務自動化、データ分析、AIプロダクト開発を強みとしている。

福岡徳剛コメント：「大事にしているのは、AIを導入すること自体を目的にしないことです。まず現場や事業の課題を理解し、「本当に解くべき課題は何か」を整理したうえで、AIやデータを最適な手段として活用することを重視しています。技術だけでなく、人や業務を起点に、実際に使われて成果につながる仕組みをつくることを目指しています」

【SHISEILABO】https://s-labo.earth/

「想像以上を、創造で」シセイラボは、創造性で資産を増やす中小企業のブランドパートナー。企業の中にある「特別」を見つけ、余白と問いから、新しい価値を創造します。データ活用、マーケティング戦略、モバイルアプリ開発、システム開発、PRを統合したブランドづくりのご相談。プロジェクトを成功に導く短期的なデジタルマーケティングと価格競争を脱却するブランドマーケティングで『本物』を創造するマーケティング会社です。

第2回のテーマは「センスはAIで代替できるのか？」。ファッションセンスという身近な例から始まった議論は、センスを「感覚」と「判断」に分けて考えるという補助線を得て、どんどん深いところへ潜っていきます。

センスは生まれつきか、それとも後天的に磨かれるのか

同じ絵を見ても「何に気づくか」が人によって違うのはなぜか

インプットの時点で、すでにセンスは始まっている？

AIは美術館体験を格段に面白くする「鑑賞の補助装置」になる

では「作る側」のセンスは？——ある贋作家は、画家の作品を模倣するために"画家が見ていた風景"まで見に行った

身体を通じて形成される「唯一無二の文脈」はAIに持てるのか

出演：武山和／のりまさ（福岡徳剛: Fluxell代表）／GPT Live（愛称チャッピー）

後編では、もう一つの軸「判断としてのセンス」へ。AIに「最適化して」と頼んだとき、そもそも何に最適化するのかを決めるのは誰なのか——議論は意外な方向へ展開します。

【Fluxell】https://fluxell.net/

Fluxellは、生成AI・データ活用・業務改善を中心に、企業の課題整理から企画、設計、実装までを一気通貫で支援する会社。特に、生成AIの導入支援、業務自動化、データ分析、AIプロダクト開発を強みとしている。

福岡徳剛コメント：「大事にしているのは、AIを導入すること自体を目的にしないことです。まず現場や事業の課題を理解し、「本当に解くべき課題は何か」を整理したうえで、AIやデータを最適な手段として活用することを重視しています。技術だけでなく、人や業務を起点に、実際に使われて成果につながる仕組みをつくることを目指しています」

【SHISEILABO】https://s-labo.earth/

「想像以上を、創造で」シセイラボは、創造性で資産を増やす中小企業のブランドパートナー。企業の中にある「特別」を見つけ、余白と問いから、新しい価値を創造します。データ活用、マーケティング戦略、モバイルアプリ開発、システム開発、PRを統合したブランドづくりのご相談。プロジェクトを成功に導く短期的なデジタルマーケティングと価格競争を脱却するブランドマーケティングで『本物』を創造するマーケティング会社です。

出演者：武山和、のりまさ、GPT Live（アシスタント）D4U Podcastの第1回。AIによって多くの知的作業が代替・補助されていく中で、「それでも人間に頼みたい仕事とは何か？」という問いから、人間に残る価値について議論した。AIでできる仕事が増えていく中で、それでも「人間に頼みたい仕事」とは何なのか？議論を通じて、この問いは単純な「AIにできる／できない」という能力比較ではなく、

・人間は何に価値を感じるのか

・AIをどのような社会や組織の中で使うのか

・人間自身はどのような役割を担うべきなのか

という問いへ広がっていった。D4U公式サイトはこちら

武山和@株式会社SHISEILABO代表取締役CMO【公式サイト】https://s-labo.earth/

のりまさ, 福岡徳剛@Fluxell代表【公式サイト】https://fluxell.net/