SATSUMAで、同一条件・同一brainapp agent設定のまま、使用モデルだけを変えてGenAgtの行動比較をしてみた。 面白いのは、モデルごとに「どこを観察価値の高い場所とみなすか」が変わること。 gpt-4o-miniはカフェ寄り、5.4系は駅・広場など人流観察ノード寄りに動く傾向が見えた。さらにThought Traceと行動理由をGABRIELで評価すると、外部情報反応・SATSUMA接続・記憶再利用性にも差が出る。 これは単なるLLM性能比較ではなく、基盤モデルの違いが生成エージェントの行動分布・認知ログ・仮説生成にどう影響するか、という研究テーマになりそう。

4月号は名山のコーヒー情報☕️決定版✨ 自家焙煎にこだわる3店を取材☺️ 名山新聞サポーター募集中✨ 詳細・申込はこちら👇 forms.gle/2UBSNj2wWeXNtbTJ8 #名山新聞 #名山 #名山町

人的資本、スキル・経験の可視化の重要性を問う話が増えている。 実際本業でもbrainappでもやってるけど、その人材が保有するスキルやそのレベルを定量的に測るのって、結構難しい気がする。 一方で、自社の定義とデータに基づいてLLMで評価したり"はかる" ことがかなりやりやすくなってるので、 結局の「自社内で欲しい人材（スキル・経験）」の定義をいかに明確に定義するか、言語化するか、ということで、技術に限らずCHROなど人事部門の重要性がマシマシになっているのだろうか。 LLMで評価しやすいとか、人のそういった業務をサポートするAIエージェントを作るという観点も含めても、言語化（スキルや経験という抽象的なものを文字にする）の大事さが増してることも改めて感じる

brainappで参画している事業の組織課題を分析するAIエージェントを作ってみた。 主観的に見てしまっている部分とか、自分たちだけでは気づけない改善点を拾ってネクストアクションをレコメンドしてくれる。 自分たちの意思と、抽出した改善点を掛け合わせて、昨日より今日、今日より明日、と成長し続けたいもの。

データ分析を学ぶ上で，コードを動かすのは重要である。ただ，「標準ベイズ統計学」のサンプルコードやデータを探すのに一苦労したので，サンプルデータの使い方をまとめた。 ▼RのサンプルデータをPythonで使う 標準ベイズ統計学 第8.3節を題材として stern-bow.hatenablog.com/ent…

学生の時1日平均8時間勉強してて「よくそんなにできるね」と言われたけど、結局みんな社会人になったら1日8時間以上働いてる。好きな勉強をしておくことで将来好きが仕事に変わる確率が上がるなら、人生トータルで見てこれほど割の良い投資はない

人は変化そのものに抵抗しているのではなく、『外から押しつけられる変化』に抵抗している。

#好奇心 人間関係は、あなたが 「面白い人間」になろうと 必死に頑張るより 目の前の相手に心から関心を 抱いていますよ、と伝える方が ずっとずっと効果的です。 好奇心は「プラスの感情」を生み その感情は人から人へと伝染します。 トッド・カシュダン amzn.to/3TC0ONS 開かれた対話と未来

ADHDあるある「待つのが苦手」 これは性格の問題ではなく、脳の特性が大きく関係しています。 よくある「待てない」場面： • LINEの既読がついたのに返信が来ない • 面接結果や大事な連絡待ち • 好きな人からの返信待ち • アプリやソフトのアップロード、ダウンロード中我慢できずクリックしまくる • 「来週話す」と言われ超ヤキモキ • 周りくどい説明や音声ガイダンスにイライラ • SNSの反応を何度も確認 なぜADHDは待つのが苦手なの？ ① 今すぐ報酬を欲しがる脳 ドーパミン活性が低いため、「今すぐ結果が欲しい！」という欲求が強くなり、待つ時間が強いストレスになる。 ② 時間感覚が弱い（時間盲） 「あともう少しで来るはず」が実感しにくく、5分も1時間も長く感じてしまう。 ③ ワーキングメモリの問題 気になったことが頭から離れず、「まだかな…まだかな…」がループしやすい。 ④ 不確実性への耐性が低い 「分からない」「保留中」という曖昧な状態が苦手で、最悪の想像をしてしまったり期待が膨らみすぎたりする。 待てないのは、「我慢が足りない」のではなく、脳が刺激不足と不確実性に敏感ADHDの特性なんです。 少しでも楽になるコツ ✔︎ 待っている間に別の作業を入れて意識を分散させる ✔︎ 「〇日まで返事がなければ確認する」とルール化する ✔︎ スマホ確認の回数をあらかじめ決めておく ✔︎ 「今は自分にできることがない」と声に出して区切る 待っている時間が少しでも穏やかになるといいですね。 みなさんは何を待っているときに一番ソワソワしますか？ 気軽にコメントで教えてください✨

よく言われる「優秀な人から辞める」は都市伝説かも。本当は「早熟な人から辞める」なのでは。早熟な人は早くスタイルが固まり成長が止まることもあるし（昔神童、今凡人）、会社に残る人が得られる残存者利益（信頼の蓄積など）も得られない。大器は晩成す。辞めない利益も侮れない。

組織、人事系のシミュレーションは増えてくるだろうなぁ。 brainappでも本業でも力入れたいところ

これからに欠かせない観点がグッと詰めこまれていますね！ワクワク！

PeopleX HRラボ。会社全体を経営基盤、社員、その関係性に至るまでそのままデジタルツインに再現し、 ・社員を20名増加させたらどうなるか ・配置転換をしたらどうなるか ・育成プログラムを実施したらどうなるか デジタルツイン上でABテストしてから現実で実行するAIシミュレーション。

PeopleXでは会社組織を完全再現したデジタルツインを用意し、社員100名採用時、 A: 営業40名、エンジニア40名、マーケ5名、コーポ5名 B: 営業60名、エンジニア20名、マーケ5名、コーポ5名 C: 営業20名、エンジニア60名、マーケ2名、コーポ8名 のABCパターンで1年後の売上変動をAIに経営仮設検証。 他にも100パターンの経営シミュレーションをし、想定される課題をAIに解かせた仮設検証を毎日AIに経営させている。最も上手くいったパターンを更に変数を磨き込む。 次はマーケティング費用に10億円投資パターンと、営業人員を50名採用パターンの相対比較など、あらゆる変数をデジタルツイン上でAIに経営させてみてのトライアンドエラーを仮説検証。 金融クラッシュが起きた場合の製品ポートフォリオが現在で正しいのか。M&Aを実施した際のシナジー分析など、常にAI上での経営シミュレーションを何パターンも検証してみることに。 全ての出発点は、デジタルツインの作成から。ある意味今まではぶっつけ本番で社員や顧客を巻き込んでの仮説検証。しかもリアル社会では1パターンしか仮説検証ができない。 AI時代の新しい経営モデルであるとAI経営OS基盤を整備。

#方向 人生とは 速度ではなく方向である。 ゲーテ amzn.to/42ytRov スイスイ「自分を動かす」技術

EQ、共感力、心の知能指数。 この辺が本当に大事だと起業してから実感する。 ちょっとした取引先との契約、交渉ごととか、チームメンバーのモチベーションを上げる仕組み作りとか、 結局ビジネスの多くの活動が、関係者の感情を全体最適化する、という活動に帰着する。

大手でトークン消費のランキング施策が終了し始めている。ある大手では社内利用に上限が入ったと報じられた。次は「どれだけ使うか」ではなく「どう成果に結びつけるか」の勝負だと思う。 やる順番は決めておく。 - 仕事をどう変えるかを先に書く - それに合うデータをつなぐ - 最後にAIを差し込む - 用語やマスタを整理し、関係はグラフ/オントロジーで持たせる - トークン/推論回数は上限を置き、週次で単価×成果で見直す - 売り・企画・実装・運用は一つの改善チームで回す 正直、最初の導入で上限を決めずに始めて請求が跳ねた。上限と監視、そして「誰のどの作業がどう変わるか」を先に決めておけば防げたと痛感した。 この順番で90日走ると、コストと成果の会話に変わる。

「マネーボール」のように可視化されていく人的資本…山口周氏が読み解く人事部門の変化の実態とCHROの新たな役割｜JBpress Innovation Review jbpress.ismedia.jp/articles/…

Enterprise AI agents cannot afford to hallucinate when it comes to core people and money data. We are introducing three paths to build agents safely on Workday guardrails, offering developers open choice without compromising trust. Read the blueprint: w.day/4fWhtXG

モノは「早く手に入れたい」。 体験は「その日まで楽しみ」。 どちらもワクワクする。 しかし研究では、体験を待つ時間のほうが、より幸福で、快く、ワクワクしやすかった。 体験消費は、当日だけでなく、待っている時間から価値を生む。

1万時間努力すれば成功するは必ずしも正しくない。戦略なき努力は、失敗する可能性がある。 88研究・11,135人を含むメタ解析： 意図的練習が成果の差を説明した割合は、 ・ゲーム：26% ・音楽：21% ・スポーツ：18% ・教育：4% ・職業：1%未満 つまり、努力は大事だが、努力量だけで勝てるわけではない。 特に教育や仕事では、もともとの知識、適性、環境、評価基準、運、そして市場ニーズが絡む。