今回のテーマ
新しいAIモデルや制作機能の発表を共有し、モデルの性能だけでなく知識の置き場所を考えました。
Google I/Oの発表を題材に、モデル選択と社内知識の管理を分けて考えます。
当日の具体例
速いモデル、深く考えるモデル、音声や画像を扱うモデルを用途別に分け、手元資料を知識基盤として参照する流れを紹介しました。
公開記事では、当日の参加者名、個別企業や顧客の情報、取引条件などは掲載せず、確認できるテーマと実務の学びだけを残しています。
仕事にどう影響するか
最も新しいモデルがすべての仕事に最適とは限りません。速度、品質、費用、データの扱いを見て選び、社内知識はモデルとは別に管理します。
AIの役割は、人の判断を消すことではなく、判断に必要な材料と下書きを早く整えることです。
今からできること
- 仕事ごとに必要な速度と精度を決める
- 社内資料の正本を一つにする
- 発表内容は公式ページで確認する
大きな仕組みから始めず、まず一つの仕事で試します。入力した情報、AIの出力、人が直した点を残すと、次回はより短い時間で同じ品質へ近づけます。
朝活会からの問い
モデルを替えても残る、自社の知識はどこに管理されていますか。
この問いを自社の仕事に当てはめ、AIへ任せる部分と、人が確認する部分を一行ずつ書くことが最初のワークです。
まとめ
この回の学びは、新しい機能を知ることだけではありません。目的を決め、小さく試し、根拠と権限を確認し、再利用できる手順として残すことが大切です。当時の製品名や提供条件は変わることがありますが、この仕事の進め方は現在のAI活用にも引き継げます。