お便りコーナーの開始
データアナリストの亮地です。データサイエンティストのたっちゃんです。質問コーナー
よし、読んでくぞ、今日は。
いつぶりっていう。
半年はやってないですね。
お手紙もらってんだけどね。ごめんって感じ。
AI周りが忙しくて読めてなかったっていうのもあるっていう言い訳をさせてください。
ほんとにそう。ごめんね。
今日は読んでいきましょう。
じゃあもう早速いいですか。
コワーカーネームでよかったですね。
俺は絶対忘れてるだろうなと思って今指摘する準備してたわ。
いいんですよね。一応となりのデータ分析屋さんっていうコンセプトでやってるんで、同僚だからコワーカーですよね。
あ、そうそうそうそう。
あんまこう内輪で盛り上がると良くないっていうお便りもどっかで見たんで、笑いは抑え目で。
クソコメな。
それもいいって言ってくれてる人もいるんで、そっち側を大切にやっていきましょう。
じゃあコワーカーネーム、かいじゅう101号さんからですね。
主に因果推論などの研究を行っているリサーチサイエンティストのかいじゅう101号です。
因果推論とAIの理解
いつも楽しくポッドキャストを聞いています。
ありがとうございます。
私はいろいろな技術がいろいろ出てきているけど、基本を抑えていればほとんど理解できると思っていて、
基本は抑えている自負があったので聞き漁っているうちに、
ただAIの凄さを語っている導入などいろんなものがある中でレベル感があっていると感じたので聞き始めました。
これは褒められてるんですかね。
キワードギリギリ。
ギリギリディスられてる。
そうですよね。
ちょうどレベル感があっていたってことなんですかね。
新しい技術を触ってみた感じもとても助かりますが、
同じような知識を持った人たちが今後どうなっていくのかを2人で考察しているのが話のメインでないことが多いですが、
とても興味深いと感じています。
これディスられてますかね。
ディスってる。前半ほぼディスです。
まあいいや。
ここから因果に関して聞きたいのですが、因果関係をAIが理解すると、
例えば右側通行で学習したデータのみで左側通行の自動運転ができるようになるなどが言われています。
このようなAIの理解する力が明確に上がった時、
お二人はどんなことを期待するのかというのをそもそも実現するのかも慌てて聞きたいですということです。
やっぱ馬鹿にされてたからな。
難しい質問ですね。
そうね。最後の質問の話をすればいいのかな。
そうですね。因果関係とか踏まえてどんどんAIが理解する能力が上がっているよね。
そんな中で今後どういうことを期待しますかっていうことですかね。
そもそもリサーチサイエンティストってなんやねんって思ってたんだけどさ。
いる?そういう人って。
わかんない。俺あんまピンときてないんだよね。
いやー近くには聞いたことないけど何する人なんだろう。
データサイエンティストとは違う?
リサーチサイエンティスト。研究開発をする?
なんかLINEヤフーの人のページとか出てきたな今。
リサーチサイエンティストとしての仕事は論文執筆や対外発表も含まれます。
より研究開発寄りなのか。
なんかR&D部署で技術特化で調査する人みたいな感じなのかな。
なるほどね。確かにそういう仕事はありますね。
まあそういうことなんだろうね。
いろいろあるわ。AIラボのリサーチサイエンティストは研究を遂行し成果を事業に還元するとともに論文として社外発表することが業務。
俺じゃあこの間までリサーチサイエンティストだな。
ネットワークサイエンスとかの話の時はそうかもしれないですね。
ね。学会発表もしてたし、論文も出してたし。
確かに。
俺もリサーチサイエンティストだ。
リサーチサイエンティストだ。
いやなんかむずいよね、そういうさ。
ちょっと話それるんだけどさ。
はいはい。
ちょっと前にちょっとクローズドなコミュニティを作って、シニアメンバーだけでいろいろディスカッションする、他社も含めてみたいな話を音源のどっかでしたじゃん。
しましたね。
あれの時にやっぱ出てたんだけど、話として。
求人出すときの名前をどうすりゃいいんだ問題っていう。
職種の名前っていうこと?
そう。
データサイエンティストなのかアナリストなのかとかそういうこと?
そうそうそうそう。
だってこのリサーチサイエンティストも別にデータサイエンティストじゃん。
それでも伝わるね。
そう、けどデータサイエンティストとして募集するとリサーチサイエンティストの業務がで欲しい人は多分見つけらんないんだよ。
はい、確かに。
けどそういう仕事を探しててもその人はリサーチサイエンティストというジョブタイトルで検索はしないんだよね。
わかる?
それに合わせにいったらそれを探してる人とも会えるかどうか微妙になってくるし、
外したら外したで、なんか汎用的な名前にしたら埋もれるしっていう、
なんとも言えないポジションの名前がたくさん出てきてて困るよねっていう。
そうだね、これはもう完全に各事業会社がそれぞれの名前でやってるのが問題だよね、根本は。
本当にそう。
解決策あるんですかこれは。
これはない、その業界で多分みんなで足並みを揃えるみたいなことをしない限りは。
はいはい。
なかなか難しいね。だからだるいんだよ、データサイエンティストで検索してJDを結構ちゃんと読んで、
あ、これはデータサイエンティストって言ってるけどこういうことね、みたいなのを理解しないといけなかったりするし。
もしかしたらデータアナリストっぽい仕事を探すときに違う名前の探し方もあるんじゃないかって最近ちょっと思ってるから、見つけれてない可能性もある。
DX推進とか含まれる可能性もあるもんね。
そうそうそうそう。
もうエージェントに頼るしかないんじゃない、そうなってきたときに。
そうだよね、結局そうなるんだけど、そうするとマージン払う払いやすいところの方が優遇されてまたまたみたいな。
まあいいか、リサーチサイエンティストの話はいいか。
はい。
いやでも気持ちはわかる。その課題感は多分いろんな人が持ってそうだね。
ね。
質問にだけ答えましょうか、ちゃんとね、お便りもらってるんで。
確かに、因果関係をAIが理解すると。
これさ、思ってたんだけど、そのAIが理解するとっていうのが本当にそうなんて思ってて、
右側通行で学習したデータのみで左側通行の自動運転ができるようになるみたいなのとかって、
じゃあこれ別にミラーリングしたデータで学習して汎用性持たせればいいじゃん、とも思うし。
そうだね。
データの持ち方で別にそういう汎用性はいくらでも出てくるとかあるんじゃないかなって思ってて、
その学習の仕方によっては別に今もある程度範囲、割とカバーできてるんじゃないかなっていう面もちょっと思ったりはした。
確かにそうだよね。できてそう。この具体例がだけに閉じた話だとそれは言えそうだなと思ったし、
自分これ見たときに思ったのは、これ生成AIとかの話を裏ではしたいのかなみたいな意図みたいなのを汲み取っていて、
どんどん生成AIのLLMの能力が上がったときにこの後どうなってるかみたいなときにちゃんと因果関係理解できるのとかっていうことなのかなと思ったんですけど、
そもそもLLMのどんどん能力が上がっていく凄さってどこにあるんだろうって考えたときに、
自分は物事を抽象化する能力がどんどん上がってるのかなと思っていて、
具体的に左を走る、右を走るっていうことを覚えてるんじゃなくて、対抗者と逆の道を走るみたいな一個抽象度を上げたところでAIが理解できているのであれば、
今回の具体例って解決できるよねっていう、そういう話かなっていう。
なるほどね。
だから学習のさせ方というよりかは、LLMの能力が上がると抽象化する能力が上がるから、
結果的に今回の走行車線の話は解決できるし、他のような具体例のときでもどんどん解決できるようになってくるんじゃないかなっていう、
そういうことをふわーっと思いましたね。
右側通行で学習したデータから左側通行の学習の自動運転ができるのは因果なのかな?
いやわかんない、因果の話ってさ、いろんな本で勉強会とかもやるからさ、
言ってることは、言わんとしてることはわかるし、
研究、天文の研究とかでも、因果なんてものまで踏み込めるときはやっぱなかなかないから、
相関関係で三段論法みたいにしてしゃべるとかはあって、あくまで相関と相関の話みたいなことで、
まあ見るから、正直なんかそんな現実問題のやつをそんな因果に全部落としきれるもんなのかなっていう疑問も常に残り続けてる、頭の中で。
頭のいい人はわかってんのかな?
バシッて綺麗に出てて誰もが理解できる事例とかってあんまわかんないんだよなって。
あくまで因果推論って人間が理解をしやすい納得がいくためにあるものかなと思っていて、
まあそれを定量的にね、そういう因果関係があるって言えるようにしていくっていうのが多分因果推論のその分野の話だと思うんですけど、
なんかその話と今後このAIの理解する能力が上がるっていうところが結びつくのかどうかは自分はちょっとハテナで、
確かにピンとはこないね。
そう、AIがその判断した根拠は人間の思考を超えていて、別のところでの因果なのか相関なのかが結びついてこういう結論を出すっていう風にアウトプットが出てくるから、
うん、なんか、そう、因果推論がそのままこうコード化していくのかどうかはちょっとわからないなーっていうのが、
そうね。
キャリアと職種名の問題
回答というかね、自分の思うとこですけどね。
確かに。教えてほしいね、逆に。これ今度聞いてみよう、そういうの。詳しそうな人に。
そうですよねー。人間が思いもよらないところから答えが出てくるっていうのがAI使ってるときのあるあるだったりするから。
まあ確かにね。
まあ因果推論するためのデータでさ、ほら、なんかダグとかあるじゃん。
有効グラフで表現して、そのパスをみたいな。で、なんかああいうグラフに落とせるんだったら、
ほら、グラフラグとかそういう事例もある通りで、複雑系とかって結構LLM扱う、なんかこう解釈しやすかったりするし、
なんか普通に相性はいいんだろうなーっていう前向きな気持ちもある。ただ、よくわかんねえなっていう気持ちもあるっていう。
そこを人間が100%理解しに行くなら、ちょっと限界があるかもしれないですよね。
あ、そうそうそうそう。そうなんだよね。結局は、そのカオスとか言われてるぐらいだから、
その系全体を数式だったりとか、なんかの法則で表現するみたいな世界の手法が因果推論とかでも使えるわけじゃん。
で、だったら、なんかパッと人間がわかるような形に落としてる時点で、抽象度が減ってるような気もするし、
けど逆にAIの性能が上がっていくと、その空間を認識しやすくなるような気もするから、
なんか質問とかで書いてくれてる、質問で言ってくれてるような、ちょっとこうポジティブな面みたいなのが強まんのかなっていう気がする。
質問回答ってむずいんだな。
質問の回答は難しいですけど、我々が思ってるのはそんなところですかね。
そうだね。
はい、次。
はい、次行きましょう。
コワカネームククリさんからです。
宇宙の話のApple Podcastをいくつか拝聴して、面白くてそのままこちらに流れ着きました。
ありがとうございます。
AIとキャリアの不安
そして120回文章作成に関して、自分とほぼ同じAIの使い方をしている方を初めて目の当たりにして、今めちゃくちゃ感動しています。
はい、これはあれですね。
どっちがどういう風に書籍とか文章作成をしているかっていうのを語った回ですね。
はいはいはい。
で、自分の外部能としてAIを育ててバウンスをさせて相互チェックしていくようなイメージで使ってますよということですね。
はい。
YouTubeの方もチャンネル登録させていただきました。今後の配信も楽しみにしてますということです。
ありがとうございます。
なるほどね。宇宙話から来てくれたってことだ。
そういうことですね。
なるほどね。そう、これね、文章作成の話、あの時書いたけど、僕はもう毎日ちょっとずつ進めないといけないぐらい原稿の締め切りが切羽詰まってるので頑張ってるんだけど、日々ね、やっぱ使い方アップデートしてて、120回でやってたやり方から変わったかも、結構。
おお。この前は何でしたっけ?
あの時は過剰書きで書いて、それを読み上げて、自分で声で喋って、ストーリーを作って、それをAIに書き起こしさせて、で、AIに成形させるみたいな感じだったんだけど、今はね、ちょっと過剰書きの流度をもうちょい細かくして。
で、そもそもクロードとかGPTとかのウェブのUI、GUIから触るやつじゃなくて、今はね、カーソルでやってる。
それはなぜに?
あのね、本全体のコンテキストを考慮させて、その文章を構成してくれるからっていうのがやっぱでかくて。
じゃあ例えばチャットGPTとかにしようか。で、そうすると、なんか1パートとかの文章を書いてもらうとかで、すげえ自然な作りにはしてくれるんだけど、前の章で何書いてるとか、この後の章でどういうの書いてるとか、前の章で、もっと前、序盤でどういうこと書いてるかとかって、
まあ、ちゃんと教え込まないと知らないじゃん。
そうだね。
なんだけど、同じフォルダーで管理していて、で、だったら、ちゃんとそこ参照するようにしてねっていうルールを作っといてあげると、文章量が増えてくるとちょっと劣化するんだけど、それにしても前後のコンテキストを理解した上で文章を書いてくれるっていう方が、すげえしっくりくる。
なるほどね。
そう。あと、普通に1行ごとというか、1段落ごとに修正して、で、提案されたもののGitHubのプラスとマイナスマークみたいな感じで、これを削除してこういうふうにしましたが、わかりやすくて採用・不採用を自分で細かく決めれるっていうのも結構いい感じだなっていう。
だいぶ変わってきましたね。
そう。この辺りはね、一枠かけて喋ってもいいぐらい結構ね、試してる。
それはちょっとぜひ聞きたいね。
そうね。こっちの方が早いなっていう感じはある。
まあまあ確かに早さとその正確さみたいなところが大事ですよね。
そうそうそうそう。
ウェブアプリになってる方のやつでいくとやっぱ出力が一撃で出てくるっていうところは、いいようで悪いようでみたいなのもあるから、
まあディープリサーチ寄りのとか、検索系を強く入れるときはあっちに任せるけど、
それ以外はなんかカーソルとかコパイロットみたいな、いわゆるIDEみたいなのに含まれてるエージェントのサービス使う方がいいかなっていう。
最近そういうね、プログラミングじゃない別の仕事でのあの辺りのコパイロットとかカーソルとかの活用方法を色々考えてて、
実はそっちの方が花開く説あるようだっていう気もしてるんで。
完全にそのAIの用途次第ですよね。で、どこの情報を参照しに行くか次第かなと思っていて。
データアナリストの課題
だから自分も最近あの、Obsidianっていうテキストエディターになるのかなあれは。
あれはね。
エディターじゃないか。
エディターじゃないね、なんて言うんだろうね。メモアプリだよね。
メモアプリだよね。
本当に1日の日記とかみたいな用途で、本当にメモ帳として使ってるんですけど。
やっぱあれを使うときは完全にその情報ってローカルの端末、ノートパソコンだったりスマホにあるから、その情報と一番いい、
AIってなるとどうしてもCLIベースの、自分だったらGemini CLIみたいなのを使って連携させるのが一番ちょうどいいんですよね。
はいはいはいはい。
っていうその、何のAIを使うかっていうときと、どの情報にアクセスするかの相性の良さがやっぱり生成AIのサービス使うときの考えるポイントなのかなっていうのは思いますね。
そうね。
俺も仕事のメモ最近めっちゃローカルで取るようになってるわ。
コパイロットのエージェントモードとかにして、箇条書きでバーって書いて、特定のフォルダに格納しまくってるわ。
結構そのローカルの使いやすさって改めて最近思うんですよね。
そうなんだよね。だからなんか、俺らの世代割とさ、クラウドで仕事するのが当たり前みたいなさ、なってるからさ。
それが結構生成AIの活用に馴染んでいくのに障壁になってる人たちいるんじゃないかなと思ってて。
いやわかるわかる。
アクセスとかセキュリティとかがそこで結構ガチガチに厳しかったりするからね。
そうそうそうそう。だからなんかローカルでいろいろ触るとか、コマンドライン打たなきゃいけないとか。
あとOSSも結構やっぱ注目のポイントじゃん。
はいはい。
オープンソースになってるやつが。で、そこら辺を組み合わせる感覚がクラウドだとちょっと違うなっていう気がするんだよね。
で、俺らはさ、ほら、研究室の時も自分のパソコンの中をいかに育て切るかっていうさ、すげえ、まあいいように言うと今みたいな環境にすげえ適応しやすいけど悪いように言うとめっちゃアナログな世界でやってたじゃん。
そうだよね。
だから結構さ、簡単に馴染めるんだよね。
いやわかるなーでも。
一応一般ではあるんだよね。
それはね、クラウドでやるもローカルでやるも、ローカルのパソコン壊れたらどうするのとか言われたら終わりですしね。
いやそうなんだよね。だからまあ今いろいろ試してるけど、120回の時に喋った作家業はwith AIでやるっていうところに比べるとまた使い方だいぶ変わってきてる気がするから定期的に喋ろうかなと思ってる。
そうですね。多分これ人それぞれ使い方もまた違うからいろんな人に聞いてみたいなとも思いますね。
はい。
じゃあ今回は最後になりますけど、コアカネームレジンローバーさんからです。
こんにちは。いつもラジオを楽しく拝聴しております。私は新卒で4月からデータアナリストとして働いています。
入社して2ヶ月ですが、業務が営業チームからの受け負い構造になっており、アナリストが作業者化していることに疑念を抱いています。
営業からの要望だけをこなす受け身の姿勢で本当にデータから価値を出しているのかと思っています。
この問題はチームの構造か全員のスタンスを変えていかないと解決しないのかと考えています。
また、自分のキャリアを考えた時にこのまま居続けること、つまり作業者になってしまうことに対しての危機感があります。
新卒としてできること、キャリアの観点から見たアドバイスをいただければ幸いです。
はい、ありがとうございます。
ありがとうございます。
いやー、この問題というか現象って結構事業外資だったらあるあるかなというふうに思いますね。
はい、どうすかね。
まあでも、なるよね。ほっとくとこうなるんだよね。
なるね。便利屋さんだからね、データ分析の人たちは。
で、これあるんだよね。最初の方はSQLかけるだけで魔法使いみたいな扱いになってきて。
で、そういう扱いの時期があってから、なんか頼めば何でも出てくるなっていう多分、受け負い構造というか便利屋さん。
空気みたいなのが強まっていくっていう。
で、多分完全に強まった組織に入ったんだろうね。
そうだね、その状態に今陥ってしまっていて。
多分これ、いやこの構造良くないよねっていうのは、この新卒の子だけじゃなくて、その上の上司とか部下長レイヤーの人たちも多分感じてはいるんです、いるとは思うんですよ。
思ってんのかな。
え、思ってないのかな。
え、思ってないと思うけどな。
思ってて変えてなかったら。
仕事できてないか。
キャリアを考えた時にっていう質問の答えになるけど、やめたほうがいいよね。
なんかその、いやその課題感があるかないかはめっちゃでかくて。
それを、その構造をガラッと変えるっていう動きを、俺は入社してある組織のところで、その空気をガラッと変える動きを目の前で見て変わりきったとこまで結構見たから。
そう、だから、で、それをちゃんとその時の、なんだ、そのグループのリーダーみたいな人が変えるよって言って。
で、その、例えば今のお便りで言うと営業チームからって言うってことは、じゃあ営業チームのほうの人に話しに行って、こういう作業はもうしませんみたいな。
ざっくり言うとね。で、こういう動きに専念していくことにするんでって言って、こうなんか、手綱を握るというか、ボールの握り方を明確にして動き始めるっていうのをやってたね。で、変わってったね。
結果的にはその体制でやってもこううまく回っていくようになったってことですかね。
そうそうそうそうそう。
それは成功ですね。事業の中での構造を変えていくってことは。
そうね。
で、だから動き方の、なんかざっくりとしたタイトルとして、三暴っていう動き方っていうのを、なんか明示的に立ててたね。
うんうん。
新卒の子一人の力でどうにもできる話ではないですよね。そこまでこう大きく改革するとなると。
あーまあそうだね。
そうだよね。
だからなんかその動きを変えようと思っている人がいそうかどうかがだいぶ分かる道。
いやーそうだと思うなー。
あとはその今回送っていただいたレジンローバーさんの会社が、実際にこの受け負い構造であるのが100%だめだとは自分は思っていなくて、
なんかこれでその会社としての利益を埋めてたりとか、ちゃんと売上が上がっているのであれば、それは会社としての大きな組織では成功だと思うんですよ。
間違いない。
うん。ただ本人がそこに対して、本人っていうのは個人がそこに対してこうやりにくさとか、あまりこうやりがいを感じていないってなると、
その組織を変えるっていうのも一つかなと思いますし、組織を変えるっていうのは自分がそこを抜けるっていうのも一つだし。
いやでも本当にそれで全部回ってるんだったら、AIに全部置き換えれるわけじゃん。だってもう定型作業しかないわけだから。
未来の組織構造
うんうん。営業とのやり取りってなって、営業の中身に対するデータ分析の出し方ってなると、結構集計系が多い気がするんだよね。
なんかその細かくプラットフォーム運営してて、ここでやった施策がこっちに効果があるかみたいですみたいな、
なんかそういう感じまではあんまりいかなそう。その営業トークとかを全部かき起こしして、それの良し悪しを判定して、
とかってのやってるのとは別だけど、なんか受け用意構造って書いてる感じからするにそんなことはないんだろうなっていう気がしてて。
で、営業に必要な数値とかグラフちょっと用意してくれって言われるみたいな。
あーそっかそっか。それもあるね、確かにね。
運用してるツールのこの良し悪しが分かるグラフ欲しいみたいな。
ってなってくるんだったら、普通に全部AI化1人ですればいいじゃんっていう。
それはそうだね。仕組み化で解決させていくっていうのはありですよね。
すればいいじゃんって思っちゃうな。
分かるな。あとはもう生成AI使っていくのが当たり前になってくるのであれば、
多分営業の人たちもこの他の部署にお願いするより自分たちでやってしまうっていうのもそのうちあり得る話だから。
なおさらこの彼のいる分析チームの仕事がなくなってしまうっていうのもあると思うんですよ。
だからそこに向けての価値をちゃんと埋める仕事を見つけていったり準備しこんでいくっていうのが
必要になってくるんじゃないかなとも思いますね。
マイクロソフトの発表でデータサイエンティストの仕事はなくなるって書いてあったからね。
本当?
トップレベルでなくなるって書いてあったから、データアナリスト的な仕事は俺はもうやってて思ったけどマジでなくなるよね。
半分ぐらい。
従来のね、従来の動き方の部分はなくなる。
で、それはどういうことかっていうと多分受け負い型になってるところがなくなるっていう話になりそうだよねーみたいな。
いやいいじゃんね、これ全員が本当に受け負いのスタンスで効率化、自分から価値を出そうと思ってる雰囲気を感じられませんみたいな。
組織的には無理ですってなったら、自分だけしか使えないAIのツール使ってさ、今まで3時間で受けてたやつを全部さ、20分ぐらいでこなしてさ、サボってればいいじゃんね。
確かにね。
それはそうだよね、本当に。
で、それができないんだったら、自分の問題だから。
厳しいねー。
俺はいつもそう思ってるから。
いやでもそうだとは思うね。
まあ新卒だからこそ前のめりにやっていきたいって思いもあるから、今この危機感みたいなのを特に強く感じるんでしょうね。
大事だと思うな、この感覚は。
受け負いのところに対するリスクというか危機感は。
3ヶ月ぐらいすると違和感感じなくなってくるから。
ああ楽じゃん、この仕事って思うともう終わりだよね。
作業ゲーねっつって。
まあそれで1.9両もらえるならいいかっていうのもね、よく聞く話だからね。
ただ問題はね、問題は失職リスクがあるからね、AI時代に。
ますます大きくなってるからね、この職種は。
そうなんだよね、マジでそうだと思うわ。
でもやっぱ新卒が一番いいと思うんだよな。
さっきのクラウドネイティブの話じゃないけどさ、
今までのスタイルがこうだからっていう頭の中の意識が、
残ってる人変えんのマジむずいから。
そうだね。
だから新卒が一番AIネイティブにいけるって思って、
俺はもうスタート新卒の後にしかレクチャーしてなかった。
そう考えると既存の先輩たちって、そっちも危機感を感じなきゃいけないですよね。
新卒の可能性とAI
いかつい新卒どんどん入ってきますからね。
そうだよね、余裕でぶっこ抜けるんじゃないですか。
いやそうだよね、能力と体力と、あとは気力みたいなところのすべてが備わっている、
すげえイキイキした新卒怖いっすよ、会社にいたら。
そういう人がいっぱい入ってくる会社見ちゃうとびっくりするもんね。
学生時代からAI使ってるから学習効率がそもそも違うんで。
もう成長曲線の爆裂に非線形で伸びた後に出会ってるから。
怖いな、そういう意味で失職すんじゃない?既存のデータ分析屋さんたちは。
敵は人間だったみたいな。
あり得ます。
はい、そんな感じですかね。
じゃあまあ以上お便り会でした。どうしましょう、次回は。
次回は、こないだね、ソフトウェア開発とかができるAIエージェントのDevinっていうツールがあって、
1回喋ってるかな、Podcastで。
Devin会はやってるよ。
やってるよね。
やってる。
で、そのDevinを使って開発いろいろやってる人たちがこぞって参加するDevin Meetup Tokyoっていうイベントに行ってきたのよ、
メルカリで開催されてた。
はい。
オンラインも含めると1000人以上いたのかな、1500とか。
大注目っすね。
会場、オフラインも105人とかっていうような感じになってて。
日曜とかなのにすげーいるなーって思いながら。
で、そこに隣のデータ分析屋さんの名前を使ってメディアワークで参加してきましたんで、
ちょっとその話をしようかなっていう。
はいはいはい。
すごいね、AI開発してる人たちはすごいよ。
すごい。面白かった。
面白かった、めっちゃ面白かった。
あんま触ったことないでしょ。
そうだね、最初その話のうちのポッドキャストで話して、ちょろっと触って、わっすげーって。
YouTubeであとはデモ動画見て、わっすげーってなった以来だから、今どうなってるのか全然キャッチアップできてないですね。
多分あれ2月とか、いや違うな、もっと前だな。
2025年の2月に、なんかなんだ、本格リリースというかGAみたいな感じになって。
はい。
で、それで会社で使うっていう選択肢を取った人たちが増えて、
一気に今流れ変わってるみたいな感じだから、結構押さえといたら面白いかもって感じかな。
じゃあ楽しみにしてますね。
うっす。
はい。
隣のデータ分析屋さん、今回も面白いと思ったらフォロー・レビューよろしくお願いします。
番組の感想や質問は、ハッシュタグとなりの分析屋。
隣のがひながらで分析屋は漢字でお願いします。
また概要欄に貼ってあるお手紙ホームからコメントお寄せください。
ではまた。
バイバイ。
