00:11
日本最大級のエンジニアコミュニティQiitaプロダクト開発部部長の清野 俊文です。
この番組では、日本で活躍するエンジニアをゲストに迎え、キャリアやモチベーションの話を深掘りしながら、エンジニアの皆さんに役立つ話題を発信していきます。
Generative Agentsのミッションと事業内容
前回に引き続きゲストは、株式会社Generative Agents代表取締役CEO西見 正宏さんです。よろしくお願いします。
西見さんとお送りする2回目のテーマは
AIエージェントで会社を回すプロダクト化しない戦略の裏側です。
ということで、今回は今取り組んでいらっしゃるGenerative Agentsさんで主にやられているようなことを色々お伺いできたらなと思っています。
前回も軽くお伺いしたかなとは思うんですが、改めてGenerative Agentsで取り組んでいらっしゃることについてお伺いしてもよろしいでしょうか。
GW Agentsは、基本的にはAIエージェントで会社機能を回していくということを実証していくというのが大きなミッションの会社ですね。
それをもとにAIエージェントとの共同実現していくというのがビジョンの会社です。
自分たちが取り組んでいる内容を皆様のAIエージェント、ひとまず生成AI活用に活かしていただくということで、
コンサルティングのサービスを展開していたり、内資はAIエージェントそのものを作っていくという開発支援をご提供していたり、
今一番盛り上がっているのは内製支援とともに教育研修サービスをご提供するというところがメインの事業になっております。
プロダクト化しない戦略の背景
今のお話を聞くと、いわゆるAIというものでいろんな企業様、クライアントさんをマインパワーメントしていくというところを支援されているということなのかなと思うんですけど、
前回のお話だとチャトGBTが出てきて、これはヤバいぞとなっていろいろ取り組んで、そこから会社を作っていらっしゃるというお話だったと思います。
僕の記憶だと、その当時これヤバいぞとなった時にエンジニアが何をしたかというと、
AI機能を組み込んだプロダクトをいっぱい作ってたなと思っていて、いわゆる開発、こういう機能を入れてみたとか、こういうAI、このチャトGBT使ってこういうのが作れたとか、
そういうのをやられている方の方が多かった気がしたんですよね、当時の記憶で言うと。
で、ちょっと気になるなと思っているのが、よくGenerative Agentsさんって支援の方に回ってるじゃないですか、いわゆる自社でプロダクトを作るというよりも、
インパイメントしていくところにフォーカスされてるなと思っていて、なんかそのアプローチというか方針みたいなのって会社を作るタイミングからそこが固まってたんですかね。
そういうわけでもないんですけども、もともとAIエージェントを専門にやるってことだけは決めていましたと。
そのAIエージェントそのものはですね、当時も自分たちが作ったものが動いているというものではあったんですけども、
今皆さんクロードコードだとかコーデックスを触られていて結構実感があるんじゃないかと思うんですけども、
AIエージェントって便利に使うためには結構な権限を解放しないと使えないと。
メールの送信を代行してもらおうと思ったらば、メールの送信をする機能をAIエージェントに使わせるということになるわけですが、
これっていわゆるプロダクトとして展開しようと思うときに大惨事になると思いませんか。
そうですね。
プロダクトとして提供するということはある程度その安全マージンを、ある程度というかだいぶ安全マージンを取った上で使っていただくということになっていくわけですけども、
そうするとですね、思ったほど便利じゃないぞっていう話にもなりかねないなと。
結局人間が全部チェックして直していくっていうことがしなきゃいけないじゃんだとか、いちいち送信ボタンを押す必要があるねだとか、
ちょっとSaaSにAI機能が増えたよねっていうくらいで落ち着いちゃうと。
なんだけども、僕らが思うとそのAIエージェントの可能性ってそういうことではないと。
ある程度その人間のやってこを代行するだとか、一緒に同僚として働けるような形。
同僚がメール送信しようとしてるときにわざわざ後ろから自分がメールの送信ボタンを押さないとその同僚が動かないみたいなことはないわけですよね。
ある程度事実的にその人が責任を持って働いてくれるってことを期待するわけですと。
そういったその仕事の仕方を実現していきたいと考えたときに、そのリスクを許容できるのってその会社の中の人しかいないなっていうふうに思ったわけですし、今もそういうふうに思っているんですけども。
そうするとそのプロダクトという形でうまく実現していくには相当なパワーが必要だなと。
実際に今プロダクトとしてAIエージェントを提供できる会社っていうのは相当なパワーを持っている会社ですよね。
そういったガードレールを作っていくっていうのも機能開発と比べると非常に大きい努力が必要になるものなので、比べ物にならないと。
そうすると近道として一番成果を上げる近道としては、ある程度のリスクを理解していただいて、その中でそのリスクをうまくマネジメントしてもらうというご提供の仕方だなというところで、
プロダクトよりかはそういったCAに回っているというところになります。
クライアントとのコミュニケーションと信頼構築
今のお話、すごいなるほどなと思いつつ、めっちゃ難しそうだなって正直思っていて。
いわゆるプロダクトを作るだと、いわゆるイニシアチブを自分自身が持っている。
本当に自分でプロダクトを作っていくようにすれば何かしら形がなるって話かなと思うんですけど、
入り込んでクライアントさんの中でそれを作っていくってなると、基本的に先方にいろんな判断はどうしても委ねざるを得ないところはあるかなと思っていて。
やはりAIって不確実性がかなりいろいろある中で、よしそれでもやってみようって頷いてもらうこと自体がすごい難しそうだなと思ったんですけど、
そこら辺のコミュニケーションとかって、そもそも最初の頃から割りかしうまくいってたのか、最近AIが浸透してきたから割りかし受け入れられるようになってきたのかというと、どんな感じの歩みをしてきたのかなとちょっと気になっていて。
なるほど。それでいうと、本を出したのが非常に良かったなと思いますね。
創業メンバーで、共同経営で、共同創業者のメンバー2人いるんですけども、吉田さんと大島さんっているんですけども、その2人はもともとランクチェーンっていう、
エレメントを使って何かするっていうフレームワークがあるんですけども、それを利用してチャットシステムを作るっていうような本を出されて、結構売れていたっていうのがありますと。
もう1点は私が2023年の12月にその仕事をAIエージェントをやっておきましたという、AIエージェントの一般向けの書籍を出したというところがあったので、
書籍を出すっていうと一定のその信頼感というか、そういった分野に関して一定の知識があるんだなというふうに思っていただけるというのがあるので、それをベースにお話をすることである程度信用、信頼していただいて話を進めることができたのかなというふうに思いますね。
ただ、2024年にAIエージェントって言葉は全く認知はなかったので。
そうですよね。
何やねんそれっていう。
いや、まさに前回のお話の高校時代に起業されてプロダクト作って、多分その価値があるものだけど時代を先取りしすぎたみたいな話に若干近いものを今はやられてるんじゃないかなって。
同じことを繰り返している感じは。
でも今回はそこは割と上手くやれてるみたいな、そういう感覚が持たれてる感じなんですかね。
そうですね。間違いなく、今引いたLLMというモデルは相当のパワーを持っていくということ自体はコンセンサスがある状態ですし、
よかったのは、かなり先進的というか大きい会社が、その当時からAIエージェントの言葉自体は認知をしていて、かつ中継に盛り込むといったようなことをしていたので、
そのAIエージェントの一般の認知はないんだけども、かなり敏感なビジネス層には認知があったという状態であったというところと、
その情報を活かせるっていうような知能が私に備わったということが、高校生の可能性があるかなと思いますね。
なるほど。それこそまさに、SI時代にやられたコンサルティングじゃないですけど、導入をしていくみたいなアクションとか、そういうのも含めて今は生きてきているみたいな。
そうですね。特に前職では、いわゆるアジャイル開発のプロジェクトマネジメントというと応用ですけども、うまく成果を上げていくには、
お客様のビジョンを実現、現実化していくにはどうすればいいかということに真摯に取り組むという訓練をしてきたので、
いかにニーズだったりだとか課題だったりとか、とはいえそのニーズがストレートにはかなわないよねっていうところをうまくマネジメントしていくという技術が備わっていたというところがありますので、
その技術がいかんなく活かされたのかなと思います。
AI時代におけるエンジニアのスキルとマインドセット
なるほど。ありがとうございます。
前回のお話にあったとおり、GPGが出てきたときにもう仕事なしもうエンジニアみたいなものがガラッと変わるぞっていうのを感じて、
今はシフトしてそれを導入していく側でやられているみたいなお話あるじゃないですか。
これって現時点ではもしかしたらまだ早くそういう動きをやられている側なんだろうなと思うんですけど、
将来的にはもうそこしかエンジニアのやる仕事ってなくなっていくんだろうなって不安も僕はちょっと持っていて、
不安というかそっちに変わっていくという波に乗っていかないといけないんだろうなっていうのも思ってはいるんですけど、
いわゆるこれからのエンジニアってどういうことをそもそもやっていけばいいんだろうなみたいなのを結構悩んでらっしゃる方も多い気がするんですよ。
なるほど。
そういう今はエージェントを導入していくみたいなところをやられているみたいなのは一個ある中で、
エンジニアとして今後培っていくべきマインドとか開発スキルとか、開発スキルじゃないですよねもはや、
スキルみたいなものでどういうものになるのかなみたいなのって何か最近思ってらっしゃることがありますか。
実はですね、この私の拙いキャリアを通じて全く本質は変わってないと思っているんですよね。
そうなんですね。
扱う技術自体はもちろん変わるなと思っていて、もちろんゲームを作るっていうのにVRAMを直接叩くみたいなところからですね、
ラベラーを使ってうまくやっていくだとか、そこはある程度プラットフォームは持ってくれるだとか、
メモリも自分で確保しなきゃいけないってところから勝手にガッベージコレクションしてくれるっていうところから、
いろんな技術の変遷はありますし、いろんなフレームワークというのも、
雑多な処理をですね、ある程度レールに乗せて、こういうふうに書けばこういうふうに動くよっていうふうに単純化してくれるっていう形で、
いわゆる抽象化に乗ってですね、どんどんどんどん自分たちがやりたいことをスピーディに叶えていったりだとか、
スピーディに検証できるようにしていくっていうことを連綿と繰り返しているというふうに思うんですよね。
動作検証に関しても、人間が一生懸命ポチポチやらなきゃいけなかったっていうところをある程度自動化していく、
画像認識等々を駆使してオートプレイすることによって自動化していって、
人間では見つからないような不具合というのも発見していくというのも、これも既定路線ですよね。
人がガンガンやらなきゃいけないことをもっと検出率も良くするし、スケールもアップさせていくというのはずっと時代の流れとしてあるわけなので、当然のことでしょうと。
行き着く先は、いかに見ているものを現実化するかというところと、それをスピーディにやるか、あとその検証もどうやったらいいのか、
それ効果があるのか何なのかというのを早く分かりたいという、このぐるぐるしたサイクルをいかに高速化するかということにずっと地道を上げているというふうに見えているわけですよね。
AIパラダイムシフトの本質と複雑性
そうすると、もとよりコードを書いていてもずっと同じコードを書かないじゃないですか。
そうですね。
同じものが現れてきたらば、まとめるだとか、パッケージにする、ラビラにするということを検討しますし、
同じようなオペレーションがあったとしたらば、ギタバーアクションとかで自動化するというのも普通にやっていることだと思うんですよね。
それがもう一段階中小化されたというか、もっと意思決定も含む判断をコンピューターがしてくれるようになったというふうに考えると、
あまりやっていることは変わらないのではないかという。
なるほど。いや、確かになって今お話聞いていてすごい思って。
ただ、とはいえ確かになすっきりでみんなすごいガラッとコードが変わる感じもない気がしているんですよ。
この差が何なんだろうなって今ちょっと私が考えたときに。
ある意味で今までって何て言うんですかね。もちろんこういろいろアップデートありつつも、
コアのところのプラクティスってここ多分十数年ぐらいってそんなにガラッとパラダイムシフト起こってなかったのかなって気がするんですよね。
もちろんそのいろいろな発展はありつつも、ただそのAIというものが出てきたことで、
多分本質のその抽象的なところは変わらないところはありつつ、
その一歩それの上のレイヤーのちょっとした具体的なプラクティスになったときに、
今ってやっぱそこを模索するフェーズに入っているっていうのがあるからこそ、
それを模索するところの難易度みたいなのが結構今エンジニア向き合っている課題なんだろうなって気がしていて。
課題というか問い?
確かに。
これ難しいのは、これまでそのソフトウェア技術で何かリープがあったとすると、
ジャンプがあったとしたときにですね、その影響を受けるのはソフトウェアの開発技術だけだったんですよ。
新しいフレーム化できましただとか、ビルドの保守が変わりましただとか、
よりそのスケール性を持ってソフトウェアを展開できるようになりましただとかっていうのは、
ソフトウェア開発の裏側の話だけであって、製品そのものには絡んでこなかったわけですよね。
これがAIって、その製品の設計そのものにも影響してるし、開発資料にも影響するっていう複雑性を持ったというところが、
エンジニアが抱えている問題の本質なんじゃないかなというふうに思いますね。
そこら辺の難しさみたいなのって、Generative Agentsさんの中でやられてることもあれば、
クライアントさんといろいろやられてる中でもあると思うんですけど、
どう落とし所を見つけていくというか、どうやってそれをこういう感じでいこうねみたいなコモンセンスに変えていくかみたいなところって、
どういうアクションを取られてますか。
ユーザーの期待値とAIの可能性
結局あまり変わってない。変わってないというと語弊があるわけですけども、
逆にAIを使ったからなんなんだっていうこともあるのかなと思うんですよね。
すごい詳細なレポートが出せるようになりましたとしましょうと。
ディープリサーチのような機能を実装して、自社のアセットからすごい豊富な情報が出せるようになりましたというふうになったとしたときに、
それをそのままして売れるかっていうと、人間の認知の問題もあるわけですよね。
毎回毎回すげえ情報を出されても、何が重要かがよくわからないよっていう。
結局その情報を入れたいタイミングっていうのは、タイムリーに自分の仕事に影響があるだとか、
タイムリーにその情報があることによって営業のアクションが起こせるだとか、
営業のアクションを起こすっていったときに具体的にどういうふうな支援をしてくれるのかっていうことだったりするわけですよね。
そういった考え方って、これまでのプロダクト設計と変わることがあるかというと、そんなに変わらない数だと。
機械的にRSSとかでいろんな情報を引っ張ってきて、ザーッと出されたら嬉しいかっていうと、
嬉しいかもしれないけども、こんなん毎回毎回消化できないわっていう話ですよね。
それをたとえAIが要約したとしても、それはそれで別に要約されたらいいけど、また読むのかと。
今でいうと皆さん、要約された文章を読むのも結構だるいと思うんですよね。
何かもっと本質的に大事なことだけを知りたいなっていうふうな欲求が生まれてきてるはずだし、
情報が溢れれば溢れるほどその欲求っていうのは当たり前になってくる。
コード化してるのもあって、それくらいできるでしょうという気持ちもあって、コード化していくものだと思うんですね。
このそれくらいできるんでしょって気持ちも結構大きくてですね。
一般の人が技術員に対して思っている最低ラインっていうのがあるなと思っていて、
例えばですね、ウェブアプリケーションが2010年以降、ウェブ2.0みたいなパーダイムでめちゃくちゃ盛り上がったと思うんですけども、
その後にiPhoneが台頭してくるわけですよね。
iPhoneのアプリを開いてスマートに情報を得ていくっていう体験をユーザーが得たときにですね、
このウェブアプリケーションそれまでの球体全としたレイアウトUIだと全然使えないじゃんっていう。
もっと身近にすぐ情報があって、自分にとってタイムリーな通知が飛んできて、
必要な情報を必要なタイミングでスマートに見られるっていうのがいいはずなんだけども、
いざじゃあブラウザを開いてみると、なんか知らないけどすげえダサいデザインで、
情報の整理が最低にないみたいな話になってくると、差分が生まれるわけですよね。
それでiPhoneのアプリがすごい流行ったのもあるし、そのデザインが統一されているっていうのもあって、期待値が上がっているわけですよ。
ユーザーが取れる選択肢も増えているわけなので、もっとできるでしょうって気持ちになるわけですよね。
そういうふうに何か新しいテクノロジーが生まれることによって、一般の方の技術の最低ラインっていうのがどんどんどんどん上がっていく。
このときに今のAI時代というか、ムーブメントは困ることが起こっていると思うんですね。
いわゆるソフトエンジニアって、この期待値に対してアクション、成果を出していくっていうことを仕付けてきている人たちだと思うんですけども、
この期待値が爆上がりしているっていうのが、ソフトエンジニアにとっての壁の本質的なところなのかなっていう。
ひいてはAIエージェントみたいなね。
普段開発で使っている方も多いと思うんですけど、これが一般の最低ラインになったときに、単用的に使えるAIエージェントがいて、
それを自分で工夫すれば使えるんだけども、業務にピンポイントに動いてくるAIエージェントがいたらもっと便利だよねって思うとしたときに、
これをどういうふうに叶えてあげるのかっていう問いになってきたりとか、それを普通に動かすとものすごいトークンを消費しちゃうので、
もっとUXを工夫してですね、AIエージェントのように振る舞っているけども、実は中では2,3回エレメント呼んでるだけだよみたいな設計を試みてみたいだとか、
いろんな工夫をしていくって考えたときに、これどういうふうに実現するんだろうなっていうのが、これまでのパラダイム感すると結構新しいことだらけっていう。
開発手法も同時に変わっていくし、そしては設計というか、プロダクト設計そのものも急にかがらっと変わる部分が多くなってくるしっていうところで、
アップデートがものすごく多くなったっていうのが、まず第一に悩む部分なのかな。
AI進化のスピードとカオスな時代
これまでやってきたことを否定されるっていうのは開発の手法の部分だったりすると思うし、
AI使ってそんなに便利になるのかっていうのは、プロダクトの設計の部分になってくると思うし、
いろんなものがごっちゃになっちゃって、よく整理つかんなっていう感じになっているのではないかというのが、そこのAI時代にエンジニアが抱えてる問題を日もと日かなと思いますね。
ありがとうございます。ものすごい今納得感があって。本当に今までの技術革新って、開発者側の体験の話とエンドユーザー側の体験の話がそんなに対応してなかった気がするんですよね。
例えば、いわゆるV-DOMみたいなのが出てきたときも、あれってもちろんユーザーの体験の話ではありつつも、
どっちかっていうと届けたい体験というのがめっちゃ簡単につけるようになったみたいな話だと思うんですね。
だから、ユーザーの方もそれが出てきたことによってそれを使う人がいっぱい増えたから、リッチになって嬉しいっていうのはもちろんありつつも、
期待値が後追いできたみたいな。そんな感じだったかなって思いますし、先ほどのiPhoneとかの話もまさに似たような話なんだろうなっていうのは思います。
ただ、AIって当時世代ある人たちがあまりにも広い。エンジニアもめっちゃ変わってるし、エンドユーザーも同時にめっちゃ変わっているから、
自分たちがそれに開発者としてアダプトしていくのもすごい大変というか、今やっている最中なのに、それをやりながらそれを使った体験みたいなのも同時に届けないといけないっていう。
このカオスさが今エンジニアたちが混乱している原因なんだろうなっていう。
しかも今日、今朝ね、OPASの4.7が出たという。
いや、そうですよね。
この放送もまた後だと思うんですけど、今日はちょうどね、OPASの4.7が。
本当にそんな感じでものすごい。
やっぱりそうやってモデルが出てくると、まずはそれをクロードコードでどう使えるんだろうっていうのは体験しないといけないし、
それでどうやってユーザーに新しい体験届けようかってこれも同時に考えないといけないみたいな。
これですね、まさに。
しかもユーザーのほうが早くそれを体験する可能性があって、こんなんできないのっていう要求があるわけですよね。
自分の仕事でうまく活用ができている、できていないっていう。
そこもまた今、そういうわけでもね、AIってそこまでうまく設計ができないから、
自分はAIを使うというよりかは、もっと自分でやっていくよっていう人ももちろんいてしかるべきだと思うわけですけども。
ただそこの問題は、その人がAIを活用して開発ができている、できていないではなくて、
一般のユーザーがすでにそういうふうに動いているっていうことを体験できていないっていう。
スマートフォンがものすごい流行っている時代に、俺は柄系で頑張るぜっていう。
でもそれは生産性の話じゃなくって、みんながスマートフォンを体験していてその体験を体験しないっていうことが問題だっていう。
これ結構差分があるんじゃないかなと思いますね。
そうですね。
やっぱりその差分がめちゃくちゃでかいのと、会社に所属してたのもしかしたらあるかもしれないですけど、そんなに強制力がないみたいのがある気がするんですよね。
例えばスマホとかPCとかってネットワーク公開じゃないですけど、もうみんな使ってるから自分も使わない不便みたいな、
LINEが入れられないみたいな例えばみたいな。
だからそういうのがあって、必然的に使わざるを得ないみたいなのがあって、使ってるみたいなのがあった気がするんですけど、
AIって本当に置いてけぼりにされているみたいなのがちょこちょこ起こってるなって気がしていて、私そのスピードが本当にえげつないので。
えげつないですよね。
まだやっぱり感覚的にそのチャットインターフェースで聞いたものに対して答えてくれるってものでしょって思ってる人いる気がするんですよね。
あってしかるべきだと思いますし、何ができるってそこ知れないわけじゃないですか。
出してる当事者もいわゆるコードコードみたいな仕組みって、エージェントハーネスっていう言葉で整理されてるわけですけども、
その中でアンソロピックのブログが面白かったのは、ハーネスっていうのはモデルに対する仮説だって言ってたんですよね。
モデルがこんなことはできないでしょっていうことを補うのがハーネスだと。
できるかできないかわかんないけども、それを制御構想して持たせるとうまくいくから、モデルができないことに対する仮説だっていう風に言ったんですね。
それが新しいバージョンをリリースすると、そこの問題解決されてるから、逆にそのハーネスから外した方がいいと。
でも新しい問題が発生したらその新しい問題に対してハーネスを実装していくっていうことになるので、
ずっとモデルに対する仮説を持ち続けるわけですよね。
仮説だって言ってるところは、何ができるかって出してるところにもよくわかんないっていうことかな。
一般人にとってどこまで可能性があるかってわかるわけないでしょっていうこと。
なので皆さんこの謎の生き物に対して試行実験をしてるっていう、そういう難しさもあるのかなって思いますね。
AI時代を楽しむためのマインドセット
ありがとうございます。
本当にこういうカオスな時代であるからこそ、多分触るはもう大前提やらないといけないっていうのもある一方で、
とにかくやっぱりそういう今のお話のハーネスの仮説だって話も近いかもしれないですけど、
自分でそういうのを作ってみるみたいな、やっぱりそのアプローチが今後ユーザーに対して価値を提供していく上で改造度を高めていくって話にもなりますし、
自分自身のAIを前提とした働き方のエコシステムを自分で見つけていくみたいなところにつながっていくかなと思うので、
結論とにかくAI触ったほうがいいって感じですね今は。
それは楽しむっていうことなのかなっていうふうに思いますね。
OSいじくって楽しいっていうのと同じように、その同じ処理系としてですね、
AIを見れるっていうスタンスが触らなきゃいけないっていうと、何か勉強しなきゃいけないっていう切迫感も生まれてしまうと思うので、
この流れをですね、どう自分ごととして楽しむのかっていうふうなマインドセットの切り替えのほうがいいんじゃないかなというふうに思います。
そうですね、エンジニアその感覚機関がある気がするので脳汁を出すことができる新しい技術に対して、
それをドアドア出してやっていきたいですね。ありがとうございます。
番組のまとめと次回予告
西見さん、今日はありがとうございました。
まだまだですね、お話ししたりないので、次回も西見さんとお送りします。
ということで、今回はですね、Generative Agentsさんに取り組んでいることから、
エンジニアの生存戦略というのもおこがましい気がしますが、今起こっていることについていろいろ深掘りができて、とても僕も勉強になりました。ありがとうございました。
本当にAI進化が早いですし、不安ももちろんありますが、それを数倍数十倍上回るぐらい面白いものだなと僕は思っているので、
今回聞かれている方も一緒に楽しみつつ、こんな感じで今使っているよみたいなのを聞いたとかにもポストしてくれたら嬉しいなと思っています。
さて、この番組では感想や次回ゲストへの質問、リクエストなどお待ちしております。
番組詳細欄にあるリンクよりお気軽にご投稿ください。
XではハッシュタグKiitaFMをつけてポストしてください。
表記は番組名と一緒でQFMが大文字、残りは小文字です。
そしてApple PodcastやSpotifyのPodcastではレビューもできますので、こちらにも感想を書いてもらえると嬉しいです。
Kiita株式会社はエンジニアを最高に幸せにするというミッションのもと、
エンジニアに関する知識を記録・共有するためのサービスKiita、社内向け情報共有サービスKiitaチームを運営しています。
ぜひカタカナでKiitaと検索してチェックしてみてください。
来週も火曜日の朝6時に最新話が更新されます。
番組のフォローをして最新話もお聞きください。
お相手はKiitaプロダクト開発部部長の清野敏生と、
知恵タブレーエージェンスの西見正弘でした。