00:08
Ayo! by Genesia
皆さんこんにちは。ジェネシア・ベンチャーズの水谷です。
この番組では、最新技術や市場トレンドのリアルを、
異業家とキャピタリストの視点からひも解きながら、
事業のゼロイチに挑む野心を深掘っていきます。
Ayo!はインドネシア語で、Come on! Let's go! という意味、
プレスリリースには出てこない、ここだけの話をお届けしていきます。
前回に引き続き、今回もゲストとしてお迎えするのは、
株式会社スキルノート代表取締役山川さんと、
ファストラベル株式会社代表取締役社長鈴木さん、
そして、2社を担当するキャピタリストの
ジェネシア・ベンチャーズ佐川さんです。よろしくお願いします。
よろしくお願いします。
では、後編の今回も早速お二人にお話を伺っていきたいと思います。
ファストラベルの鈴木さんにお伺いをしたいんですけれども、
今、バズワードになっているフィジカルAI、
この製品を分ける要素とは、実際何になってくるんでしょうか。
ぜひ教えてもらえると嬉しいです。
そうですね、ここ非常に抽象的な質問になってくるんで、
答えがなかなか難しいとは思うんですけど、
一つはやっぱり基盤モデル、モデルの部分ですね。
そのモデルにとって重要なところはやっぱりデータになってくるので、
このデータをいかにちゃんと確保できるか。
かつ貴重なデータですよね。他社では取れないデータ。
これをですね、いち早く現場に実装して、
その現場のデータのフィードバックループですね。
ここを回していくことが鍵になるんじゃないかなと思っております。
ものすごい素人質問なんですけども、
鈴木さんが何度も口にされているこのデータっていうのは具体的には何なんですか。
そうですね、例えば画像認識系のAIだと分かりやすいんですけど、
単純に画像のデータをAIに学習させても意味がなくてですね。
画像に対してここに人がいます、ここに車がありますっていう
四角いバウンディングボックスっていうのをつけたりするんですね。
この画像にはここに人がいますっていう座標情報ですね。
この画像とそのデータをセットにしたものを教師データと呼んでいて、
これを結局学習に使いますと。
ロボティクスにおいてはですね、またちょっと違ってですね、
ロボットの今で言うVLAですとロボットが見えている視点の情報、
画像だったり動画の情報とロボットが実際に動作して、
この腕の角度の関節はどれぐらい曲がってるか、
そのアクチュエーターのジョイントの角度の情報と、
あとは指示文というか、今こういう作業をしていますっていう、
洗濯物畳みますみたいな、そういったテキストの情報ですね。
03:01
これらを総合して教師データとしてですね、学習させるとですね、
なんと洗濯物畳んでっていうプロンプトを与えてあげると畳み始めるっていう形になるんですけど、
それを何百時間何万時間集めなきゃいけないというところが非常に大変な活動になっていてですね、
ここは今ボトルネックになっているという形ですね。
なるほど、洗濯物畳むとかであればもう本当にどの家庭でも、
あるいはどのアパレル事業者さんでもやられているものかと思うんですけれども、
それこそやっぱり企業秘密に関わるようなその生産工程のデータみたいなものっていうのはやっぱり、
そもそもそれを構造化されたデータに落とし込むことの難易度っていうのが、
ものすごい高いのかなというふうに想像されるんですけども、
そのあたりどういうふうにデータ化していってるんでしょうか。
そうですね、正直まだできてないっていうところが現実でして、
やっぱそもそも工場に投入できるレベルではないですし、
工場にロボット置いてテレオペレーションっていうロボットを操作するんですけど、
基本的には人の動作より結構遅い。
ロボットを操作するのはなかなか難しいので、
2倍3倍ぐらい人間がやるよりは時間かかってしまうので、
それも投入できる状態になるので、
今はかなりハードルがある状況ですね。
そこに対して今は人間をある意味一つのロボットと見立てて、
人間にカメラをつけて収集させることができれば、
現場のデータも取れるんじゃないかみたいな観点でですね、
そういった研究も走ってますし、とはいえまだ研究レベルであるので、
これからかなというところですね。
カメラとあと関節ごとのセンサーみたいなそんな話なんですかね。
人間にセンサーつけるのは難しいので、もうそこは推定をしたりしますね。
こういう関節で今動いてるであろうっていう、
それが本当に使えるみたいな部分はあるんですけど、
そこを大量に集めるっていうことで、
そういったところも可能になるんじゃないかっていうレベル感の話ですね。
なるほど。
1ヶ月ぐらい前にインドで撮影された動画バージョンなんですけど、
インドの縫製工場でミシンの前に大量のワーカーの人たちが座ってて、
ミシンで布を縫ってるんですけど、カメラをつけてるんですよ。
自分たちのやってる様子全部撮影してて、
そのデータを彼ら自身が持って帰ってどっかに売ることはないんだけど、
工場のオーナーがどっかしらのデータを需要している、
需要すると契約をして、そこにデータプロバイダーとして
一件いくらでデータを販売するということをやってるんですけど。
そうですね。そのビジネスが今多分そこの新興国とか、
インド、インドネシア、フィリピンあたりでかなり流行ってる。
二毛作ですね。
二毛作、二毛作。現代の二毛作です。
一早くそういうデータをね、リアルワールドデータを
抑えられたプレイヤーが勝つということを考えると、
じゃあ世界かまわなく見渡した時に、
どこでそういうデータを一早く大量にゲットできるか。
06:01
といった時に、実はここはある種のリープフロックがあるかなと思うのは、
まあ結構そのセキュリティもガバナンスも、
蓄積した暗黙地もたくさんある先進国、日本のような先進国よりも、
今言ったようなものが比較的欠けているインドのような新興国において、
それが先行して進んでいくっていう可能性はあるかなと思ってて、
インドのジバのプレイヤーと話してると、
結局その製造業を進行しようっていうポリシーを掲げて頑張ってるんですけど、
採用して育成をして長い時間をかけてクオリティを担保していく、
量産のクオリティを担保していくってかなりチャレンジングなんだけど、
それを人でやるからチャレンジングなのであって、
じゃあ収縮する、させる対象をロボットにしちゃえば、
より時間が短縮されるし、より短い時間軸で大きなアウトプットをするプットを出せる。
ことに繋がるんじゃないかっていう議論は出ていて、
それが実際に産業年間効果の一番大きい雇用吸収力のある製造業を空洞化させるっていう、
そういうネガティブな視点も一方で、もちろん出ているので直線的にはいかないんですけど、
そういう議論が出ているぐらい、ジャンプが短期的には見込まれる領域なのかなと。
そうですね、インドでキャピタリストとしてチャレンジしている佐川さんからのものすごいポジショントークが差し込まれたわけですけれども、
やっぱり実際、やっぱり日本でそういう製造業工場におけるデータ生成提供みたいなものを兼ねた二毛作って難しいというか、
難しいですね。無理ですけども。
そうですね、セキュリティというか結構重要な工程になるので、
出荷前の製品とかそういった情報も含まれてしまうので、かなり難しい、原理的に厳しいんじゃないかなっていう気が。
業種によって、職種によって難しさがだいぶ変わってくる。インドにおける布をただ縫うっていう、ミシンで縫うっていうことと、
飛行機の部品を作る、クリティカルな部品を作るっていう業と全く違うものなので、
そこにおいては今度は山川さんに聞いてみたいんですけど、山川さんスキルノートで製造業、かなり多くのラージェンタプライズのお客さんに使ってもらっていて、
そこには当然いろんな業種の、いろんな職種の人たちの構造化されたスキルデータがたまってきてるじゃないですか。
今度はこれを来るフィジカルAI時代に応用しようとしたときに、今言ったようなこと、つまり言っても広いよね、フィジカルAIもそうだし、製造業と一言に言っても広い中で、
どの業種の、どの職種の、どの工程から徐々にロボット化が進んでいくだろうみたいなことって考えありますか?
めちゃくちゃ難しい質問ですね。
09:01
それができるとすごく面白いと思いますね。
そうですね。やっぱりなんだかんだで今、自動化っていろいろできるんだけれども、費用対効果の面で見てるところが多いので、
結構このAIをちょっと組み込んだロボットみたいのを試した会社の人とかちょっと話したりするんですけど、一定この工程って置き換えられるけれども、
費用対効果で見るともっと汎用性がないとこの投資できないみたいな感じで、実証は一応いけるねみたいな感じなんだけど、
例えばAGVの上にロボットの手がついていて自動で見分けながら運ぶとか、それだったらいけるけれど、
これってこの工程のここだけで使ってていいの?みたいなところがあるので、やっぱり全体見たときにある程度汎用性があったりとか、
例えば溶接工程みたいないろんなところでそれが出てくるみたいな、共通的にここを置き換えると大きなコストインパクトがあるみたいなところ。
あれから始まって投資対効果が合うところから始まるっていうのが製造業なんじゃないかなっていう感じがしますね。
投資対効果の測り方って日本製造業ではすごく難しいですよね。現場が強くて指令がなくても自立駆動的に現場の改善を自ら考えて機動的に動けるという人たちが
大量にいる環境と、一方でそういったマインドセットもスキルセットも持ち合わせない、単純に1時間いくらでお金がもらえるからそこにいるという人たちが多いっていう環境と比べたときに、
じゃあどちらがロボット化を進めるインセンティブにつながるかっていうと、圧倒的に後者なわけじゃないですか。
だから日本人の真面目さだったり現場の強さで暗黙地位とか言語化できない機動的な協力体制によって救われていることがたくさんあるという環境が、
今までは強かったんだがこれからの時代においてそこがアキレス系になってくるっていう、つまり強いからこそロボット化のインセンティブを経営が感じないという、
工場長とか含めて感じないということは僕はすごくあるなというのを新興国の製造業の実態を現場を見るに思うわけですね。どうでしょうか。
そうですね、やっぱり現場が強くて現場に頼ってきたっていうところがあるので、本当に物の作り方とか考え方はだいぶ違うなと思っていて、
やっぱり現場でこれまではいろいろ調整しながら品質作り込んでみたいなことができましたけれども、これでずっと勝てるかっていうと競争力落ちていくかなと思うので、
やっぱり現場で学んだこと、出てきたことを上流工程、設計にフィードバックしながら設計そのものを変えてしまって、
現場で調整しなくても熟練工がいなくても物作りができる世界であったりとか、そういうふうに変えていかないとなかなか競争力維持するっていうのは長期では厳しくなってくるのかなというふうには思いますね。
12:00
まあでもそこのあれですよね、結局今まではそういうインセンティブで動けなかった頃から、結構もう事業の継続性が困難なレベルで人手不足というところが起こってきて、
なんで単純なROIで測る世界から、今もう事業継続性の観点でもう投資しなきゃ無理じゃみたいな話はなんか最近聞くようになったなっていうので、データを蓄積するとかこういったスキル管理をするみたいな、そういう
ところに投資がよりしやすくなってるんじゃないかなっていう空気感は
もう背に腹が入られんと、人がいなくなることはもう目に見えていて。
見えてるんで、なんでフィジカルAI系の投資、ソフトウェアとかDXへのこれまでROIで測れなかった部分への投資が進んでいく可能性は出てくるのかなと思います。
いやそれも本当その通りだなと思ってて、今もう工場、自分毎週のように言ってるんですけど、もうどこ行っても人材不足の話で、量もそうだし質も足らないみたいなところがあって、工場でもやっぱり本当人は安心
期で、地方とかもう本当に今人なかなか雇えない状況なので、そう考えると事業継続するためにはやっぱり設備とか自動化していくっていうのはもう絶対かなと思うので、この流れは正しい方向だと思うし、やらざるを得
ないところかなと思いますね。
だから山川さんはもっと小肌かに煽ったほうがいいと思うんですよ。スキノートに溜まってるデータで、それこそ技術喪失リスクとか、いろんなリスクファクターを可視化してダッシュボードを個社に見せてとか
やってるわけじゃないですか、それを業界に向けて発信すると。
そうすると、じゃあ5年後、10年後にこの業種のこの技術、この技能は喪失する確率が何パーセントですというのをもう白書として出してやるっきゃないよねという、そういう雰囲気を醸成していくというのは僕
はすごく意味があると思うんですよね。
今、自分たちがやってるスキル管理の中でも、一つの企業の中でも、なんか技能伝承ってこれもうすごい何十年前かな。2007年問題って昔大問題になってたぐらいなんで、20年経ちました。20年先送り
って言っちゃったあれですけど、雇用延長とかもありながらここまで来ているので、でも本当に今は待ったなしかなと思っていて。
でも技能伝承、技術伝承って言っても、どこから手につけていいかわからないぐらいスキルの数って数千種類とか数万種類一つの会社にあったりするんで、どこからかっていうのが見えてなくて。我々今取り組んでいる
のは一つの会社の中だと特に重要なスキルがここで、この中のここが順番にスキルがなくなりそうだよ、3年後にはこうなって5年後にはこうなってっていうのが可視化できるようになっている。
それを見ると初めてまずみたいな、ここのこれとこれはまず伝承しないとまずいよね、まずここからだみたいな一歩目が踏み出せるっていうのがあるので、それが企業の中ではちょっと見えるところが今できてるかなと思
15:01
っていて。これ一つの企業の中だけでやっぱりこういうスキルの情報で今閉じた感じで機密情報だったりするんでやってるんですけど、何らか共通化して産業全体でここがまずいよねとか。
日本としてはもうここどこ行っても人取ることすらできないから、ここの領域は自動化していかないといけないよねみたいな、そういうところが明らかにしていくのは我々の仕事だなと思いますし、やっていけると日本全体
の製造業が変わってくるのかなっていうふうには思いますね。
そうですよね。今だとそのリスクを顕在化させて、じゃあそのソリューションとしてはもう人をどっから雇おうかみたいな議論を中心にしているわけですよね。
そうですね、人を採用するか人から人へ伝承するかみたいなところが多いんですけど、そもそも世の中見渡したらどこ行ってもやっぱりいないじゃんみたいなところが見えて。
いないし、みんなが全社同じことをやってるのかな、限られた場合を取り合ってるので、たぶん根本的な解決にならないと。
どっかで抜本的に外科手術をしないといけないとするとロボットの導入とか、そこに向けたロードマップを引いて誰かが主導していくっていうことも大事かなと。
あとあれですよね、結局今ホワイトカラー人材が逆に余る説があるじゃないですか。
確かに、そこはちょっと追い風。
なんでAIによってデジタル系のワーカーの需要が減っていきそうという一方で、今ブルーカラーミリオーレンみたいな形で海外ではそこの賃金が上がってですね、そっちに人材が移行していっている。
っていう中で言うと、人材確保の短期的な面で言うと、ホワイトカラー人材をそっち側に移していくことで、ロボットが現実的になるまでの時間を一定確保できるんじゃないかなっていうのは。
これヤマカさんとこの間のライトブルーカラー人材というね。
自分もちょうど言おうと思ってました。
ライトブルーカラー、ブルーカラーとホワイトカラー混ぜるとライトブルーになるじゃないですか。
だからデジタルとフィジカルの食商を混ぜていく。そこに今度今の業界とじゃあ2030年2035年の業界の基数域がどんどんどんどん増えていく。
そこにおいて希少な人材になっていくという。東大の先生とね、確か研究をした。
そうですね、東大のものづくりですごい有名な藤本先生が提唱し始めて、今ちょっと東大の大木先生っていう方とも一緒にやってるんですけども、
藤本先生大木先生がこのライトブルーっていうのをずっと言っていて、最近いろんなところで引用され始めてきたんですけど、
ホワイトとブルーって製造業でこれまで分かれてきたんですけど、人事制度も含めてそこをもう一本化しちゃおうみたいな会社が今出てきたんですよ。
やっぱりこれAIとかこういうロボット出てくることによって、あとデジタルが出てきたことによってそこがなんか融合してくる感じ。
純粋なホワイトカラーのオフィスだけでやってるってあんまりなくなってきて、やっぱ現場が分かってそこでデジタル使うみたいなホワイトカラーが現場に降りてきて、
ブルーと交わってライトブルー。あと逆もあって、現場の方が全部これまで作業自分でやってたけど、そこに設備とかロボットが入ってきたりすることによって、
18:06
ロボットとかAIで武装しながらデジタルを扱って作業を効率化していくとか、もうちょっとホワイトカラー寄りの仕事ができるみたいなところがあるので、そこは製造業の今後あり方というか、
人材不足に対してもAIロボットが出てきたことによってやっていけることかなっていうふうには、ちょっとサラさんとこの間話してたところですね。
確かに。そっちをうまくアピールしたいですよね。日本全体としてそっちによりシフトしていくように急速に働きかけないと結構やばいなと。
そうですね。
この人材がなんかよりセクシーな職業であるみたいな。
めっちゃいい言葉ですね。セクシーって、自分はかっこいい製造業と言ってるんですけど、やっぱり製造業の工場のイメージって、
サービス業とかもいっぱい地方に行ってもある中、やっぱり危ないし、3Kみたいなイメージあるし、実際危ないとこ結構あるんで、そこに自分も工場でやってたとき、作業とかやらせてもらうと、
今危なかったみたいなこととかやっぱり危険なことは隣り合わせだったんですけど、そういうクリーンルームの中でやらないといけないとか危険が伴うとか、そういう作業はロボットとかがやってくれて、
結構デジタルのとかAIの実践の場みたいな感じになってくると、すごいなんかかっこいい最先端の産業みたいな感じなので、人がそこに魅力感じで集まってくるようにしたいなっていうのはめちゃくちゃありますね。
そうですね、そこをなんとか国も動かしつつ、そこは人材大移動ができるとめちゃくちゃ面白いなっていう気がしますよね。
うちの娘も今就職活動してまして、昨日聞いたらなんかIT業界にって言っていて、みんななんかちょっとデジタルとかだとIT業界に行くじゃないですか。
なるほど。
ちょっとIT業界の悪口言えないっていうわけじゃないんですけど。
めっちゃピュアIT業界。
そうですね、自分もそうなので言えないんですけど、でもなんか自分たちもツール作って製造業とか使ってもらえるところに提供していくんだけれども、
実際そっちの現場がある中で、デジタルとかの実践の場がそこにもうめちゃくちゃあって、最先端をやっていける状況が、日本の製造業なんて世界で戦っている実践の場がそこにあるのに、
もっとデジタルとかIT目指す人材が製造業の現場をこうやって変えて、いやロボット入れてこうだとか、AI使ってこう改善していこうみたいな世界が出てくると、すごいまた日本のものづくりが活気づくんじゃないかな
ってちょっと個人的には思ってます。
企業家もそうだと思ってるんですよね。クロードコードで遊んでないで、もう工場行けよって。そっちがちょっとセクシーになってくるといいかなとは個人的には思ってますね。
クロードコードなんて誰でもね、プロンプトでちょちょってこうアプリとか作れるような時代になってるんで、そこのピュアなデジタルに閉じてる人が結構多いんじゃないかなとは、特にスタートアップ界隈ですけど、
21:11
そこはそこでもちろん稼ぎやすい部分ではあると思うんですけど、よりそっちの国として見ると、そっちの方にそういう人材が行ってくれると、そっちの業界はよりセクシーになっていきますし、そういう形でちょっとキャ
ピタリストの方には是非そっちがセクシーである。
そうですね。それも結構VCの重要な役割かなっていう気がしていますかね。こっち側に資金を振り向けさせて、起業しやすくするですとか。 そうですね。資金需要はそっち側に寄っていきますよね。AIで
作るコストって減ってるので、なんでクロードコードでAIアプリを作りますっていう創業者が企業家がいても別に資金需要はないんで、そこに
ブートストアップ企業から。 そうそう、ブートストアップが向いてるんで、モデル的にはね。そこで言うとファストラベルね、最近ロボットトレーニングセンターを平和島に作って、まさにそれを地で行く活
動をしてると思うんですけど、その設立の背景だったりとか、あるいは元々その創業として画像認識含めたアノテーションの事業から始め、あそこでやってること自体はロボットにものを教え込むっていうことですけど、
ファストラベル社のビジネスモデルも徐々にこう変わってきてると思うんですよね。下流工程だけでなくて、ロボット専業の今はちょっとSIRっぽく立ち入り踏まえていると思うんですけど、そこの経緯と絡めて是非是非
そこも教えて。
元々創業としてはアノテーションつらいというところから始まってですね、やはり生成愛のモデルですとか、自動運転で言うとE2Eのモデルですとか、よりそのデータ、そもそも収集するデータですね。ここの質
だったり量が重要になってきましたと。
で、弊社としてもですね、そこに対してお客さんのニーズですよね、非常に高まってきたっていうところもあってですね、やっぱり収集の部分もどういうデータを収集すればよりその性能を高められるかっていう観点で、
結構この上流の部分から入って一気通貫で、モデルのファインチューニング、モデル開発ですとか、あとは実機にデプロイして、本当にこれは質がいいデータだったのかみたいな部分ですね。
そこも総合的に見られるようにしていきたいなというところで、データの収集から入っているというところですね。
実際に弊社でもロボット、中国系のロボット10台ぐらい購入してですね、トレーニングセンターというところでデータの収集もやっておりますし、そこでAIのエンジニアも実際に実機にデプロイして、どんな行動をする
のかを含めて、どういったデータがいいんだっけっていうところですね。こういったところの研究活動を今しているというような形ですね。
24:04
いや、あれすごい面白いですよね。ポジショニングもすごくユニークだなと思って、じゃあ周りを見渡せば、ヒューマノイドカンパニーですといって、大型の資金調達をしている会社も屈数ある中で、そのハードウェアを自
社で作って、モデルも自分たちで内製して、そこに学習データもつけていってっていう、垂直と大型のアプローチがある中で、それを横目にファーストラベルはデータのレイヤーを基点にというかそこにピン止めをして、
水平的なアプローチというか、ポジショニングを崩さずにやってると思うんですけど、そこにおける価値筋というか、戦略的な意義についても、ぜひ補足をしてもらえると良いかなと思います。
そうですね。ロボット系のメーカーさんとは目指すところというかが違うのかなとは思ってますかね。どちらかというと、人間の労働力の代替みたいな形で、彼らはロボットのハードウェアを作り、AIの知能を作り
っていう形なんですけど、
どちらかというと、我々は企業サイドのインフラ的なポジションとして、結局企業側からすると適材適所というか、ここにはこのロボット、ここにはこのロボットっていう形で、ヒューマノイドもあれば4足歩行もあれば産
業ロボットもある中で、
我々はそこのデータの重要なインフラレイヤーになってますという形で、水平的にやってるというところが大きな違いかなと思いますね。目指してるところが違うという。
そうですね。あとはどうですか、お客さんと話してる中で、ハードウェアは海外製でも良いけれども、そこに押し込むデータは当然国産だし、
自分たちがプロプライエタリーで培ってきたデータを使いたいと。そこを預けるベンダーも国産が良いというか、日本企業が良いみたいな話も一切あったりするんですか。
そうですね。まだそこまでかなというところであるんですけど、ハードウェアは明確にここに中国製はいられないみたいな部分は。
ハードウェアでもあると。
そうですね。制約はもちろん効くところはありますし、正直まだデータへの重要性はそこまですごい現場の人たちが重要視してるかというと、そんなことなくまずハードウェアの話からですね。
そこからデータの基盤部分はかなり重要になるので、外出しできないというか、国内ベンダーであれば大丈夫かもしれないですけど、
基本的には自社の環境でホスティングしたいみたいなところにはなってきますね。
そこはもう本当にSIの世界ですもんね。
そうですね。SIに近い世界かなと思いますね。
環境をセットアップして。
そうですね。データのパイプラインをちゃんと自社環境内で閉じて作っていくっていうところですね。
やはり結構希少なデータというか、外にどうしても出せないデータが含まれるので、クラウドさえも厳しいみたいなところは出てくると思いますね。
そうですよね。最終的にはいろいろレイヤーが分かれて、AIのプレイヤーといってもいろんなアプローチがあるんでしょうけど、
じゃあ、個社に最適化した環境を作って、そこで個社に最適化したデータを使って、個社がやりたいカスタムのロボットを作っていくっていう意味では、
27:09
最終的にはいろんなモデルを使いながらデータを使いながらSIをやっていくっていうか、そこのバリューブロップというか切り口っていうのはずっと残るんでしょうね。
そうですね。よくそこの現場で得たデータをちゃんと教え込ませるっていう、この過程は消えないでしょうし、人間と一緒かなと思いますね。
常に人間も指導しなきゃいけないし、一生学ばない人間がいたら多分かなり厳しいというか、ミスしたらまたミス繰り返すみたいになるんで、そういったところでのデータパイプラインは残ってくるかなと思うので、そうい
ったところで我々は価値を発揮していく形かなと思ってますね。
非常に興味深い話の中で、改めて今スキルノートファーストラベル両者が置かれているドメインで非常にやっぱり市場環境を早く遷移してきているなというふうに思ってます。そしたら最後締めとして佐川さんから、
どんなポジションを今後この2社が担っていくのかみたいなところですね、ぜひ。
そうですね、ちょっとずつ喋っちゃいましたけども。なんですけど、スキルノートで言うと7年、ファーストラベルは5年になりますが、まだまだこれから先ほど語ってくれた通りですね、この日本から世界に向けて
先駆けでやっていけることっていうのが、この2社で言うとすごく大きいなと思っていますし、
今後できるんじゃないかと思っていまして、それぞれの取締役に出てるとですね、実際にここは一緒にできそうだなみたいなのもちょくちょくと出てきているので、実際に、僕は金がね、日本人が日本企業として
日本で創業して、そこから世界に打って出られるビジネスモデルってそんなに多くないなと思っているんですけども、
この両社についてはですね、多いとは、それが夢物語ではなくできる領域だし経営者だしっていうのは思っているので、今後両社がいい形で羽ばたいていった後も資本関係があるなしに関わらず応援していきたいなと思
ってますし、何かできることがあればやっていきたいなと、応援していきたいなと思っています。
ありがとうございます。さかねさんが3年前にインドに羽ばたいてからもですね、両社のさらなる取締役に向けて。 はい、直近3年はもうインドからでしたからね、ちょっとこう距離は空きましたが、まあ
でもインドから見える景色というかね、それも多分もうあるので、インドで起きていることは積極的に提供していきたいし、
あと実際に何社かね、インドのプレイヤーもつなぎをして実際会話を始めていたりもするので、インドとの絡みも今後増やしていきたいなと思いますね。
30:03
はい、というわけで後編となる今回もそろそろ締めたいと思います。
2回にわたってスキルノート代表取締役山川さんとファストラベル代表取締役社長鈴木さん、そしてジェンシーアベンチャーズ佐原さんをお迎えしてお話をお伺いしました。ありがとうございました。
ありがとうございました。
はい、というところで後編の収録を終えて一言ということですけれども、収録の途中で鈴木さんから出たクラウドコードで遊んでないで工場に行けという一言が個人的には非常に刺さっております。
次回またお楽しみに。お会いしてはジェンシーアベンチャーズの水谷でした。あいよー。
あいよー。
