データドリブンの目的とデータ保存の歴史
はい、それでは今日も経営会議をやっていきたいと思います。 ヒトシです。 カンタです。
この番組は、経営やビジネスやその他いろいろなことを疑っていこうという番組です。 はい、今日も疑っていきましょう。
はい、今日はデータドリブンを疑おうと思いまして。 データドリブン。
データに基づいて意思決定をしていったらいいよねみたいな、そういうやつ。 そうですね。
で、まぁちょっと切り口は独特で、文脈がちょっと変わるんですけど、 AI 時代、データを貯めるのが大事とか、
ログをちゃんと残していってそれを使っていこうみたいなのがよく言われると思ってるんですけど、
どんなログとかどんなデータだったら価値があって、 どういうデータは価値が薄いよねみたいなのを考えてみたいなと思ったやつです。
なるほどね。 ちなみにヒトシさん的には何か仮説というか、逆に何かこういうデータあんまり意味ないんじゃね?みたいなのあったりするんですか?
あー、確かになぁ。
どんなデータが意味ないんだろう? まぁ超わかりやすく言うと、ミーティングのログを全部データ化しとくのは意味ありそうですよね。
うん、意味ありそう。
みんなが起きた時間をずっと記録しとくとかあんまり意味なさそうですよね。 あー。
あー、いやでも使い方によっては意味あるのか。ってことはまぁ出口が大事っていう話で終わりなのか、これは。
まあ最後は何に使うんですか?みたいな話にはもちろんなるし、なんかあれなんですよね、データ分析とかデータベースとかデータ活用みたいな文脈で、
あの前職の時からもうだから15年ぐらい、なんかデータ周りのことはなんだかんだ携わってきてるんで、
まぁなんか大体最初にデータ使って何したいんですか?からやっぱり始まるんですよね、この話って。
で、なんか会社であれば最終売上と利益を上げたいですって話になるんですけど、
じゃあその売上と利益を上げるために、なんかデータがどう必要なんですか?とかどうキーになるんですか?っていう、
あくまで手段なんで、目的が例えば利益を上げたい、手段というかツールとして、まあリソースとしてデータを使いたいと。
じゃあそのデータがどう加工されると、どう利益につながるんですか?っていうところの道筋が特にないという状況でプロジェクトが始まるっていうことが、まあやっぱ圧倒的に多くて。
で、なんとなくデータがあればいいんでしょうとか、データがあればお客さんのことが深く理解できるんでしょうとか、
データがあれば予測ができるんでしょう、みたいな。予測ができるとすら言わないな。データがあれば新しい価値が生まれるんでしょう、みたいな感じのふわっと思ってる、みたいなところがスタートラインのことは結構多くて。
そんなことないですよ、みたいな話から始まります。
でもやっぱデータを取得するコストが超下がってくる場合、なんでもやっぱ蓄積できればできるほどいいよね。
後から使いたい目的に合わせて使えたらいいからってなるのかな。
割と真面目にテクノロジー的な話をすると、まずデジタル化されるような歴史的な話をすると、まずそもそもアナログからデジタルになって記録を残しやすくなるというか、記録が分析しやすくなるみたいなことが何十年か前に起きましたよね。
ただその時ってまだデータのストレージの保存するディスクの単価っていうのが高かったから、すごく本当に必要なものしか残さないっていう時代がIT革命の初期だったところが、
すごくそこのストレージ単価とかが下がっていくとか、大量のデータをうまく検索したり加工したりするみたいな技術が発展していくにつれて、多分ね、十数年ぐらい前から、もうデータは捨てずに全部貯めといた方がいいみたいな時代があったんですね。
ビッグデータみたいなことが言われていた時代とか、データサイエンスみたいな言葉が流行り始めたみたいな時代の時は、そういうふうに言われていて、データベースに入ってるすごく扱いやすいデータだけじゃなくて、ブログの人が書いた自然言語のテキストとか、そういうものをたくさん捨てずに集めたほうがいいみたいな。
ストレージ単価安いんだからどう使うのか後で考えて、とにかく全部貯めとけみたいなデータが、時期があったんですけど、当時ってまだAI、今で言うAIの技術みたいなのがそんなに発展していなかったから、
じゃあテキストデータ、SNSとかブログの人が書いたテキストデータが大量にあってそれどうするのみたいな話とか、結局何にどう使うかをすごい一生懸命考えて、そういうアルゴリズムを考えて解析して使ってみたいな感じで、結構難しかったのがどれくらい前だろうな。
でも本当にこのチャットGPT出てくる直前ぐらいまでそうだったのが。
面白そうだな、その時期も。
その時期はその時期で面白かったですけどね。
確かに僕が学生の時データ分析コンサルみたいな職業ブースがあったんですよね。
多分そういう会社があるじゃないですか、データ分析専門が大学に就活の時来てたんで、ああいう人たちがやってたんだろうなと。
多分そうだと思う。
大手の裏側でデータを整理したり分析したりやるって言ってたんで。
で、そのテキストマイニングとかって言って、そのテキストからうまく意味のある情報を引き出してビジネスに役立てていくみたいなことをやってた時代があって。
で、AIが出てきてそこも一変しましたと。
そもそもAI自体がそういうデータ解析のテクノロジーの発展の中で生まれてきてるんですけど。
今のAIのいわゆるディープラーニングとかって聞いたことあると思うんですけど。
その辺の技術とかがこういう文脈から出てきて、
昔だとこのテキストをどう扱うかっていう時に、このテキストを節ごと、
僕は経営者ですみたいなのがあったら、僕とはっていう助詞があって、経営者っていう名詞があってっていう分解をして、
それぞれがどういうふうに単語と単語が関係してるのかみたいなことを定義付けたり分析をするアルゴリズムにかけたりして、
テキストの意味みたいなものを抽出するみたいなこととかを頑張って一個一個考えてやってたのが、
今のLLMっていう大規模言語モデルっていうのが出てきて、
突っ込んだらなんかすごいいい感じに人間っぽい反応してくれるようになったみたいになってる今時代が来ているっていうのが、
すごい大きな変遷かなっていうふうに振り返ると思っていて。
その中でデータは捨てずにとっておいた方がいいっていうのが、
ちょっと最近トレンドとして変わってきてるなって思ってるのが、
昔はやっぱりテキストデータとかログデータとか画像とかそれこそ音声データとかって、
取っといても本当に使うのハードル高かったんで、何やかんや扱いやすい形のデータにしてから取っとこうみたいな。
取っとくにしても、ストレージ単価安いとはいえさすがに扱えないものいっぱい取っといてもゴミだから、
使い方が見えているものしかあんまり取っとかなかったのが、
最近はエンジニアとかに頼らなくても書き起こしとかもかなり高い精度で、
ツール使ったら一瞬出てきちゃったりするし、
そこからサマリーとかも何も考えずにまとめてって言ったらまとめてくれるみたいな感じになってきて、
加工のハードルがめちゃくちゃ下がったことで、
よりデータ取っとこうみたいなのは加速したなみたいなのはこの1,2年感じてることですね。
そうですよね。
判断プロセスに宿る企業の人格と文化
なんか今僕の中で仮説が浮かび上がってきたんで、
ちょっとそれをぶつけてみたいんですけど。
やっぱデータを使って何をやるかの目的が、
その企業の人格を育てるとか、
自分というものの人格を世にインプットするとか、
判断のデータは必要なんじゃないかと思ったんですよね。
さっきのテキストの記事で言うと、
テキストの記事のデータはどっちでもいいし、それだけじゃ価値ないけど、
テキストの記事をどう修正したかっていう時のデータは、
なんかフィードバックをどうかけたかとかっていう、
この判断のデータがどんどん大事になってくるのかなと思ったっていうのがありました。
で、それは人格を育てることになるというか、
秋山ひとしはどんな判断をする人間かっていうのを世にデータとして残していくみたいな。
それが人間であれば個人だし、
企業であればティーチャーティーチャーっていう会社の判断は、
どうやって行われてるかみたいなことなのかなって思いました。
僕も割と同じようなこと考えていて、
仕事の文脈、会社の文脈でいくと、
プロセスのデータを残してくれって言ってるんですね。
で、例えば、
話してまとめた結論って、ぶっちゃけ結構どうでもよくって、
1年後変わってるかもしれないし。
でも、なぜその結論に至ったのかっていうことは、
今ひとしさん言ってくれたみたいに、
そのチームの価値観っていうのは反映されるわけですよね。
あるAというアイディアに対して、
どの観点からまずフィードバックするのかとか、
うん、そうですよね。いや、ほんとそうだと思う。
いいねってなった時に、何がいいねとなってるのかとか、
いまいちな時に、
どういう人がどういう言い方でいまいちって言うのかとか、
そういうのにカルチャーがめちゃくちゃ出るじゃないですか。
で、その中で、
その会社らしさとか自分らしさみたいなものがやっぱり出てきて、
そういうプロセスの積み重ねからしか、
AIによって、
誰がやっても同じことは、
AIのほうがやっぱり上手になるから、
人によって違うみたいな、
違いのところをすごくデバレッジしていかなきゃいけなくなった時に、
どこに違いが一番宿るかって、やっぱその価値観とか、
そのプロセスっていうところだなと思っていて、
だからそこのプロセス、なぜそう思ったのか、なぜそう考えたのか、
なぜそう決めたのかを残してくれって話は結構してますね。
うーん、なるほど。
いや、しっくり来ますね。しっくり来る。
なんかこの経営会議も、
いいですよね。
1個の単語に対するプロセス、定義のプロセスなんで、
すごいいいなと思いました。
まさにそうですよね。この番組で疑うっていうのは結局、
いろんな切り口から、
それって本当に価値があるのか、
価値とは何なんだっけみたいな、
割と哲学対話的なことをしてると思うんですけど、
その中でお互いの価値観の違いから、
意見が割れるみたいな。
で、この番組別に1つの結論を出そうって話じゃないか。
割れても面白いねって終わるんですけど、
開催でやると、
とはいえ結論を出さなきゃいけないみたいな時に、
それをどうやって決めるのかみたいなところも結構、
カルチャー出ますからね。
じゃあ、やっぱ自分の自社の、
何て言うんですかね。
自社の人格を育てていく的な目的ってことですか?
それ以外にも、
ビジネスにもっと活かそうみたいな意味があるのか。
でもなんか今話しててやっぱ思ったのが、
このAIより前、3年前とか4年前とかは、
売上利益を分解していって、
ここのレバーを触ると、
売上利益に変わってくるみたいな構造がまず、
ビジネスモデルとか市場環境からある程度決まってくるんですよね。
その時に、そこのレバーを触りに行くっていう時に、
どういうことをすればいいかっていう時に、
1つのハウとして、
他の人が持っていないデータがあり、
それを高度な技術で加工すると、
他の人に持っていない価値の作り方みたいなことができるから、
それが売上とか利益に繋がりますみたいな感じだったから、
結構すごく目的的というか、
ゴールを定めないとあんまりデータ使っても意味がないっていうのが、
結構3,4年ぐらい前そんな感じだったんですけど、
自然に集まる会議ログをAIで活用する
ここ1,2年で、
さっきの例えば、プロセスを残しましょうっていう時に、
目的的になると、
例えば何のために使うとかっていうのにあんまり厳密になると、
加工されたというか、
整形されたものしか残んなくなるんですよね。
例えば意思決定のログを残して、
その会社がどういうふうに意思決定したかの変遷をたどれるようにしましょうとかって言うと、
意思決定ログ、データベースみたいなの作ろうみたいになっちゃうじゃないですか。
そしたらそこにどんどん書き込んでいこうみたいに、
AI以前のようになる。
し、今でも多分そういう目的を明確に定めちゃうと、
そこに最短距離で行こうとしちゃうんだけど、
今やってるのは会議の基本的に全部録音して、
文字起こし貯めておくみたいなことをしてるんですけど、
そこからAIに抽出させるとか、
人格みたいな、ペルソナみたいなものを作るとかってことをやったりするし、
意思決定の変遷をちゃんと要約するとかしてるんですけど、
何だろうな。
そのためにデータを残そうじゃなくて、
自然にこうやって仕事をしているとか業務をしているっていう、
自然に集まるものを、
その角度、その切り口、その角度から加工しようみたいな、
結構発想変わってきてる感じがします。
なるほど。
やっぱじゃあ、基本、
どんどんデータを残していった方がいいよねっていう目的とかではなく。
どうなんだろうな。
データを残した方が、
失われたら復元というか、
例えば最近も、録音ボタンを押し忘れたミーティングとか、
もう失われてしまったみたいなことがあるんですよ。
そういう意味で、残しておくっていうのは保険的な意味とか、
後で結局何かしらに使うとか、
後で使いたいときにあってほしいみたいな意味では、
残すのが正義だとは思ってるんですけど、
データドリブンっていったときに、
データドリブンなのかなとはちょっと思ってるっていう。
確かにな。
ドリブンって言うとちょっと違うか。
効率化とデータの価値を疑う
例えば僕が、
ミーティングログとかだったら確かに今の話だと思うんですけど、
最近その付箋を効率的にデータ化するみたいなツールを作ったんですけど、
そのときに付箋の縞をグループ分けするっていうのを、
AIで自動でやった後、手動で移動させたりするんですけど、
縞分けを人間がどうフィードバック加えてずらしたかみたいなのを、
そういえばこれデータとして取得しとったら、
この会社の付箋の分け方みたいなのもっと精緻になるのかなと思って、
それをためるようにしたんですよ。
とかっていうデータ化されてないけど、
ここはログとして残していく設計にできた方がいいみたいなことを、
会社のいろんなところで考えられるのかなっていうのを思ったっていう感じ。
それって例えば付箋の分け方、グルーピングの仕方が、
そういう人間の手動で直したののフィードバックをAIに与えて、
最初からいい感じに分けてくれるようになったとしたら、
それって何の価値になるんですか?
確かに。
でも早い、正確になる、早くなるとかはそうだろうなと。
人間が手直ししないから、
一発で出てきたものが使い物になるから早くなると。
っていうのがすごいわかりやすいことだなとは思ったんですけど、
早くなると何が嬉しいんですか?
でも早くなったら嬉しいですよね。
業務効率化ツールであるならば、
早くなったら嬉しいのかなと。
その例は早くなると言っても相当微妙なちょっとだけですけど、
そういう例が他にもあんのかなと思ったら、
それは結構目的的だなと思ったんですよね。
最近ちょっと疑い始めてるのが、
これまた別の回でやりたいんですけど、
早さは本当に正義なのかをちょっと疑いたいなと思ってるんですね。
いや、効率化も正義なのかはちょっと疑いたいところなんですよね。
いや、本当。
いや、そうだよな。
そう、なんか、まあいいや、ちょっと早さは、
早さを会議する会議ちょっと別でやりたいから。
やりましょうか。
別でやりましょう。
文化を学習したAIは組織を変えられるか
ちょっとデータドリブンに戻るとですね。
結局それで何がしたいのかっていうと、
売上利益上げたいですってビジネスの文脈だとやっぱり戻ってくると思うんですよね。
で、利益って言ったときにコストっていうのももちろん変数として入ってくるから、
効率が上がるとコストが下がるから利益が増えるよねっていうのが多分オーソドックスなロジックだと思うんですけど。
でもなんかその、ちょっとさっき話してたプロセスみたいなものをAIに学習させるみたいなことっていうのが、
なんか売上げになるのかコストの削減になるのかって、
なんかどっちもなんか結構遠いなって感じ。
そうですよね。
それは思いますね。世界観がアップするくらいの。
僕大事と思ってる立場ですけどね、そういうブランディング的な世界観を作るというか。
なんかそれをすごい極まで突き詰めたら何が起きるんだろうっていうのは、
よく考えるけどあんま僕も結論なくて。
確かにな。文化はできやすいんですかね。できやすいわけじゃないか。文化を理解しやすい。
まずそのAIがカルチャー、文化をある程度わかってる状態になりますよね。
そうですね。だから結局そのAIを使ったときに、
より自分たちにフィットするものを出してくれる的な効率化の方に行っちゃうのかもしれないですね。
一つは話が早いってなりますよね。
そうですね。わかってくれてる。
わかってるな話が早いみたいになりますよね。
そうですね。コミュニケーションコスト少なくいけるっていう、なんかそっち側の話ではありますよね。
あるけど。
それが本当に大事なのかっていう。
いやこれなんか大事だな、そういう企業さんのシステム作るときとかのデータどう取るかとか大事ですもんね。
例えば、なんかすごいステレオタイプなJTCみたいなのをイメージしてもらって、
すごく孫択文化で序列が、意識が強くて上位形で、
いわゆる古いと言われるような価値観を持っている会社がありますと、
その会社において話が早いAIができたら嬉しいんだっけみたいな。
ちゃんとハンコの傾きを上司の方に向けて傾けてくれた画像を生成してくれるとか出てきて嬉しいんだっけっていう。
確かにな。確かにな。
なんか嬉しいかどうかで言うと、あなたたちの会社は他の会社と比較したときにこうこうこう違いがあるよっていう、
なんかフィードバック、おかしいとこフィードバックしてくれるとか。
おかしいもね、何を軸に決めるかの話だから。
比較ですよね。もうこういう文化のこういう企業との比較で言うとこうこうこうでおかしいですよとか。
メタ認知を促してくれるとどうなるんだろう。
メタ認知を促してくれる、そうね。
だから例えばそのビジョンドリブンな会社でなんかすごいそれを徹底しているし、
ちゃんと日々の業務になんかそこが浸透しているみたいな会社だったら、
すごくそのAIがその横分かってくれてて話が早いから、
なんか自分たちらしいものを作っていくのになんかすごい良い相棒になるみたいなのがあると思うんですよね。
そうするとでも結局そういう会社においてもなんかAIと話した方がいいから人間いらなくねってなりそうで。
やっぱそれを加速させるだけなのかなこれは。
それを効率化と言えばコスト削減になるかもしれないけど。
っていうのと、まあそうじゃない会社の方が大半のわけじゃないですか。
変えた方がいいカルチャーって多分そのビジネスの成功という意味では変えた方がいいカルチャーっていっぱいあるじゃないですか。
そういうのをなんかに学んで最適化した話の早いAIって必要?って思う。
確かにな。
それか、文化ってわかりづらいじゃないですか。
でもそのAIのログを持ってるAIさんは結構文化を体現化したものになるというか、
文化、今まで文化って言語化とか名言できづらいことだったのに文化さんっていうわかりやすいAIができることでどうなるんだろう。
例えばすごい何だろうな。
役員の思いつきで全部ひっくり返るみたいな会社の文化があったときに。
AIが、なんとかジョームはこの上進資料なんだけどレビューしてくださいって言ったら、
多分昨日ゴルフ行ってたらこういう回答をして、
昨日飲み会会食でこうだったらこうでとか、おとといの社長会議で怒られてたら多分こうでみたいなパターンを出してくれたとして、
何が良くなるんだろうみたいな。
リンギを通しやすくなるっていうのはメンバーの立場で、
このどの上司にどのタイミングで持ってったらいいかみたいなのがわかるっていう。
社内政治。
結局進めやすくなるっていう話ですけど。
でもその上司がいなくなった方が多分いいじゃないですか。
本当に効率を求めるなら。
結局現状を前提とした最適化になるなと思ったんですよね。
今のカルチャーをあんまりこう事業の成長にとって良くないとしたら、
なんかハックは上手くなるけどカルチャーは結局変わんないなって思ったっていう。
確かに。カルチャーを変える力はないですよね。
移し鏡的なことでしかないから。
そう、移し鏡になるから結局再生産しちゃうなと思っていて。
さっきひとしさんはメダ認知って言ってくれたの、
なんかそれはあるなと思ったのが、
鏡移しになるからこういう大層なビジョンを掲げてるけど、
うちらの実態ってこんなだよねってなるっていう、
組織レベルのメダ認知みたいなことが起きる可能性はあると思うんですけど、
でもそれって別にAIなくてもみんな本当はしてて、
でも結局自分がそれを変える主体者としては思ってないから、
上司のそういうクソムーブみたいなのを見て、
だからこの会社ダメなんだと思って、
結局自分も同じことやってるみたいなことの方が多いわけじゃないですか。
だからあんま真にメタ認知、
私というものをメタに捉えるという意味では、
メタ認知っていうのがあんま起きなそうだなみたいなのはね。
確かにな。
何をしてるんだろう、自分たちは、これは。
ログを食べて効率化して話が分かるAIを作って。
効率化と言ってるのが結局、
今私がいるこの環境における最適みたいな意味での、
環境を前提とした最適化であり、
ハックでしかないなと思ってる。
思ってるというか、今話してて思ったって感じですね。
そうですね。
データに従える組織と知識共有の壁
AI以前からデータドリブン経営とか、
データドリブンマーケティングとか、
データドリブンなんちゃらってずっと言われてるときに、
一番データドリブンで失敗するのは、
例えば、これ絶対うまくいくと思った新規事業のマーケットリサーチをして、
全然うまくいかないからやめたほうがいいですよって言われて、
じゃあやめとこうかってなるのかって話なんですよね。
だからあんまりそれでもやっちゃうなら、
データドリブン関係なくないっていう。
自分たちがやりたい意思とか、
自分たちがこうだと思ってる直感とか、
こうあってほしいという願いみたいなものと、
データが示すインサイトが違うってことってもちろんあって、
データドリブンって何のためだっていうか、
そういうのを客観的に見て気づくためにやってるはずなんだけど、
この事業うまくいかないんでやめましょうって結局誰も言えないみたいなね。
そっちのほうにネックがあるから、
じゃああなた本当にデータが言ったら、
今思ってるこれやめれますかっていう問いに、
イエスって本当に言えるかっていうほうが結構大事みたいなのがありますね。
確かにな。でも本当にやりたければ、
こういうデータを取れば可能性がありそうみたいな、
データこねくり回しそうですね。
になるし、じゃあこれがダメなのかっていうと、
そうまでしてやりたい人がいるとやりとうまくいっちゃったりするんですよね。
みたいなことがあるから、
結局データに基づいて、
結局何にどう使えるのかみたいな話もあるんですけど、
組織とか人の気持ち的な問題も結構あるなとは思う。
ボトルネックに。
あと効率化のほうの話になっちゃうんですけど、
組織の中で一番レベルが高い人に会わせれるっていうのはありそうですよね。
この分野では、
ポッドキャストの知識だとひとしの知識で、
エンジニアリングの知識だとじゅんぼくさんの知識でみたいな、
一番そこ分かってる人の知見を全部持ってる人格になってくれたら、
みんながAIと対話しながらやるとレベルは上がりそうですよね。
上がりそうかな。直感的には上がりそうだけど、
上がるのかなっていう現実として上がるのかな。
みんなのレベルは別に上がらないのか。
社内でチャットボットみたいなのを作っていろいろやってるんですけど、
やっぱり人間に聞くって負が高いんですよね。
あとポッドキャストの編集上手になりたいんだけど、
ひとしさんに気軽に聞いて時間使わせてしまうのもったいない。
申し訳ないし、ひとしさんの時間もったいないなと思うし、
チェリーピッグしてるなとかフリーライドしてるなみたいな感覚とかあるから、
じゃあちょっと聞くのやめとこうかってなるところが、
AIだと気軽に聞けるんで、
そういう意味ではノウハウとかナレッジみたいなものが、
すごく浸透しやすくなるみたいなのはある一方で、
それってポッドキャスト編集が上手くなりたいと思って、
ボットに話しかける人っていうのが結局いる前提じゃないですか。
意外とそこにボトルネックあったりするな。
いないか。
いないことはないんだけど、あんまりマジョリティじゃない感じというか。
だしそのノウハウがデータになるなら、
もう全部自動化できちゃうっていうのもこっからの世界だとありますから。
僕の知識持った編集できるAIが編集しちゃって終わりっていう。
そう、データ渡して終わりみたいな。
編集したいって思う人がいなくなるっていう。
そう。
そうなりますよね、でも。
ね。
うわー。
そうなるとそもそも編集したいと思う音源があるのかみたいな話にどんどん遡っていって、
音源を残したいと思うことをしゃべりたいことがないとか、
どんどんそっちに行って、
やりたいことないかもみたいになりつつあるっていう感じですね、自分の場合は。
なるほど。
確かにな。
雑談と音声ログを組織に残す意味
ちょっと最後に僕のもう1アイデア、壁打ちしたいことがあったんですよ。
あと、この壁打ちっていう言い方も今度会議してみたいですけどね。
壁打ちね、壁打ちちょっと盛り上がった。
なんかありましたよね、EXの。
今言って思った。
で、1個思ったのが、僕声のアルバム作ったじゃないですか。
なんかあれを組織の中で運用するって面白いんじゃないかって思ってたんですよ。
別に何が面白いかとかもあんま言語化できてないんで、今言いながら本当に面白いのかを整理したいんですけど。
社内ラジオとかよくあると思うんですけど、
そんな感覚で、しゃべりで、
なんか2人組でいろんなトークテーマがカードで引けて、
なんかそれについてしゃべるみたいなのを、
雑談の取り組みみたいなのがやれるとして、
で、それみんなのいろんなテーマでの雑談、メンバー同士の雑談が全部溜まっていくみたいな。
なんかそしたらなんか、
そのログって会社にとって意味あるのかなと思って、
意味あるならなんかやってみたいなと思ったんですけど。
それあるのかな。
まず多分誰も聞きはしないと思うんですよね。
はい。
なんか最初はなんかみんなで話して、こうやってみんなで聞いて、
いいねって一瞬になるけど、多分別に忙しいしみんな聞かなくなると。
なんか話すほうが目的でいいかなとは。
そうそうそう。話し手側ですよね。
話し手ではただそれが流れず残るということがどういうことかってことですよね。
はい。いやなんか僕ポッドキャストの価値って、
この経営会議もじゅんぼくさんと始めたやつもですけど、
結局話してそこの満足度が高いんですよね。
それはわかる。
なんか聞かれてるとかどっちでもいいって本当に思って。
どっちでもいいって。
ティーチャーティーチャーの場合はいろんなね、聞かれたら嬉しいことが多いんで、
聞かれてほしいですけど。
目的があるもんね、その上位の。
なんかそうじゃない番組って普通に話すのが楽しくて、
これがデータで残ってるのに何か満足感があるっていう感じ。
それはね、めっちゃある。
だからそれ組織でも何か活かせないのかなとは思っており。
僕もこの間ちょっと時間が結構間取りしてて、話を何か収束させなくてあれなんですけど、
音声ログから見る自己理解と変化
メイメイって僕がやってるポッドキャスト番組とかこの経営会議とかを、
今全部自分の手元の家に取り込んで書き起こしして、
サマリーして、僕がどういうふうな考え方価値か思ってるかとかっていう
プロファイルみたいなものを作って、それをずっと使って、
それを前提に僕との会話をしてくださいっていうふうに聴教してあるんです。
で、この間ふと思って、メイメイがもう2年分ぐらいあって、
で、経営会議のもう半年ぐらい。
もう20話弱ぐらいありますね。
だから僕の価値観のこの1,2年での変化みたいなものを分析してくれって言ってみたんですよ。
そしたら結構的確に、この時はこう言ってたけど、この時はこう言っているみたいな。
これが一見すると矛盾なんだけど、その過程のここのタイミングでこういうこと言ったから、
ここが変説点だったんじゃないかとかっていうことをすごいフィードバックくれて、
確かに言ってなったんですね。
変化っていうことに着目すると結構意味あるかもなと思ったっていう。
なるほど、確かにな。変化しれたらどうなるんですかね。
メタ認知っていうのが点じゃなくて線になるというか、
メタ認知の復古の副作用って、自分を定義された認知で固定化しに行ってしまうみたいなところってやっぱあるなと思っていて、
たぶん例えば僕は人付き合い、飲み会とかに興味はなりません、飲み会とか嫌いですって例えば自己定義すると、
飲み会が嫌いな人である自分みたいなものに対してセルフフィードバックがかかるじゃないですか。
でも例えばそういうふうに自己定義をせずに、
この間PTAで飲みに行った時にこうやったことあってみたいな話をしているみたいなことから、
飲み会嫌いって言ったけどこういう飲み会だったら楽しめるんですねとか、
前はこの飲み会すごい嫌だって言ったのに今回はすごい良かったんですねみたいな、
変わっていく自分を上手く切り出せるような気はしていて、
そうするとリアルタイム、最新状態のメタ認知と自分の変化みたいなものが両方見えると結構、
会社として儲かるのかはさておき、
自分というものの解像度を上げるとか、
自分を自らを変容させていくという意味では結構役立つなって思いました。
なるほど、確かにな。
確かに。
意味ありそう、自己理解のツール。
まだなんかね、
変化で自己理解、自己理解っていうものが点じゃなくて、
時間軸における線になったら何が嬉しいのかは、
あんま僕も捉えきれてないんですけど、
少なくとも今までに感じたことのない、なるほどっていう感じはあったっていう。
面白かった、普通に面白かったです。
でも難しく考えず自己理解するの楽しいから、
自己理解が深まるっていうのもゴールでもいい気はしますけどね。
それで楽しい。
楽しい。
知的欲求が満たされ。
残す意味っていうのが1個変化が多いのはやっぱあるなと思いましたね。
確かにな。
それで言うとあんまり会社内のメンバー同士の雑談っていうのも違うか。
でもねやっぱり一人語り大変だから、
ネタがあって誰かと喋るっていう、
でその喋る場があれば結構あると思うんですよね。
体験の蓄積にある測りにくい価値
確かに僕夫婦の喋りと一緒で、
結局対話時間どれだけ生み出せるかっていうのが肝な気はしてるんで。
それはそれでなんかあるんだろうな。
ログはどう使えるかわかんないけど。
確かに。
そうだな。
でもやっぱ体験にどんどん寄ってくる感じがするから、
記録よりも今の体験な気はするんだけど、
体験というものがデータとして蓄積されていることでさっきの変化がわかるとか、
なんかよりリッチに自分というものの、
自分たちということが捉えられる、多面的に捉えられるとか、
深く捉えられるみたいなことはそれは間違いなくあると思う。
それが何か価値っていうものに還元しようとすると何なのかが、
今日の結論まだあんまりふわっとしてますねっていうところが。
いわゆる資本主義の中で測れる価値とかじゃないんだろうなっていうのはありそう。
のは思う。
けど直感的に価値があると今思ってるから、
それはまたもう少し時間を置いて熟成させてから話してみたいですね。
いや面白い。だいぶ会議できましたねこれは。
面白い。
あんまり話し始めた時に思ってなかったような気になってるから、
そういう意味で会議したら、
いいですね。
貝があります。
ということで、
データドリブンのテーマにAI、データ蓄積の話をいろいろしてきました。
ぜひコメントあればXのポストならしていただけたら嬉しいです。
お願いします。
それでは。さようなら。
さようなら。