00:04
この番組は、ITスタートアップで事業づくり、プロダクトづくりに取り組まれている 経営層の方をゲストにお招きし、
昨今のAI大統領も踏まえた、AI時代のプロダクト戦略を深掘りする番組です。
番組へのご意見・ご感想は、XでハッシュタグTAunderbarTalksを付けてお寄せください。
今回のゲストは、estie取締役CTO岩成達也さん。
商業用不動産業界でデータプロバイダーという独自のポジションを確立してきたestie。
前編では、そんなestieがAI時代にどう戦うのか、データの持ち方・活用の変化から、
AIを使ったより高度な意思決定の実現まで、CTOならではの視点で語っていただきました。
ホストは、私、グローブイスキャピタルパートナーズ・プリンシパル工藤真由と、
前&カンパニー代表の宮田義孝さんでお届けします。
本日は、estie取締役CTO岩成達也さんにお越しいただきました。
岩成さん、よろしくお願いします。
よろしくお願いします。
今回は、私も宮田さんも、いつも岩成さんのことは成さんと呼んでるので、
このまま成さんと呼ばせていただきたいんですが、
成さん、早速ですが、estieの会社紹介と自己紹介、簡単にお願いしてもよろしいですか。
ありがとうございます。
estieなんですけど、不動産の業界をデジタルのシフトをするという形で、
不動産のいろんな業務をデータテクノロジーの力でよくするということをやっているような会社になっています。
不動産ってすごい領域が広いので、具体的にどういうことをやっているかというのを、
簡単にちょっとご紹介すると、まずは不動産の業界の課題としては、
あまりモーラ的なデータベースみたいなものが存在しないというのが、これまでになってきていて、
これは日本って実は不動産のポテンシャルがすごくあるんですけど、
あまりデータが活用しやすい形になっていないというのが、
欧米等と比較したときの差になっていて、
例えば皆さん住宅を探されるときは、いろんなサービスを使って簡単に探されていると思うんですけど、
オフィスはあまり実は探し目と賃料が出ていないというのが一つあったりします。
インターネット上だと実は10%ぐらいしか賃料が出ていなくて、
これって家を借りるときだったらありえないですよね。
いくらかわからないのに借りるわけないじゃんってなると思うんですけど、
それがオフィスの業界だと普通になっていると。
それは実は借りる側だけじゃなくて、
貸す側も隣がいくらなのかっていうのを直接は知らないっていう世界になっているので、
この情報を今は結構キアリングをするというか、
足で稼ぐっていう形で集めているところを、
我々はデータベースを構築するっていう形でお客さんに提供するってことで、
いろんな不動産の業務の支えとなるような不動産のデータっていうところを作っているっていうのが、
まずやっていることになっています。
もともとは実はオフィスだけやってたんですけど、
最近はそれが物流の倉庫だったり、賃貸マンションみたいな住宅だったりと
やってきているっていうところで、
結構やれることが増えてきているのと、
ただデータを提供するだけじゃなくて、
我々不動産の業務を不動産のデータと不動産の運営と、
あと不動産の取引っていう3つの段階に分けていて、
03:01
データが本当に何やるにしても基盤なんですけど、
その情報をもとに日々の業務を楽にするみたいなところもそうですし、
実際に不動産の取引、例えば売買とか賃貸、
発生するようなところを全部やるっていうのをやっているのが、
SDに最近はなってきております。
その結果何をしたいかというと、
土地と建物の最有効活用っていうことを言っていて、
これが産業の進化をさらに開くというパーパス、
我々が抱えているものにつながっていくと思っているんですけど、
ここに何建てたらいくらになるんだっけみたいなところのおときにいく、
それは実は結構いろんな方が得ていることで、
それを価値をしかも上げていくっていうことができると、
街を作っていくとか、土地の価値を上げる、
国の価値を上げるみたいなところにつながると我々は思っていて、
そういうために不動産の業界をまずベースとして、
テクノロジーと程度の地下で良くしていこうと思っています。
住宅が我々だと身近じゃないですか。
東京だとグローバルナンバーワンなんでしたっけ?
市場規模としては。
そうです。東京が商業不動産というか、
当初の不動産のストックが世界で1位になっていて、
ニューヨークよりも大きいですと。
大阪も結構上位の方に位置するので、
日本の市場を取りに行くだけでもかなりでかいっていうのが
一つやっているところですし、
まさに住宅はみなさんおかかりがあると思うんですけど、
オフィスとか、もともとオフィスだけだったんですけど、
最近は広がってきていて、
不動産って例えば商業施設でショッピングしたりとか、
ホテルで泊まったりとか、
そういうことを考えると関わっていない人がいない領域だなと思っていて、
かなり大事な、いろんな機密の産業の営みが行われる場所だと思っているので、
そこを助けるような形に最近は広がってきているなと思っています。
これちょっと素朴な質問なんですけど、
そんなマーケットにも関わらず、
なんで今までデータ化されてこなかったんですかね。
ありがとうございます。
結構これは監修みたいなところが一つあると思っていて、
データをあまり横に提供するとか、
管理するみたいなところにすごいモチベーションがあったわけではなくて、
例えば金融とかだったら、お金どういうふうに流れているかって、
一定プロトコルがあって、インターフェースが決まっていて、
データを流すみたいなことがあったりすると思うんですけど、
営業のいくらで貸しているかみたいな情報とかも、
例えばすごい営業上の戦略にすごく紐づく情報だったりするので、
例えば賃貸借契約が起こったときに、
それが実際にいくらで決まったのかっていうのは、
当事者間の契約だったりして、
他には出さないでくださいっていうのがなっていたりするので、
ここをあまり出すというモチベーションもなくやっていったっていうのが、
一つあるかなと思っています。
会社はそういうところで、
僕は現在今5年経ったところ、
2020年の10月に入社した形にはなっているんですけど、
その半年ぐらい前から業務委託で手伝っていたのが、
関わり方になっていて、
その業務委託中は前職、
インディードジャパンでソフトエンジニアを3年半ぐらいやってまして、
インディードって今のところ説明しやすいけど、
当時あんまり知られてなかったので、
説明難しかったのが、
求人関係の検索サイトになっていて、
僕はそこでアグリゲーションっていうチーム、
インターネット上にある求人募集情報を見つけてきて、
ユーザーに届けるまでのプロセスを作っていて、
すごくざっくり言うと、
求人募集情報からオフィスの募集の情報、
どこにオフィスが空いてて、
いくらで貸しているかみたいなところに、
06:00
ターゲットは変わったんですけど、
同じようにいろいろデータを整備して届けてほしいっていったのが、
最初の関わり方になっています。
半年くらいやって楽しくなって入っちゃったって形なんですけど、
実は入った当時は、
VPOプロダクトって形で、
プロダクトの責任者で入ってまして、
そこからVPOエンジニアリングになって、
CTOに1年くらいでなったみたいなところになっております。
ありがとうございます。本日はよろしくお願いします。
本日はよろしくお願いします。
その中で早速、今データっていう言葉もたくさん出していただきましたが、
まさに商業用不動産のビジネスの基盤となっているデータを提供してきた
エスティーではあるものの、
早速ですが、このAI時代にデータ戦略みたいなところが変わってるのか否か
みたいなところからお話し始めていきたいなと思っておりまして、
生成AIとかLLMが台頭してきて、世の中ぐっとそっち側に流れが来てる中で、
エスティーとして、保有しに行くデータの優先順位とか広がりに変化ってありました?
ありがとうございます。
エスティーとしては、結局最終的には全部やると思っているので、
最終的なゴールは変わらないかなと思っていて、
先ほどここに何食べたらいくらになるんだっけみたいなところで言うと、
もともとオフィスだったのがだんだんアセットを広げているっていうのは、
どんどん広げていくところかなと思っています。
そこのデータを集めるっていうところは、LLMが活用できるかというと、
できるところとできないところがあって、データをちゃんと保有して権利を持っていらっしゃる方と、
データの契約をしてパートナーさんになっていただくっていうことによって、
我々はデータベースを構築するみたいなところをやっているので、
そこはなかなか他の会社さんもできないような、ある種モートみたいなところになっています。
ただ一方で、例えば不動産とJDとさんから出している、
売買をした、物件の売買をしましたという公益の情報、
これを公開しないといけないというのがあるんですけど、
それを今でPDFになっていて、それを人間が頑張って見て処理していたみたいなところがあったりするんですけど、
そういうあんまり構造化されていないデータ、人間はむしろPDFを作る前のエクセルが来てあるからそれをくれってみんな思っていたんですけど、
その分を精々活用して構造化できるようになったみたいなところは、
結構データを整備するっていう観点だと助かっていて、
実はその内容とかはST3回ぐらい、言語処理学会に今年出しているんですけど、
その内容でも研究として発表したりとかもしたりしますね。
なるほど。保有するデータ自体は変わらないけれど、
そこのデータの整備の仕方とか加工の仕方っていうところがよりやりやすくなったよねっていうイメージですかね。
そうですね。そこがかなりやりやすくなって、
我々としてもデータの質ってすごく大事なので、
そこが高められるようになったのは、我々としてはすごくビジネスに効くところでいいなと思っていますね。
ちなみにこれって多分STでも今、バーティカルAIっていう形でどんどんAIの機能も増えていってる中かなと思うんですけれど、
今まで人間がやっていたアクションをAIが担いに行くとか、
もしくは人間にアクションは残るけれど、そこの意思決定をサポートをよりAIができるようになるみたいなところで、
AIがデータを読み込みに行くっていうところがどんどん増えてると思うんですよね。
09:01
っていう中でSTとしてデータの持ち方だったりだとか、整理の仕方、加工の仕方っていうところって変わったりしてます?
ありがとうございます。まさに一応不動産の業務をすごくざっくりと僕が分離したところで言うと、
データを収集してそれを整理して最後意思決定するっていう意思決定産業だなと思っていて、
そのためのデータ収集の部分とか整理の部分っていうところで先ほど言ったように使えたりするんですけど、
最後意思決定するっていうときにここに一番AI、人工知能というか頭を使おうみたいなところはこれからやっていくっていうところで考えているところだったりはしますと。
それによって、ただそのもともと集めてきたデータをしっかり整備するっていうところはやっぱり数年間頑張ってやってきたところで、
ここはなかなか真似できないというか、何かというとそれまでデータを横に流すことがあんまりなかったっていうことは、
それぞれの会社さんがそれぞれデータベースというかExcelみたいなのを頑張って作ってましたと。
ただ不動産業務やっている会社さんって別にデータモデリングのプロではないので、
それぞれがそれぞれ違うデータモデリングをしてしまっていた。
そこを我々はいろんなパートナーさん、データソースとしては50以上あるって形なんですけど、
集めて一番いい形ってなんだろうみたいなところを頑張って作ってきたんですね。
これは結構我々にしかできないことだし、ここは大事にし続けるところ、ベースかなと思っていますと。
一方でAI LLMによって、もうちょっと養成能力がすごく上がったなというところはあって、
今まで構造化して本当に表形式というかデータ形式でやっていたら、
実は不動産ですごい非構造化データがあるんですけど、情報量が落ちちゃう。
例えばカラムを10個設定したらそれ以外のものって落ちちゃうっていうところがあるんですけど、
LLMを活用するともうちょっと落ちてしまっていた情報を活用して、
例えば売買のマッチングだったり賃貸のマッチングだったりみたいなところに
効く資差が得られたりする。
それを実は活用できるようにちょっと緩めに持つみたいなことをして、
最近売買マッチングのせいで上がったなみたいな事例があったりはします。
ありがとうございます。
ちなみに今、エスティはそもそもデータを保有しているプレイヤーであって、
他のソースとはちょっとデータの持たせ方とか意味合いが違うのかなとは思いつつ、
一般論として結構元々既存のソフトウェアの会社が人間が使う従来のソフトウェアをベースにしてデータを構築していくと、
それをAIが使いに行こうとか自然言語で処理しようとすると、
なかなかアーキテクチャとかが異なって、
イノベーションのジレンマじゃないですけど、
過去作ったものがちょっと負の遺産みたいな形になって、
なかなかシフトしづらいみたいなお話を聞いたりもするんですが、
このあたりって何さんから見ると何でそういうことが起こってしまうとか、
エッジにおいてはそこをどういうふうに持っている、
もしくはどういう形に位置づけているからあまり問題になっていないとか、
そのあたりってどんなふうに捉えてますか。
ありがとうございます。我々としては率直なところで言うと、
まだちょっとやりきれていないところはあるなと思っていて、
それはちょっとフォーカスの話で言うと、
いわゆるデータを基盤というか提供しているところなんですけど、
12:02
シンプルにサースでデータをお客さんがその上で行動して
集まってきたデータがあるよというよりは、
まず我々はデータを提供者として提供しているというところにも価値があって、
このデータを提供するプロバイダーとしてのところで
お金をいただいている価値を感じていただいているというところもあるので、
まずそこをちゃんとやろうというのが今のフォーカスとしてはある。
その先にAIレディなデータ基盤というのが必要になると思っていて、
この部分を今まさに作り始めて、
実は最近お客さんと一緒に内製化の支援をしますみたいなところで、
お客さんがAIを活用する、DXをするというときに
どういう構造を持ったらいいかというところを
我々が支援するみたいな取り組みを始めているんですけど、
そちら側で始めているというような形になっています。
なるほど。そこの話が出てきたときに、
より今のデータベースをどういうふうに紐づけていくのかとか、
そのあたりが議論が進んでいくという感じなんですかね。
そうですね。これはちょっと、
最近はセキュリティみたいなところで、
どういうデータにAIがアクセスできたらいいんだっけとか、
そのガードレールみたいなところも大事になってきたりするので、
そのあたりも含めてしっかり作っていかないと、
なかなか何でもデータを使っていいよってならないなっていうのは、
やっぱり実務上あるなと思っています。
ありがとうございます。
ぜひそのあたり、後半のほうでも
いろいろ伺ってみたいなと思うんですが、
宮田さんここまでのエスティのデータ戦略とか踏まえて、
何か気になるポイントがありますか。
そうですね。結構基盤となることを意識してデータを
いろんな観点で収集されているんだなっていうことを
すごく強く感じたのと、
やっぱり僕、冒頭で出たと思うんですけど、
住居との比較をしたくなるんですよね。
そうなった時に、市民として、
普通にマッチングプラットフォームがあったら
すごく嬉しいのにな、みたいな。
僕も会社を作ってオフィス構えようかなと思った時に、
全く出てこないんですよね、テナント情報って。
すごい苦労した覚えがあって、
それマッチングプラットフォームがあってくれたら
すごく一発で解消してくれそうだなと。
そこまで一気にいくのが難しいから、
一旦データ整備からオーナーさんに向けて支援していく
というところから始められているのか、
それともそもそもマッチングプラットフォームって
B2Bの領域だと成立しにくい何かがあるのか、
この辺ってどういうふうに見られていらっしゃるんですか。
ありがとうございます。
まずマッチングをするにあたって、
結局データが必要っていうところがあって、
不動産探しも結局お見合いみたいなもので、
数個出てきた時に1個目2個目3個目見て、
まだもっといいものあるかもしれないって結局なっちゃうじゃないですか。
そこをどうやって納得できるかっていうところがあって、
しかも不動産オフィス探すっていうのも
人生で何回もあるわけではなかったりするので、
本当にいいかどうかの知識がなかったりする。
そこをサポートするっていう意味で、
例えば仲介さんのいる意味がすごくあったりしますし、
そういう意味で言うと人間が会うし会在するってところがあったりして、
単純に今出てきてこれですって言われて、
15:02
なかなか納得できなかったりもするっていうのは、
結構一つポイントにあるのかなと思ったりはします。
そうなると、じゃあもうここに出てくるのが全ての選択肢ですって分かることは
かなり重要になってくるので、
その後例えばデータの網羅性を上げようとか、
古くなってる情報じゃなくて正しい情報だよねってところが
結構大事になってくるので、
結構大きな意思決定をする上で、
ファクトに基づいたデータっていうのが結構重要。
逆に言うと、今現在こういう情報ですっていうのが
我々が出せているある種の価値。
ファクトの情報を出しているのが価値なんですけど、
モデルに急に多分これぐらいだと思うよって言われても、
根拠が分かんないと決められないってなっちゃう。
ここで新しい意思決定を自信を持ってするためには
このデータ整備が必要だったっていうのが
我々としては大きいかなと思っています。
じゃあ行く先、マッチングプラットフォーム的なものも
割とスコープの範囲内にあったりするんですか?
それともそこは他の理由で難しさがあったりするんですか?
我々としては一応マーケットトレースっていうところまで
上っていくみたいな、先ほどの下から順番に言うと
不動産のデータ、不動産運営、不動産取引ってなってくるんですけど、
それを先にバーティカルデータ、バーティカルAI、
マーケットプレースって位置づけていて、
我々としては決済的には全部やるので、
そこに広がっていくっていうのはあることかなと思って、
ちょっとそういうことを事業開発機能を進めたりはしています。
なるほどですね。
じゃあしっかりインフラ作って上流の取引のところまで
上りていくっていう流れで事業展開考えられているということですね。
そうですね。あとは両方あるかなと思っていて、
結局我々ってインプットと整理とアウトプットみたいなところで言うと、
結局アウトプットで何やるんだっけっていうところを分かって
やる方がもちろんインプットの形でよくなるじゃないですかっていう
このフィードバック力はあると思っていて、
なのでここは優先順位という観点だと難しいんですけど、
両方やるっていうのを結構やって、
どういうアプリケーションがお客さんにとっていいんだっけみたいなところは
常に最前線でお客さんと会ってソリューションを考える
みたいなことはやっていますね。
なるほど。分かりました。ありがとうございます。
ありがとうございます。
じゃあここからさらにAI時代のプロダクト開発っていうところに
フォーカスを当ててお話を伺っていきたいんですけれど、
最初に一歩ちょっと俯瞰してみたときに、
なぎさんってもちろんテックに精通しているのはもちろんのことなんですけれど、
やっぱ授業とか組織とか、さらにはこのマーケットからどう見られるのかな
みたいなところも意識して技術と向き合っている印象があるので、
せっかくなんでそこも伺ってみたくて、
やっぱその世の中の反応とか、
マーケットからの評価のされ方とかも踏まえて、
企業の価値を上げていくっていうふうに見せたときに、
AIで今何をやるのか、いつ何をやるのかっていうのを
どういう視点でそもそも考えられているのかとか、
そこら辺の頭の中の全体像をまず伺ってみたいなと思ったんですが、
いかがでしょう。
お触れました。ありがとうございます。
そういう意味でちょっとバックグラウンドを少し足すと、
僕は高専出身で高専のときからコードを書いていますので、
気づいたらもう20年ぐらいコードを書いているという形になったんですけど、
実は学生のときに学生企業をしていて、
18:00
それは子どもにプログラミングをしているみたいな企業をやったんですけど、
結構教育系、今もまだやりたいところではありつつ、
なかなか収益性を上げるのが難しかったりするみたいなところで、
事業をうまく活かせるにはどうしたらいいんだっけっていうことを
結構考えてキャリア少し、実はリクルートホールディング所属の
インディードみたいな形でリクルートに行ったら、
いろんな事業の作り方を見れるんじゃないかなみたいなことを
実は思ったっていうのがキャリアの中ではあって、
結論から言うと僕は難しい課題が解ければいいんだなと結構思っていて、
難しい課題を自分で設定できればいいっていうのがキャリア感にあって、
今は元々はシステムのアーキテクチャだったのが、
それが組織のアーキテクチャとか会社のアーキテクチャとか
不動産のアーキテクチャみたいな、業界のアーキテクチャみたいになっていて、
今は難しい一つの課題として、どうやったら企業価値に
効くのかみたいな課題を解いているっていうような、
僕の中では全部エンジニアリングだと思って解いているみたいなところがあります。
企業価値を上げるっていう観点だと、
これかなり難しいなと思っていて、
AIが今まだ価値パターンがあんまり存在していないかなと思っていて、
いくつか例はあると思うんですけど、
それこそオープンAIも一定、赤字確保で最初はモデルをどんどん出していって、
みたいなことをしていると思っていて、
その中でどういう正解、どういうふうな一つのパターンがあるのかなっていうことを
頑張って探索するっていうのを、
去年不動産エラーボっていうのを1月に立ち上げてやっているっていうのが、
今までの流れというか考えていることだったりはしますかね。
深いところで言うと、これでさすがにこれを、
産業は例えばなくならないよねとか、
これが元にちょっとこれだけ株価が下がる、
さすがにやり過ぎじゃないみたいなのはあったりするんですけど、
でもどっちにしろこのエスティで会社を期待していただくためには、
そういうどう見えるか、どういう価値を出して、
どういう強みを説明するかっていうのは解かないといけない課題だなと思って
向き合っているような感じですかね。
なるほど。ありがとうございます。
そういう中でエスティとしてのAI化に向けた基本方針みたいなところも
改めて伺ってみたくて、
ここまでのお話でもあったように、
エスティならではのバーティカルデータみたいなところを生かして、
どんどん事業展開進められる中なんですけれど、
次にはこのデータの上にバーティカルAIみたいな
ある種機能群、作業になれるAIを乗せていくようなイメージなのか、
それもこれまでの業務フローをベースとしながら
AI化を進めていくのか、
それともデベロッパーさんなどのお客様の意思決定の
あり方とか周辺業務のあるべき形を変えるような動きも
していかないといけないのかとか、
そのあたりのこのAIが出てきたことによる変化みたいな
プロダクトを開発する前提となっている考え方みたいなのは
伺ってみてもいいですか?
ありがとうございます。そういう意味で言うと、
去年不動産Aロボットを立ち上げたんですけど、
一番最初は正直何に効くか分からないというか、
むしろやれる領域がすごく広すぎて、
どこから手付けようかってなったんですよね。
それこそ不動産の意思決定はもう少し解体するっていうところを
手伝うみたいなのがありますし、
業務効率化みたいなところもあるし、
データ自体も整えるっていうこともできるっていう、
21:04
一旦全部やりますっていうところで始めたんですけど、
始めた最初はどちらかというと、
新しいものを作るに結構寄りまして、
というのは先ほどちょっと途中で回ったんですけど、
既存のものを買えるの結構大変だったりはするので、
イノベーションのジレンマとまでは言わないですけど、
既存のものを、エンジニアルゲームもそうなんですけど、
新しいものを作ったほうが実は買いやすかったりするので、
新しい我々がまだ対応できていない領域っていうところを
実はセブンに行って、お客さんこういうニーズないですかっていうところを
作っていきたいなというふうに思っています。
大平 そうなので、プロダクト、例えばオフィスの
マーケットの情報がわかりますというプロダクトっていう
観点で見てたんですけど、もっと領域が広がってというか、
プロダクトも含めたオフィス調査の事業として見ると、
こういうことが例えばソリューションとして提供できる
っていう結構広く見るようになった、ソフトウェアだけではない
提供方法みたいなところもあるなっていうのは、
AIによって広がった戦い方かなと思っております。
ちょまど それはAIによってソフトウェアが担える領域が広がったから
みたいなところなんですか?それとも違う背景から
そう感じるようになったんですか?
大平 ソフトウェアが担える領域が広がったっていうところと、
実際に人間が今までやってきたことを担えるようになってきた
っていうところがすごく大きいところかなと思っていますかね。
特に不動産は、すごいいろんな情報だったり業務みたいなものが
パズルのピースみたいに繋がって、もっと大きい業務が
できるようになったりするんですよ。
例えば、我々はマーケットの情報で単価の情報を持っているんですけど、
ここにどれだけの延べ加面積のものが建てられるか分かったら
初めてそこでどれだけの総収入が得られるか分かるじゃないですか。
そういうこのところを組み合わせると、
この土地買うかどうか決まるみたいなところを解けたり、
すごいいろんなピースを組み合わせるとできることがだんだん増えていって、
最終的にここに何を取れたら一番いいんだっけっていうことが分かるようになる
みたいなところがあるので、そういう意味で言うと、
かなりまだできていなかった業務にAIを活用すると実は入っていけて、
それによってさらにできることがどんどん広がってみたいな、
そんなイメージでソフトウェアに閉じない広さを
アクセスできるようになったなと思ったりはしています。
もともとセミパブリックなデータを持っているっていう点だけでも
他社にはない優位性だった中だけど、
そこからさらにAIでワークフローを抑えにいけるっていうところで、
実際のお客さんの業務とかも中により深く入り込めることが、
エスティのもともと持っているデータを生かした
さらなる強みの構築みたいな、そういう戦略になっているイメージ。
そうですね。
LMでいうと一つ解釈しているのは、
プロンプトにまさに業務のドメイン知識というか、
どういうプロセスでやっているかということが現れると思っていて、
今ではソフトウェアというものが一番その業務を
明確に定義できる方法だったと思っているんですよ。
コードによってその業務を書くことが一番表現として
良かったんですけど、
それが自然言語で扱えるようになってきているっていうのが
結構大きな違いがあります。
そこについては、今後も一緒に
24:00
プロンプトにそういうドメインの知識というのが現れて、
かつそれが不動産業界で結構深かったりするので、
ここは不動産業界出身メンバーもたくさんいたり、
数年プロダクトを不動産業界で作ってきたメンバーがいる
という強みがかなり生きる領域だなと思っています。
実はそれ、今年の言語処理学会でそういう話も
発表しようかなと思っています。
ドメイン知識で精度が上がるよっていうところに
分類してやっていたりするので、
今後も一緒にやっていきたいなと思っています。
おもしろいですね。
このソフトウェアが業務を表す言語だったところが
プロンプトが新しく出てきて、
自然言語でコンテキストだったり、業務のアプローチ、
進め方みたいなものを表現できるようになった
という捉え方はすごくおもしろいですね。
エンジニアならではの表現の仕方となると思って
すごく興味津々に聞いていました。
具体をもとに抽象化してパターンを見るみたいな
広がりがすごく感じやすいですよね。
今まではソフトウェアとして最終的なプロダクションを
作っていかないといけなかったんですけど、
プロンプトレイヤーで結構いろんな指示だとか
場合によってデータを渡してあげるとかいったことも
できるようになるので、かなり広がりを肌感覚で
一言で言い表してくださったなという印象が強いですね。
ここは。
ありがとうございます。
そういう中で改めてなんですけど、不動産AIラボって
25年の1月からですかね。
AI化っていうところを進めてきたと思うんですけど、
改めて何であえてなりさん主導、CTO主導で
しかも別組織を作ってやっていこうって思ったんですか。
ありがとうございます。
何でかっていうと、うち産業の進化をさらに開くという
パーパスがあるんですけど、結構これ抽象度が高いので
それぞれがそれぞれの解釈をして、これをやったら
産業の進化をさらに開くにつながるんじゃないかというところを
やっている。ちょっと変わった。それぞれがちょっと違う方向を
方眼できるカオスな組織みたいな形になっています。
僕がこれを始めるにあたって、さっき言った
ここに何人だったらいくらになるんだっけっていう課題を
解きたいなって思ったんですよね。これがパーパスにつながる
と思っていて、これやるの結構難しい。人間がやるにしても
いろんな変数があって難しいので、ここに意思決定の
支援者としてのAI活用できるんじゃないかと思って
AI領域やりたいなっていうのをやり始めたっていうのが
ベースにあります。当時はそれこそ
まだ分からなかったところがたくさんあって、
AI本当にそれこそ企業価値とか事業に効くんだっけ
みたいなところが分からなかったので、それはまず
効くと思っている人がやりましょうっていうのが
うちの相方だったりはするので、その意味で一人で
立ち上げてやったっていうのが、どっちかで言うと
大きいところだったかなと思っています。
そこから今は引き続き、いつだって何でしたっけ。
ありがとうございます。実はそのAI領域をやっているチームが
ちょっと増えたりしてまして、そのAIラボとか
AIソリューションっていうところで新しくお客さんに
新しいAIソリューションを作って提案するっていうところも
27:02
継続してやっていたりしますし、実はその
AIエネブリングチームっていうのを新しく作りまして
社内のプロダクトをAI化していくっていうところを
結構進めているっていうのも、今年の実は始まって
1月ぐらいから始めた新しい取り組みだったりはします。
ちなみに宮田さん、このあたり多分いろんな会社さん
見られている中で、このAI化の進め方って
いろんな方法があると思うんですよ。エスティの今の
話も聞きながら、それぞれのメリデメとか
エスティの今の体制とかってどんなふうに
宮田さんから見えてますか。
そうっすね、まず立ち合いのタイミングってある程度
専任的にチーム切り出してやっていくことが
多い気がしてますと、AI活用しましょうとか言って
トップダウンでゴリッと押そうとしても
なかなか浸透しないことって結構あるじゃないですか。
データドリブンな経営しましょうとかもその手の
やつだと思うんですけど、今回のこのAI普及させましょう
みたいな話も同じような経路な気がしてます。
まずそこをしっかり切り出して進める
これはなんかセオリーな気がしておりますと
ここから結構分岐される気がしていて
エスティさんのようにファンクションを切って
AI特化のチームを複数立てて
どっちかというと集中管理的に進めていく
というパターンもあれば、既存プロダクトの
AI化を進めていく上で、AIエンジニア的な人を
各プロダクトにアサインしていくみたいな
仮想もあると思うんですよね。この辺って
僕が感じるように既存のチームにアサインしていく
とすると短期的なスピードはむちゃくちゃ出る
出やすいと思ってます。逆にセンタライズした方が
AIの深さ、活用の度合いみたいなものは
中長期的に効いてくるような気がしてます。
今回ナリさんの話を聞いてるとどちらかというと
校舎に降ったようなセンタライズしてAIの深さ
みたいなところに重点を置いた展開なのかなって
勝手にちょっと思ってたんですけど、この辺って
何かあったりするんですか?
ありがとうございます。まさに去年の初めは正直何が
効くかわからないのでたくさんやるってことをやっていて
それは本当にポイントのソリューションをたくさん
作ってるみたいな形だったんですけど、そこから
一定パターンが見えてきたりとか、あと我々としては
プロダクトが今も10超えて20までいかないぐらい
になってるみたいな、その状況になっていて
それぞれのプロダクトがどう繋がっていくかっていう
ところの設計もたくさんあったりするんですけど
そういったことをやっている時代はちょっと終えて
新しくセンタライズして、もうちょっと技術技術深くするとか
知見を深くするみたいなところが必要だねってなって
そのAIの専門家集団みたいなところで
イネーブリングチームみたいなのを作って、そこに相談が
来ることによってさらにその人たちはまた学び上げて
強くなるみたいなことを継続してやった方が
これは副理が効くねって思ってやってるっていうのは狙いとしてはありますね。
なるほど。これでも結構難しくないですか?っていうのも
分かりやすいサースだとか、AIで作ってるっていう
そういう意味ではなくて、データを中心に置いた
事業展開、プロダクト展開をされていて
30:00
そこに対して輪をかけてAI活用をセンタライズするって
センタライズされたところにアサインされた人って
まあまあなスペックが必要というか
中小度高いものを中小度高い状態で
技術進化させないといけないみたいな
結構深めな問いを渡されている印象なんですけど
どんな人たちがどんな思いでやってるんですか、この辺は。
ありがとうございます。まさに結構難しい課題を解きにいってるのは
どういうアプリケーションがあるかっていうのは分かったけど
じゃあそれを提供するミドルウェア的な
プラットフォーム的なものをどう実装するかっていうのは
結構不確実性が高くて、正直各社さんまだ正解が
すごいあるわけではないのかなと思っていて
ここをしっかり実力のあるメンバーがやっているっていうところと
あとただどちらかというとエネーブリングチームって
チームトポロジーっていうところから出てきている
4個ある類型の一つなんですけど
手を動かして何かを実装するというよりは
それにせいみたいな役割なので
そこでいろんな知見を得てその知見を各チームに
お伝えして各チームが実装するっていうのを
助けるみたいな感じにしているので
そこでエンジニア的に言うといろんな例が出てくるので
それを抽象化してパターン化するとこういう構造だよね
みたいなところをためるみたいなことをしているっていう
確かに深いところはやらないとできないので
有志のメンバーじゃないとできないんですけど
仕組みとしてはチームとしてできるような形を
作っていくというところが大事だと思います
大西さんは目標観ってどんなものを追っているんですか
例えばプルリクスを倍にしましょうだとか
使用しているトークン数をいついつまでにこれぐらいとか
そういう指標になってくるのかなって勝手に思っていたんですけど
その辺って何か持っている目標観とかであったりしますか
ありがとうございます
そういう意味で言うとAIの適用範囲がかなり広いので
さらに分解しておいていてAIで作る
先ほど言っていたプルリクスとかトークン数っていうのは
AIで作る側だと思っていて
それは実は別のワーキンググループがあるんですけど
AIを作る側プロダクトにAIを組み込めて
実は別の話だと思っていて
それを追っているのがこのAIエネイブリングチーム
という形にしていますと目標設定はいつも悩むところなんですけど
うちは消化制度的に結構成果と行動って分けていて
成果の中も何個かに分けていて
一部業績の連動指標みたいなものを言っているんですよ
どういうことかというと予算があって
このプロダクトはこれだけの売上を達成していること
Q1 Q2 Q3みたいなのがあって
それをどれくらい達成したかっていうところで
そんなにデカいパーセンテージじゃないですけど
一定追うこれによって開発も営業も同じ目標を追う
っていうような形に作っていて
エネイブリングチームはエネイブリング対象のチームが何個か
フォーカス決めて設定してるんですけど
そのチームの業績連動目標を一緒に追うみたいなことをして
ちょっと作ってますね
なるほどっすね
最後は全部業績につながるような形で設定されてるわけですね
33:01
はい 今はそういう形にしていて
それはちょっと半期の評価なので
そこも話を始めると無限にしゃべれるんですけど
プラットフォーム的なチームだと
半期で返ってこなかったりするんで
もうちょっと違う間接的な目標を置く
みたいなことをしたりもしてるんですけど
エネイブリングチームはプロダクトチームを助けるから
そこで成果出るよねっていうことで
今設定してますね
なるほど
でも評価のところは落ちてる感じなんですね
ありがとうございます
ありがとうございます
リアルにどんなふうにやってるのかっていうのを
伺えてすごい勉強になりました
ありがとうございます
では前半はここまでという形で
なりさんありがとうございました
ありがとうございました
これからもプロダクトAIトークスでは
プロダクト事業作りに取り組む経営層の方をゲストにお招きし
AI時代のプロダクト戦略を深掘りしていきます
後編は来週金曜日配信予定です
ぜひ番組フォローの上ご視聴ください