# 第1回 ANSWER＋説明会（アーカイブ）

- 開催: 2026年10月19日（月）12:00〜 ・ オンライン
- 登壇: 西村勇也（esse-sense 代表）／ 進行 三浦英雄（esse-sense 共創推進チーム）
- 収録: 56:19（開始前の待機時間・画面共有の切り替え・終了後のやり取りと、参加者の発言を含む質疑応答の部分は収録から除いています。）
- 映像とページ: https://answer.esse-sense.com/seminar/archive/20261019/
- レポート: https://answer.esse-sense.com/seminar/archive/20261019/report/ ／ PDF: https://answer.esse-sense.com/seminar/archive/20261019/report/report.pdf
- 発行: esse-sense（https://esse-sense.com/）

## 概要

冒頭で三浦は、9月1日にリリースされたANSWER＋を、企業の未来洞察や未来戦略策定において情報収集と意思決定を支援する仕組みと紹介した。西村は esse-sense を、国内34万人の研究者が持つ知的資本と産業の分断を解消するために2021年に立ち上げた会社だと説明し、創業時から続けてきた属人的な方法論ではなくシステムとして知的資本を産業につなげる取り組みの積み上げの上にANSWER＋があると位置づけた。
西村は、生成AIに直接問いかける課題として、AIを入れただけでは成果が出ないこと、使ったことを隠して結果を確かめずに使う人が多いこと、ハルシネーションの3点を挙げた。生成AIはもともと回答するための仕組みではないため、ハルシネーションは構造的な問題で解消しないと述べ、AIの誤りによる司法的な問題が2025年の87件から2026年10月には2200件近くまで増えたと紹介した。さらに産業革命の機織りの自動化で自動化できない部分に負荷が集中したのと同じように、AIに書かせると「確かめる・直す・資料に当たる」労働が末端にかかると説明した。
esse-sense の答えは、AIの役割を「書く」から「記録を引く」へ切り替えることだと西村は述べた。西村によれば、ANSWER＋は問いを受けると、事前に準備した292のデータベース（4億3000万レコード）から素材を引き、構成して文章にし、文献の実在を検証して根拠をたどれる回答を作る。データベースの量は「理論的飽和」という十分さの考え方で決め、複数が補い合う形にしたと説明した。デモでは「孤独」をテーマに、素材集め、構成、文章化の流れを示した。
次のリリースについては、レポートに問いかけてまとめ直す追加解析が来月ぐらいにはリリースできそうだと述べ、企業ごとのプロジェクト専用データベースを共通データベースと組み合わせる仕組みは年内を目指して開発中だと語った。最後に三浦が、1ヶ月3名分50万円のトライアル、月々80万円のベーシック、内部データと結合するエンタープライズを案内し、トライアルはオンボーディングセッションで利用目的を設定してから始めると説明した。

## 要点

### 1. 生成AIは回答するための仕組みとして作られていない

西村は、2026年の段階でモデルが進化しても、要約で元の文章にないことが出たり、答えが出ないときに無理やり回答を作ったりすると述べた。生成AIはそれらしく言葉を紡ぐ現象であって確実な回答を作る仕組みではなく、ハルシネーションは構造上の問題なので解消することは基本的にないと説明した。その結果として、架空の判例を裁判所に提出した例や、架空の文献を政府向け報告書に載せて返金になった例が増えていると紹介した。

> 「生成AIはもともと何かを回答するための仕組みというよりはそれらしく言葉を紡いでいくための現象が起こっている」（映像 12:55・https://answer.esse-sense.com/seminar/archive/20261019/#t=775）

### 2. 確かめる負荷は末端にかかる

産業革命の機織りの自動化では、全自動になったわけではなく、各所に自動化できない部分が残り、そこに負荷が爆増したと西村は述べた。同じ見立てをAIに当てると、AIに書いてもらうほど確かめる・直す・元の資料に当たるという末端の負荷が増え、それを隠して渡せば相手に負荷が移ると説明した。これを「AIの取りこぼしを拾う新たな労働」と呼び、家庭で使うときより仕事の場面ほど、AIに任せて確かめない傾向があることも併せて紹介した。

> 「その残っている部分に関して誰かがやらないといけないので、その負荷がある種末端にかかってくるというようなことがありました。」（映像 18:04・https://answer.esse-sense.com/seminar/archive/20261019/#t=1084）

### 3. AIには書かせず、記録を引かせる

後から確かめ、直し、資料を探し直すのなら、先に確かめて直し、資料が紐づいたものを作ってしまえばよい、という発想だと西村は述べた。検証済みで参照元が分かる情報群を集め、そこから引いてくることをAIの役割にし、人が考えて判断するための支え役に主従を逆転させる。これにより、ハルシネーションと、取りこぼした労働を人が引き受ける新しい負荷という2つの課題をなくそうとしていると説明した。

> 「書かせるのではなくて、記録を引くということに役割をスイッチすることによって、人が何かを考えて判断して決めていくためのサポート役という形に、主従を逆転させる。」（映像 20:29・https://answer.esse-sense.com/seminar/archive/20261019/#t=1229）

### 4. データベースは「十分さ」で組む

ANSWER＋のもとには292のデータベースが4億3000万レコードを持ち、研究者や論文のほか、IR・投資・プレスリリース・政策・未来洞察の情報が入っていると西村は述べた。量の基準は、ある回答に十分な情報量という「理論的飽和」の考え方で、100でなく99でも足りるなら回答できるとし、15年ほど続けてきた方法を自動化したと説明した。1つのデータベースを徹底的に大きくするのではなく、観点ごとに複数が補い合う形にし、半年かけて7600億トークンの計算を行ったと紹介した。

> 「ある回答を取るために十分な情報量。それは別に100じゃなくて99でもいいわけです。」（映像 29:09・https://answer.esse-sense.com/seminar/archive/20261019/#t=1749）

### 5. デモでは、AIは電話交換手の役だけを担う

実演では「孤独」についての論考を依頼し、フルレポート・短めのレポート・データキットから出力の形を選んで聞くだけだと西村は説明した。問いに関連する情報が292のデータベースのどこにあるかを探す紐付けの部分をAIが担い、政策・学術・産業など分野の違う素材をまず集める。集まった素材を第1部から第4部の構成に組み立て、間をつなぐ文章を最後に入れる。出てくるものは必ず素材をもとにしているので、誤りの確認コストが減ると述べた。

> 「なので、AIは書くんじゃなくて、電話交換手だけをやる。」（映像 39:21・https://answer.esse-sense.com/seminar/archive/20261019/#t=2361）

### 6. まずはオンボーディング付きのトライアルから始める

説明会時点の案内として、三浦は1ヶ月の利用で3名分のトライアルが50万円、ベーシックが月々80万円、自社の内部データとANSWER＋のデータを結合して出力するエンタープライズがあると案内した。トライアルでは、ただ使うのではなく、オンボーディングセッションで利用目的と検証するプロジェクトを設定し、活用の仕方を伝えてから始め、リフレクションを経て正式契約に移行すると説明した。関心のある人はアンケートに回答すれば詳細を案内するとし、10月26日の次回開催も告知した。

> 「ここではまずオンボーディングで決めたものに関して、ちゃんとその利用価値を検証できるように、」（映像 53:04・https://answer.esse-sense.com/seminar/archive/20261019/#t=3184）

## AIには書かせない。知見で判断する社会へ

説明会で西村は、仕組みの説明に先立って「なぜこのようなことをやっているのか」という問題意識から話を始めた。生成AIの課題、そこから生まれる新しい労働、それに対するANSWER＋の仕組みと解決の方向、そして292のデータベースから引く仕組みの順に、発言に沿ってまとめた。

### 生成AIの課題 ― 生成AIは、答えるための仕組みとして作られていない

西村は、AIを企業に入れても、それだけでは成果につながらないことが見えてきたと述べ、ある調査では成果を出せているのは100社のうち5社ほどだったと紹介した（調査名は講演で示されていない）。多くの人が結果を確かめずに、使ったことを伏せたまま使い、手直しが受け取った人に回ってくるとも指摘した。西村によれば、2026年のモデルでも、要約に元の文章にないことが混じり、答えが見つからないときには無理に回答を作ってしまう。生成AIはそれらしく言葉を紡ぐ現象であって確実な回答を作る仕組みではないので、ハルシネーションは構造上の問題で、基本的に解消しないと西村は述べた。AIの誤りによる司法的な問題は2025年の87件から2026年10月には2200件近くに増え（集計の出典と数え方は講演で示されていない）、架空の判例の提出や、政府向け報告書への架空の文献の掲載で返金になった例もあると紹介した。

> 「ハルシネーションというのは構造的な問題なので、解消することは基本的にはない」（映像 13:11）

### 取りこぼしを拾う労働 ― 速く書かせるほど、確かめる仕事が末端に積み上がるのではないか

西村は、産業革命の機織りの自動化を引いた。機械は布を速く大量に織れるようにしたが、全自動になったわけではなく、各段階に自動化できない部分が残り、そこに負荷が集中したという。同じことがAIでも起きているのではないか、というのが西村の見立てである。西村はこの見立てを図で示した。AIに書かせると、確かめる、直す、間を拾う、元の資料に当たるといった仕事が増え、出力が速く多くなるほどその量も増える。隠して渡せば、その負荷が相手に渡る可能性もあるという。家庭では確かめるのに、仕事の中でシステムに組み込まれると確かめずに使う傾向があることも紹介し、これを「AIの取りこぼしを拾う新たな労働」と呼んだ。

> 「このAIの取りこぼしを拾うという新たな労働、この労働を、もしAIに何かを書かせてしまうと起こしてしまっているんじゃないか」（映像 19:22）

### ANSWER＋の仕組み ― いきなり書かず、先に素材を引いてから書く

西村は、一般的な生成AIでは、問いを受けるとすぐに文章を作り、使う人が確認して次の問いへ戻る、という回転を繰り返していると説明した。その結果、根拠と記録がつながらず、確かめる手間が人に残り、組織の学習も進まない。ANSWER＋は順番を変える。問いを受けたAIに、事前に準備したデータベース群から記録を引き出させ、その素材をもとに文章を作り、文献が確かに存在するかを検証して、根拠をたどれる回答を作る。AIが書くのは、引いた素材の間をつなぐ部分に限られる。元の記録にいつでも戻れるので確かめる手間が減ると西村は述べた。出てきたテーマや回答を次のプロジェクトの材料として戻すサイクルは開発中だという。

> 「いきなり文章を作らないわけです。まずは素材を探してくださいと」（映像 26:39）

### ANSWER＋のソリューション ― AIを、人が考えて判断するための支え役に置き直す

後から確かめ、直し、資料を探し直すのなら、先に確かめて直し、資料が紐づいたものを作ってしまえばよい。西村はこれを「たったそれだけのこと」と言う。検証済みで参照元が分かる情報群から記録を引くことをAIの役割にし、人が考えて判断して決めていくための支え役へと主従を逆転させる。ハルシネーションと、AIが取りこぼした労働を人が引き受ける負荷という2つの課題をなくすための仕組みだと説明した。現在は戦略策定のための仕組みとして提供している。データベースの十分さが企画開発にも答えられる水準まで上がってきたため、開発中の次のバージョンでは、より広い範囲に回答を当てていくという。組織ごとに必要な情報をプロジェクト専用のデータベースとして基盤に組み合わせる仕組みは、年内の提供を目指して開発中だと述べた。

> 「実は全く逆でAIに書かせないための仕組みとして開発をしてきました」（映像 34:45）

### 292のDBから引く仕組み ― 292のデータベースを、量でなく「十分さ」で組む

引いてくる先に何もなければ答えは出ない。そのためにANSWER＋のもとには292のデータベースがあり、4億3000万レコードを持つと西村は述べた。研究者や論文のほか、文化、投資の動き、上場企業のIR、プレスリリース、未来洞察、政策の情報が入っている。量の基準は「理論的飽和」の考え方で、ある回答に十分な情報量があれば、100でなく99でも答えられる。西村が15年ほど続けてきたこの方法を自動化し、仕組みにしているという。1つのデータベースを徹底的に大きくするのではなく、観点ごとに複数のデータベースが補い合う形にし、半年かけて7600億トークンの計算を行ったと紹介した。工程の段階ごとにハルシネーションを防ぐ仕組みを入れているとも述べた。

> 「ある回答を取るために十分な情報量。それは別に100じゃなくて99でもいいわけです。」（映像 29:09）

### まとめ ― 組織の外にある知識で、確かな判断の基盤をつくる

西村は、esse-senseを2021年に、国内に34万人いる研究者の知的資本が産業の中であまり使われていないことを解消するために立ち上げたと述べた。ANSWER＋で行っていることもそれと変わらず、学術、産業、政策、未来の兆しといった組織の外にある知識を使うことで、思いつきや偶然でなく、確かな知見に基づいた組織行動を作っていくことだという。生成AIに書かせるのではなく記録を引かせ、人が考えて判断するための支えにする。説明会で語られた問題意識は、この一点に集まっていた。

> 「確かな知見に基づいた基盤のある組織行動を作っていく」（映像 32:10）

## 構成（章と時刻）

- 00:03 開会と本日の流れ ― 三浦が開会し、9月1日にリリースされたANSWER＋を、学術知と産業側のデータベースを組み合わせて未来戦略の策定を支える仕組みとして紹介した。会社紹介、開発の背景と特徴、デモ、費用とトライアル、質疑応答の順に進めると案内し、西村が問題意識から話すと述べて始まった。
- 04:00 esse-sense が目指していること ― 知的資本と産業のあいだ ― 西村は esse-sense を、国内34万人の研究者が持つ知的資本と産業の分断を解消するために2021年に立ち上げた会社だと説明した。学術界と産業界の間に立つ Translational Edit で知を解体・編集・再構築し、ブルームバーグが金融情報の非対称性を変えたように知的資本のブラックボックスを変えていくと述べた。
- 07:15 ANSWER＋に至るまで ― 2021年からの積み上げ ― 2023年から取り組むANSWERプロジェクトは突然出てきたものではなく、2021年のメディア立ち上げ以来の研究知の発掘整理や翻訳と接続の積み上げの上にあると西村は述べた。知の整理・翻訳・アクセスにテクノロジーを組み合わせ、AIに答えさせるのではなく、背景のデータベース構築に力を入れていると説明した。
- 09:19 なぜ生成AIに直接答えさせないのか ― AIを入れても100社のうち95社では成果が出ていないという調査（出典は講演で示されていない）、結果を確かめず隠して使う傾向、そしてハルシネーションの3点を西村は挙げた。生成AIは回答する仕組みでなく、ハルシネーションは構造上の問題で解消しないと述べ、AIの誤りによる司法的な問題が87件から2200件近くへ増えた例を紹介した。
- 15:58 産業革命から読むAI革命 ― 負荷は末端にかかる ― 産業革命の機織りの自動化で、自動化できない部分に負荷が爆増したことを引き、AIでも確かめる・直す・資料に当たる労働が末端に増えると西村は述べた。この主従を逆転させ、先に確かめて資料を紐づけたものを作る、つまりAIに記録を引かせるのがANSWER＋の考え方だと説明した。
- 21:48 esse-sense の開発の歴史 ― 2024年1月から生成AIで研究者をマッチングする取り組みを始め、2025年には科研のデータをもとにしたデータベース構築、同年10月からはデータベースと解析の連動、2026年3月からは複数のデータベースで問いに答える仕組みへ切り替えたと西村は述べた。開発の間隔は15ヶ月からほぼ2ヶ月に縮まったと説明した。
- 24:44 ANSWER＋の仕組み ― 先に調べて、後から書く ― 一般的な生成AIは問いに対してすぐ文章を作り、使う人が最後に確認する回転を繰り返すだけで組織の学習が進まないと西村は述べた。ANSWERでは、準備したデータベース群から記録を引き、それを素材に文章を作り、文献の実在を検証して根拠をたどれる回答にする。結果を次の材料に戻すサイクルは開発中だと説明した。
- 27:53 292のデータベースと「十分さ」 ― 292のデータベースと4億3000万レコードには研究者・論文のほか、上場企業のIR、投資、プレスリリース、政策、未来洞察の情報があると西村は述べた。十分な情報量を理論的飽和の考え方で決め、複数のデータベースが補い合う形にし、半年で7600億トークンを処理して全工程にハルシネーション対策を置いたと説明した。
- 31:49 組織の知的作業と、次のバージョン ― 組織の外にある学術・産業・政策・未来の兆しの知識を使い、思いつきでない組織行動を作ることが目的だと西村は述べた。次のバージョンでは戦略策定より広い範囲に回答を当て、組織ごとのプロジェクトデータベースを基本のデータベースにくっつける仕組みを年内には提供できるのではないかと語った。
- 36:37 デモ ― 問いから素材、構成、文章へ ― 西村は「孤独」についての論考を依頼し、出力の形を選んで聞くだけの操作を示した。AIは電話交換手として292のデータベースのどこに素材があるかを探し、今の感覚で3分から5分ほどで素材を集め、構成を組み立て、間をつなぐ文章を入れると説明した。出てくる内容はすべてバックデータを持ち、引き直せるのが最大の特徴だと西村は述べた。
- 44:01 次のリリース ― 追加解析とフルレポート、プロジェクト専用データベース ― 出たレポートに問いかけてまとめ方を変える追加解析は来月ぐらいにはリリースできそうだと西村は述べた。構成を決めてあるフルレポート、レポートに問いかけて必要なら他のデータベースを探り直す機能を示し、御社専用のデータベースと共通データベースを組み合わせる仕組みは年内を目指して作っていると語った。
- 48:49 フルレポートの型 ― フルレポートは、要旨、キーポイント、現状、分野別の状況、3年後・10年後・10年以上の将来動向、自分の立場で読むべきことという型で書くもので、10万文字ほどあっても制作時間は5分から10分弱だと西村は述べた。読むのが大変なので追加解析が要るとし、論考・フルレポート・データで止める3つのモードを紹介した。
- 51:30 料金とトライアル ― 説明会時点の案内として、三浦が1ヶ月3名分50万円のトライアル、月々80万円のベーシック、内部データと結合するエンタープライズを案内した。トライアルはオンボーディングセッションで利用目的と検証するプロジェクトを設定してから始め、リフレクションを経て正式契約に移行すると説明し、10月26日の次回開催を告知した。
- 54:07 結びに ― 西村は、AIを使って余計に大変になることが蔓延しており、調べると大量の問題が起きていたと述べた。人類が蓄積してきた知見をもとに判断し実行することが広がってほしいとし、今は企業や大学向けに作っているが、パソコンの歴史のように徐々に個人向けになっていくとよいと語って締めくくった。

## 質疑応答（要旨）

**Q. 参加者から、出力の文字数を変えた場合に参照するデータベースや探索の深さも変わるのか、という質問があった。**

A. 文字数が多いときは不十分にならないようデータの探索を深くし、短い出力では十分なデータが取れた時点で早く出すようにしていると答えた。網羅的に知りたいときは長いものを作って要約するか、レポートにせずデータで止めてから簡潔にまとめる道があると説明した。

**Q. 参加者から、年内に予定しているアドオンのデータベースを入れたとき、特定のデータベースをあえて外す調整はできるようになるのか、という質問があった。**

A. 可能だと西村は答え、チェックを入れて範囲から外す形は簡単なので、外せるように開発しておくと述べた。これまで外したい人がいるとは思っていなかったが、今回それが分かったとも語った。

## 用語

- **ハルシネーション**: 生成AIが、元の文章にないことや存在しない判例・文献を、それらしく作ってしまう現象。生成AIは回答するための仕組みではなく言葉を紡ぐ仕組みなので、構造上必ず起こり、最新のモデルでも解消しないと西村は説明した。
- **AIの取りこぼしを拾う新たな労働**: AIに書かせた後に人が確かめ、直し、元の資料に当たる仕事。産業革命で自動化できない部分に負荷が集中したのと同じく末端にかかり、隠して渡せば相手に移ると西村は述べた。
- **理論的飽和**: ある回答を出すのに十分な情報量に達した状態。100でなく99でも十分なら回答できるという十分さの考え方で、15年ほど続けてきた方法を自動化し、データベースの種類と量を決めていると西村は説明した。
- **電話交換手**: デモで西村がAIの役割を表した言葉。292のデータベースのどこに問いに関連する情報があるかを紐付ける部分だけをAIが担い、文章を書く役は担わないという意味で使われた。
- **フルレポート**: 要旨、キーポイント、現状、分野別の状況、将来動向、自分の立場で読むべきことという決まった型で書く網羅的なレポート。10万文字ほどでも型が決まっているので5分から10分弱で出せる一方、読むのが大変だと西村は述べた。
- **データキット**: 問いに対して文章を作らず、データベースから集めた素材の段階で止めておく出力の形。そのデータに問いかけて回答を作ることができ、フルレポート・論考と並ぶ3つのモードの1つとして紹介された。
- **追加解析**: 出てきたレポートに対して、リストアップや特定の内容だけを残すといった指示でまとめ方を変える機能。新たに書かせるのではなく、必要なら他のデータベースを探り直す。来月ぐらいにはリリースできそうだと西村は述べた。
- **プロジェクトデータベース**: 組織ごとに必要な地域・産業テーマ・人間理解などの情報をオリジナルのデータベースとして構築し、ANSWERの基本的なデータベースの脇にくっつける仕組み。年内には提供できるのではないかと西村は述べた。
- **オンボーディングセッション**: トライアル開始前に、ANSWER＋をどの利用目的でどんな価値のために使い、どのプロジェクトで検証するかを設定し、それに準じた活用の仕方を伝える場。三浦が案内した。

## 書き起こし（音声認識を校正したもの。聞き取りの誤りが残る可能性があります）

[00:03] それでは時間になりましたので
[00:07] ANSWER＋の説明会を
[00:10] 始めたいと思います
[00:12] 皆さんご参加いただきましてありがとうございます
[00:18] 本日の
[00:20] 今日進行します、esse-senseの共創推進チームの三浦と申します
[00:24] よろしくお願いします
[00:26] 皆さんにご案内をさせていただいているのは、共創推進チームの同じく
[00:31] 大谷でございます。この2人でサポートしながら進めてまいります
[00:39] 今日は説明会ということで、こちらからご案内をさせていただきながら
[00:44] 進めてまいりますけども
[00:46] 9月1日にリリースしたANSWER＋というですね
[00:50] 企業の未来洞察ですとか未来戦略策定において
[00:55] 情報収集して意思決定をですね迅速にご支援する仕組みがリリース
[01:00] されました
[01:02] こちらは従来のesse-senseが積み重ねてきたですね
[01:06] 学術知のデータベースとそれから産業側のデータベースと
[01:11] 組み合わせて、未来戦略を策定する上で強力なツールになって
[01:17] おります。今日はこちらがどのような特徴があって、どのように
[01:21] 活用できるのかということをですね、代表の西村からご案内をさせて
[01:25] いただきます
[01:28] 今日のアウトラインですけども
[01:30] まずesse-senseについて、まだ詳しくご理解されていない方も
[01:35] いらっしゃいますので、まずesse-senseがどんなことを目指してどんな
[01:38] 活動をしている団体なのか、組織なのかということをご紹介させて
[01:42] いただいて、それからANSWER＋の開発の背景ですとか特徴をご
[01:46] 紹介します
[01:48] それから実際にどのように活用できるのかというデモを交えながらご
[01:53] 紹介させていただいて、最後にANSWER＋がどのような費用感で
[01:57] どんなトライアルでスタートできるのかということをご紹介をした上で
[02:03] 皆様のご感想ですとか質疑応答の時間としてご用意をしています
[02:10] 随時ですね、ご質問ですとか感想みたいなところはチャット欄にご
[02:15] 記入いただければと思います。お昼時間なので耳だけという方も
[02:18] いらっしゃると思いますので、ぜひチャット欄をご活用してメッセージ
[02:23] いただけたら嬉しいです。どうぞよろしくお願いします
[02:27] それではesse-sense代表の西村より始めさせていただきます
[02:31] よろしくお願いします
[02:33] はい、三浦さんありがとうございます
[02:36] 三浦さんはちゃんとesse-senseだけど、僕は謎のアカウントで申し訳ないです
[02:41] 皆さんありがとうございます
[02:45] 今日は普段と少し変わって、esse-senseが取り組んでいるこの
[02:51] ANSWER＋という取り組みが
[02:53] どのようなものなのかというデモももちろんするんですけども、なぜこの
[02:57] ようなことをやっているのかということを、少し私たちの問題意識も
[03:02] 含めて
[03:05] お話しさせていただければなと思っております
[03:10] ちょっと待ってくださいね
[03:12] さすがにちょっとこの背景は変えよう
[03:37] これで今出ていますか、皆さんいかがですか
[03:40] スライド出てますね
[03:45] スライドが出ている、全面で出てる
[03:49] これで全面スライドショーになりました
[03:54] なるほどね、そういうことね
[03:56] ではよろしくお願いします。まず冒頭で
[04:02] 簡単にesse-senseのこと。一応名前は聞いたことがあるとか、
[04:07] なんとなく知っているみたいな方もいらっしゃるんですけど、
[04:11] 一旦本来はこういう会社ですということを5
[04:16] 分くらいで簡単にお話しさせていただいて、
[04:20] ANSWER＋のお話に入っていこうかなと思います。
[04:26] esse-senseですが、知的資本と産業の分断という、
[04:31] 例えば国内に34万人いる研究者の抱える知的資本、これが
[04:37] 産業の中であまり使われていないというような、そういったチグハグを
[04:42] 解消していこうということで、
[04:45] 2021年に立ち上げたスタートアップです。
[04:50] 私たちが目指しているところは下の部分、知的資本の市場を創出する
[04:54] インフラの構築と書いていますが、左側の学術界を中心とした知的資本の
[05:00] 担い手と右側の産業界の担い手、ここの間にブリッジをかける。
[05:06] ただ、それをそのまま直接出会わせてしまっても、なかなか時間軸が
[05:11] 違ったり、言語が違ったり、目的性が違ったりするので、それだけでは
[05:16] 良いつながりにならないねということで、
[05:19] 間に立ってTranslational Editと呼んでいますが、
[05:22] 知的資本をより産業界に使いやすい形に解体、編集、再構築をしていく、
[05:29] そんな産業と社会を支える知のインフラを作っていこうという会社です。
[05:35] そのために私たちはいろいろな取り組みをしているんですが、
[05:41] 目指しているところとしては、
[05:43] 例えばブルームバーグという会社が、
[05:46] それまでは電話であったりメモでやり取りをされていた金融の情報、
[05:52] ブラックボックスになっていて、
[05:54] 一部の人たちだけが持っている、そんな情報の非対称性があった時代から、
[05:59] そこに技術を取り入れることによって、
[06:03] より公平に、より多くの人が手に入れることができる、そんな
[06:08] 状態に移行していったように、
[06:12] 知的資本も同じようにブラックボックス化していて、一部の
[06:17] 人たちはよく知っているけど、だけど世の中の全ての人がそれを知って
[06:21] いるわけじゃないという状態を変えていこうということに取り組んで
[06:26] います。
[06:28] これまで5年強、メディアを作ったり、フォーラムはもしか
[06:33] したら多くの人が参加をしてくださったこともあるかもしれないです
[06:38] が、esse-sense Future Forumという場を作ったり、
[06:40] いろいろなことをやってきています。
[06:44] その傍らで、2021年の創業時からずっとやってきていることが、今回お
[06:49] 話しする、どうすれば属人的な方法論ではなく
[06:55] システムとして知的資本を産業界につなげていくことを作ることが
[07:00] できるだろうかという、そんな取り組みです。
[07:04] なので、これまでもしかしたらこのインタビューというメディアで
[07:07] あったり、フューチャーフォーラムというところで知り合っている方も
[07:11] 多くいらっしゃるかもしれないですが、
[07:13] 今日はちょっと目線を変えて、2023年から取り組んでいる
[07:19] 生成AIを用いた研究者の知をどう産業につなげていくのか、
[07:24] ANSWERプロジェクトと呼んでいるもののお話をしていこうか
[07:28] と思います。
[07:31] このANSWERという取り組みは、突然出てきたわけではなくて、もともとは
[07:36] 2021年、メディアを立ち上げた当時から、例えば研究知の
[07:40] 発掘整理みたいなことをやってきたり、フューチャーフォーラムということ
[07:44] をやりながら、傍らで産業界にとって重要なテーマを学術界の人たちが
[07:49] どういうふうに読み解くことができるんだろうかという、そんな翻訳と
[07:53] 接続の取り組みをトライしていたりですね、
[07:56] そして、そこにはAIを持ち込むことによって、どうすれば
[08:00] テクノロジー化できるだろうかということで、
[08:03] 実はずっと創業期から取り組んできていることの積み上げの上に、
[08:07] 今回のANSWER＋という取り組みがあります。
[08:12] 知の整理、翻訳、そしてアクセス、ここにテクノロジーを組み
[08:16] 合わせることによって、多くの人が知の活用ができる状況を作って
[08:20] いこうという、
[08:22] そんな取り組みです。このANSWER＋、後で
[08:27] 具体的なデモもぜひ見てもらいたいのでご用意をしています。が、
[08:32] 先ほどの知の整理、翻訳、接続というところに対して、AIの
[08:38] 自動化を入れるわけですけども、そのままAIの自動化を入れるのでは
[08:41] なくて、バックグラウンドでデータベースの構築、ここに非常に力を
[08:47] 入れているという、そんな取り組みです。
[08:52] 仕組みとしては、データベースというものを、AIによって自動化複雑化
[08:57] 高度化をしていく。
[08:58] けど、そのAIに何か答えさせるわけではなくて、あくまでもこの人類が
[09:03] 蓄積してきた知見を集めたデータベースに、多くの問いに
[09:09] 対する回答を作ってもらおうという、
[09:13] そんな取り組みになっています。
[09:17] それはアプリケーションにしているんですが、なんでそんな、ちょっと
[09:22] 回りくどい取り組みをしているのか、AIに答えさせればいいじゃないか、
[09:25] という方も多くいらっしゃるかもしれません。でも、今の生成AIに
[09:31] 直接何か問いかけをしてしまうと、いろんな課題があります。
[09:36] 少しはその課題についても共有をさせていただき、それをANSWERは
[09:41] どうやって超えようとしているのか、というそういった形で、今我々が
[09:47] やっていることの背景にある、生成AIの課題についても
[09:52] 少しここでお話ができればなと思います。
[09:57] まず、この2023年頃から生成AI、ChatGPT3.5という
[10:02] 形で出てきて、
[10:05] これで今2年半ですかね、が経っているという
[10:09] 中で、
[10:12] 実はいろいろな企業にAIを入れていくけれども、それだけでは成果が
[10:17] 出ないというようなことも見えてきました。
[10:21] ただ、AIを入れただけでは価値にはなかなかつながらないということ
[10:25] です。ある調査では、AIを取り入れること
[10:30] によって、5%は価値を出しているけれども、100社あれば95
[10:36] の会社というのは、それだけでは成果が出ていないということが分か
[10:42] ってきています。
[10:43] そして、こんなことも見えてきました。
[10:46] 生成AIに聞いたものをそのまま使ってはいけないよね、というのは
[10:49] なんとなく多くの人が理解をしているところだと思うんですが、
[10:54] 実際には多くの人が、その結果を確かめずに、つまり正確か
[11:00] どうかということは確認せず一番の部分ですね
[11:05] そしてその結果を使っているということを表に出さずに
[11:11] 使っていたり
[11:14] そしてそこに対してクリティカルな考え方を持ち込まず鵜呑みに
[11:19] しながら最終的にはもらった人、その
[11:25] 結果を手にした人に手直しが回ってくるというようなそんなことが
[11:30] 見えてきました。特にこの右下にある、使ったことが隠れるという
[11:36] のが大変厄介なところで、AIを使うということ
[11:42] 自体を知られることが、自分の能力であったり生産性の低さを
[11:47] 示してしまうんじゃないかというそんな不安があるというような
[11:51] 回答結果があるんですけれども
[11:54] 使っているということを隠すというようなこと、非開示的に使うという
[11:59] ようなことが見えてきたりしています
[12:04] そしてハルシネーションですね
[12:06] 先ほどのChatGPTの回答を鵜呑みにするというのはちょっと
[12:10] 危険なんじゃないかというのはハルシネーションの問題があるわけです
[12:15] けども
[12:16] 今2026年の段階でモデルがどんどん進化発展を
[12:22] していても、それでも例えば資料を渡して要約すると
[12:28] もともとの文章にないことが出てきたり、もしくは検索をそこにかけたと
[12:34] しても
[12:35] 検索結果を誤ってそこに
[12:41] 書いてしまったり、ある知識を問うとそれに対して無理やり回答を作って
[12:46] しまうので
[12:48] その正解が出てこないときに、その無理やりの中に多くのハルシネーションが
[12:53] 起こってしまったりということで
[12:56] 生成AIはもともと何かを回答するための仕組みというよりは
[13:00] それらしく言葉を紡いでいくための現象が起こっているということ
[13:05] なので
[13:08] 確実な回答を作るための仕組みとして作られているわけでは
[13:11] ないわけですよね。そんな中でハルシネーションというのは構造的な
[13:17] 問題なので、解消することは基本的にはないということで、
[13:22] 今でももちろん続いています。
[13:27] 最新のモデルであっても、それは変わらずあるというところです。構造上の
[13:32] 問題です。
[13:33] 結果、AIの誤りによって起こる司法的な問題が、
[13:39] 激増しているわけです。
[13:42] 2025年に87件しかなかった、そういった司法的な
[13:48] 問題は、2026年の10月の段階で、あっという間に
[13:53] 2200件近くまで増えてきています。
[13:58] 様々な問題が起こっていまして、右側にあるように、例えば弁護士の人が、
[14:03] 架空の判例を裁判所に提出してしまった。意図せずですけれども、AI
[14:09] が出してきた判例をそのまま載せて、それは存在しなかったというような
[14:14] ことであったり、
[14:16] もしくは、これは2025年の10月にオーストラリアで
[14:22] 起こったのですが、
[14:24] あるコンサルティング会社が政府向けの報告書の中に、架空の文献を
[14:29] 載せてしまって、
[14:30] 結果的には返金をするというような騒動になったりですね、
[14:36] そういった問題がどんどん増えてきているということと、
[14:42] それに対してのコストも表れてきているというようなことが、
[14:48] 分かってきています。
[14:51] こういった生成AIというのは、そもそもがそれに回答するための
[14:56] 仕組みとして作られているわけじゃないということと、
[14:59] とはいえ、それらしいことを言ってくれるので、
[15:02] それがあるときには役に立つけれども、ハルシネーションというのは必ず
[15:07] 起こるというような問題。そんな問題の中で、実際に現実社会の中で、
[15:13] 様々な問題が引き起こされてきているというような、そんな
[15:18] 状況があります。
[15:21] こういった問題に対して、確かな知見を産業につなげて
[15:26] いきたいという、esse-senseの知的資本の考え方からすると、
[15:32] AIを使うと何かそこにアクセスできそうだけれども、どうも逆に
[15:35] すごくもったいないことがたくさん起こってしまっている。
[15:38] そうすると、何か確かな知識に基づいて活動するということ自体が、
[15:45] もしかしたらちょっと下火に、減ってしまうんじゃないか、そんな
[15:51] 危惧もあったりします。これをどう解消できるかというのが、
[15:55] ANSWER＋がやっていることです。
[15:59] ちょっと目線を別のところに移してみたいんですが、そういった
[16:04] ハルシネーションの問題があると同時に、これはその、働く人たちにとって
[16:09] の負荷の問題も同時に起こっています。
[16:13] AIというのは労働革命という側面を持っているわけですけれども、じゃあ、
[16:18] 過去、その労働革命があったときにどんなことがあったのか。
[16:23] それを見ることで、今起ころうとしていることが、少し解像度高く
[16:28] 見えるんじゃないか。そんな形で、過去の労働革命、つまり産業革命ですね。
[16:34] 産業革命で起こっていたことと、今AI革命で起こっていること、もし
[16:39] 似ている部分があるとすると、それはどういうふうなところが似ているの
[16:44] か。
[16:45] かつ、それによって今起こっていることを、どうもう少し解像度高く読み
[16:50] 解けるのか、というような、そんな調査をしていました。これは産業革命と
[16:56] AI革命の共通する点、真ん中の共通する仕組みというところが、
[17:01] 共通点なんですけれども、それを見越していっている表です。
[17:07] そこで起こっていることで、面白いというか、すごく
[17:12] 興味深いなと思ったことの一つが、
[17:15] 産業革命の当時も、例えば右側にあるような機織りの自動化ですね。
[17:21] 機織りの自動化をすることで、布がものすごい高速にたくさん、
[17:25] 品質高くできるというようなことがあったんですけども、
[17:29] でもよくよく見てみると、この機織りの自動化というのは
[17:33] 全自動になったわけではなくて、
[17:36] 最初の段階、途中の段階、最後の段階、段階の各所各所で自動化できていない
[17:42] 部分がある。
[17:43] その自動化できていない部分に対しては、実は負荷が爆増して
[17:48] いたということもありました。つまり、機械がやってくれる部分は
[17:54] とても高速に、もしくは楽にできるようになる。
[17:59] 一方で、その周りにやらなければいけないことが残っている。全てが
[18:05] 自動化できるわけではないように残っている。その残っている部分に
[18:08] 関して誰かがやらないといけないので、その負荷がある種末端にかかって
[18:14] くるというようなことがありました。ということはもしかすると、今の
[18:20] AIの利用というのも、同じような負荷が末端にかかって、AIで
[18:25] 楽になっている部分はあるかもしれないけれども、できない部分が
[18:28] ある。できない部分に対して負荷が爆増しているんじゃないかという
[18:33] ようなそんな見立てが立つわけです。
[18:36] この見立てを図にしたものがこの左のビフォーですが、
[18:41] 何かAIに書いてもらうと、そうすると確かめる必要があるとか、直す
[18:46] 必要があるとか、
[18:47] 間の部分を拾っていく必要がある、もしくは元の資料に当たっていく
[18:52] 必要がある、そういった末端の新しい負荷が増えてしまって
[18:56] いるわけですね。真ん中は大量に出力されるわけですけれども、そこの
[19:00] 出力が早く多くなるごとに、確かめるもの、直すもの、
[19:06] 探すべきものがより多くなっていくということで、
[19:10] ここの負荷がどんどん増える。しかもそれを隠してもし渡した
[19:15] 場合、相手の人にその負荷が渡ってしまうという可能性もあります。
[19:22] このAIの取りこぼしを拾うという新たな労働、
[19:26] この労働を、もしAIに何かを書かせてしまうと起こしてしまって
[19:32] いるんじゃないか。
[19:33] この主従を逆転させる。つまりAIの取りこぼしを人が拾って
[19:39] いくわけじゃなくて、
[19:40] 人がやっていることをAIに支えてもらうとしたら、どういう支え方を
[19:45] するといいだろうかというのが、右側のANSWER＋、我々が目指して
[19:50] いる姿です。
[19:52] これはもうすごくシンプルで、後から確かめたり直したり
[19:57] 資料を探し直したりしないといけないのであれば、
[20:01] 先に確かめて直して、資料も紐づいて
[20:07] いるものを作ってしまおうという、
[20:09] たったそれだけのことなんですけれども、なのでANSWERという仕組みは
[20:13] データベースもたくさん作るというようなことをやっています。ここに
[20:17] 検証済みの、そして紐づきのある元の参照情報がしっかりと分かって
[20:23] いる情報群を集めることによって、そこから引いてくるということ
[20:29] をAIの役割にし、書かせるのではなくて、記録を引くということに役割を
[20:35] スイッチすることによって、人が何かを考えて判断して決めていくための
[20:40] サポート役という形に、主従を逆転させる。人を支える
[20:46] AIのあり方に変えていこうという、
[20:50] そんな考え方です。
[20:53] なので今私たちがやっていることは、単にたくさんデータベースを並べれば
[20:57] 何か面白い答えが出てくるというよりは、今の生成AIが引き起こして
[21:02] いる2つの課題、1つはハルシネーションの問題、
[21:05] そして結果的に残る2つ目の、AIが取りこぼした労働を人がしないと
[21:11] いけないという新しい負荷、
[21:13] これをなくしていこうということで作り上げた仕組みです。
[21:20] 実際、AIを使っていくというのは、家庭の中で普通に自分でやって
[21:26] いるときにはちゃんと確認をするけれども、仕事の中でAPIに組み
[21:30] 込まれていたりすると、確かめないで使うみたいなことも分かって
[21:34] しまっています。仕事の上ほどAIに任せてしまう、つまり取りこぼしが
[21:39] たくさん発生してしまうというようなことが分かっています。
[21:44] それをやろうということでやっているんですが、
[21:49] esse-senseのことに少し話をシフトしていくとesse-senseは2024年の1
[21:54] 月からこの生成AIを使った情報の提示の方法論の開発を行って
[22:00] きました。
[22:01] 一番最初にやったことは、生成AIがあれば、場合によっては研究者のこと
[22:07] をマッチングをするということをより簡単に、つまり自然言語は今では
[22:12] 当たり前ですけども、自然言語で処理することが簡単に
[22:15] できるんじゃないかとか
[22:17] もしくは自然言語で処理したマッチング先をちゃんと提示することが
[22:21] 簡単にできるんじゃないかとか、
[22:24] もうたった2年半の間にそんなことは当たり前だみたいになって
[22:28] しまいましたが、当時は自然言語で処理するということ自体もまだまだ
[22:33] 新しかったので、そこからスタートした取り組みです。
[22:39] 少しずつ発展をし、2025年からは生成AIを使って大規模な
[22:45] データベースを作ることができないだろうかということで、
[22:48] 科研といわれる研究者のデータベースをもとに、より
[22:53] 分かりやすく、より使いやすいデータベースを構築する
[22:59] データベース構築の取り組みを行っていたり、2025年の10月からは
[23:05] データベースと解析を連動させるということで、
[23:09] 検索結果に基礎データを加えて、
[23:12] よりデータを補強した状態でその解析結果を出したり、それ自体をまた
[23:18] マッチングのもとにするというようなこともやってきました。ここから
[23:23] 2026年の3月に移り、いよいよ一つのデータベース
[23:29] だけではなくて、複数のデータベースを並べることで、単なる
[23:34] 研究者紹介ではなく、
[23:37] 質問に対して回答を行うという仕組みに切り替えていったのが、今年の
[23:42] 開発の歴史経緯になります。そしてその開発スピードも
[23:48] どんどん速くなってきていて、一番最初は15ヶ月かかっていた
[23:53] 開発が6ヶ月になり、4ヶ月になり、3ヶ月になり、そして
[23:59] 今はほぼ2ヶ月に1回新しいアップデートができるような、そんな
[24:03] スピード感で、開発の速度自体も上がってきました。
[24:09] 今ご案内をしているのはステップ4で作った
[24:13] 200ほどのデータベース群をもとに回答をするという仕組みですが、
[24:17] 実はもう次のバージョンができていまして、今日はその次の
[24:22] バージョンも少し皆さんにご紹介できればなと思っています。そんな形で、
[24:26] esse-sense自体も、生成AIが一般に紹介された2023年の12
[24:32] 月から、
[24:34] 当時いち早くそういった取り組みに参画をしつつ、自社の
[24:39] 開発速度自体も上げながら今に至るというところです。
[24:45] 何をやっているのかということなんですけれども、
[24:48] これは一般的な生成AIに対して、問いを出したときにどういうプロセス
[24:54] で回答が出ているのかというような、そんな流れのフローを示した図です。
[25:00] 一番左に何らかの問い。例えば、こんな企画を今考えている、こんな
[25:04] 事業計画を持っている、
[25:07] もしくはこんなテーマについて戦略を考えたいと思っている、そういった
[25:11] 問いがある。それに対して、2つ目のステップで、一般的な生成AIはこの
[25:16] 段階で、じゃあということで文章を作るわけですね。
[25:20] そして、もっともらしい回答が出てきます。そして先ほどの話で、一番最後の右側
[25:26] 5番で使う人が確認をするという作業があったり、場合によってはその
[25:31] まま共有されてしまうということがあって、1回転。
[25:36] 1回転、次というのはまた左側に戻って、問いに戻る。このまま繰り返しを
[25:42] しているわけです。
[25:45] そして結果的には、根拠と記録がつながっていなかったり、確かめる手
[25:50] 間が人に残ってしまっていたり、
[25:53] 回転をしているだけなので、
[25:55] 組織の中の学習が進むわけでもないというような、そんな状況があります。
[25:59] これが一般的に生成AIを使ったときに発生しているプロセス
[26:06] それをANSWERという取り組みは、こういう形に変えようとしています。
[26:11] 何かの問いがあることは変わらないです。企画を考えている、事業計画が
[26:15] ある、あるテーマの戦略を考えている、これは変わらないです。
[26:18] その問いに対して、AIには事前に準備したデータベース群から
[26:24] 情報を引き出してくださいということを依頼をします。
[26:28] そしてデータベース群の中から記録を引いてくる、それを素材に
[26:33] 文章を作る。つまり、いきなり文章を作るというのが、先ほどの一般的な生成
[26:39] AIだったんですけど、いきなり文章を作らないわけです。まずは素材を
[26:43] 探してくださいと、その素材をもとに文章を作り、そして
[26:48] 文献が確かに存在するかどうかという検証作業を経て、
[26:53] 根拠をたぐれる回答を作成すると、
[26:57] そうすると元の記録にいつでも戻れるということで、確かめる手間も
[27:02] 減るし、ある種確からしい情報を提出することが
[27:07] できるということと、
[27:09] そして今これ開発中と書いていますが、さらにそこで出てきた
[27:15] テーマや回答結果というものを、次のプロジェクトのための
[27:20] 材料としてまた戻すというような、そんな一連のサイクルを
[27:26] 作っていっています。今は上のフローの部分を提供しています
[27:31] が、この状態でもいきなり書かないということで、
[27:35] まずは準備済みのデータベース群、これを使って書く
[27:41] 素材を並べてから書くということをやっています。じゃあ準備済みの
[27:45] データベースに何もなかったら、出てこないじゃないかということ
[27:49] になるので、それで大量のデータベースを作る必要があるわけです。
[27:54] 今ANSWER＋のもとには292のデータベースが、4億3000
[27:58] 万レコードの情報を持って
[28:04] 回答作りに当たっています。その中にはもちろん研究者の
[28:09] 情報や論文の情報、そういったものもありますし、
[28:13] 文化に関する情報や産業、例えばどういう領域に投資が行われているのか、
[28:19] この会社はどんな事業計画を出しているのか、IR情報であったり、
[28:23] 投資情報もしくはプレスリリースや、R&Dの情報を
[28:28] 蓄積をしていっています。その量が、例えば日本の
[28:34] 上場企業全てのIRの情報を解析をして取り込んでいくということで、
[28:41] 取り込んだときにちゃんと参照ができるような状態を保ち
[28:45] 続けるということをやっています。
[28:49] 加えて他にも、未来洞察の情報であったり、政策の情報、
[28:54] 今実際に行われている政策はどんなものなのか、こういったものを
[28:59] 集めていきます。
[29:01] これはもともと、ANSWERを作る前からずっと取り組んでいた
[29:06] 十分な情報量っていうのは何なんだろうということで、
[29:09] 理論的飽和という考え方があるんですけど、ある回答を取るために十分な
[29:14] 情報量。それは別に100じゃなくて99でもいいわけです。
[29:20] 最後の1がなくても十分な情報であれば十分に回答できるという、その
[29:25] 十分さを理論的飽和というふうに呼ぶんですけども、その段階まで
[29:31] 持っていくということを、実は15年ぐらいそういった取り組みをずっと
[29:37] やっている。
[29:38] その取り組みの中で培った方法を自動化することで、全てを取らなくても
[29:43] 十分な情報があれば回答ができるという、
[29:47] そんな仕組みを作っていっています。データベースの種類も十分さが
[29:52] あるので、
[29:53] 何でもかんでもたくさんあればいいわけではなくて、
[29:56] この観点を回答するにはこの領域のデータベースがいるねと、それ1
[30:01] 個じゃ足りないからもうちょっとこういうものがいるねという形で、
[30:04] 十分さを手に入れるためにこういった体制を作って、そうすると
[30:10] 1つのデータベースを徹底的に大きくするわけではなくて、
[30:14] 複数のデータベースがお互いに補うような、そんな形をとっているのが
[30:19] 大きな特徴です。
[30:22] 実はそれを半年かけて、計算機量でいうと7600億トークン
[30:28] という膨大な量の計算をしながら、
[30:35] 例えば日本のWikipediaにおける記事の数じゃなくて単語の数で
[30:40] いくと16億単語ぐらいあるんですけども、
[30:45] 迫ってはいないですけど、でも4億3000万件の言葉という意味では
[30:50] 近い単語量を作りながら、事実上は
[30:56] 上限ない結果を出すことができるような、そんな仕組みになって
[31:02] きました。
[31:03] これによって、先ほどの生成AIが起こすハルシネーションが
[31:09] 起きる段階段階で、違う仕組みを入れることで、徹底的に
[31:14] 全工程でハルシネーションが起こらないような、そんな体制を作って
[31:18] います。今やっていることはこういった取り組みで、先ほどの整備した
[31:24] データベース群というのが、実際には1つ2つではなくて292個の
[31:29] 大量の種類のあるデータベースを
[31:33] 作り、これによってAIが質問を
[31:39] 持ったときに引いてくる情報を十分に確保して、そこから
[31:43] 回答を生み出していくという仕組みです。
[31:51] 結果的にやっていることはesse-senseが言っていることとずっと
[31:55] 変わらないので、組織の外にある知識。それは学術の知識もあれば、
[32:00] 産業に関する知識もあるし、政策もあるし、場合によっては未来に対する
[32:05] 兆しみたいなもの、そういったものをちゃんと使うことで、思いつきで
[32:10] あるとか偶然で組織行動が起こらない、確かな知見に基づいた基盤のある
[32:16] 組織行動を作っていく。
[32:19] そんな知的資本が届かない組織行動に、知的作業をしていくということで
[32:25] います。これがesse-senseが問題として捉えて
[32:30] いること、そしてその回答として取り組もうとしていることです。
[32:37] 今は戦略策定のための仕組みとして提供していますが、実は
[32:42] 今作っている新しいバージョンというものは、
[32:47] 戦略というのはある程度フレームがあるので、そのフレームの中の情報が
[32:51] 十分であれば機能するんですけども、
[32:54] 例えば回答の形式が変われば変わるほど、種類が増えれば増えるほど
[32:58] 必要なデータが爆発的に増えるんですね。
[33:02] 最初はだから戦略のためであればフレームがあるからきちんと
[33:07] 回答できるなというところから、今は企画開発ぐらいであれば十分に
[33:13] 回答できるなというところに、データベースの十分さが上がって
[33:18] きたので、次のバージョンはより広い範囲にこの回答を当てて
[33:24] いけるようにしています。
[33:27] そしてもう一つさらに作っているのは、組織内の必要なテーマ
[33:32] というのが組織ごとに違うので、
[33:35] あるテーマにおいてはより地域に特化した情報が必要であったり、
[33:40] ある組織においては、
[33:43] 例えば自分たちの産業テーマに関しての精緻な情報が必要であったり、
[33:48] ある組織においてはもっと人間行動に関する、もしくは人間理解に関する
[33:52] 情報が必要であったり、組織において必要な情報というのは違うんです
[33:57] けれども、その組織ごとに必要な情報もオリジナルなデータベースとして
[34:02] 構築して脇に置くことによって、基盤となるANSWERシステムの
[34:08] 基本的なデータベースと、
[34:10] 組織ごとに必要なオリジナルのデータベース、プロジェクトデータベース
[34:16] とかに呼んでますけど、プロジェクトデータベースをくっつけることによ
[34:19] って、組織が必要としている情報により丁寧にアクセスしていくこと
[34:25] ができるという仕組みも、今作り始めているところです。
[34:30] おそらくこれは年内には提供できるんじゃないかと思って
[34:36] 今開発を進めているところです。
[34:40] ということで、ANSWERという仕組みはAIが書いているように
[34:45] 一見見えるんですけども、実は全く逆でAIに書かせないための仕組みと
[34:50] して開発をしてきました。
[34:52] その背景には、生成AIというのは別に回答するために作られたシステム
[34:57] ではないというものがあります。たまたまそれらしいことが
[35:01] 言えるようになったと。それは素晴らしいんですけども、でももともとは
[35:05] 翻訳機なので、言語と言語の間をつないでいく翻訳機であると。その
[35:09] 翻訳機の良さを最大限引き出す、かつ今起こっている組織内の
[35:15] 新しい労働ですね。AIが書いたものを確認しないといけないという労働、
[35:20] これを起こさない、減らしていくというために
[35:24] 作った、データベースを引っ張るということをAIにやってもらうための
[35:29] 人の働き方をサポートするシステム、仕組みがANSWER＋という
[35:35] ものです。
[35:37] そこが説明なんですけども、
[35:41] 実際どんなものかみたいなものを、この後見ていただこうかなと思います。
[35:48] 一旦まずは説明という意味ではここで区切りますが、
[35:52] 三浦さん、いかがでしょうか。
[36:01] 一回消しますね。
[36:05] まずは生成AIじゃないんだ、みたいなことを知ってもらえると嬉しいのと、
[36:11] 今AIを使うと余計忙しくなっている、みたいな問題があったり、もしくは
[36:17] 使っても全然役に立たない、みたいな問題があったりすると思うんです。
[36:21] けども、
[36:22] それは当然で、回答するための仕組みとして作ってないですから。
[36:26] じゃあ回答するための仕組みをちゃんと作ったらどうなんだろう、という
[36:30] のと、そもそもそういうことをずっとやってきているので、
[36:33] それはAIによって高度化した、というようなところです。
[36:43] そんな形で、まずANSWERという仕組みの中には、いろんなこういった
[36:49] データ、
[36:52] 例えば世界中にこういう研究者がいる、みたいなデータもあれば、
[36:56] この産業では今こんな構造、市場があったり、競争、需要があったり、
[37:02] 技術、政策があったりする、みたいなことであったり、
[37:07] 世界中の、もしくは国内のスタートアップの情報や、世界中の
[37:11] ベンチャーキャピタルの投資情報みたいなものが入っていたり、
[37:16] ちょっと変わったところだと、未来洞察みたいなものを大量に蓄積して
[37:21] いるということや、政府の政策に関する審議会の情報や、
[37:27] 実際の予算の状況、政策の情報、そういったものを進めていたりします。
[37:33] 十分かどうか、みたいなことが、さっき言ったようにポイントなので、
[37:37] ちょっとここは重点的に行こう、みたいなのがあれば、例えば今だと、
[37:41] 成長戦略みたいなのを重点的に取っておこう、みたいな形で改造だけとか、
[37:46] みたいなことをやっていたり、
[37:49] 人文知みたいなのも必要だよね、っていうのがあったりするので、じゃあ
[37:53] 人文知みたいなものも先に収集していこう、というような、そんなことを
[37:58] やっています。それをもって、
[38:02] これが今、アプリケーションとして運用しているものですが、
[38:08] ですが、
[38:10] こんな形で、何らかのテーマ、問いみたいなものを入れていくことで、
[38:15] 回答を出していく、というような仕組みです。何でもいい
[38:20] んですけども、例えば孤独についての論考を書いて、
[38:25] みたいなことで、
[38:27] フルレポートか、短めのレポートか、もしくはバックグラウンドの
[38:31] データキット、
[38:33] アウトプットの形を決めてもらって、聞く、という
[38:41] それだけです。
[38:44] 生成AIのように反応を出すわけではないので、調べに行く、というの
[38:49] が、ANSWERの仕組みです。
[38:53] 今だから、問いかけに対して調べに行っています。
[38:59] 292のデータベースの、どのデータベースに、今回の問いに
[39:03] 関連するような情報があるだろうか。4億レコードあるので、4億の中の
[39:09] 必要な情報に当たりに行くために、どこにそれがあるのかな。この
[39:15] 紐付けの部分、電話交換手の部分をAIがやっています。
[39:21] なので、AIは書くんじゃなくて、電話交換手だけをやる。そうすると、この
[39:26] データベースの中に、一部回答に使えそうな素材があるんじゃないか、
[39:32] こっちのデータベースにもちょっと素材があるんじゃないか、もしくは
[39:36] 別のデータベースに素材があるんじゃないか、そんな形で、例えば
[39:42] 孤独に関する政策もあれば、孤独に関する学術もあるし、孤独に関する
[39:47] 産業の話もあるし、もしくは社会的な課題や市場になって
[39:53] いるいろんなデータがその中にあるわけで、それを一遍に
[39:58] まるっといきなり書くではなくて
[40:01] まずは素材を集めるっていうようなことをやっていきます
[40:08] その素材を集める時間が大体今の感覚だと3
[40:13] 分から5分ぐらい
[40:16] その素材が集まった後に、それを今度組み立てていこうということで
[40:21] この問われた問いに対して、どれぐらいの長さで回答しようかなとか
[40:27] もしくはどんな構成でそれを答えていこうかなということを、組み立てを
[40:32] 行っていきます
[40:36] 素材を、料理をフルコース出すように組み立てていって
[40:42] まず前提としてこんな話をしよう、そして後段でこんな話を
[40:47] しようということで
[40:48] 組み立てが終わったら、最終的にそれを読みやすい文章に
[40:54] するために、間をつなぐ部分に、このデータベースの話をこのデータベース
[41:00] の話を連結しているところに、文章を最後入れていく、そんな
[41:06] 形でできるというものです。今、孤独の
[41:11] 話を引き出してきてもらったんですけど、この文章が丸ごと入っていたり
[41:17] 文章を丸ごと作るんじゃなくて
[41:19] 素材を作るというのがベースになるので、こういった素材ですね
[41:25] いろんなデータベースの中に、こんな素材がある、こんな素材が
[41:30] あるみたいなことをまずは探しに行くということをやって
[41:36] います。その中には哲学の話もあるし、未来洞察の話も
[41:42] あるし、こんな大学の取り組みがあるということもあるし
[41:46] 技術としてこんなものがあるということを出すことも
[41:50] あるし、なので分野はさまざまな中に同じ
[41:56] テーマに関するものがあるわけですね
[41:59] それをまずは探しに行って
[42:02] これをただ羅列されてもよく分からないので
[42:06] それをさっきの再構成
[42:12] 例えば第1部
[42:14] 孤独の経験と言語を文化で解剖するみたいなところから始めて
[42:20] 第2部
[42:21] 孤独が社会構造に埋まる経路、第3部 孤独を反転させる人と組織の
[42:27] 実践、第4部 最終的にどんなことができるだろうかという可能性、この
[42:32] ような形でさっきの素材、断片的に見えるデータの素材を
[42:38] きっちりと構成しきると
[42:42] こういう文章になって出てくるというようなものです。特徴はここに出て
[42:47] くるものは必ず先ほどの素材を元にしているので
[42:52] 勝手に書いたわけじゃないということ
[42:55] これもともと何なんですかって言われると、全てバックデータが
[42:59] ある。それは学術的に言われていることである、機関的なレポートに出て
[43:04] いることである、政府のレポートの中に出てきていることである、もしくは
[43:09] 具体的な市場データから読めるものである、そういったものを
[43:13] 引き直すことができるというのが最大の
[43:18] 特徴。そうすると確認コストみたいなものが減っていったり、もしくはも
[43:23] ちろん勝手に言わないので
[43:26] そんなこと誰も言ってないみたいなことが出てこなかったり、という
[43:31] 誤りコストがなくなるというそんな仕組みです
[43:36] 今、孤独っていうテーマで入れましたが
[43:40] 別に何でもいいので、このテーマ自体は
[43:44] さまざまなテーマで回答を作ることができます。例えば
[43:50] 都市の匿名性みたいなことについて
[43:52] もっと長くとか、そんな長くなくていいみたいなことも含めて
[43:59] 出していくことができます
[44:03] 今、実行しているANSWERはこういう仕組みなんですけども
[44:08] さらにそこに加えて
[44:10] さっきのところに
[44:16] もうちょっとしたらそれがもう1回出てくるので、追加で解析を
[44:21] するみたいなことが、今、次のリリースに向けて開発しているもので
[44:27] 何かレポートが出たら、むちゃくちゃ長いので
[44:31] 読むの大変だみたいなことが同時に発生したりするんですけども
[44:33] 簡単にこの中のものをリストアップしてくださいとか、
[44:40] 例えば、具体的にこの内容に関して書かれている部分だけを残して
[44:46] くださいとか
[44:47] そういった書いていることをもう1回まとめ方を変える。これは別に書か
[44:52] せるわけじゃないので、まとめ方だけを指示することによって
[44:57] より自分に適した形にしてもらう
[45:01] そんな仕組みも入れていて、今ほぼ
[45:07] 出来上がっているので、来月ぐらいにはそれがリリースできるかなという
[45:11] ところです
[45:13] あともう一つ特徴的なのは
[45:20] 今2本同時に動かそうとしたら
[45:23] エラーが出てしまった
[45:29] じゃあこっちが終わるのを待ちましょう
[45:31] もう1個特徴的なのは、今バーッとレポートを構成して出したんです
[45:37] けど、もともと必要な構成を仕切ってしまって
[45:41] 戦略レポートっていうと、普通はこの要素、この要素、この要素、この
[45:44] 要素があるよねっていう形で作っているフルレポートと呼んでいるもの
[45:50] もあります。これはもともと最初に作っていたバージョンで、構成が
[45:55] 仕切られていると実は作るの簡単で、構成があれば必要な要素も分か
[45:59] っているから、その要素を構成ごとに取りにいくっていうので、一見もの
[46:05] すごい長いレポートだから書くの大変に見えるんですけども、ルールが
[46:10] 決まっているので、簡単に持ってこれるみたいな、そんなバージョンも
[46:13] あります。ちょっと話戻すと、今やっているのが、レポート
[46:19] 自体に問いかけるということで、ここで例えば
[46:24] 必要な、例えば政策に関連する
[46:36] 政策に関連する
[46:47] こういうことができます
[46:49] 今出ているものをまとめるだけに使うこともできますし、追加で
[46:55] この指示だったら、もうちょっとデータベース探らないと
[46:58] いけないなみたいなときは、詳細を選ぶと他の
[47:04] データベースをもう一回探りながら
[47:07] まとめを作り直すみたいなことができるようになっています。という
[47:12] のが今ANSWERでやっていることで、内容というか見た目は問いかけて
[47:18] 回答が出てくるので
[47:21] AI書かせているのと見た目一緒なんですけれども
[47:24] その内実は先ほどのように書かせるんじゃなくて、引っ張ってきて
[47:29] 構成して、すでに検証されているものだけをまとめるというような
[47:35] ことを
[47:37] 行っているというものです
[47:43] というのが今作っているものと、今提供して
[47:48] いるもので
[47:51] これはちょっと来月というわけにはいかないんですけども、年内を
[47:55] 目指して作っているのが
[48:00] 御社のためだけのデータベースと共通データベースを組み
[48:05] 合わせることで、オリジナルの回答作りをするという。共通はさっきと
[48:11] 同じ
[48:13] これは基本的に必要な情報として、4億件は格納して
[48:19] おくというものなんですけども、場合によっては、うちはこの領域だけ
[48:24] もうちょっと詳しく知りたいんだみたいなことがあったりするので
[48:27] そこのデータをアドオンで載せていくというような、そんな
[48:32] 仕組みが、これがさっき言っていたプロジェクトベースの仕組みです
[48:39] これもだいぶできてはいるんですけども
[48:44] 年内ぐらいに出せるかなというようなそんなところです
[48:50] ちなみにさっきレポート構築中で出せなかったんですけど
[48:55] フルレポートと呼んでいるのはこんな形で
[48:59] 例えば最初に絶対要旨はいるよねみたいなところから始まって
[49:03] キーポイントがあって、
[49:06] 今現在、どうなっているのかって確認をまずしたいよね。
[49:10] それに対して各分野がどんな状況になるのか、
[49:16] みたいなことを網羅的に知りたいねみたいなのがあり、
[49:20] 将来動向に向けて今どんな流れがあるのかということを、
[49:26] 例えば3年後、10年後、10年以上っていうところに向けて、
[49:33] 知りたいねっていうことであるとか、
[49:36] あと自分の立場に対して何が読むべきことなのかっていうことを教えて、
[49:41] ほしいなってなったり。そういうベースとなるフォーマットを立てて、
[49:46] 書いているものをフルレポートと呼んでいて、
[49:51] これ10万文字ぐらいあるんですけども、制作時間はあんまり変わらないです。
[49:56] ちょっと伸びて5分から10分弱ぐらいかかるものの、1万文字が
[50:02] 10万文字になったからといって、
[50:04] 3分から5分が30分になるわけじゃ全くなくて、
[50:08] もう型を決めているので、その型にはめ込むように、
[50:12] 網羅的なレポートを出すことができるというもの。同じように、
[50:17] 終わった後のアクションも取れるんですけども、これをフルレポートと
[50:21] 呼んでいます。良さもあるし大変さももちろんあって、良さは、
[50:27] 型が決まっているので、必要な要素を全部入りで一気に出してくれると。
[50:32] 大変さは、読むのがめっちゃ大変だ、必ず追加解析しないと、
[50:38] なかなか全部読むっていうと大変だねっていうようなものですね。
[50:44] なので、一回丸ごとこのテーマについて知りたいときはフルレポートは
[50:48] すごく有効なんですけども、
[50:51] 毎回それだとちょっと大変なので、
[50:53] この論考みたいな話だったり、もしくは先ほどの話ですね。
[50:58] データで止めてしまって、
[51:00] そのデータに対して問いかけてもらうことで、回答を作っていくって
[51:05] いうこと。
[51:06] そんな3つのモードが今入って
[51:10] 追加でその機能を入れとくこともできるかもしれないので、
[51:14] もっとこういうふうに使いたいんですけどとか、
[51:17] もっとこういうことできたらやりやすいんですけど、みたいなのはとって
[51:21] もウェルカムです。
[51:23] はい。
[51:26] 三浦さん、私の方から一旦返しをします。ありがとうございます。
[51:31] では、ちょっとアンケートのご案内もさせて
[51:37] いただきながら、最後、ANSWER＋の費用とかどうなっているのか
[51:42] ということをご案内して終わりたいと思います。
[51:45] はい。
[51:48] 現状ですね、トライアルで今1ヶ月の利用で3
[51:54] 名分ですね。トライアルで50万円というトライアルから始められます。
[51:59] ベーシックが月々80万円という
[52:03] ところだったりとか、あと自社のシステムユーザーの内部データと
[52:09] このANSWER＋のデータを結合して、そしてアウトプットを
[52:13] 生成したいというような、エンタープライズの場合という形で分か
[52:17] れます。
[52:18] トライアルに関しては、こんな形で進んでいくんですけど、ただ使って
[52:23] みるということだけじゃなくて、ちゃんとオンボーディングセッション
[52:27] ということで、ANSWER＋はどういう利用目的で
[52:33] 活用して、どんな価値を作りたいのか、じゃあどういうプロジェクト
[52:39] だとか、トライアルをするとそれが検証できるかということを設定をして、
[52:44] それからそれに準じた活用の仕方をお伝えをしてからスタートして
[52:48] いきます。トライアルの契約をしてから、ANSWER＋の
[52:52] 活用ということで、
[52:54] 通常外部コンサルにワンレポートを依頼すると3ヶ月ぐらいかか
[53:00] るものがいくつもできるので、たくさんやりたくなっちゃうんですけども、
[53:05] ここではまずオンボーディングで決めたものに関して、ちゃんとその
[53:09] 利用価値を検証できるように、
[53:11] 活用の仕方を重視点にしていただいたり、それ以外も探索していくという
[53:15] 形をとって、それからリフレクションということで、どうだったか
[53:20] ということだとか、本展開の活用として、どういうプランで活用していくと
[53:25] 価値を最大化できるんだろうかということであるとか、またはご
[53:28] 要望なんかも伺って、正式契約という形で移行していきます。
[53:34] なので、まずANSWER＋トライアル、もしご興味ある方はアンケートに
[53:39] ご回答いただけたら、また詳細をご案内いたします。
[53:44] ということで、時間になりましたので
[53:47] 以上になりますが、西村さん、次10月26日もありますので、もし
[53:52] 同僚の方だとか、
[53:56] またお聞きになりたい方は、お申し込みいただけたらと思います。
[54:03] 西村さん、最後に一言
[54:09] 一言、いっぱいあるんですけども
[54:14] やっぱりAI使って余計大変になるみたいなことが
[54:20] 結構蔓延してるなと思っていて
[54:23] 冒頭で話したように、AIは別に回答するためのシステムとして作られて
[54:27] いないという問題があるので
[54:31] どうすればそれを解消できるのか
[54:34] 解消というか、そもそも回答する仕組みってどうやったら作れるのか
[54:37] というのをやっているんですけども
[54:40] 調べているとすでに大量の問題を起こしているというのが見えてきたの
[54:46] とそれを言わずに使っているということも見えてきたので
[54:50] 結構恐ろしいなと思って見ていて
[54:54] やっぱり人類が蓄積してきた知見
[54:57] それをもとに何か判断をしたり実行するということが広がってほしいので
[55:05] AI使うと余計大変だからやめとこう、直感に従うのが
[55:08] 良いみたいなことになってしまったらもったいないなと
[55:13] なので今はこんな形でANSWERという取り組みを作っているんですけど
[55:17] より将来的にはカジュアルに、というかいろんなシーンで使えるように
[55:21] 育てていきたいので、今はどちらかというと企業向け、もしくは大学の
[55:26] ような大きな組織向け
[55:28] 作っているんですけども、徐々に徐々に個人向け。パソコンももともと
[55:33] 企業向けに作られて
[55:35] 大学向けに転用されて
[55:37] ちょっと経ってから個人向けになっていったという歴史があるように
[55:42] 徐々に徐々に個人向けになっていくといいなと思っているので
[55:46] ぜひこういうふうにしてほしいという意見をたくさんいただけると
[55:51] どんどん開発していけるなと思っています
[55:55] はい、ありがとうございます
[55:58] では、まず今日ANSWER＋説明会ということで
[56:02] 以上になります。また皆さん、引き続き情報提供どんどんアップデート
[56:07] していくので
[56:08] お楽しみください
[56:10] では、これでオンライン説明会を終わります。ありがとうございました。

---
数値と固有名は映像またはスライドに現れたものに限る。登壇者の発言は登壇者の見解として記した。質疑応答は参加者の発言を含むため映像から除き、要旨だけを記した。