福岡堰の桜が満開になりました。
ただし、農業用水は、取水されていないので、水面が低く、見栄えがしません。
ソリューション・デザイン（３１）
（３１）ドキュメンタリズムと科学の2層構造
（Q:ドキュメンタリズムが、科学と相容れない理由がわかりますか）
１）科学の2層構造
１－１）パースの視点
パースの視点では、現実のオブジェクトに対して、言葉で表現できる部分は限定的です。
オブジェクト指向の用語でいえば、インスタンスは観測できますが、オブジェクトを直接観測することはできません。
つまり、次の2層構造を前提としています。
（１）オブジェクト＝対象に対する共通の概念
（２）インスタンス＝観測された（実装された）オブジェクト
１－２）物理の観測
物理学の観測では、観測値は、真の値に誤差が加わったもので、次の2層構造をしています。
（１）真の値
（２）観測値＝真の値＋観測誤差
１－３）法律
法律は文字が実体であると思われがちですが、実際には、2層構造をしています。
（１）法律で実現すべき実体（オブジェクト）
（２）法律の条文（インスタンス）
たとえば、著作権は、紙媒体を前提に、条文が構成されていましたが、電子媒体が出て来ると条文が実体に合わなくなるため、法改正が行われます。
法律の条文や過去の判例に合わせたパターンマッチングで済む場合には、裁判官や弁護士は、生成AIで十分です。
しかし、実体の合わせて、条文を修正する（法改正をする）ことは、生成AIにはできません。
このオブジェクトとインスタンスのずれを補正する作業は簡単ではありません。法律の本質（実体、オブジェクト）が理解できていないと不可能な作業です。
パースは、科学を自然科学の外に拡張する試みとして、プラグマティズムを生み出しました。
プラグマティズムの科学に準じた法律の運用とは、オブジェクトに合わせて、不断に、インスタンスを見直すプロセスになります。
２）ドキュメンタリズム
２－１）基本的な理解
ドキュメンタリズムの基本は、文書形式主義です。
直接観測可能なデータは、インスタンス（人文科学であれば文書）だけですので、文書の文字データだけを論ずればよいという発想です。
つまり、ドキュメンタリズムの世界観は、1層構造で、文書の文字の形式だけが問題になります。
国会答弁は、典型的なドキュメンタリズムです。
２－２）ドキュメンタリズムと不正
2023年3月に、NTT都市開発が札幌市中央区で開発する地上26階、地下2階の鉄骨造り、鉄骨鉄筋コンクリート造りの大型複合ビルの大成建設による施工不良が見つかっています。
大成建設で品質管理を担当する工事課長代理が、鉄骨の傾きやゆがみに関する計測値を改ざんして報告しました。工事課長代理は「工期の遅れを恐れ、（品質基準を超える）数ミリ程度の精度不良なら問題ないと考えた」と説明しています。
契約に基づく品質や法令基準を満たすため、全体の2割まで進捗してい工事を中止し、地上部のすべてと地下部の一部を解体した上で、工事をやり直す計画です。複合ビルの竣工は、当初の2024年2月から28カ月遅れの26年6月末になります。
大成建設は建築部門トップの寺本剛啓取締役専務執行役員、札幌支店長の平島信一常務執行役員が3月31日付で引責辞任するそうです。
ここには、施工管理報告の文書がクリアーできれば、実体は、2の次であるという発想があります。
これは、典型的なドキュメンタリズムです。
不正の構造は、自動車の排ガス規制の値を捏造した場合と同じ構造をしています。
再点検の結果判った施工不良は以下です。
＜＝＝
鉄骨を使用した柱や梁722カ所のうち70カ所で、平均4ミリ、最大21ミリのずれがあった。さらに床や天井のコンクリートの厚さが、570カ所のうち245カ所で規定より平均6ミリ、最大14ミリ薄かった。
＝＝＞
これから、施行エラー（不良）があった場合のフィードバックシステムが機能していなかったことがわかります。
大成建設は、札幌の事例と同様の施工不良は、他の現場では確認されていないといっています。
しかし、原因が、施工管理システムのエラーであれば、類似の施行不良が発生する可能性があります。
どの部分のエラーであると判断したのかは、発表されていません。
例えば、工事施行の点検を、工事課長代理が行えば、利害関係者ですから、点検結果にバイアスが生じるリスクが発生します。これは、特定の工事課長代理の不正と考えるより、システムエラーの1種だと考えなければ、類似のエラーの発生確率は下がりません。
検査報告という文書と、実際の施行結果はかならず一致しないという2層構造が、科学的な理解の基本です。
科学的な2層構造を前提とした、施工管理システムになっていなかった点に問題があると考えられます。
２－３）ドキュメンタリズムと年功型雇用
年功型雇用は、ポストと年齢で、給与が決まります。
これは典型的なドキュメンタリズムです。
新採の給与は、大学の成績に関係しません。
年功型雇用が、ドキュメンタリズムであると問題が発生します。
それは、給与格差につながるような経営データが計測され、保存されなくなることです。
日本は、簡単にレイオフできません。日本の企業には、会社のお荷物になっている社内失業の社員もいます。
こうした人を温存するために給与格差につながるような経営データは排除されます。
その結果、DXやジョブ型雇用は困難になります。
年功型雇用をしている組織で、新規採用にジョブ型雇用を混在させている例がありますが、ジョブ評価をするデータがないので、無理筋です。
そもそも、日本人の新規採用をジョブ型雇用にするという発想は意味不明です。
スイス金融最大手のUBSは、スイス政府と金融当局が仲介する形で、2023年3月19日に、長年のライバル関係にあったクレディ・スイスを買収することを決めました。
ウォール街と欧州の銀行は事実上の採用凍結を撤回してます。クレディ・スイス・グループが国内同業のＵＢＳグループに緊急救済されたことを受け、優秀な人材を割安に獲得できる機会に飛び付いています。
ドイツ銀行やシティグループ、ＪＰモルガン・チェースなどがクレディ・スイスの投資銀行およびウェルスマネジメント部門に勤務する人材の採用に動いています。
残念ながら、日本の金融機関が、人材確保に動いているというニュースは聞こえてきません。
クレディ・スイスは事実上破綻してしまいましたので、破綻した金融機関で働いていた人をヘッドハントできるということは、確固たる人材評価の基準を持っていることを意味します。
つまり、人材評価は成功したか、失敗したかではなく、正しく科学的に失敗したか否かを評価しているはずです。
2023年2月には、2月にはマッキンゼーが2000人の削減計画を発表しています。
2023年3月に、Accentureは今後18カ月にわたり、従業員の2.5％に相当する1万9000人の雇用を削減す計画を発表しました。
2023年3月には、大手会計事務所のKPMGＧは、米従業員の約2％に相当する約700人を削減する計画を発表しました。
クレディ・スイスの人材獲得と同じように、企業は、人員削減と同時に、高度人材の獲得も行っています。
人材の組み換えに伴って、労働生産性は確実に上昇します。
年功型雇用で、社内失業を抱えていれば、日本企業は、国際競争に負けてしまいます。
これが、現在ある状態です。
年功型雇用の前提には、傾斜生産方式にルーツがあります。通産省は、企業利潤をできるだけ労働者に配分しないで、企業が投資にまわせるように指導しました。企業は豊かで、労働者が貧しかったのです。老後も面倒は、企業が見るしか財源がありませんでした。
現在は、政府は、老後資金は投資で増やせと言いながら、賃金体系は、年功型雇用のままですから、システムは破綻しています。
３）ドキュメンタリズムと科学の欠如（A:ドキュメンタリズムが、科学と相容れない理由）
ドキュメンタリズムには、科学が欠如しています。
科学の仮説検証では、仮説が支持される場合と、仮説が破棄される場合があります。
確率から言えば、破棄される方が多いでしょう。
科学では、成功を求めてはいけません。
それは、データの捏造に繋がります。
科学は、正しく間違えた場合には、責任は問わないルールです。
品質管理を担当する工事課長代理が、正しい手順で検査を行い問題が見つかった場合には、責任は問われないのが科学のルールです。
科学で問題になるのは、正しい手順で検査を行わなかった場合です。
結局、大成建設の工事課長代理は、上司が、科学的ルールで仕事の業績を判断するのではなく、成果を求めるドキュメンタリズムが横行していると判断したように見えます。
ドキュメンタリズムが横行するとイノベーションが起きません。
2021年11月30日に、アマゾンは、メインフレームとレガシーワークロードをより迅速にクラウドに移行できるという新サービス「AWS Mainframe Modernization」を発表しました。これには、メインフレーム上のCOBOLなどのアプリケーションを、移植する専用サービスと、動作させるためのランタイムがセットになっています。コストの高いメインフレームから、AWSに容易に移動できるようになりました。
これば古くからあるヴァーチャルマシンの現代版です。
富士通は2030年度にメインフレームの販売から撤退し、その5年後の2035年度に保守も終了します。富士通は、UNIXサーバーも2029年度下期に製造・販売を終了し、保守も2034年度中に終了します。
顧客は、ＡＷＳ等のクラウドサービスに移行するか、実質上、唯一のメインフレームであるIBM Powerサーバーに切り替えることになります。
大手IT企業の中で、IBMは、クラウドサービスへの移行が遅れています。
IBMのハードウェア部門の売り上げは小さいので、今後、IBMが、メインフレームから撤退する可能性もあります。
富士通は、縮む市場からの撤退を決断し、クラウドなどを駆使したサービス企業への転換を目指しています。しかし、富士通には、マイクロソフトをGoogleが、大規模戦を行っているAWSと競争するだけの技術も、資金もあるとは思えません。
つまり、状況は、スぺ―ジェット、国産ロケット、最先端の2ナノレベルの半導体生産と非常に似た状況にあります。
クラウドサービスは、2004年頃に出てきました。その時に、富士通は、クラウドサービスに熱心に取り組んだとは思われません。
ピークの1994年度に、3500台あった国内のメインフレームの出荷台数は、2004年度には1300台でした。2021年度の出荷台数は131台です。
クラウドサービスが何かを理解できていれば、20年前に、メインフレームの衰退は見えていましたので、切り替えは可能でした。
みずほ銀行は第一勧業銀行、富士銀行、日本興業銀行が1999年８月に合併してできました。みずほ銀行は第一勧業銀行のシステムを元にしてシステムの一本化を開始し、2004年12月に総費用4000億円のプロジェクトを完了させています。
しかし、メンテナンスを考えれば、メインフレームを使い続けるメリットはあると思えません。
今あるシステム、今ある利益は、インスタンスです。
科学は、オブジェクトを目指して、正しい間違いを繰り返しながら、正解に近づくプロセスです。
IT企業は、顧客により良いサービス提供ができれば、ハードウェアとソフトウェアのインスタンスに縛られるべきではありません。
メインフレームというインスタンスが失われた時点で、オブジェクトが行方不明になってるように見えます。
引用文献
大成建設がスーパーゼネコン最下位転落!?大型工事虚報告が招く「最悪シナリオ」 2023/03/24
https://diamond.jp/articles/-/319975
ＵＢＳウェルス幹部のカーン氏、世界を駆ける－クレディＳ人材慰留へ 2023/03/20 Bloomberg
https://www.bloomberg.co.jp/news/articles/2023-03-24/RS0366DWRGG001
クレディ・スイスの人材に虎視たんたん－ウォール街や欧州ライバル 2023/03/23 Bloomberg
https://www.bloomberg.co.jp/news/articles/2023-03-23/RRYU8ZT1UM0W01
アクセンチュアが考えるレガシーシステム脱却の要諦 2023/03/20 ZDNET
https://japan.zdnet.com/article/35201412/
AWSが「とどめを刺した」メインフレームの終焉、市場を巡る富士通、IBM、NECの思惑 2022/04/05 ビジネス＋IT
https://www.sbbit.jp/article/cont1/84116
富士通メインフレームの終了発表から思うこと キッコーマン システム戦略部長 小笹淳二氏 2022/06/13 IT Leaders
https://it.impress.co.jp/articles/-/23310
富士通メインフレーム撤退、ユーザーはただちにアクションを 2022/12/01 JBCC
https://www.jbcc.co.jp/blog/column/mainframe.html
富士通がメインフレーム製造・販売から2030年度に完全撤退へ、66年の歴史に幕 2023/02/10 Nikkei XTech
https://xtech.nikkei.com/atcl/nxt/column/18/00001/06546/
富士通メインフレーム撤退はいばらの道、雲をつかめるか 2023/03/07 Nikkei XTech
https://xtech.nikkei.com/atcl/nxt/column/18/01973/030300001/
国際会議場の桜～つくば市とその周辺の風景写真案内（１００９）
国際会議場の前の通りの桜です。
満開で、散り始めた木もありました。
ソリューション・デザイン（３０）
（３０）政府にできること
（Q:政府にできることとできないことの境界はどこにあるのでしょうか）
１）政府にできないこと
政府は、「〇〇をする」といって、赤字国債を発行して、予算をつけます。
これは、かなり異常なことです。
北欧の国のような人口が1000万人クラスの国では、人材と予算が限られていますので、政府は、実現可能なことに絞って対策を打ち出します。
何でもできると考えて予算をばら撒くことができるのは、大国の場合だけです。
1990年頃は、日本は大国でしたが、2023年には、日本はもはや大国ではありません。
軍事費を増やしても、アメリカと中国なみにはできません。
ですから、国力に応じた政策の絞りこみが必要です。
スペースジェットは敗退してしまいました。
国産ロケットも、現状をみれば、世界市場で価格競争が得られるとは思えません。
1990年頃には、アジアでは一番ランキングが高かった日本の大学も、競争力がなくなっています。
1960年代に、経済産業省（旧通産省）は、日本は、資源がないので、加工貿易で食べていくと考えましました。その時に、日本の唯一の資源は人なので、教育が重要であると認識されていました。国立大学の授業料は、年間1万2千円で、返済免除の奨学金もありました。大学進学率が低かったので、エリートを優遇する財政負担は小さかったのです。
現在の高等教育は、病んでいます。
大学進学率があがりましたので、大学卒業はエリートではなくなりました。しかし、大学生の学力の分布をみるとトップ集団のレベルが極端に落ちています。これは、学生数が減って、旧帝大レベルの難関校に入学しやすくなった一方、難関校を卒業しても、給与が保証されないためです。初任給に差がないので、学生は勉強しません。学生の学力の分布に合わせた高等教育にはなっていません。
２）撤退の計画
政府は、「〇〇をする」といって、予算をつけます。
しかし、それは実現可能でしょうか。
この段階で、出来る、あるいは、出来ないというのは、科学的な態度ではありません。
必要なことは、状況判断に必要なデータ収集を行い、そのデータに戻づいて、継続、撤退、あるいは、計画変更するする手順を事前に決めておくことです。
残念ながら、そのような議論はなされていませんので、スペースジェットと同じようなエラー（不合理な撤退）が起こる可能性があります。
計画が、成功するか、失敗するかは、事前に予測不可能です。
ですから、撤退したことが問題ではなく、予定通りに撤退できなかったことが問題になります。
３）出口から考えること（A:政府にできることとできないことの境界）
「（２８）年功型雇用とアマチュア」で、出口から考えることの有効性を指摘しました。
この手法を、「ラピダス」に使ってみます。
なお、以下では、特定の個人を問題にするのではなく、「〇〇をする」といって、予算をつける手順を問題にしているので、引用文献は載せず、曖昧な記述にしてあります。
現在の日本の技術では、最先端の2ナノレベルの半導体は生産できません。できる技術者はいません。
ラピダスは、2ナノレベルの次世代半導体製造をめざすと言っています。
TSMCは、1987年にアメリカで、IC製造にかかわっていて張忠謀氏によって創立されています。TSMCは技術者が、その時点の技術でできることからスタートしています。まず、人材ありきです。
ラピダスには、予算がつきましたが、技術者の人材確保は今後の課題です。アーム社のような上流の設計工程は特に弱いと言われています。
技術は、IBMやベルギーIMECとグローバルアライアンスで連携を進めています。
しかし、グローバルアライアンスは、他力本願で、自前の技術がなければ、連携先の本気度も限定的になります。
EUVリソグラフィ露光装置は、日本のニコンやキヤノンより、オランダのASMLがより高性能で、2ナノレベルに対応できる装置は、AMSLしかないと言われています。
最大の問題は、利益確保にあると言われています。TSMCのような生産ラインを作るには、数兆円の投資が必要です。これは、700億円の研究予算とは桁が2つ違います。
つまり、2ナノレベルの次世代半導体製造を行うためには、半導体製造で、数兆円の利益をあげて、それを技術開発投資に投入できることが必要です。
このように出口から考えると「設計工程を中心とした人材確保」、「半導体製造で、数兆円の利益をあげるビジネス計画」が出来ていませんので、実現の可能性は低く見積もられます。
「半導体製造で、数兆円の利益をあげるビジネス計画」は、国産ロケットと同じ課題です。現在のロケット開発も、「衛星打ち上げで、利益をあげるビジネス計画」なしには実現できません。
あるいは、ソフトウェア開発も「クラウドサービスや、生成AIで、数兆円の利益をあげるビジネス計画」なしには実現できません。
政府が、補助金でできることは限られています。
ソリューション・デザイン（２９）
（２９）Googleの生成AI
（Q:Googleも生成AIを出してきました。その影響がわかりますか）
Microsoftが後押ししているチャットGPTばかりが注目されていますが、Googleも動き出しています。
ポストクラウドの覇権の主戦場が見えてきました。
今までは、中国系を除くと次のすみ分けができていました。
クラウドサービス、１：アマゾン、２：Microsoft、３：Google
以下、SNS（フェイスブック、インスタグラム、ツイッター）、検索（Goolge）、スマホOS（AppleとGoolge）、画像アプリ（アドビ）などもある程度固定化したランキングがここ５から10年続いていました。
しかし、クラウドサービスについては、アマゾンに対して、MicrosoftとGoogleが、積極的に挑んでいます。
チャットGPTは、Microsoftが、Google検索に対して挑戦しています。
２）Googleの対応
米Googleは3月21日（現地時間）、同社が研究開発を進めている対話型生成AI「Bard」の試験提供を一般に拡大すると発表しました。US英語をサポート言語に米国と英国で申し込みの受け付けを開始、段階的に対象を拡大し、時間をかけて他の国や言語にも拡大していく計画です。
生成AIが主戦場になっています。
米Google（グーグル）は2023年3月14日（米国時間）、テキストや画像、音声、動画などを生成するAI（人工知能）のクラウドサービスをGoogle Cloudに追加すると発表しました。巨大言語モデル「PaLM」の機能を提供するAPI（アプリケーション・プログラミング・インターフェース）などのほか、GmailやDocsなどのSaaS（ソフトウエア・アズ・ア・サービス）にも生成AI機能を追加します。
巨大言語モデルPaLMのニューラルネットワークの規模は最大5400億パラメーターで、米GPT-3の1750億パラメーターを上回っています。
実は、Googleは、2022年2月15日から。Google Workspaceユーザーと、G Suite Basic、G Suite Businessのユーザーを対象に、要約などの新機能を提供しています。
Google Workspaceは、Googleの有料サービスで、最も売れているBusiness Standardは、月額1,360円です。
フリーのGoogleドキュメントでは、要約などの新機能は使えません。
ツイッター、フェイスブック、インスタグラムはサブスクリプションサービスを始めました。
有料化に向かっています。
Googleの発表は以下です。
＜＝＝
PaLM API & MakerSuite: 生成AI アプリケーションを探索してプロトタイプを作成する親しみやすい方法
モバイルからクラウド コンピューティングに至るまで、非常に多くのテクノロジとプラットフォームの変化が、開発者のエコシステム全体に刺激を与え、新しいビジネスを開始し、新しい製品を想像し、開発方法を変革してきました。私たちは、あらゆる業界に大きな影響を与える AI による別の変化の真っ只中にいます。
AI を試している開発者向けに、 PaLM APIを導入します。これは、最高の言語モデルの上に構築するための簡単で安全な方法です。現在、サイズと機能の点で効率的なモデルを利用できるようにしており、他のサイズも近日中に追加する予定です。この API には、 MakerSuiteと呼ばれる直感的なツールも付属しています。これにより、アイデアのプロトタイプをすばやく作成でき、時間の経過とともに、迅速なエンジニアリング、合成データの生成、およびカスタム モデルの調整のための機能が提供されます。これらはすべて、堅牢な安全ツールによってサポートされています。一部の開発者は、今日からプライベート プレビューで PaLM API と MakerSuite にアクセスできます。
生成AI 機能を Google Cloud にもたらす
生成AI を使用して独自のモデルやアプリを構築およびカスタマイズしたいデベロッパーは、PaLMを含む Google の AI モデルに Google Cloud でアクセスできます。開発者や組織がエンタープライズ レベルの安全性、セキュリティ、プライバシーにアクセスし、既存のクラウド ソリューションと統合できるように、新しい生成AI 機能を Google Cloud AI ポートフォリオに導入します。
- Vertex AI での Generative AI のサポート:開発者と企業は、すでに Google Cloud の Vertex AI プラットフォームを使用して、機械学習モデルと AI アプリケーションを大規模に構築およびデプロイしています。現在、最初はテキストと画像を生成するための基盤モデルを提供しており、徐々にオーディオとビデオを生成しています。Google Cloud のお客様は、モデルの発見、プロンプトの作成と変更、独自のデータによる微調整、これらの強力な新技術を使用するアプリケーションのデプロイを行うことができます。
- Generative AI App Builder:企業や政府は、AI を利用した独自のチャット インターフェイスやデジタル アシスタントの構築も望んでいます。これを実現するために、Generative AI App Builder を導入します。これは、会話型 AI フローをすぐに使用できる検索エクスペリエンスと基盤モデルに接続し、企業が生成 AI アプリケーションを数分または数時間で構築できるようにします。
- 新しい AI パートナーシップとプログラム:新しい Google Cloud AI プロダクトの発表に加えて、Google は最もオープンなクラウド プロバイダーになることにも取り組んでいます。私たちはAI エコシステムと、テクノロジ パートナー、AI に焦点を当てたソフトウェア プロバイダー、および新興企業向けの専門プログラムを拡大しています。
今日から、信頼できるテスターは Generative AI のサポートと Generative AI App Builder を使用して Vertex AI にアクセスできます。
Workspace の生成AI の新機能
Gmail で Smart Compose を使用している場合でも、Google ドキュメントで自動生成された要約を使用している場合でも、30 億人を超える人々がすでに Google Workspace の AI を活用した機能の恩恵を受けています。今、私たちは次のステップに進み、限られた一連の信頼できるテスターに、作成プロセスをさらに簡単にする新しい機能セットを提供できることを嬉しく思います。Gmail と Google ドキュメントでは、書きたいトピックを入力するだけで、すぐに下書きが生成されます。そのため、新入社員のオンボーディングを行うマネージャーは、Workspace を使用すると、最初のウェルカム メールを作成する時間と労力を節約できます。そこから、数回クリックするだけで、メッセージを詳しく説明したり、省略したり、トーンをより遊び心のある、またはプロフェッショナルなものに調整したりできます。今後数週間のうちに、これらの新しいエクスペリエンスをテスターに展開する予定です。
＝＝＞
３）Microsoftの対応
ソースコードの掲載サイトのGitHubでMicrosoftは、GitHub Copilotを試験運用しています。GitHub Copilotは、GitHubとOpenAIが共同で開発（OpenAI Codexを利用）したAI駆動のコード補完ツールです。Copilotは、OpenAIのGPT-3.5 Turboを利用しています。
3月16日に、MIcrosoftは次世代 AI の力を仕事の世界に適用する、仕事の副操縦士「Microsoft 365 Copilot」を発表しました。Microsoft 365 Copilot は、大規模言語モデル (LLM) のパワーと、Microsoft Graph や Microsoft 365 アプリ内のデータを組み合わせ、あなたの言葉を地球上で最も強力な生産性向上ツールに変えるといいます。
Microsoftの説明は以下です。
＜＝＝
Copilot は、2 つの方法で Microsoft 365 に統合されています。Word、Excel、PowerPoint、Outlook、Teams といった、日々利用いただいている Microsoft 365 アプリケーションに組み込まれて、常にあなたのそばで働き、創造性を発揮し、生産性を高め、スキルアップできるようにしてくれます。併せて、まったく新しい体験である Business Chat も発表します。Business Chat は、LLM、Microsoft 365 アプリ、そしてユーザーのデータ (カレンダー、メール、チャット、ドキュメント、ミーティング、連絡先) を横断して機能し、これまでできなかったことを実現します。「製品戦略をどのように更新したか、私のチームに教えてください」 (“Tell my team how we updated the product strategy”) といった自然言語のプロンプト (prompt、指示) を入力すると、午前中の会議、メール、チャットのスレッドに基づいて、ステータスアップデートが生成されます。
Microsoft 365 Copilot は、3 つの方法で仕事を変革します。
創造性を解き放つ: Copilot in Word を使えば、クリエイティブなプロセスを直ちに始められます。これからは白紙の状態から始める必要はありません。Copilot が最初のドラフトを提供し、それを編集して、繰り返し改良することで、執筆、情報収集、編集に要する時間を短縮できます。Copilot は正しい情報を提供することも、有益ではあるものの間違いを含んだ情報を提供することもありますが、常にユーザーの仕事を先へと進めてくれるでしょう。ユーザーには常に著者としてのコントロール権があり、Copilot に短縮、リライト、フィードバックを行うよう指示しながら、ご自身の独自アイデアを執筆できます。Copilot in PowerPoint は、過去に作成したスライドから関連するコンテンツを追加し、簡単なプロンプトだけで、美しいプレゼンテーションを作成できるよう支援してくれます。また、Copilot in Excel を使えば、トレンドを分析し、プロフェッショナルなデータビジュアライゼーションを数秒で作成できます。
生産性の最大化: 私たちは皆、本当に重要な 20％ の仕事に集中したいのに、80％ の時間をやっかいな作業で浪費しています。Copilot がこの負担を軽減します。長いメールのスレッドを要約したり、返信メールのドラフトを素早く作成したりと、Copilot in Outlook は受信トレイの整理を数時間ではなく数分で完了できるよう支援します。そして、Copilot in Teams は、すべての会議を生産的な会議にします。誰が何を言ったか、どこで意見が一致し、どこで意見が対立しているかなど、重要な論点をまとめ、アクションアイテムを提案してくれます。これらはすべて会議中にリアルタイムで実行されます。また、Copilot in Power Platform を使えば、誰でも繰り返し作業を自動化し、チャットボットを作成し、数分でアイデアをアプリ化できるようになります。
スキルの向上: Copilot は、得意なことをより得意にし、まだ習得していないことをすぐにマスターできるようにしてくれます。ユーザーの多くは、Microsoft 365 にある数千のコマンドの中から、「スライドのアニメーション」や「表の挿入」など、ほんの一握りのコマンドしか使っていません。今や、豊富な機能を、自然言語だけで活用できるようになりました。そして、これは始まりに過ぎません。
＝＝＞
４）これから何が起こるのか（A：Googleの生成AIの影響）
筆者は、次のように考えます。
（１）アプリの品質は生成AIが決定する。
アプリが使えるか否かは、生成AIの性能できまってしまいます。
（１Ａ）業界の再編は起こるはずです。
生成AIの性能が良ければ、時間の節約になりますので、無償サービスから、有償サービスへのシフトが起こると予想されます。
（１B）スーパーマンが出現する
Microsoftは、Copilotは、生産性を最大化するといいます。
これには、注意が必要です。
Google検索で、必要な内容に到達するには、適切なキーワードを選ぶ必要があります。
生成AIでは、不正確なキーワードでも検索が可能です。とはいえ、生成AIの性能を最大限に引き出すには、適切な質問（キーワード）が必要です。
つまり、生成AIが出てきて、誰でも、生産性を最大化する訳ではありません。
適切な質問（キーワード）が選べる人は劇的な生産性の向上ができ、生産性を最大化できるスーパーマンになれます。
生成AIに、不得意な質問をして、不正確な答えが出て来ると問題にしている人がいます。
しかし、生成AIも所詮は、道具ですから、得意とする分野で使えば良い訳です。
一番得意な分野はパターンマッチングですから、それがしやすい質問や依頼をすれば、大きく間違えることはありません。
これは、筆者の推測ですが、恐らく、現時点では、生成AIを使って、生成AIの開発を進めることが部分的には可能になっていると思われます。GitHub Copilotはその一例です。
（２）高度人材の行方
日本には、生成AIの開発競争ができる企業はありません。つまり、高度人材に対して、高い給与を払える仕事をオファーできる企業はありません。
ということは、人材の流出は止まらないということです。
春闘が一巡しましたが、春闘は、高度人材の流出を促進する効果しかありません。
（３）テック業界以外の再編が進む
生成AIで問題解決ができる応用分野は数多くあります。
そこで、業界再編が進むと思われます。
（４）言語の比重が下がる
注意すべきは、生成AIは言語モデルであるという点です。
数値を扱うモデルであれば、はるかに、効率よく、正確に問題解決ができます。
言語にかかわる部分は、今まで、合理化が難しかったのですが、生成AIが風穴をあけてしまいました。
生成AIが陳腐になるころには、非言語の問題処理のウェイトがあがると考えます。
引用文献
The next generation of AI for developers and Google Workspace 2023/03/14
https://blog.google/technology/ai/ai-developers-google-cloud-workspace/
Introducing Microsoft 365 Copilot – your copilot for work 2023/03/16
https://blogs.microsoft.com/blog/2023/03/16/introducing-microsoft-365-copilot-your-copilot-for-work/
エリーザベト・レオンスカヤのモーツァルトのピアノ協奏曲第12番
エリーザベト・レオンスカヤは、2023年に77歳になるご高齢のピアニストです。
非常に著名な方ですが、2021年のピアノソナタの録音までは、モーツアルトに録音は、、リヒテルと組んだデュオだけでした。
最近、ピアノ協奏曲第12番を弾いています。
オランダでは、3月10日にコンセルトヘボウ室内Oと演奏しています。
検索すれば、聞くことがきます。
Bing先生の返事は以下でした。
＜＝＝
エリーザベト・レオンスカヤが演奏したモーツァルトの協奏曲は、残念ながらわかりません。しかし、エリーザベト・レオンスカヤはモーツァルトのピアノ・ソナタ全集を演奏しています。
＝＝＞
これから、ライブ録音のCDが出るとは思いますが、現時点では、レオンスカヤが演奏したモーツァルトの協奏曲のCDはなさそうです。
このレベルの演奏になると、ともかく、聴けることに感謝するだけです。
ライブですが、聴衆の感謝の気持ちが伝わってくる演奏でした。
ソリューション・デザイン（２８）
（２８）年功型雇用とアマチュア
（Q:年功型雇用では、プロは育たないことがわかりますか）
１）年功型雇用に課題
年功型雇用は、ドキュメンタリズムです。
幹部は、記者会見で、善処しますといいますが、具体的に何をするか言いません。
実際の対策は、部下に丸投げで、幹部はあがってきた複数の原案の中から、気に入ったモノをえらぶだけです。
米ツイッター（Twitter）のイーロン・マスク氏は、3月18日に、Twitter上の“おすすめツイート”について、3月31日にすべてのコードをオープンソース化することを明らかにしています。
マスク氏の対応は、典型的なジョブ型雇用のものです。
マスク氏は、オープンソース化によってサービスの質が一時的低下するだろうと言っています。
これは、実施して、評価して、問題点を改善していく、科学的なプロセスです。
年功型雇用の幹部は、部下に仕事をさせますが。自分で仕事が出来る訳ではありません。
もちろん仕事は、チームで行いますから、幹部が一人で仕事が出来ないことは問題ではありません。
問題は、幹部は、チームのジョブ管理ができない点にあります。
ジョブ管理をするには、チームのジョブの設計図がわかっている必要があります。
画家レンブラントは工房で、絵画を大量生産していました。
現在のシェフも、全て一人で調理をこなす人はいません。膨大なスタッフを抱えています。
しかし、チームのメンバーに依頼する分業の中身を設計でき、成果品を品質管理できる能力がなければ、アウトカムズは生まれません。
問題解決を部下に丸投げで、幹部はあがってきた複数の原案の中から、気に入ったモノをえらぶのとは違います。
その違いは、絵をかいたり、調理する自然科学の文化の有無にあります。
マスク氏や、ビル・ゲイツ氏は、若い頃は自分でコーディングしていた思いますが、企業の管理職になってからは、自分では、コーディングしてない思います。
しかし、コーディングできる能力があることが、チームのメンバーに依頼する分業の中身を設計でき、成果品を品質管理できる能力の基礎になっています。
オーケストラの指揮者は、自分で全ての楽器が演奏できるわけではありませんが、各々の楽器で何ができ、それをパーツとして組み立てると、どのような音になるかが理解できていないといけません。
オーケストラは、完全なジョブ型雇用です。バイオリン奏者に、欠員が出たからと言って、管楽器を演奏させることはありません。
２）後ろから書く方法
２－１）ブログの書き方
ブログを書いている場合には、日記のように、上から下へ（前から後ろ）に書きます。
この方法は、書く習慣をつける上では有効です。
しかし、次の2点で、後ろから前に書くべきではないかと気になっています。
（１）無駄な原稿を書いてしまう。
最後に結論を書いてから、原稿を読み直すと、結論に達するには不要な部分に気付くことがあります。
その部分は削除した方が、論旨が明確になります。
つまり、無駄な原稿を書いたことになります。
（２）どんでん返しが書けない
小説のプロットの常套手段のひとつに、どんでん返しがあります。
これは、最初にどんでん返しの場面を書いて、それに会うように、前の場面を書き込んでいかないと、小説が書けません。
noteやNovel daysも前から書く仕様になっていますが、これは、いただけません。
実は、ブログを再構成して、本に編集する場合の最大の難点は、この後ろから前に、書いていく部分です。
２－２）プロの技
上記では、指揮者とシェフの例をあげました。
指揮者は、頭の中に、出来上がって音のイメージあり、それに、合わせて、個別の学楽器の演奏者に注文をつけます。
つまり、出口（時系列の一番後）のイメージから、逆算して、音楽を組み立てていきます。
シェフは食材を見て、頭の中に、出来上がった料理のイメージが湧きます。それに、合わせて、調理を行います。
パスタを茹でるときに、茹ですぎで、アルデンテでなくなったとします。
再度、パスタを茹でる時には、アルデンテのパスタのイメージが頭の中にあり、それに会うように加熱時間を調整します。
効果が得ると、プロとアマの差は、一番後ろの出口から、逆算して、手順を設計できるか、場当たり的に、やってみるかの違いと思われます。
３）A:年功型雇用とプロ
年功型雇用では、高い給与を払える高度人材の仕事をつくることができません。
それは、出口から逆算して、手順を設計できる能力の不足に由来します。
年功型雇用には次の問題点があります。
（１）専門人材が流出してしまう。
（２）企業内失業を大量に抱え、賃金をあげられない。
これらの対策のために、年功型雇用に、ジョブ型雇用を、ブレンドする試みがなされていますが、その試みは、99％失敗します。
その理由は、出口から逆算して、雇用形態を設計できないことにつきます。
年功型雇用に、ジョブ型雇用を、ブレンドした状態が目指す最終的なイメージはない（実現不可能）であると思います。
考察は、ブログの書き方からスタートしましたが、この出口優先で、手順の設計ができているかという判定基準は、問題の整理に使えると思います。
「出口優先の手順の設計」は、強形式の問題解決や、戦術より戦略を優先する問題解決と同じと思われますが、判定条件としては、はるかに使いやすいと思います。
