会社の中の実体と、その関係を表した図。「在庫」「型番」「成果の1件」の3つが、 それぞれ定義された状態として枠で囲まれている。
ARKS JAPAN
人を雇う時代から、AIを雇う時代に。
AIは賢い。けれど、その会社の言葉を知りません。「在庫」はどの数字を指すのか、この型番はどの機種に適合するのか、成果はどの定義での1件なのか。Arks Japanは、それを定義し、AIが読んで理解できる形に翻訳する仕組みを提供します。人の仕事を奪うためではありません。最終の判断は人に残し、人にしかできない仕事に集中できる状態をつくります。
Judgment stays human. Execution does not.
人が判断し、AIが実行する。
WHAT WE SELL
私たちが売っているのは、道具ではありません。
仕事を便利にする道具ではなく、仕事を共にする同僚です。道具は、使う人がいて初めて動きます。誰かが開き、指示を出し、出てきたものを確かめる。その誰かを用意できないので、道具が増えても仕事は減りませんでした。
足りなかったのは道具ではなく、それを使う人手のほうでした。そこをAIで埋めます。ただ、来たばかりのAIは、その会社のことを何も知りません。何をどう呼ぶのか、どの順で進めるのか、どこからは人が決めるのか。会社ごとに違うそれを、一つずつ教えていきます。
ひととおり渡し終えると、AIは自分で仕事を進められるようになります。あとは手が止まったときだけ聞きに来ます。人の同僚と同じように、チームの一員として仕事が回っていきます。
Backlog
№02
WHAT WE REFUSE
私たちが採らない、二つのやり方。
提案で終わるAI
相談には乗ってくれる。やり方も教えてくれる。けれど、仕事そのものは終わらせてくれません。検討した記録だけが増えて、やるべきことは残ったままです。
人を減らすための自動化
私たちが引き受けるのは、人の代わりではなく、人がやらなくてよくなった仕事です。判断まで機械に渡せば、間違いに気づく人がいなくなります。最終の判断は人に残し、人にしかできない仕事に人が向かえる状態をつくります。
WHAT WE BELIEVE
私たちの考え。
- 01
APPROVAL
実行はAIが担い、承認は人が担います。速さと引き換えに止められる場所を手放さず、おかしいと思った人がその場で止められる状態を保ちます。
- 02
DEFINITION
「粗利」も「在庫」も、指す範囲は会社ごとに違います。意味を渡さないまま任せれば返ってくるものは意図とずれるので、仕事を渡す前に言葉を決めます。
- 03
VERIFICATION
AIの答えは、確からしく見えるものほど確かめにくいものです。規則に照らして通ったものだけを、送信や掲載やデータの書き換えに進めます。
- 04
LIMITS
できることだけを並べた説明は、聞く側に確かめる手立てがありません。いまできないことから先にお伝えします。
- 05
PRACTICE
試していないものを、人に勧めることはできません。自分たちの経営で確かめてから、お客さまの会社へ広げます。
WHAT IT IS LIKE
新しい人が入るときと、やることは同じです。
新しく人が入るときにやることを、そのままAIにもやります。会社の言葉を教え、道具を渡し、権限の範囲を決め、はじめのうちは出したものを確認する。違うのは、覚えたことが個人ではなく会社に残ることです。
- 01
会社の言葉を教える
「粗利」がどこまでを指すのか、成果を何で数えるのか。新入社員に最初に教えることと同じです。
- 02
道具を渡す
管理画面、社内のデータ、資料の置き場。人が使うのと同じものを、同じ範囲で渡します。
- 03
権限の範囲を決める
どこまで自分で進めてよく、どこから確認を取るか。入社時に決めることと同じです。
- 04
はじめは確認する
出したものを見て、直して、返す。それを重ねて、任せる範囲を広げていきます。
ONCE IS NOT EVERY TIME
一度できることと、毎回できることは違います。
AIに一度やらせて、うまくいく。そこまでは、いまや誰でも辿り着きます。難しいのはその先です。
書式が変わり、担当が変わり、例外が出ても、同じ品質で返り続けること。一度きりなら要らなかったものが、ここで全部要ります。呼び出せる道具、途中の状態を残す場所、そして出したものを確かめる仕組みです。
Retail Shelf
№06
THE FIVE CONDITIONS
私たちの考える、AIネイティブの5条件。
- 01
その会社の言葉で、AIが答えることができる
- 02
AIが、提案ではなく実行まで終わらせる
- 03
どこまで任せるかが、業務ごとに決まっている
- 04
AIを外すと、事業が回らない
- 05
出したものを、人が確かめ直さなくていい
EVIDENCE
最初の導入先は、自分の会社です。
広告の集計も、経理の突き合わせも、資料づくりも、10名のAIエージェントが実際の業務として担当しています。下は、その土台になっている、言葉の定義の画面です。
SEMANTIC WORKSPACE→№15
横にスクロール →
実際の画面です。表示しているデータはサンプルで、「粗利」「CPA」「在庫不一致」のような、会社ごとに揺れる言葉から先に決めます。 画面をタップすると、そのまま開けます。
会社で使う言葉は、定義まで決めてあります。
「粗利」「在庫」「成果の1件」が何を指すのか。どの言葉とどの言葉が、どうつながるのか。決めてから、AIに仕事を渡しています。
判断の決まりは、規則として書き出してあります。
これまで人の頭の中にだけあったものです。担当が辞めても、決め方は会社に残ります。引き継ぎの資料ではなく、実行時に効く規則として残ります。
実行の前には、人の承認が入ります。
外部への送信、金額に関わる決定、基幹データの書き換え。ここは人が承認するまで、実行待ちにも入りません。
SOURCE — OUR OWN OPERATION
Apparel EC
№11
HOW IT WORKS
会社の言葉を、AIが理解できる形にする。
実体と関係と判断のルールを先に定義し、その上ではじめてAIに仕事を渡します。通過条件を満たさない知識は実行に渡らず、合わなければ止まり、実行の前に人が承認します。この関門を MAP（Meaning Admission Protocol）と呼んでいます。
すべての会社は、いずれ自分の言葉を、AIが理解できる形で持つことになります。
それを持たない会社は、AIを入れるほど、間違いを速く配ることになります。