新規記事
【2026最新】人材紹介のマッチング精度を上げるためのデータベース設計を公開
知見
ピックアップ
人材紹介のマッチング精度を上げるデータベース設計を、応募したいか・選考に通るかの2つの判断から整理しました。提案理由や不合格理由の残し方、管理システム別の作り方を解説し、全105項目のデータ一覧も配布しています

人材紹介のAI活用が業務効率化で止まる理由|面談設定率・応募率が上がる会社は何をしているか
知見
ピックアップ
人材紹介会社のAI活用が効率化で止まり、成約数が増えない理由を整理します。成約数を伸ばした会社が、面談・育成・求人提案の手順や基準をどう整え、AIをどう使っているのかを解説します。

AIのモデルに依存しない、シゴデキAIのつくり方
知見
ピックアップ
AIのモデルは変えずに、AIに渡す情報・作業の手順・成果物の確認方法を整えてきた実践記録です。修正内容の記録、答えられなかった質問からの資料整備、手順書と専任AI、別会社のAIによるレビュー、数ヶ月の集計がむだになった失敗まで紹介します。

知見
知見
マルチモーダルAIとは|生成AIとの関係・企業での活用
記事やSNSで「マルチモーダルAI」という言葉を目にする機会が、ここ最近で増えました。投稿の文章を見てみると、生成AIと何が違うのか、マルチモーダルAIとは何を指しているのか、という違和感が残ってしまうという方も多いのではないでしょうか。本記事では、マルチモーダルAIの定義と歴史、しばしば混同される...
知見
ルールのないCRMにAIエージェントを入れると何が起きるか|起こりうる事故と、先に整備という近道
「うちもそろそろAIエージェントを入れて、商談記録の入力やフォロー、レポート作成を自動化したい」。営業の現場で、こうした声が当たり前に聞かれるようになりました。ところが、いざCRM(顧客管理システム)を開いてみると、同じ取引先が「株式会社○○」「○○(株)」「○○ホールディングス」と3通りで登録され...
知見
個人で動いたAIが、組織で動かないのはなぜか——生成AIの仕組みから読み解く「ツール化・商品化」の設計差と人材要件
ある担当者が、自分の業務に合わせてプロンプト(生成AIへの自然言語の指示書)を磨き込み、提案資料のたたき台や定型レポートの下書きを「動くもの」として作り上げる。社内で評判になり、上司や経営層から「それ、部門全員で使えるようにしてくれないか」「商品として外販できないか」と声がかかる。ところがいざ組織展...
知見
生成AIは業務の「補助」、AIエージェントは業務の「代替」──国内事例から見る今、AIエージェント導入を判断する理由
「競合もやっているんだから、うちもAIエージェントを早く導入しよう」経営会議で出た、このひと言。しかし議論の流れを少し巻き戻すと、その直前まで話していたのは「Claude(生成AI)を全社展開して業務を効率化しよう」という、まったく別のテーマではなかったでしょうか。生成AIとAIエージェントが、同じ...
知見
生成AI利用ガイドラインの作り方(後編)|生成AI活用のセキュリティ対策【テンプレート付き】
前回の記事では、生成AI利用ガイドラインを整備するうえで最初に揃えるべき3つの軸——「データを3つに分類する」「ツールごとのデータ取り扱いを整理する」「業務・部門ごとに判断軸を定める」を、比較表とテンプレートの章構成とともに整理しました。経営層がルールより先にAIを使い始めている、という変化に対する...
知見
生成AI利用ガイドラインの作り方(前編)|ゼロから作るための3つの軸 【今すぐ使えるテンプレート付き】
CEOがClaude Codeを使って中長期の事業計画を練り始めている、役員がCursorでゼロから面接評価エージェントを構築している——こうした話を、ここ3ヶ月で急速に耳にするようになりました。AIの活用方針は、もともと経営層の判断から始まるトップダウンが基本でした。ただ、これまでは「経営がGoサ...
知見一覧を見る
キーワード一覧
