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
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
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
コラム
コラム
全員アナリストの時代と、これからのデータ組織
これまでのデータ組織が引き受けてきた役割「データ組織」「データ分析チーム」「アナリティクスチーム」。社内でこういったデータ専門の組織を置くとき、多くの会社で、その役割や組織の作り方は似ていました。マネージャーがいて、その下にデータアナリスト、データエンジニア、データサイエンティストが並ぶ。BIチーム...
コラム
データエージェント時代のガバナンス── ルールを誰が決めるのか
データエージェントが、社内データを動かし始めたデータエージェントという言葉が、業界で急に増えました。自然言語の問いを受け取り、社内データに自律的にアクセスし、必要な分析や処理を複数ステップで実行するAIです。たとえば経営者が「先月、解約が増えたセグメントは?その顧客の共通点は?」と話しかける。すると...
コラム
AI時代のBIとAI ── 民主化の失敗の先に
データの民主化は、長らくBIに託されてきました。誰もが自分でデータを見て、自分で判断する——その約束に、世の中はかつて大きな期待を寄せました。ところが、約束はほとんど果たされないまま、今度はAIが同じ約束を携えて登場しています。本記事は、BIとAIを「どちらが要るか」ではなく「どのように使い分けるか...
コラム一覧を見る
キーワード一覧
