1.勝ち方の考え方

---

A.解きたい誤解

「乗り遅れたら負け」

• 突き詰め、特定のドメインにおいてAIありきの本当に価値のあるサービスを構築できる権利は限られたプレイヤーにしかない。
• 既存のプレイヤーが侵食されるという論理と、持たざるものがBIGプレイヤーになれるという論理は全く接続性がない。
• 事実、時価総額100億円程度の期待を超えている新興スタートアップは、ドメイン知識や組織を作る力があるプレイヤーのみ。

「AIエンジニアは不要」

MLエンジニアしか解けないISSUEは大きく3つ

• LLM特化のエンジニアは必要ないが、MLケイパビリティは必要。

1. アーキテクチャデザイン
2. ユニットエコノミクスの強化
3. 独自SLMの構築

B.何が積み上がる価値なのか。

1.大規模実験場となる顧客

• 業務規模・投資規模・変化迎合性のある顧客の存在は不可欠。
• 実験機会という価値もさることながら、ほとんどのプレイヤーは長期契約や業務への本導入を実現できていないので、実用されていて売上がOO円あるというだけでかなりの企業価値になる市況でもある。

2.アーキテクチャ×データのストックフロー

• 線的で静的なDBでは精度や性能の限界にすぐ至る。
  • 逆に言えばそれでは競争優位性は出ない。
• データの前処理、分散化、メタデータ付与、クレンジング、承認プロセス、機械言語向けのデータマネジメントなどを想定してアーキを組む必要がある。

3.特化型のSLM

C.どうやって競争しないか

LLMがないとできないがLLMが苦手なことに向き合うこと

• 正確性をほとんどの会社が諦める
• なぜなら4領域のすべてをレベル4にする必要があるから。
• 詰まるところ、主戦略にLLMを用いることはコスパが良いとは言えない。
  • かなりテクニカルなゲーム。

2.スキルインテリジェンスの区分

---

スキルをどういった層からアプローチするか？に会社のユニーク性が現れやすい

3.事業の進め方

---

A.事業の加速度を作るために初期的に揃うと良いモノ

1. 適切で前のめりな実験場
2. CSプロセスとメンバー（MLエンジニア含む）
3. αデータ
4. αシステム
5. 汎用アーキテクチャの仮説

B.1年くらいの進め方パターン

パターン全体像

選択肢評価

a.少数の企業との共同開発

• スタートアップ向き

b.多数の企業とのコンソーシアム

• aをやりつつ複線としてはありかも

c.少数の企業へのプロダクト売り

• ぶっちゃけあんま学びない。
• シンさんもいるならこれやる必要はまずない。

d.多数の企業へのプロダクト売り

• やるとしてもISSUEやAIが担うタスクをかなり絞るべき。
  • ex.いまのAI PMよりもうちょい絞る