meteorologist レポート 01 / 06
「データをどう読む人？」
データのない場所で、洞察を見つける。
大学院（修士・博士）での研究テーマは、突風と海上作業、そして気象衛星の関係。外洋には風を測る観測点がほとんどありません。だから、衛星に見えているものの中から本当に重要な手がかりを見つけ出すことが、研究の中心でした。手元のデータから、本当は何が言えるのか。今もAIの課題には、その問いから入ります。
定点で作業中の船突風リスク：低
Lusan
経歴書を読むより、質問してみてください。7つのエージェントが調べに行きます。
7つのエージェントが待機中。質問を選ぶか、そのままスクロールしてください。
おかえりなさい。
レポート
エージェントが持ち帰ったもの。
それぞれひとつの発見と、それを示す図。
cartographer レポート 02 / 06
「知らない業界でも大丈夫？」
知らない分野でも、まず正しい問いを見つける。
シンクタンクでのリサーチとコンサルティング。海運、電力、介護、医療、製薬、公共分野で、規模もさまざまな案件を手がけてきました。顧客は行政、学術機関、企業。ほとんどの案件が、新しい分野でした。大事なのは、本当の課題をすばやくつかみ、顧客や各分野の専門家と一緒に答えをつくること。そして、背景の違う人にも伝わる言葉にすること。
一緒に決めた問い
予報が不確かなとき、作業はいつ止めるべき？
関わる人は案件ごとに違う
analyst レポート 03 / 06
「深く知っている分野は？」
意思決定で終わるデータ。
ヘルスケアのデータサイエンス：リアルワールドデータを、事業の意思決定に。「データはある。で、どうする？」と聞けば、ダッシュボードではなく答えが返ってきます。
リアルワールドデータ→問い→意思決定ダッシュボードの追加
interpreter レポート 04 / 06
「話は通じる？」
4つの言語で。ビジネスとエンジニアリングを入れれば5つ。
仕事ではEnglish、日本語、普通话、粵語。そしてAIプロジェクトで一番大切な通訳：何かを求める人と、それをつくる人の間。
5つめの言語
ビジネス
「AIでお客様の質問に答えられる？」
エンジニアリング
「マニュアルとFAQを検索して答える。自信がなければそう伝えて、人につなぐ。」
そして話す4つの言語
Let’s turn this idea into something people can use.
builder レポート 05 / 06
「最初から最後までできる？」
課題から、使われるところまで。一本の線で。
10以上のAIプロダクトをリリース。職能横断チームを率いたものも、ひとりで最後までつくったものもあります。課題の定義、プロトタイプ、開発、リリース、普及まで、一本の線で進めます。従来の機械学習モデルも、生成AIのプロダクトアーキテクチャも、UI/UXも自分の手でつくってきました。だからビジネスの課題をそのまま技術の設計に落とせるし、エンジニアリングも適した技術スタックに早くたどり着けます。
例 · データに聞く
これ、生成AIでできない？？— 月曜の会議
本当の課題
営業は、キャンペーンを始められるかを自分で確かめたい。今は在庫チームの返事待ちで、丸一日かかることも多い。
何を解くかを先に決め、AIを使うかはその後で大阪、来週始められる？
確認できたまだ確認できない
理由 · 出典 · 誰に聞くか触れるプロトタイプを、まず営業に
質問 → 3つの経路 → 回答 + 出典
質問
キャンペーン計画資料に何と書いてあるか検索LLM
在庫と入荷数字はモデルにつくらせないSQL時系列予測モデル
データは新しい？古ければ推測せず、在庫チームへルール
回答+ 出典
大規模モデルは役立つところだけ。ほかは、より単純で確実な方法で
来週、大阪のキャンペーンを始められますか？
まだ確認できません。大阪の在庫は3日前のデータなので、推測はしません。それ以外は準備できています。
出典 · キャンペーン計画在庫 · 3日前在庫チームに確認 →
これ、生成AIでできない？？— 月曜の会議
本当の課題
営業は、キャンペーンを始められるかを自分で確かめたい。今は在庫チームの返事待ちで、丸一日かかることも多い。
最初のステップは問題なしご用件は？
「キャンペーン」と「在庫」が消えた
エージェントフレームワーク
ベクトルデータベース
大規模モデル · 全データ接続
在庫データが古くなることは、ここまで伝わらなかった
来週、大阪のキャンペーンを始められますか？
はい、すべて準備できています。
在庫は3日前のデータ。それを言わなかった。
このステップに届いた要件営業が自分で確かめたい：大阪のキャンペーンは来週始められる？
10++リリースしたAIプロダクト · チームでも、ひとりでも
skeptic レビュー
「お世辞は混じっていない？」
形容詞を削りました。
モデルは、相手が聞きたいことを言いがちです。だからこのチームには、ブリーフを読む前にそれを取り除くことだけが仕事のエージェントがいます。
下書き
Lusanは先見の明のある、世界トップクラスのAIリーダーで、いとも簡単にアイデアを革新的なプロダクトに変える。
修正後
Lusanは、AIのアイデアを人が使えるものに変える。
4削除した最上級表現0根拠のない主張6レビューしたレポート
ブリーフオーケストレーターがまとめましたレポート7件 · 最上級表現0
Q · Lusanってどんな人？
AIのアイデアを、人が使えるものに変える人。
Lusanは東京で、AIプロダクト、データサイエンス、デザインに取り組んでいます。突風と衛星雲画像1、シンクタンクでのさまざまな業界の案件2、ヘルスケアデータ3、4つの言語とビジネス・エンジニアリングの間の通訳4、そして課題の定義から普及まで手がけたAIプロダクト5で学習。AIのアイデアを、人が使えるものに変えるようにファインチューニング済み。AIがどこで止まるべきかについて書いています6。
次の質問
レポート 06 · librarian
ここからが本題。
考えたこと、学んだこと、つくったもの。日本語・English・中文で。新しいものはまずここに。
librarian › 8本、新しい順
- 01 ノート なぜAIはあなたを肯定ばかりするのか？ AIの迎合（Sycophancy）について AIの迎合（Sycophancy）は、主要な大規模言語モデルに広く見られる傾向で、ユーザーに合わせて、客観的な事実より耳当たりのよい答えを返しがちです。この記事では、その原因が強化学習による訓練にあることを説明し、AIから客観的で厳しい意見を引き出すための、質問の5つの習慣を紹介します。 NEW 2026年6月5日 · 8 分 読む →
- 02 観点 Vibe Codingはあなたを目的地へ速く届けてくれる——でも、目的地は選んでくれない Vibe Codingが本当に下げているのは、アイデアを「見える形にする」コストです——曖昧な説明を、実際に触れて操作できるものに変えること。でも、「それをやる価値があるか」を判断するコストは、何も下がっていません。ツールが速くなるほど、方向を間違えたときの代償は大きくなります。そして、ビジネスロジックと技術実装の間を行き来して翻訳できる人は、この時代においてむしろ希少になっています——希少でなくなるのではなく。 NEW 2026年4月25日 · 6 分 読む →
- 03 観点 箇条書きは「AIらしさ」か、それとも「思考的誠実さ」か？ 生成AI時代のコミュニケーションにおける構造化の再定義 NEW 2026年3月18日 · 2 分 読む →
builder › 発送済み
つくって、公開しているもの。レンズを重ねると本来の色が見えます。クリックで本物のサイトへ。つくって、公開しているもの。タップで本物のサイトへ。
-
Sulcata Codex sulcata-codex.org を開く ↗ -
このサイト このページ ↑ - 次のひとつ · 配送中