このサイトを検索

仕事をしていると、同じような業務を担当していても、周囲の状況に気づき、自ら行動できる人と、なかなかそうならない人がいると感じることがあります。 この違いはどこから生まれるのでしょうか。 最近、その理由について考える機会があり、私なりに一つの仮説にたどり着きました。 それが「役割思考」と「目的思考」という考え方です。 今回は、この二つの思考の違いと、それが長期的な成長にどのような影響を与えるのかについて書いてみたいと思います。 組織の効率化が生み出す「役割思考」 大企業などの規模が大きな組織では、ビジネスの仕組みや業務プロセスが整備され、一人ひとりの担当範囲や責任が明確になっています。 これは決して悪いことではありません。 多くの人が関わるビジネスを効率的に進め、一定の品質を維持するためには、非常に合理的な仕組みだと思います。 一方で、そのような環境で長く仕事をしていると、与えられた役割の範囲内で物事を考える習慣が身につきやすいのではないかと感じています。 例えば、 「自分に与えられた目標を、どのように達成するか」ということは一生懸命考える。 しかし、自分の担当外で問題が起きても、「それは自分の仕事ではない」「担当者が対応すればいい」と考え、それ以上は関心を持たなくなる。 もちろん、担当する仕事に責任を持ち、確実に遂行することは大切です。 ただ、自分の役割を果たすことだけが目的になってしまうと、仕事全体を見渡す機会が少なくなってしまうのかもしれません。 私は、このように自分に与えられた役割を中心に考える姿勢を、ここでは「役割思考」と呼びたいと思います。 「目的思考」の人は何が違うのか 一方で、私が「目的思考」と考える人は、少し違った視点で仕事をしています。 与えられたタスクをこなすだけではなく、「そもそも、この仕事は何のためにやるのか」「最終的に、どのような成果が求められているのか」「どうすれば、お客様や周囲の人に喜んでもらえるのか」ということを考えています。 例えば、自分の担当業務が予定どおり進んでいたとしても、隣のチームが問題を抱えていたらどうでしょうか。 役割思考であれば、自分の仕事は終わっているので問題ないと考えるかもしれません。 しかし、目的思考の人は、プロジェクト全体の成功を考えます。 「自分に何か手伝えることはないだろうか」「この問題を解決するために、別の方法はないだろうか」そう考え、自ら周囲に働きかけることができるのではないでしょうか。 また、自分の担当業務が単調で、面白みを感じにくい仕事だったとしても、その仕事が最終的な目的にどうつながっているのかを理解していれば、取り組む意味を見いだしやすくなります。 大切なのは、タスクを終わらせることだけをゴールにしないこと。 その先にある目的を理解し、成果につなげようとすることだと思います。 こうした人は、周囲から信頼され、結果として新しい仕事や責任ある役割を任される機会も増えていくのではないでしょうか。 1年後、2年後に生まれる成長の違い ここで私が特に重要だと感じているのは、二つの思考によって生まれる長期的な成長の違いです。短期的には、それほど大きな差はないかもしれません。 同じ仕事をして、同じように成果を出していれば、周囲からの評価も大きく変わらないでしょう。 しかし、毎日の仕事の中で、 「なぜ、この仕事が必要なのか」 「もっと良い方法はないだろうか」 「自分にできることは、ほかにないだろうか」 と考え、実際に行動している人は、少しずつ経験の幅を広げていきます。 自分の担当外の仕事に関心を持つことで、知識が増え、人とのつながりが生まれ、物事をより広い視点で捉えられるようになります。 こうした思考と行動を1年、2年と積み重ねたとき、どのような違いが生まれるでしょうか。 私は、その小さな積み重ねが、やがて大きな能力の差になって表れるのではないかと考えています。 特別な才能がなくても、日々の仕事に向き合う姿勢によって、自分の可能性は広げられる。 そう考えると、毎日の仕事も少し違って見えてくる気がします。 周囲と比較するより、昨日の自分と比較する 今はSNSなどを通じて、他人の活躍や成功が簡単に目に入る時代です。 ・同年代の人が昇進した。 ・転職して年収が上がった。 ・若くして起業し、成功している。 そんな情報を見れば、自分だけが取り残されているように感じることもあるでしょう。 周囲と比較して焦ったり、早く評価されたいと思ったりするのも自然なことだと思います。 ただ、私は少し違った考え方もあっていいのではないかと思っています。 他人と今の自分を比較するのではなく、昨日の自分と比較してみる。 例えば、 ・昨日より何ができるようになったのか。 ・昨日よりリスクを予測できるようになったか。 ・昨日より仕事全体の流れを理解できるようになったか。 ・昨日より周囲の人を助けられるようになったか。 そんな小さな変化に目を向けてみるのです。 毎日劇的に成長する必要はありません。 昨日分からなかったことが、今日は少し理解できるようになった。 それだけでも立派な成長だと思います。 自分自身の成長を認められるようになれば、周囲の評価だけに振り回されることも少なくなり、長期的な目線で自分を磨き続けられるのではないでしょうか。 リーダーに必要なのは、役割を超えて考える姿勢 企業経営において、次世代のリーダーを育てることは重要な課題の一つです。 では、どのような人がリーダーとして信頼されるのでしょうか。 私は、自分の担当業務だけではなく、チームや組織全体の目的を考え、行動できる人だと思っています。 ただ、実際には簡単なことではありません。 自分の仕事が忙しいときに、ほかの人を助ける。 誰も引き受けたがらない課題に向き合う。 自分の担当ではない問題にも関心を持ち、解決に向けて行動する。 短期的に考えれば、面倒なことが増えるだけかもしれません。 「なぜ自分が、ほかの人の仕事までやらなければならないのか」 そう感じることもあるでしょう。 しかし、その経験を通じて得られる知識や判断力、人との信頼関係は、将来の自分にとって大きな財産になるはずです。 若い頃、上司から教わった言葉で、今でも心に残っているものがあります。 「リーダーとは、自己犠牲とオブリゲーション（義務）である」 当時は、その意味を十分に理解できていなかったかもしれません。 今振り返ると、自分の都合だけではなく、仲間や組織のために責任を引き受ける覚悟が必要だということだったのではないかと感じています。 もちろん、自己犠牲とは、無理をして働き続けたり、自分だけが負担を背負ったりすることではありません。 仲間と協力し、必要なときには自ら行動し、チームとして成果を生み出すこと。 そうした姿勢が、リーダーとしての成長につながっていくのだと思います。 若い時間を、未来の自分のために使う 最近は「静かな退職」という言葉を耳にすることがあります。 与えられた仕事をきちんとこなし、それ以上の責任や負担を積極的には引き受けないという働き方です。 仕事に対する価値観は人それぞれですし、どのような働き方を選ぶかは個人の自由だと思います。 ただ、一つ考えてみてほしいことがあります。 今、目の前にある仕事や経験は、将来の自分にどのような価値をもたらすのでしょうか。 短期的に楽をすることや、目先の損得を考えることが、必ずしも長期的な自分の利益につながるとは限りません。 少し難しい仕事に挑戦する。自分の担当外のことにも興味を持つ。困っている仲間を助ける。目的を理解し、自分で考えて行動する。 そうした経験が、数年後の自分の選択肢を広げてくれるかもしれません。 若い頃の時間は、二度と戻ってきません。 だからこそ、周囲の風潮や他人の成功に必要以上に振り回されず、自分自身の成長に目を向けてみてはいかがでしょうか。 焦る必要はありません。 昨日より少しでも成長できていれば、それは確実に自分の財産になっていきます。 短期的な損得だけではなく、5年後、10年後の自分がどうなっていたいのか。 そんな長期的な目線を持ちながら、日々の仕事に向き合うことが大切なのではないでしょうか。

株式会社TechULTは、2026年8月24日付で、情報セキュリティマネジメントシステム（ISMS）の認証を取得いたしました。 当社は、お客様からお預かりする情報資産を適切に保護することを重要な経営課題と位置づけ、情報セキュリティ管理体制の整備・強化に取り組んでまいりました。 今回の認証取得を機に、今後も情報セキュリティの維持・向上に努め、お客様に安心してサービスをご利用いただけるよう、継続的な改善に取り組んでまいります。 ■認証登録情報 項目 内容 認証規格 ISMS（情報セキュリティマネジメントシステム） 認証登録番号 ISMS/0393 初回認証登録日 2026年8月24日 認証機関 JISSA マネジメントフレームワーク 今後とも、株式会社TechULTをよろしくお願い申し上げます。

人の成長について考える機会があったので、思ったことをまとめてみます。 会社組織の中には、成長する人と、なかなか成長しない人がいます。 もちろん、会社が教育や研修を実施することで成長を促すことはできます。 しかし、同じ研修を受けても、全員が同じように成長するわけではありません。 たとえば、研修に「命令されたから来ただけ」「正直だるい」と思いながら参加している人が、積極的に知識を吸収できるでしょうか。 成長は、環境だけでは生まれないのだと思います。 私自身は、覚悟と責任感こそが人を成長させるエネルギーになるのではないかと感じています。 できるかどうかは分からない。 それでも「やらなければならない状況」に置かれたとき、人は本気になります。 たとえば、前例のないプロジェクトを任され、部下を率いて進めなければならないとします。 しかし、自分自身も進め方が分からない。 そのとき、部下の前で不安をそのまま口にするのか。 それとも、必死に知識を習得し、課題を整理し、少しずつでも前に進めようとするのか。 後者を選ぶ人は、確実に成長します。 自分に割り当てられた責務のゴールを関係者とすり合わせ、たとえ60点でもいいから合意形成をし、着地させる。 部下から分からないことを聞かれても、悩みながら答えを探し、前に進む。 こうした「逃げられない状況」を乗り越える経験こそが、人を成長させるのではないでしょうか。 一方で、多くの人は「失敗してはいけない」という思いにとらわれ、自分で考え、動くことを止めてしまいます。 特に、頭が良く想像力が豊かな人ほど、リスクを先に想像して諦めてしまうこともあるように感じます。 体育会系の人が会社組織に向いていると言われるのは、若い頃から理不尽や無茶な要求を受け入れ、自分の立場を理解しながら行動してきた経験があるからかもしれません。 もちろん、理不尽を肯定するわけではありませんが、「まず受け止めてみる姿勢」は成長に直結する要素だと思います。 企業が持続するためには、法を犯すような不正行為をしないという前提は当然重要です。 そのうえで、株式会社は利益を追求する存在でもあります。 必ずしも「正しいことだけ」を選べる環境とは限りません。 ビジネスを推進する中では、お客様からの難しい要求や、上司からの厳しい指示を受けることは多々あります。 それをどのように受け止め、どう落としどころを見つけ、解決し、満足してもらうのか。 その力が一人ひとりに求められており、その過程で人は成長していくのだと私は信じています。 少し大げさに言えば、「正しいことだけをやりたい」という強い思いがある人は、自ら組織をつくる側に回るのも一つの選択かもしれません。 また、理不尽や無茶をどうしても受け入れられないのであれば、組織に属さず、自分でビジネスを進める道を選ぶのも自然なことだと思います。 どの道が正しいということではなく、 どの環境であれば自分が成長できるのかを考えることが、何より大切なのではないでしょうか。

社員からの希望があったとこ、福利厚生の向上を目的として関東ITソフトウェア健保(ITS健保)に加入することになりました。福利厚生を手厚くしたいと考える経営者の方は多くいると思いますので記事にしてご紹介します。 特に会社としても、個人としてもメリットが大きいと感じているのは大きく3つ １．従業員の医療費負担が下がる可能性が高い ２．会社・従業員双方の健康保険料が下がる可能性がある ３．採用・定着に使える福利厚生のが手厚い ただし中小企業では最大の注意点（デメリット）はがあります。 ①加入条件が厳しい 具体的に言うとITS健保加入は「被保険者数20名以上」が加入基準ということ 既存加入事業所の親会社・子会社・関連会社などに該当する場合は5名以上の例外がありますが、 通常の新規加入では20名以上が条件です。 ②申請から加入まで時間を要する 加入申出書・会社概要を提出し、必要書類提出、審査、関東信越厚生局の認可という流れになります。とにかく書類の準備が重いです。 加入までは、必要書類提出後から約6か月程度かかるとされていますが、当社は4月から対応を初めて9月に加入ができました。当社の実績では申請から審査適用までの期間は5ヶ月かかっています。 ITS健保では、組合編入審査時に被扶養者資格の確認を行い、認定要件を満たしていることが確認できない場合は被扶養者として認められないとされていますが、クリアできました。 福利厚生を手厚くしたいと悩んでいる経営者のかたもいると思いますので、会社側のメリットから記載していきます。 １．会社側のメリット ■保険料率の比較 当社は以前東京都の協会けんぽに加入していました。 2026年度の健康保険料率が9.85%、子ども・子育て支援金率が0.23%、40〜64歳に加わる介護保険料率が1.62%です。一方、ITS健保は2026年4月分から、健康保険料率が9.27%、子ども・子育て支援金率が0.23%、介護保険料率が1.80%です。 区分 協会けんぽ 東京 ITS健保 差 健康保険料率 9.85% 9.27% ITSが低い 子ども・子育て支援金率 0.23% 0.23% 同じ 健康保険＋支援金 合計 10.08% 9.50% ITSが0.58%低い 本人負担分 5.04% 4.75% 本人が0.29%低い 会社負担分 5.04% 4.75% 会社が0.29%低い 介護保険料率 1.62% 1.80% ITSが0.18%高い 40〜64歳の本人負担差 5.85% → 5.65% ITSが0.20%低い 介護分で差は縮小 上記表から40歳未満の従業員ではITS健保の保険料メリットが大きく、40〜64歳でも総額ではITS健保のほうがやや低い、という構造です。 ①会社負担の保険料が下がる可能性があります 40歳未満の従業員では、会社負担分も本人負担と同じく、協会けんぽ東京より0.29%低い計算です。 標準報酬月額44万円、40歳未満の従業員20名で単純計算すると、 44万円 × 0.29% × 12か月 × 20名 = 約30.6万円/年 程度の会社負担減になります。賞与分を含めるとさらに差が出るので会社としてもメリットがありますよね ②健康診断・人間ドックが安い 会社負担で毎年健康診断を実施していますが、協会けんぽでは35才以上の社員は補助があり安くなっていましたが、若い社員は通常の料金なので1万円以上も負担していました。 ITS健保では、基本健診が2,000円、35歳以上の人間ドックAが6,000円、人間ドックBが8,000円、人間ドックCが10,000円で設定されており非常に安価に健康診断を実施できることになりそうです。 ③採用広報で使いやすい 「関東ITソフトウェア健保加入」は、IT業界では比較的わかりやすい福利厚生アピールになると考えています。会社入ったことがない学生には響かないかもしれませんが。。 特に採用ページでは、以下のように訴求できるのではと考えております。 関東ITソフトウェア健康保険組合に加入。 医療費の付加給付、低料金の人間ドック、保養施設、旅行補助、スポーツクラブ利用など、IT業界で評価の高い福利厚生を利用できます。 福利厚生や育成環境を打ち出したい会社にとっては、「ちゃんと社員に投資している会社」という印象づくりに有効かもしれません。 ２．従業員のメリット ①医療費の自己負担が大きく下がる可能性がある ここが従業員にとって最も大きいメリットです。 協会けんぽには、健康保険組合独自の「付加給付」はありません。 一方、ITS健保は独自の付加給付を実施しています。ITS健保自身も、協会けんぽには付加給付がないと説明しています。 ITS健保では、同一月・同一医療機関等の自己負担額が「入院」「外来＋調剤」別に20,000円を超えた場合、 超えた額が一部負担還元金・家族療養費付加金等として給付されます。 たとえば、保険診療で自己負担が10万円かかった場合、条件に該当すれば、最終的な自己負担が概ね 2万円近くまで下がる可能性があります。 差額ベッド代や入院時の食事代など保険対象外の費用は対象外です。 これは、病気・手術・入院・継続治療が発生した社員や家族にとって、非常に大きな安心材料ですね。 家族にもメリットがあるみたいです。 ITS健保の付加給付は、被保険者本人だけでなく、被扶養者にも家族療養費付加金として適用されます。 保険給付一覧でも、家族についても自己負担額から20,000円を控除した額を給付する仕組みが示されています。 従業員本人だけでなく、配偶者・子どもを扶養している社員にとっては、福利厚生としての価値が高いです。 ②毎月の保険料が下がる可能性がある 標準報酬月額44万円の従業員を例にすると、本人負担分は以下のようになります。 ケース 月額差額の目安 40歳未満 約1,276円/月の負担減 40〜64歳 約880円/月の負担減 賞与にも保険料率がかかるため、月給だけでなく賞与分でも差が出ます。ITS健保側も、協会けんぽより保険料負担が少なくなる場合があると説明されています。 ③保養施設が手厚い ITS健保は、直営・通年保養施設として、トスラブ箱根和奏林、トスラブ箱根ビオーレ、トスラブ館山ルアーナなどを案内しています。 https://www.its-kenpo.or.jp/shisetsu/chokuei/index.html トスラブは1泊2食付きでは被保険者・被扶養者: 6,600円(こども3,300円)で宿泊できるのはすごく魅力的ですよね 福利厚生として見ると、単なるカフェテリアポイントよりも、家族旅行・社員旅行・リフレッシュ施策として利用できます。 ④旅行補助がある ITS健保では、ライフサポート倶楽部、JTB契約保養施設、公共の施設などの宿泊プランについて、1人1泊5,000円、年度内3泊までの補助制度があります。 https://www.its-kenpo.or.jp/shisetsu/hojo/shukuhaku/index.html さらに、宿泊＋交通付プランでは半額補助・上限10,000円という制度も案内されています。 従業員本人だけでなく、被扶養者も対象になるため、家族持ち社員へにはお得。 ⑤スポーツクラブ・レストランなども使える ITS健保では、都内や近郊を含め全国のスポーツクラブを低料金で利用できると案内されています。 また、健保会館付属施設として、中国料理、イタリアン、鉄板、和食、寿司、バーなどのレストランも案内されていることもあり、実際の利用頻度には個人差がありますが、採用候補者から見たときの「福利厚生の厚み」としては魅力的かもしれません。

LinkRiseイメージキャラクター 株式会社TechULTは、問題集を作成・販売する人と、学習する人をつなぐ学習プラットフォーム「LinkRise（リンクライズ）」の提供を開始しました。 第一弾として、学習者向けAndroidアプリをGoogle Playで公開するとともに、問題作成・配信者向けのWeb UIを提供します。 LinkRiseでは、問題作成者が自身の知識やノウハウを問題集として提供し、学習コンテンツとして販売することで収益を得られる仕組みを目指しています。 資格講師、教育関係者、専門家、教育系クリエイターなどが、スマートフォンアプリを自ら開発することなく、自身の知識を学習コンテンツとして届けられる環境を提供します。 LinkRiseとは LinkRiseは、「知識を持つ人」と「学びたい人」を問題集を通じてつなぐ学習プラットフォームです。 問題作成・配信者はWebブラウザから問題集を作成・管理し、学習者はAndroidアプリから配信された問題集を利用して学習できます。 さらに、作成した問題集を学習コンテンツとして提供し、問題作成者が自身の知識や経験を収益につなげられる仕組みを提供します。 これまで教材販売や教育サービスを始めるためには、Webサイトの構築、アプリ開発、決済システム、コンテンツ管理など、さまざまな仕組みを個別に準備する必要がありました。 LinkRiseでは、問題集の作成から学習者への提供までを一つのプラットフォームで行える環境を整えることで、知識を持つ人がより手軽に教育コンテンツを届けられることを目指しています。 現在提供しているサービス 現在のLinkRiseでは、大きく2つのサービスを提供しています。 1．学習者向けAndroidアプリ 学習者はGoogle PlayからLinkRiseをインストールし、スマートフォンから問題集を利用できます。 4択形式を中心とした問題に回答し、正誤や解説を確認しながら繰り返し学習できます。 学習結果を確認しながら、間違えた問題への再挑戦など、反復学習に取り組める環境を提供します。 Google Play LinkRise - Google Play のアプリ 2．問題作成・販売者向けWeb UI 問題を提供する側は、PCなどのWebブラウザから問題集を作成・管理できます。 問題文、選択肢、正解、解説などを登録し、自身の知識やノウハウをデジタル問題集として学習者へ届けることができます。 LinkRiseが目指しているのは、単なる問題作成ツールではありません。 問題作成者が自分の持つ専門知識をコンテンツ化し、問題集として提供することで収益を得られる「知識の収益化」の仕組みです。 たとえば、資格試験に詳しい講師、教育系YouTuber、研修講師、特定分野の専門家などが、自分の得意分野を問題集として提供できます。 アプリを自ら開発することなく、自身の知識を新たな教育コンテンツとして届けられることがLinkRiseの特徴です。 「教える知識」を新たな収益源へ インターネット上では、動画、記事、SNSなどを通じて多くの人が専門知識を発信しています。 一方で、その知識を「学習できる教材」として提供し、継続的な収益につなげるためには、コンテンツ制作だけでなく、システムや販売環境の準備が必要になります。 LinkRiseでは、このハードルを下げることを目指しています。 たとえば、YouTubeで資格試験を解説しているクリエイターであれば、動画で解説した内容を問題集として提供する。 企業研修を行っている講師であれば、自身の研修ノウハウを確認問題として提供する。 専門的な業務経験を持つ人であれば、その知識を問題集として体系化して提供する。 このように、「知っていること」そのものを学習コンテンツへ変え、収益につなげられる環境をLinkRiseは目指します。 LinkRiseを開発した背景 TechULTでは、ITエンジニアの教育や人材育成に取り組む中で、「良い知識や教材を持っている人」と「それを必要としている学習者」を、もっと簡単につなぐことができないかと考えてきました。 専門知識を持つ人は数多く存在します。 しかし、その知識をスマートフォン向けの学習サービスとして提供しようとすると、アプリ開発やシステム運用など、本来の専門分野とは異なる知識やコストが必要になります。 そこでLinkRiseでは、 「学ぶ人が、もっと手軽に学習できること」 「知識を持つ人が、もっと簡単に教材を届けられること」 「良い教材を作った人が、その価値に応じた収益を得られること」 この3つを実現するプラットフォームを目指しました。 想定している問題作成・販売者 LinkRiseでは、さまざまな分野の知識を持つ方による問題集の提供を想定しています。 資格試験の講師や合格経験者 教育系YouTuberやSNSクリエイター 企業研修を行う講師 ITエンジニアや各分野の専門家 学校、スクール、教育事業者 自身の経験やノウハウを教材として提供したい個人 専門知識そのものが価値となり、新しい収益機会につながるプラットフォームを目指します。 想定している学習分野 LinkRiseは特定の資格やジャンルに限定せず、問題形式で学習できるさまざまな分野で利用できます。 IT資格 国家資格、民間資格 企業内研修 学校教育 語学 専門知識 業務知識 趣味や検定 その他、問題形式で学ぶことのできる分野 今後について 今回のリリースでは、学習者向けAndroidアプリと、問題作成・配信者向けWeb UIからサービスをスタートします。 今後も学習者の使いやすさだけでなく、問題作成者が自身の知識やコンテンツをより提供しやすく、継続的な活動につなげられる環境を整備していく予定です。 TechULTはLinkRiseを通じて、 「学びたい人」 「教えたい人」 「自分の知識を価値に変えたい人」 をつなぎ、個人や企業が持つ知識が新たな教育コンテンツとして循環するプラットフォームを目指してまいります。 サービス概要 サービス名：LinkRise（リンクライズ） 提供会社：株式会社TechULT 提供内容：学習者向けAndroidアプリ問題作成・配信者向けWeb UI問題集を通じた教育コンテンツ提供・収益化 対応OS：Android Google Play：LinkRise - Google Play のアプリ 提供開始：2026年9月 株式会社TechULTについて 株式会社TechULTは、IT技術を活用したシステムインテグレーション事業を展開するとともに、IT人材の育成や新たなサービスの開発に取り組んでいます。 今後もIT技術を活かし、人の成長や新しい価値の創出につながるサービスに挑戦してまいります。 会社名：株式会社TechULT Webサイト：株式会社TechULT,テックウルト,金融系システムインテグレーション | 東京のネットワークシステム設計構築 本件に関するお問い合わせ 株式会社TechULT LinkRise担当

株式会社時芽 ホームページ 株式会社TechULTは、IT人材の育成およびAI関連事業のさらなる推進を目的として、2026年6月24日付で株式会社時芽(ときめ)を設立し、同社株式の40％を取得いたしました。 株式会社時芽の代表取締役には竹本季史が就任し、IT人材の教育をはじめ、生成AIを活用した教育資料や教材、動画コンテンツの制作、企業における教育コンテンツ制作業務のアウトソーシングなどを展開してまいります。 TechULTではこれまで、ITインフラ事業を中心に事業を展開するとともに、人材の育成を重要なテーマの一つとして取り組んできました。 今回の株式会社時芽の設立を通じて、これまで培ってきたIT人材育成の知見と、急速に進化するAI技術を組み合わせ、新しい教育のあり方やAIを活用したサービスの創出に取り組んでまいります。 設立の背景 近年、IT業界では人材不足が続く一方で、生成AIをはじめとする技術が急速に進化し、企業やエンジニアに求められる知識、スキルも大きく変化しています。 こうした環境の中で、企業が継続的に成長していくためには、新しい技術を取り入れるだけでなく、それらを使いこなす人材を育てていくことが重要だとTechULTは考えています。 一方、人材育成の現場では、研修内容の検討、教材の作成、説明資料の準備、教育動画の制作など、実際に人を育てること以外にも多くの時間と労力が必要とされています。 生成AIの進化によって、これまで人が多くの時間をかけて行ってきた教材作成やコンテンツ制作の一部を、より効率的に行える可能性が広がっています。 AIによって教育そのものを置き換えるのではなく、AIを活用することで教育を行う人の負担を減らし、より多くの時間を「人を育てること」に使える環境をつくりたい。 そのような考えから、IT人材の教育とAI活用を組み合わせた新たな事業に取り組む会社として、株式会社時芽を設立いたしました。 株式会社時芽が取り組む事業 株式会社時芽では、主に以下の分野で事業を展開してまいります。 ・IT人材の教育、研修事業 ・AIを活用した教育支援事業 ・生成AIを活用した教材、教育資料の企画および制作 ・AIを活用した教育動画、解説動画などのコンテンツ制作 ・企業における教育資料、研修コンテンツ制作業務のアウトソーシング支援 ・AIを活用した新たなサービスの企画、開発 企業が人材育成を行う際に発生するさまざまな業務をAIによって効率化し、教育を行う側が、より本質的な育成やコミュニケーションに時間を使える仕組みづくりを目指します。 また、IT教育分野に限らず、生成AIを活用した資料制作や動画制作など、企業におけるさまざまな業務への活用についても取り組んでまいります。 「時芽」という社名に込めた思い 人が学び、成長していくためには時間が必要です。 そして、一人ひとりの中にある小さな可能性や才能が芽を出し、大きく成長していくためには、そのきっかけとなる教育や環境が重要だと私たちは考えています。 「時芽」という社名には、人や企業の中にある可能性が、時間をかけて芽吹き、成長していくためのきっかけをつくりたいという思いを込めています。 ITとAIという新しい技術を活用しながら、人の成長を支え、新しい可能性が芽吹く会社を目指してまいります。 TechULTと株式会社時芽の今後について TechULTは、ITインフラを中心とした事業を通じて培ってきた技術、人材育成の経験、IT分野における知見を株式会社時芽と共有し、双方の強みを活かした事業展開を進めてまいります。 株式会社時芽では、AIを活用した教育コンテンツ制作やIT人材教育をはじめ、さまざまなAI関連サービスの企画、開発を進めていく予定です。 また、株式会社時芽で生まれた技術やノウハウについては、TechULTにおける社員教育や人材育成にも活用し、グループ全体で新しい教育の仕組みづくりに取り組んでまいります。 AIの進化によって、仕事の進め方や人に求められる能力はこれからも変化していきます。 TechULTは、AIを単に業務を効率化するための技術として捉えるのではなく、人の成長や新しい挑戦を支えるための技術として積極的に活用してまいります。 今後もTechULTおよび株式会社時芽は、IT人材の育成とAI活用を通じて、人と企業の成長につながる新たな価値の創出を目指してまいります。 株式会社時芽 会社概要 会社名：株式会社時芽 設立日：2026年6月24日 代表取締役：竹本 季史 株式会社TechULT出資比率：40％ 主な事業内容：IT人材の教育、AI関連事業、生成AIを活用した教育資料、教材、動画等のコンテンツ制作およびアウトソーシング事業 ホームページ：https://www.tokime.co.jp/

最近話題のHermes AgentをMacBook Pro M4で実験してみました。 実際に導入するには初期投資が必要なので敷居が高いですよね、 導入したいけど どこまで動くの？ 品質は？ 応答速度はどうなの？ などが気になるところなのでその辺をメインに記事にしました。 Local LLMとClaude APIを実際に比較した導入備忘録としてシェアします。 ■はじめに 最近、SNSでは「Hermes Agent + Ollama + QwenでAI社員が作れる」 「Local LLMならAPIトークン料金を抑えられる」といった話題をよく見かけます。 ただ、実際に業務で使う場合に重要なのは、単に「料金が安いか」だけではありません。 本当に大事なのは、 出力品質が実用レベルなのか 応答時間は許容できるのか 永続メモリは本当に使えるのか AI社員として業務に使えるのか そしてClaude APIと比べて何が違うのかという点です。 今回は、MacBook Pro M4、24GBメモリの環境にHermes Agentを導入し、Local LLMとしてQwen3 8BとQwen3 14Bを試しました。 さらに従量課金のClaude Sonnet APIにも切り替えて、Local LLMとの違いを比較しました。 ■Hermes Agentについて Hermes Agentは、Nous Researchが開発しているAIエージェント基盤です。 通常のチャットAIと違い、LLMとの会話だけでなく、永続メモリ、ファイル操作、ターミナル操作、ブラウザ操作、タスク計画、Cronによる定期実行、SlackやTeamsなどの外部連携、Skillsによる機能拡張などを利用できます。 つまり、Hermes Agentは「AIに質問するツール」というより、「AIに任せる業務フローを継続改善するための基盤」に近いものです。 今回の検証では、Hermes Agent v0.15.1を使用した実験レポートです。 ■導入した構成概要 今回の構成は、MacBook Pro M4にOllama、Qwen3、Hermes Agentを導入する形です。 最初はOllama上でQwen3 8Bを動かし、その後Qwen3 14Bへ切り替えました。 さらにHermes Agentのモデル接続先をClaude Sonnet APIへ変更し、Local LLMとClaude APIの差を確認しています。 ＜構成概要＞ MacBook Pro M4 / 24GB RAM ├─ Ollama │ ├─ Qwen3 8B │ └─ Qwen3 14B │ └─ Hermes Agent ├─ Local LLM接続 ├─ Claude Sonnet API接続 ├─ Memory ├─ Browser ├─ Terminal └─ Skills 構成イメージとしては、MacBook Pro M4の上にOllamaがあり、その上でAIの頭脳であるQwen3 8BまたはQwen3 14Bが動きます。 さらにHermes Agentがあり、そこからLocal LLM(Ollama＋Qwen)またはClaude Sonnet APIへ接続する形です。 導入手順と検証概要 大きな流れは以下です。 Ollamaを公式サイトから直接ダウンロード Qwen3をOllamaコマンドで取得 Hermes AgentをGitHubから取得 setup-hermes.shでインストール Hermes初期設定 Qwen3 8Bで起動確認 Qwen3 14Bへ切り替え Claude Sonnet APIへ切り替え １．Ollamaのインストール 当初、HomebrewでOllamaをインストールしようとしました。 brew install ollama しかし、今回の環境ではHomebrew版のOllamaで「llama-server binary not found」というエラーが発生してインストールできなかった。そのため、Homebrew版ではなく、Ollama公式サイトからMac版を直接ダウンロードしてインストールしました。 Ollama公式サイトhttps://ollama.com/download/mac 公式サイトからダウンロードしたOllamaアプリをApplicationsフォルダへ移動し起動。 インストール後は、ターミナルで以下を実行して確認しました。 ollama --version 2. Qwen3をOllamaコマンドで取得 Ollamaが動作したら、AIの頭脳であるQwen3をダウンロードしました。 ollama run qwen3 このとき取得されたモデルは、qwen3:latestでした。 モデル情報を確認すると 8.2Bパラメータ（Bは10億の単位） context length 40960 quantization Q4_K_M サイズは5.2GBでした。 つまり、最初に動かしたのはQwen3 8Bの量子化（圧縮）モデルです。 通常のOllamaチャットでは非常に快適に動きました。簡単な質問への応答や文章生成は、MacBook Pro M4上でも問題なく動作しましたが文章出力品質が悪いと感じてしまう。 Qwen3 14Bの取得 Qwen3 8BではHermes Agent用途として少し不安定だったため、Qwen3 14Bも試しました。 ollama pull qwen3:14b Qwen3 14Bへ切り替えることで、文章作成品質や指示理解は明らかに改善しました。 一方で、応答速度は8Bよりめっちゃ遅くなり待ち時間を許容できない。 ３．Hermes AgentをGitHubから取得 Hermes AgentはGitHubから取得しました。 cd ~/projectsgit clone https://github.com/NousResearch/hermes-agent.git cd hermes-agent ４．Hermes Agentのインストール Hermes Agentは、公式リポジトリに含まれているセットアップスクリプトで簡単にインストールできます。 chmod +x setup-hermes.sh ./setup-hermes.sh セットアップ後、source /Users/techult/.zshrc、hermes setup、hermes という案内が表示されました。 (1)初期セットアップ Hermes初期セットアップでは、まずセットアップ方式としてFull setupを選択しました。 Quick Setupではなく、Local LLMやClaude APIを自分で設定したかったためです。 (2)Inference Provider Inference Providerでは、最初はLocal LLMのQwenを使いたかったため、Custom endpointを選択しました。Qwen CloudやQwen OAuthではなく、Ollama上で動いているQwen3へ接続するためです。 Base URLは以下にしました。 http://127.0.0.1:11434/v1 Modelは以下です。 qwen3:latest Hermes側では、Detected model: qwen3:latest と表示され、Ollama上のQwen3を認識できました。 (3)API compatibility mode Auto-detectを選択しました。 Context lengthは最初は自動検出にしました。 ただし、Hermes Agent経由のプロンプト指示は64K以上のコンテキストを要求しエラーが発生したため後で設定ファイルを修正が必要です。 (4)Terminal backend Keep current localを選択しました。MacBook上でそのまま動かすためです。 (5)Messaging platform Telegram、Slack、Teamsなどの一覧が表示されましたが、初回は何も選ばずスキップしました。まずはHermes単体で起動確認するためです。 (6)CLI Tools Web Search、Browser Automation、Terminal、File Operations、Code Execution、Vision、Text-to-Speech、Skills、Task Planning、Memory、Session Search、Clarifying Questions、Task Delegation、Cron Jobs、Cross-Platform Messaging、Computer Useなどがデフォルトで有効になっていたのでそのままGO (7)Browser provider Local Browserを選択しました。無料でローカルのChromiumを使う構成です。 (8)Image generation Skipを選択しました。画像生成は今回の目的ではなかったためです。 (9)Text-to-Speech Microsoft Edge TTSを選択しました。無料でAPIキー不要のためです。 Search ProviderはDuckDuckGo ddgsを選択しました。 無料でAPIキー不要の検索手段として選んでいます。 (10)Hermes起動確認 ターミナルからの起動コマンドは以下です。 hermes 起動後、Hermes Agent v0.15.1、qwen3:latest、21 tools、74 skillsという表示が出ました。この時点で、Hermes Agent自体の起動は成功。 Context lengthエラーと対応 最初にQwen3 8BでHermesを起動しプロンプト実行した際、以下のエラーが出ました。 Model qwen3:latest has a context window of 40,960 tokens, which is below the minimum 64,000 required by Hermes Agent. HermesはAgent用途として64K以上のコンテキストを要求される。 そのため、~/.hermes/config.yamlを修正。 修正内容は以下2行です。 model: default: qwen3:latest provider: custom base_url: http://127.0.0.1:11434/v1 context_length: 65536　←追加 ollama_num_ctx: 65536　←追加 この設定により、Hermes側では qwen3:latest 4.09K/65.5K のように表示されるようになり無事エラー解消、Hermes→qwen3経由でチャットが可能になりました。 ■Local LLMで実施した所管 (1)Hermes Agent + Qwen3 8Bの動作について Qwen3 8Bは、通常のOllamaチャットでは速度はそれなりに動きました。 簡単な会話や文章作成であれば、ローカルLLMとして使えます。 一方で、Hermes Agent経由では課題が出ました。Agent初期化に時間がかかること、Tool選択が不安定なこと、MemoryではなくWeb検索に行ってしまうこと、指示意図から外れた回答が出ることがありました。 本チャット内のログでは、8B単体のOllama会話は快適でしたが、Hermes上での初期応答では42秒、別の応答では1分17秒程度のログがありました。 文章案を作成依頼してもしっかりとして文章が出力されません。 そのため、Hermes Agent経由でQwen3 8Bを使う場合、実用上は数十秒単位の待ち時間が発生する場面があります。 (2)Hermes Agent + Qwen3 14Bの動作について Qwen3 14Bへ切り替えると、文章作成品質は明確に改善しました。情報を与えて文章案を作らせたところ、情報を反映した出力が得られました。 一方で、応答速度に課題があり遅めでした。実測では、文章案の生成に50秒程度かかりました。 つまり、MacBook Pro M4 24GBでもQwen3 14Bは動きますが、Hermes Agent経由では数十秒かかる場面があります。 ■Local LLMメリットとデメリット (1)Local LLMのメリット Local LLMのメリットは、単にAPIトークン料金が不要というだけではありません。 実際に使ってみると、最大の価値はデータを外部に出さないことだと感じました。 Local LLMはMacBook上で動作するため、社内情報や機密情報を外部APIに送らずに処理できます。 これは、社内資料の要約、採用情報の整理、顧客情報を含む文章の下書き、開発コードの分析、社内ナレッジ検索などで大きな意味があります。 また、API料金を気にせず試行錯誤できる点も大きなメリットです。文章案などを何度も生成する場合、Local LLMならコストを気にせず使えます。 さらに、Ollamaを使えば、Qwenだけでなく、Llama、Gemma、DeepSeekなど、複数のモデルを自由に切り替えられます。 (2)Local LLMのデメリット 一方で、実務で使うと課題も見えました。 まず応答が遅いことです。特にHermes Agentのように、Planning、Tool選択、Memory、File操作、Browser操作を組み合わせる場合、単純なチャットよりも時間がかかります。 また、小さいモデルはTool選択が弱いです。Qwen3 8Bでは、Memoryを読むべき場面でWeb検索に行ってしまうなど、Agentとしての判断が不安定でした。 さらに、文章作成品質はClaude APIに非常に劣ります。Qwen3 14Bはそれなりの品質でしたが、Claude Sonnet APIと比べると、会社情報を使った構成力、読み手に刺さる切り口、文章の自然さでは差があります。 ■Hermes Agent + Claude APIとの比較 Claude Sonnet APIへ切り替えたところ、体感は大きく変わりました。 まず、応答速度がかなり速くなりました。Local LLMでは数十秒かかる場面がありましたが、Claude APIでは体感としてかなり速くなりました。 次に、Tool選択が大きく改善しました。Claude APIでは、Memoryを使うべき場面で適切にMemoryを参照でるし、文章作成品質も明確に違います。 単に文章が自然なだけではなく、誰に刺さるか、どの情報を前面に出すか、どの順序で伝えるか、読み手にどう見えるかまで含めて構成してくれます。 ■比較まとめ Qwen3 8Bは、軽量で導入しやすく、通常会話では快適に動きます。ただし、Hermes Agentと組み合わせたAI社員用途では、Tool選択やMemory活用の動作に大きな不安が残りました。 Qwen3 14Bは、文章作成品質がかなり改善され、広報担当等の下書き用途にはそれなりに使える印象でした。ただし、応答速度は数十秒単位になることがあります。 Claude Sonnet APIは、応答速度、Tool選択、Memory活用、文章作成品質のすべてで非常に安定していました。 自動化として使うなら、現時点では最も実用的だと感じました。 Hermes + Qwen3 32Bなど上位版を試したい 今回、Qwen3 14BまではMacBook Pro M4 24GBで動作しました。 次に試したいのは、Qwen3 32Bなどの上位モデルです。 32Bクラスになると、Tool選択精度、Memory参照精度、文章作成品質、指示理解、複雑な業務フローの実行などが改善する可能性があります。 一方で、MacBook Pro M4 24GBではメモリ的に厳しくなる可能性があります。Qwen3 32Bを本格的に使うなら、Mac mini M4 Pro 48GB、Mac mini M4 Pro 64GB、またはGPU搭載Linuxマシンのような環境が望ましいと感じます。 今後は、Qwen3 32Bなどの上位モデルを試し、Hermes + Qwen3 32BがClaude APIにどこまで近づけるか検証したいです。 ■結論 今回の検証で分かったことは、Local LLMは「無料だからClaudeの代替になる」わけではないということです。 Local LLMには、API料金が不要、社内情報を外に出さない、何度でも試せるという大きな利点があります。 一方で、応答速度、Tool選択、Memory活用、文章作成品質では、Claude Sonnet APIの方が明確に優れていたことがわかります。 特にHermes AgentのようなAI社員用途では、モデルの賢さがそのまま業務品質に直結します。 現時点での結論として、機密情報を扱う下書きや試行錯誤にはHermes + Qwen3 14Bが向いていますが実用という面では不安が残る。 採用広報、社外向け文章、AI秘書にはHermes + Claude Sonnet APIが向いています。 将来検証したい本命は、Hermes + Qwen3 32B以上です。Tool選択や出力の品質、応答速度がどうなるかは試してみないと Local LLMはChatGPT、ClaudeCodeの完全代替ではありません。しかし、社内でAIを作る上では、非常に強力な選択肢になります。 特にHermes Agentのようなエージェント基盤と組み合わせることで、記憶する、作業する、定期実行する、外部ツールを使うというローカルAIの土台を作れることが確認できました。 Hermes Agentは永続メモリを持ってskillを自動で改善していける仕組みを設計する方が重要だしチューニングに時間がかかるのでそんな観点も今後シェアできたらと思います。

仕事の悩みの多くは、人間関係に関わるものだといわれています。 たとえば、次のような経験はないでしょうか。 部下にアドバイスをしたのに、なかなか行動してくれない。 会議で正しい意見を伝えたはずなのに、周囲にうまく響かない。 取引先との交渉で、こちらの提案の方が合理的なのに、なぜか話が前に進まない。 ビジネスでは「正しいことを言えば伝わる」と思いがちです。 しかし実際には、正しいことを言っているだけでは、人はなかなか動いてくれません。 なぜそのようなことが起きるのか。 そして、どうすれば相手が前向きに行動しやすくなるのか。 今回は、上司と部下の関係、会議、交渉など、さまざまな場面で役立つ「相手の話を聞くこと」の重要性について考えてみたいと思います。 ■まず必要なのは、アドバイスではなく「聞くこと」 多くの場合、人は相談を受けたときや会議で意見を求められたとき、すぐに自分の考えを伝えようとします。 「それはこうした方がいい」 「その考え方は違うと思う」 「正しくはこうだ」 もちろん、経験や知識に基づくアドバイスは大切です。 しかし、相手がまだ自分の考えや感情を整理できていない状態で正論を伝えても、なかなか受け入れてもらえません。 むしろ、相手からすると「話を聞いてもらえなかった」「否定された」と感じてしまうこともあります。 大切なのは、自分の話を始める前に、まず相手の話を最後まで聞くことです。 相手の話を途中で止めない。 正論を言いたくなっても、少し我慢する。 アドバイスも反論も急がない。 これは簡単なようで、実際には意外と難しいことです。 ■人は「理解された」と感じたときに、初めて言葉を受け入れやすくなる 人は、必ずしも合理的に判断して動くわけではありません。 ときには感情で判断し、不合理に見える選択をすることもあります。 だからこそ、相手に何かを伝えたいときには、まず安心して話せる状態をつくることが重要です。 人は、自分の話をしっかり聞いてもらえると安心します。 安心すると、警戒心が下がります。 そして警戒心が下がったときに、ようやくこちらの言葉が相手に届きやすくなります。 このように、相手の話をただ聞くだけでなく、相手の気持ちや考えを理解しようとしながら聞く姿勢は、一般的に「アクティブリスニング」と呼ばれます。 難しいテクニックのように聞こえるかもしれませんが、基本はとてもシンプルです。 相手の話を遮らずに聞く。 相手が何に困っているのかを理解しようとする。 相手の感情を言葉にして返す。 これだけでも、コミュニケーションの質は大きく変わります。 ■感情を言語化すると、相手は「わかってもらえた」と感じる 相手の話を聞くときに大切なのは、内容の正しさだけを見ることではありません。 相手がどのような感情を抱いているのかを理解することです。 たとえば、部下が業務について不満を話しているとします。 そのときに、すぐに「それは仕事だから仕方ない」「もっとこうすべきだ」と返してしまうと、相手は心を閉ざしてしまうかもしれません。 そうではなく、まずは相手の感情を言葉にして返します。 「急に大変な業務を任されて、不安になったんですね」 「頑張っていた分、少し負担が大きかったんですね」 「不公平に感じる部分があったんですね」 これは、相手の主張をすべて肯定しているわけではありません。 相手が感じていることを、こちらが理解しようとしているだけです。 それでも相手にとっては、「自分の気持ちをわかってもらえた」という安心感につながります。 この安心感があるからこそ、その後のアドバイスや提案も受け入れられやすくなります。 ■ 正論で論破しても、ビジネスは前に進まない 特にビジネスの場面では、正論を言って相手を論破することに、あまり大きな意味はないと感じています。 もちろん、間違っていることをそのままにしてよいわけではありません。 しかし、相手を言い負かすことが目的になってしまうと、本来進めるべき仕事が進まなくなることがあります。 議論に勝つことは、一時的には気持ちがよいかもしれません。 しかし、その結果として相手が心を閉ざし、非協力的になってしまえば、ビジネス上は大きな損失です。 短期的には勝ったように見えても、長期的にはその人が障害になってしまうこともあります。 ビジネスの目的は、「自分の正しさを証明すること」ではありません。 目的に向かって、物事を前に進めることです。 だからこそ、正しいか間違っているかだけではなく、どうすれば相手が納得し、協力し、行動できる状態になるのかを考える必要があります。 ■答えを与えるより、相手に考えてもらう 上司や経験者の立場になると、相手の話を聞きながら「答え」が見えてしまうことがあります。 「こうすればいいのに」 「この問題はここが原因だ」 「自分ならこう判断する」 そう感じたとしても、すぐに答えを伝えるのではなく、あえて相手に考えてもらうことが大切です。 たとえば、次のように問いかけます。 「この問題を解決するには、まず何から始めるのがよさそうですか？」 「一番のネックになっている部分はどこだと思いますか？」 「どの条件が整えば、前に進められそうですか？」 人は、自分で考えて出した答えには納得しやすいものです。 一方で、他人から一方的に与えられた答えには、どうしても「やらされ感」が生まれやすくなります。 相手自身が考え、自分の言葉で解決策を言語化する。 そのうえで、「その方向で進めてみましょう」と合意する。 このプロセスを踏むことで、相手は主体的に動きやすくなります。 もし自分が考えている答えと相手の答えにギャップがある場合は、すぐに否定するのではなく、条件や目的を追加して考えてもらうとよいと思います。 「最終的な目的を考えると、他に必要な視点はありますか？」 「コストや期限を考えると、どの方法が現実的でしょうか？」 「関係者の協力を得るには、どの進め方がよさそうですか？」 このように問いを重ねることで、相手は自分で考えながら、よりよい答えに近づいていきます。 ■交渉でも、聞く力は大きな武器になる これは部下とのコミュニケーションだけでなく、取引先との交渉でも同じです。 交渉では、自社の条件や提案を伝えることに意識が向きがちです。 しかし、相手が本当に困っていること、譲れない条件、落としどころを理解しなければ、よい合意にはつながりません。 相手の話をしっかり聞くことで、次のようなことが見えてきます。 相手は何に困っているのか。 どの条件を重視しているのか。 どこであれば譲歩できるのか。 どの提案なら受け入れやすいのか。 これらが見えてくると、事前に準備していた案の中から最も合うものを選べます。 場合によっては、提案内容を少し修正するだけで、合意に近づけることもあります。 交渉がうまい人は、話すのがうまい人というより、聞くのがうまい人なのかもしれません。

ここ数年、AI技術は驚くべきスピードで進化してきました。 2023年は「生成AI」、2024年は「AIコーディング」、2025年は「AIエージェント」が大きなテーマでした。そして2026年、次の技術トレンドとして注目されているのが 「AI組織（AI Organization）」 です。 AI組織とは、単なるAIツールの活用ではありません。AIがそれぞれ役割を持ち、人間の会社のようにチームとして働く構造のことを指します。これまで人間が分担していた業務を、複数のAIが役割分担して処理する仕組みです。 これまでのAIの使い方は「アシスタント型」が中心でした。人間がAIに質問し、回答を得るという形です。例えば、文章作成や調査では ChatGPT や Claude のようなAIを使うケースが一般的でした。また、プログラミングでは GitHub Copilot や Cursor、Claude Code といったAIコーディングツールが登場し、開発者の生産性を大きく向上させてます。 しかし、AI組織では役割が一段階進みます。人間が細かい指示を出すのではなく、目標だけを提示し、その達成のための作業をAIチームが分担して実行します。 例えばソフトウェア開発の現場では、次のようなAIチームを構築できます。 ・AIマネージャー：タスクを分解し、各AIに仕事を割り振る ・AI開発者：コードを生成し、プルリクエストを作成する ・AIテスター：自動テストやE2Eテストを実行する ・AI運用担当：ログを監視し、障害の原因を分析する ・AIアナリスト：ユーザーデータを分析し改善提案を行う このような構造を実現するために、最近では複数のAIエージェントを連携させるフレームワークも登場しています。 例えば CrewAI や LangGraph は、複数のAIに役割を与えてタスクを分担させるためのツールです。これらを使うと「マネージャーAI」「開発AI」「分析AI」のようなチーム構造を設計できます。 項目 CrewAI LangChain OpenClaw Claude Code 難易度 中 非常に高 低 低 OS操作 弱い 部分 強い 強い 自律性 高 中 高 中 拡張方法 Role / Agent Pythonコード Skill Tool / MCP 主用途 AIチーム構築 AIアプリ開発 AIオペレーター AIエンジニア 運用対象 ワークフロー LLMアプリ コンピュータ操作 開発環境 実行環境 Python Python ローカル / サーバ ターミナル AI組織適性 非常に高 中 中 低 また、AIが実際の作業を実行するためのツールとして OpenClaw のようなAIエージェントも登場しています。OpenClawはAIに「スキル」を与えることで、ファイル操作、ブラウザ操作、API呼び出しなどを自動実行できます。つまりAIが単に考えるだけでなく、実際にコンピュータを操作して仕事を進めることができるのです。 このようなツールを組み合わせることで、AIが組織として働く環境を構築できます。 AI組織が注目されている理由は三つあります。 第一に「並列処理」です。AIは複数同時に作業できます。人間が一つずつ進める作業を、AIは同時並行で実行できます。例えば、AI開発者がコードを書いている間に、AIテスターがテストを実行し、AIアナリストがログを分析するといった形です。 第二に「24時間稼働」です。AIは休憩や睡眠が必要ありません。夜間でもログ分析やテスト、レポート作成などを継続的に行うことができます。特にクラウド環境と組み合わせることで、AIは常時監視や自動運用を行うことができます。 第三に「スケールの容易さ」です。AIはソフトウェアなので、必要に応じて数を増やすことができます。AI社員を10人、100人と増やすことも理論上は可能です。これまで大企業にしかできなかった規模の業務を、小さなチームでも実行できる可能性があります。 現在、大手テック企業やスタートアップも、このAI組織の領域に積極的に投資しています。 AIエージェント同士が連携し、タスクを分担して実行する仕組みは、ソフトウェア開発だけでなく、営業、マーケティング、カスタマーサポートなど、さまざまな業務に応用できると考えられています。 もちろん課題もあります。AIの判断ミスやセキュリティ、責任の所在など、組織としてAIを運用するためのルール整備が必要になります。しかし、人間がその役割を実施しても同じことが起きます。特に責任や判断が課題になると思われます。それでもAI組織は今後のビジネスやソフトウェア開発の形を大きく変えると思います。 今後数年で、「AIを使う会社」から「AIが働く会社」へと変化していくと実感しています。 人間は戦略や創造性を担当し、AIが実務を担う。そんな新しい働き方が、2026年から本格的に始まるかもしれません。 今後のIT業界の転職市場にも、非常に大きいインパクトがきっと押し寄せると想定しています。

採用活動を通して見えてきた、私たちの仕事と組織への考え方 最近、事業拡大に伴い採用活動を進める中で、さまざまな方の経歴や思いに触れる機会が増えました。その中で改めて、私たちが仕事や採用において何を大切にしているのかを、きちんと整理して言葉にしておきたいと感じています。 私たちの会社は、まだ設立して間もない会社です。正直に言えば、企業としての信用力も高くはなく、他社と比較したときに将来性を感じにくいと受け取られることもあると思います。そのため、現時点では「多くの人に選ばれる会社」ではないのかもしれません。 それでも、こうした状況の中で当社を選び、応募してくださる方がいることには、心から感謝しています。 私たちは、いわゆる「フルリモート可能」といった聞こえの良い言葉を、採用のアピールポイントとして前面に出してはいません。 それは、この言葉が当社にとって本質的ではないと考えているからです。 私たちの事業はITのサービス業であり、何よりもお客様に合わせることを大切にしています。 結果として、お客様の働き方がフルリモートであればそうなりますし、出社が必要であればそれに対応する。 働き方は目的ではなく、あくまで結果だと考えています。 実際にお客様から、「当社に何を期待しているのか」「どんな点に魅力を感じているのか」を伺うと、次のような声をいただくことが多くあります。 困っている状況を打開してくれそうな期待感がある 顧客に寄り添った対応をしてくれる 仕事に対して責任感があり、真面目な人が多い 要望を一度受け止めたうえで、できること・できないことを正直に伝えてくれる 会社の雰囲気が楽しそう これらの声を通じて、私たちは「組織に属することの意味」について、改めて考えさせられました。 世の中には数えきれないほどの会社があります。もし、その組織の考え方や価値観に共感できないのであれば、無理にそこに居続ける必要はないのかもしれません。 「生活のため」という理由ももちろん大切ですが、それだけを理由に働き続けることが、必ずしも最善とは限らない時代になってきたと感じています。 今は、会社も個人も以前よりずっと対等な関係になりました。会社に属さず、個人として働くことも十分に可能な、選択肢の多い時代です。 だからこそ、これからは「リモートか出社か」といった働き方の違いそのものは、徐々に焦点ではなくなっていくと考えています。それよりも、「あなたは何ができる人なのか」「何をしたい人なのか」という点が、より強く問われるようになるでしょう。 AIがこれだけ進化した今、副業は特別な挑戦ではなくなりました。会社に属し、その報酬だけに依存することをリスクだと捉える人が増えているのも、自然な流れだと思います。 そして重要なのは、単にスキルの種類が多いかどうかではありません。 AIという強力な知識基盤が生まれたことで、環境の変化を捉え、自分に求められている役割を理解し、必要に応じて自分自身を変えられるかどうかが、これまで以上に重要になってきています。 もはや肩書きだけで評価される時代ではありません。「何を生み出せるのか」「どんな価値を提供できるのか」が、評価の軸になってきていると感じています。 採用の場面では、「この会社に入ったらどのような教育を受けられるのか」「先輩社員が手取り足取り教えてくれるのか」といった質問をいただくこともあります。 もちろん、最低限のサポートや環境づくりは大切です。 一方で、教えてもらうことを前提にし、自ら学ぼうとする姿勢がなければ、成長は難しい時代になっているとも感じています。 今では、多くの知識や情報は自分で得られる環境が整っています。そのことに、より自覚的である必要があるのではないでしょうか。 おそらく2030年頃までには、会社に依存しない働き方を選ぶ人はさらに増えていくでしょう。そうした人たちは選択肢を持ち、「やること」と「やらないこと」を自分で決められるようになります。一方で、選択肢を持たないまま働く人は、不満を抱えやすくなってしまうのかもしれません。 幸せそうに仕事をしていない人が多いと感じる今だからこそ、自分で「何をやるか」を決める力を身につけることが大切だと思います。成長し続け、やりたい仕事を選べるようになり、一緒に仕事をした人から信頼される存在になる。その先に、自己実現があるのではないでしょうか。 やりたいことだけをして暮らせる人は、決して多くはありません。 それでも、自分が関わっている仕事の意味や社会的意義を理解し、誇りを持って働くことはできるはずです。 私たちは、働き方そのものよりも、「何を生み出せるか」を大切にしたい。 そして、そうした価値観に共感してくれる人と、一緒に仕事ができたら嬉しいと考えています。

周りを見ていると、 常に成果を出す人と、頑張っているのに成果が出ない人がいますよね。 「この違いはいったい何だろう」と思ったことはありませんか。 能力や実力の差だと諦めてしまっている方も多いかもしれません。 でも、個人的には人の能力差はそこまで大きくないと思っています。 2倍も違うケースは、実はそれほど多くないのではないでしょうか。 ビジネスマンは誰しも忙しい。 これは間違いありません。 では、その中で成果を分けているものは何か。 一つは 「選択と集中」ができているかどうか だと思います。 成果を出すために、 「どこに一番集中すべきか」を考えていますか。 毎日降りかかるタスクを、 簡単なものから順に片付けているうちに、 気づけば自分の目標に最も重要で、しかも面倒なことを後回しにしてしまう。 そんな経験はありませんか。 頑張っているのに成果が出ない人は、 すべてのタスクに真面目に、一生懸命向き合っているケースが多いように感じます。 しかしその一方で、 どのタスクが最も重要か 期限はいつなのか どれくらい時間がかかるのか といった点を、あまり意識していないことも少なくありません。 一方、成果を出している人は、 成果につながる重要なことに集中する時間を、意図的に確保しています。 1週間、1か月といった単位で予定を見渡し、 自分の目標達成にインパクトの大きいことをあらかじめスケジュールに組み込む。 そして、その時間は「考えること」「アウトプットを出すこと」に集中するのです。 逆に、 「忙しくてできない」「時間がない」と言っている人の多くは、 本当に大切なことを自分でスケジューリングしていないケースが多いように思います。 対応事項が多すぎて、 気づけばスケジュールが勝手に埋まり、 本来考えるべきことに手をつけられなくなっている。 そんな状態ではないでしょうか。 ここで必要なのは、 「自分がいなくても仕事は回る」という、少し肩の力を抜いた考え方です。 この仕事は本当に自分がやる必要があるのか 誰かに任せられないか どこまでを現場判断に委ねるのか そうした線引きを考え、 自分が判断すべきポイントをしっかり担当者と共有し、 声をかけながら一緒に乗り越えていく。 任せた後も、 日頃の声かけや困りごとのフォロー、 話しかけやすい雰囲気づくりがとても重要です。 また、「部下が考えてくれない」と嘆く上司の声もよく聞きます。 ですがその多くは、 考えてほしい観点 制約条件や前提 目的やゴール が十分に伝わっていないケースではないでしょうか。 情報が不足した状態で、 最適な答えを出すのは誰にとっても難しいものです。 つまり、 部下と一緒に成長していこうとする姿勢が足りていない場合も多いのです。 もし思い当たる節があれば、 一度立ち止まって、自分のやり方を見直してみる。 それだけでも、大きな変化につながるはずです。 こうした考え方や姿勢こそが、 これからのAI時代にますます重要になるスキルだと、私は思います。

もう師走。今年もあっという間に時間が過ぎていきますね。 皆様はこの一年、やり残したことなく終えられそうでしょうか？ 最近「一年ってすごく早い…！」と痛感しております。 当社は12月決算で、今年は4期目。 業績的に厳しい時期もありましたが、社員全員が力を合わせて取り組んだ結果、 無事に利益予算を達成して締めくくりができそうです。 ほっと胸を撫で下ろしております。 これも日頃より当社のサービスや技術力をご評価いただき、 ご支援くださっているお客様のおかげです。 そして、どんなに大変な業務も前向きに対応してくれる仲間に、心より感謝いたします。 🎉今年も恒例！忘年会＆ビンゴ大会 🎁 一年頑張った自分たちをねぎらい、みんなで笑って今年を締めくくるべく ビンゴ大会：景品総額なんと75万円！奮発しちゃいました✨ 社員やご家族に欲しいものをアンケートで聞き、 多数のご希望をもとに景品を選定してくれました！ 皆さん…意外と現実的で笑いました(笑) でも、だからこそ嬉しいはず！ ということで、豪華ラインナップを一部ご紹介します。 📱電子機器 AirPods Pro（第3世代） Apple Watch SE（GPSモデル） MSI 湾曲ゲーミングモニター MAG 342CQR Kaedear バイク用スマートモニター＆ドラレコ 🏡家具 Dimplex 電気暖炉型ファンヒーター AIMChair ゲーミングチェア 🔌家電 シロカ 電気圧力鍋 おうちシェフ PRO L ダイソン 掃除機 エコバックス ロボット掃除機 DEEBOT mini Panasonic 加湿空気清浄機（ナノイーX） Panasonic ホームベーカリー（餅つき機能付） 💆‍♀️美容・寝具 パナソニック ラムダッシュ BISARA ハンズフリースタンドドライヤー ReFa FINE BUBBLE U ブレインスリープ コンフォーターEX（究極に暖かい布団） 👗ファッション フェイラー ハイジペイズリー舟形ポーチ 実用性高めのアイテムが多く、社員も家族も笑顔になれるはず 準備や企画をしてくれた社員のみんな、本当にありがとう！ この勢いのまま、笑顔で師走を走り抜けたいと思います。 年末は飲み会も増え、何かと事故やトラブルが起きやすい時期。 情報セキュリティも同様です。 飲むなら持たない。持つなら飲まない。 スマホ・PC・情報管理はいつも以上にご注意を！！