FIELD NOTES / AI OPERATIONS
Fable 5でAIを24時間働かせるには？──会話をやめて「ゴールを書いた依頼票」を積む方法
AIと会話している限り、AIは人間の速度でしか働けません。ゴール（完成条件）を書いた依頼票を積む方式に切り替えて、Fable 5を丸一日以上走らせる仕組みの作り方と今日から試せる3段のTipsを、株式会社GembaShift代表の黛が実体験で解説します。
読む
BLOG
現場AIブログ
AIを実際に業務へ入れて検証した記録です。デモの感想ではなく、自分の手で試したことだけを書いています。
FIELD NOTES / AI KPI
AI活用の成果はどう測ればいいのか？──利用率ではなく「AIが働いた総量」で測る
利用率もアクティブユーザー数も、実は「人がAIを使った時間」の計測です。AIは24時間働ける労働力なのに、多くの会社では社員と一緒に退勤しています。AI活用のKPIを「AIが働いた総量」へひっくり返す考え方を、株式会社GembaShift代表の黛が自社の実運用つきで解説します。
読む
FIELD NOTES / TASK TRIAGE
「うちは例外が多いからAIは無理」は本当ですか？──業務をAIに渡せるか仕分ける質問2つ
「うちは例外が多いのでAIは無理です」の中身を分解すると、大半はまだ言葉にしていないルールでした。同じ材料で同じ結論に着くか──2つの質問で、条件に落ちる業務と本当にAIを残す業務の線を引く方法を、株式会社GembaShift代表の黛が実体験から解説します。
読む
FIELD NOTES / AI DELEGATION
業務の自動化はAIにどう依頼すればいいのか？──毎回投げている「依頼文」の全文公開
「この業務をAIにやらせて」ではなく「毎回同じ結果になるやり方で解けないか検討して、実装して」と頼む──株式会社GembaShift代表の黛が実務で毎回使っている依頼の一行と、一緒に渡す4点の材料をそのまま公開します。頼み方を変えるだけで、返ってくるものが変わります。
読む
FIELD NOTES / AI ADOPTION
AI導入はなぜ止まるのか？──Fable 5世代で入れ替わった「AIを業務に入れる」の正解
「AIは便利だが、うちの本業には載せられない」で止まる本当の原因を解説。AIを業務のどこに入れるかを探すのではなく、毎回同じ結果が出る仕組みをAIに作らせる──毎週動いている自動化764行の実運用の内訳を、株式会社GembaShift代表の黛が全公開します。
読む
FIELD NOTES / VOICE WORK
電話や受付はAIにどこまで任せられるのか？──「声の業務」の棚卸しと任せる順番
電話・受付・現場からの口頭報告──会社の中は意外なほど「声」で回っています。GPT-Live世代の音声AIで任せられる範囲に入り始めた声の業務を、「聞くだけ／答える／手続きする」の3段階で仕分ける方法を、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / AI DESIGN
音声AIは「速いけど浅い」しかないのか？──GPT-Liveの分業設計に学ぶ、AI導入の型
即答させると浅く、考えさせると遅い──音声AIの積年の二択を、GPT-Liveは「役割を分ける」「入り口を固定して中身を差し替える」という設計で終わらせました。この設計はそのまま、普通の会社がAIを導入するときのお手本になります。株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / VOICE AI
GPT-Liveとは何か？──音声AIとの会話が「トランシーバー」から「電話」になった実体験
2026年7月に登場した音声モデルGPT-Liveで、AIとの会話はどこまで自然になったのか。相手の話し終わりを待って交互に話す「トランシーバー」から、同時に聞き話す「電話」へ──相槌・沈黙・テンポの変化を、会話系AIを数年検証してきた株式会社GembaShift代表の黛が実体験で解説します。
読む
FIELD NOTES / AI AGENDA
AI活用の社内会議では何を議題にすべきか？──「使うか」から「どこまで任せるか」へ
「AIを使うべきか」という議題は、問いとしてすでに期限が切れています。Fable 5・GPT-5.6 Sol世代で経営が決めるべきは「どこまで任せて、どこに人を残すか」。任せる深さを確認の位置で刻む設計と、いちばん損な「うちは無理」判定の見直し方を、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / COMPUTER USE
AIはパソコンをひとりで操作できるのか？──「画面の読み間違い」が消えた日の実録
AIが画面を見て自分で操作する「コンピューターユース」を実務で検証した記録。2026年夏のFable 5・GPT-5.6 Sol世代で「画面の読み間違い」が消え、転記・照合・登録などの画面仕事の任せ方がどう変わったかを、株式会社GembaShift代表の黛が実体験で解説します。
読む
FIELD NOTES / AI VISION
AIはデザインの調整までできるのか？──Fable 5・GPT-5.6 Solで“唯一の弱点”が消えた実録
「AIは画面の見た目の調整が苦手」は、もう過去の話なのか。2026年夏のFable 5・GPT-5.6 Sol世代で、Webページからスマホゲームの画面まで、確認と修正を含めたデザイン調整がどう変わったかを、株式会社GembaShift代表の黛が実体験で解説します。
読む
FIELD NOTES / PHYSICAL AI
ロボット導入の前に何へ投資すべきか？──展示会を丸一日歩いて見つけた「手前の空白」
フィジカルAI・ヒューマノイドのニュースに焦る必要はまだありません。2026年のフィジカルAI展を含む製造業展示会を丸一日歩いて確かめた結論は、書類・図面・ナレッジを「AIが読める形」に整える投資こそ回収が一番近いということ。「回収までの距離」という物差しでAI投資の順番を、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / ROBOT READINESS
フィジカルAI時代に何を準備すべきか？──ロボットは御社の仕事のやり方までは知らない
数年後、最高性能の汎用ロボットが届いた朝、御社は初日に何を任せられますか。フィジカルAIへの準備は「買う」ことではなく、仕事のやり方を「教えられる形」に整えること。その準備はソフトウェアAI活用として今日から始められ、待ち時間ゼロで回収できます。株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / AI ROUTING
どの業務をローカルAIに、どれをクラウドに置くべきか？──振り分け設計（ルーティング）の実践
「ローカルか、クラウドか」の二択は筋が悪い。現実解は、機密・高頻度・定型は自社で持ち、難問・低頻度・高リスクは外の最上位モデルに渡す振り分け設計です。精度の心配が消える理由、閉域クラウドとの違い、ローカルが本当に勝つ2点を、株式会社GembaShift代表の黛が実運用ベースで解説します。
読む
FIELD NOTES / LOCAL LLM
ローカルLLMの導入は現実的か？──判断を分ける3つの物差し（ライセンス・コスト構造・ハードの現実）
「もうクラウドは要らない」も「まだ早い」も雑な議論。ローカルLLM導入の判断は、ライセンス・コスト構造・ハードと精度の現実という3つの物差しで立ちます。損益分岐点の考え方と、自分でハマった失敗談を含めて、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / AI SOVEREIGNTY
クラウドAIが突然使えなくなったら？──最強モデルが公開数日で止まった日に考える事業継続
2026年6月、最新AIモデルが米政府の輸出管理を理由に公開数日で利用停止に。AI調達の論点が性能・価格・セキュリティから「明日も使えるか」という事業継続性・技術主権へ移った理由と、「借りるAI」と「持つAI」の考え方を、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / KNOWLEDGE STRATEGY
AI導入の先送りは何が高くつくのか？──ナレッジの複利と「巻き戻せない時間」の話
「来年、本格的にやります」がAIの話でいちばん高くつく理由。自社ナレッジは外から買えないだけでなく、時間を巻き戻して貯めることもできません。ナレッジ蓄積が複利で効く構造と、出遅れの差が後から埋まらない理由、それでも今日から間に合う理由を、株式会社GembaShift代表の黛が現場の実感と調査の数字で解説します。
読む
FIELD NOTES / KNOWLEDGE OPS
業務を変えずに社内ナレッジを貯めるには？──設計1回、あとは会議の録音を渡すだけの2段階
社内ナレッジをAIの燃料として貯めるやり方は2段階。第1段階で「何をどう貯めるか」の構造を1回だけ設計し、第2段階は普段の会議を録音してAIに渡すだけ──業務フローを一切変えずにナレッジが貯まり続ける仕組みの作り方を、実際に動いている製造メーカーの現場設計を手伝う株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / KNOWLEDGE
同じAIなのに、なぜ差がつくのか？──成果は「使い方」より自社ナレッジで決まる
同じAIを使っているのに、なぜ会社によって成果に差がつくのか。AIの賢さは誰でも手に入る共通インフラになり、差はその会社にしか集まらない自社ナレッジ＝燃料を貯めているかで決まる──製造業調査の数字と現場での実験を交えて、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / LEGACY ANALYSIS
巨大な基幹システムをAIはどこまで読み解けるのか？──120万行を最後まで読ませた実測記録
約120万行の基幹コードをAIで丸ごと解析して完走、現行理解に必要な情報の83%を復元──「現行が誰も説明できない」を仕組みで終わらせる前工程（SpecLift）の実測記録です。AIが肩代わりできる8割と、人が持つべき最終判断の境界線を、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / MODERNIZATION ORDER
レガシー刷新はどの順番で進めるべきか？──「読めたら、すぐ作る」が一番危ない理由
AIで現行コードが読めるようになった今、刷新の成否を分けるのは技術力でも予算でもなく手をつける順番です。「読み解く→検証できる形にする→優先順位→作る」の順番がなぜ効くのか、AIに採点表を作らせる具体的な手順とあわせて、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / LEGACY MODERNIZATION
基幹システムの刷新はなぜ進まないのか？──「誰も現行を説明できない」壁がAIで崩れ始めた話
基幹システム・レガシーシステムの刷新が何年も進まない本当の理由は、予算でも決断でもなく「今動いているものを誰も説明できない」ことです。生成AIが現行コードを意味で読めるようになり、その壁がどう崩れ始めたか。国内企業の実例と自分で試した体験をもとに、株式会社GembaShift代表の黛が解説します。
読む
FIELD NOTES / POC TO PRODUCTION
AIのPoCで精度90％が出たのに、なぜ本番で止まるのか？──3つの失敗パターンと処方箋
PoC（小規模なテスト導入）で精度90％が出たのに、本番では60％台に──生成AI導入が「試して終わり」になる構造を3パターンに分解します。テストデータの作り方、直す人の不在、全社展開の急ぎすぎ。それぞれのチェックポイントと処方箋を、自身もPoCの崩れを経験した株式会社GembaShift代表の黛が解説します。
読む
まずは、現場の話から。