この動画では、ChatGPT-5が企業組織にもたらす根本的な変化と、その導入戦略について詳細に解説している。従来のAIモデル選択の時代は終わり、単一モデル内での適切な使い方を習得する時代に移行したことを強調し、「think hard」というキーフレーズの重要性、データ前処理の必要性、成果物を通じた作業証明の要求など、具体的な実装手法を提示している。また、vibe codingという新しいソフトウェア開発カテゴリーの登場により、カジュアルなアプリ作成が可能になったことも解説し、組織全体でのAI活用能力向上の重要性を訴えている。
ChatGPT-5組織活用マニュアル
もしあんたがAI変革の仕事しとって、どうやってAIをビジネスに取り入れるか、どうやってチームに使わせるか、どの仕事にどの道具を選んだらええかを考えてるんやったら、ほんまに業績を上げるためにはChatGPT-5があんたのアプローチを変えなあかんで。しかもそれは思いもよらん方法でな。
この説明会で詳しく話して、チームに持って帰れる現場のメモを渡したいんや。ChatGPT-5が職場に入ってきた今、AI導入をどう変えていくかのガイドラインやで。そして知らせたいことがあるねん。もしあんたがCo-pilotの組織やったり、クラウドの組織やったら、ChatGPT-5はもう職場におる可能性が高いで。なぜなら人がスマホで持ち込んでくるからや。シャドーITの問題は現実のもんやねん。
もうそこにあるもんやと思わなあかん。せやから、ChatGPT-5の何が特別で違うんか？なんで組織にもたらす変化について執行幹部説明会をする価値があるんか？
モデルの根本的変化
まず第一に、このモデルの動き方は他のどのモデルとも違うねん。これは複数のモデルを束ねたもんやから、チームは全く新しいスキルを身に着けなあかんのや。
前にChatGPT-4oが出てた時は、チームが推論モデルに移行して、適切なタイミングでそれを呼び出すことやった。o1に行けってことやな？もしくはChatGPT-4oを使ってて昔のやり方やったら、ステップバイステップで考えるように頼むんやった。そんなんはもう同じようには通用せえへんのや。
今度は実際にチームと一緒に作業して、裏で適切なモデルカテゴリーにモデルをルーティングする方法を理解させなあかん。そうしたら必要な仕事に必要なパワーが得られるんや。
これは重要なことやねん。今週ChatGPT-5について完全にレビューした時、ChatGPT-5は私がやったテストで最高でも最悪でもあるモデルやということが分かったんや。つまり、どうプロンプトするか、どのモデルにルーティングするかによって、複雑な問題に対してめっちゃ悪い答えか、とてつもなく良い答えかのどっちかになるんや。
チームスキルの向上
チームはセンスを倍増させなあかん。複雑な作業に使うつもりやったら、めっちゃ難しい質問に対して何が良い答えかを理解することを倍増させなあかんのや。そしてAIの答えは、複雑な作業に使おうとせなあかんと思うねん。AI変革組織として、ChatGPT-5みたいなローンチを見て「ああ、待とう。ChatGPT-6まで様子を見よう。これは難しすぎると仮定せえへん」って言うのは受け入れられへんと思うねん。
知らせたいことがあるで。これ以上簡単にはならへんのや。ただモデルを選ぶだけの世界には戻らへん。チームはこのモデルを活用するために、プロンプトの仕方をレベルアップせなあかんのや。
ちなみにチートシートやけど、もしチームに伝える一つのことがあるとしたら、難しい問題がある時、モデルが本当に深く考える必要がある時は、文字通りモデルに「think hard」って伝えろって教えたってや。これはChatGPTに確実に思考モデルを呼び出すように伝える、ハードコードされたパスワードの一つみたいなもんやねん。「think hard」って伝えろってな。
新しいアプローチの必要性
でもそれだけのコツやない。結局のところ、チームがChatGPT-5で成功するために必要なのは、レバレッジが適切なモデル選びから適切なモデルとの作業方法選びに移ったということを認識することやねん。
せやからチーム全体を見渡さなあかんし、私はこれらの幹部説明会で長い時間をかけてチームでのAI使用例をハイライトしてきたんや。ここではそれを詳しく説明したくないけどな。マーケティングではアイデア生成の使用例がある。セールスでは一貫した言語の扱い方、取引の処理方法、技術要件を契約に翻訳する方法の使用例がある。
プロダクトでは効果的なPRD開発やvibe codingプロトタイプの使用例があって、エンジニアが何を望んでるかを理解できるようになる。そしてエンジニアリングでは、コーディングツールを使ってより効率的にビルドすることの使用例がいたるところにある。これらはほんの少しの例やねん。カスタマーサクセスには顧客の声やチケット分析みたいなんがある。まだまだ言えるで。
能力の拡張と複雑さ
AI変革を導く上で理解せなあかん重要なことは、これらの使用例に対して、ChatGPT-5で能力の幅が上がったけど、それにアクセスする方法が今はよりトリッキーになったということを人に見せなあかんということや。
例として、カスタマーサクセスの使用例を見てみよう。評価できるチケット数と、それらのチケットから作れるパターンについてやけど、思考モードを呼び出して、プロンプトを正しく設定して、全チケットを入力したら、パターン認識でより良い仕事をするし、それらのチケットにある全体的な内容の評価もより良い仕事をするで。他のモデル、Claudeモデルも含めてな。
そんな問題をClaude Codeに投げてみたけど、ChatGPT-5の思考モードほど良い仕事はせえへんかった。せやから、その全体的な能力の幅が上がったって自信を持って言えるねん。本当に複雑なデータ、数値データも含めて、混合データも含めて、それらを処理して統合することがめちゃくちゃ上がったんや。そしてこれは見過ごされてると思うねん。なぜならビジネスにはそういうデータがたくさんあるからや。私の知ってるすべてのビジネスには本当にめちゃくちゃなデータがあって、ChatGPT-5はそれに取り組む最初の本当に有能なアプローチをくれるんや。でも適切なプロンプトと適切なデータでコンテキストウィンドウを非常に注意深くロードするよう人を説得できる場合だけやけどな。
データ処理と成果物
せやから、この追加能力をアンロックして、この追加パターン統合を得る方法に取り組んでる人には、市場分析でも、顧客センチメント分析でも、プロダクトの行動データ全体を見ることでも、何でもええから、以前はストレートAIでは難しかった統合の追加ステップを、エージェント的パイプライン全体を持つことなく、RAGシステムを構築することなく、チャットの中だけで行うことを勧めるで。
私が勧めるのは、データをできるだけきれいにすることや。AIが質問に答えるために処理する必要があるデータに焦点を当てるんや。それで大丈夫や。たくさんあっても大丈夫やねん。これは40万トークンのコンテキストウィンドウやから。たくさんあっても大丈夫や。AIが比較的簡単に解析できる形式で入れるんや。
汚いデータに加えて、厄介な形式で解析させようとしたこともあるねん。それもするんやけど、AIが理解できる形式できれいなデータを与えたら、はるかに良い結果が得られるで。
せやから時間をかけて、Markdownにして、できればCSVにして、それからシステムにデータを提供したら、AIが作業を完了したことを示すために必要な成果物を非常に明確に指定したいねん。これもChatGPT-5のもう一つの特徴で、研修カリキュラムに組み込まれる必要があると思うねん。
チームには、AIが作業を完了したことを示すために書いて、構築して、実証する必要がある出力を知ってもらわなあかん。つまり、このモデル、ChatGPT-5では、作業をやれと言うよりも、作業をしたことを証明するよう強制する方が良い結果が出るねん。
証明の重要性
つまり、出力を求める時は「センチメント分析をしてくれ。どうやったかを示すPythonワークブックもくれ。それから、センチメント分析に使った評価基準と採点評価の平易な英語要約、開発したペルソナも一緒にくれ」みたいに言うねん。そんな感じでな。基本的には何をしたかを見せてくれってことや。
もちろん、幹部要約とレポートもくれやけど、その過程のすべての成果物も見せて、それらを出力として要求するんや。なんでこれが重要なんか？もともとのChatGPT-5のアーキテクチャに戻るで。重要なのは、このモデルが基本的に複数の異なる機械の上に張られた皮みたいなもんやからや。
基本的には、裏でより多くのツール呼び出しにトレースして、望んでるもんをより多く得られる成果物を指定してるんや。例えば、Pythonグレーダーを指定する時は、この特定のデータセットに対してやってもらいたい特定の種類の評価に関して、効果的にツール使用を指定してるんや。
一連の成果物にわたってそれをやる時は、データセットに対して望む方法で使われることを保証できる特定のツール呼び出しをハードコーディングしたり呼び出したりしてるんや。せやから証明することが重要なんや。成果物を定義することが、特にChatGPT-5では重要に思えるんや。
これは「これを作ってくれ」と言うだけに慣れたチームにとっては大きな飛躍になるやろう。そして私はこれは良い飛躍やと思うねん。なぜなら、ある意味でAIにより意味のある仕事を求めてるからや。AIに、以前は本当に不可能やった、より深い分析を持って帰ってくるよう求めてるんや。
マルチモーダル思考
せやから多くのチームがやってるように、AIをテキスト出力ジェネレーターとして考える代わりに、AIにもっとマルチモーダルに考えるよう求めてるんや。AIが可能な数学とコードを活用して、エンジニアリングにおらんでも、実際にそれをチームのサービスに活用するよう求めてるんや。せやから成果物で考えるようチームを研修することが本当に役立つんや。
それが呼び出したい第二の重要なポイントやねん。ここで少し話してきたけど、このビデオにはまだ続きがあるし、深く掘り下げることがたくさんあるけど、少し立ち止まって、これについて考える時、これは複数のモデルやということを覚えてくれ。適切なモデルへの呼び出しをトレースする必要があるねん。
せやからモデルに「think hard」して適切な問題空間に到達するよう確実に求めるんや。きれいなデータを与えることを確実にして、その過程で成果物を求めることを確実にするんや。
明確なコミュニケーション
この議論を進める中で、ChatGPT-5で特定の問題にアプローチしてほしい方法について、チームに明確にすることが本当に本当に重要やと付け加えるで。
多くの幹部が「AIでこれをやった。AIを使ってこれをやった」で満足する。それは以前はまあまあ大丈夫やった。今は絶対に大丈夫やない。なぜならChatGPT-5の悪い使い方と良い使い方の差があまりにも大きいからや。もうチームに「これにChatGPT-5を使った」とは言われへん。「この結果を得るためにこのツールをこう使った」って指定して言わなあかんねん。
コミュニケーションの具体性は、あんたの側でより多くの作業が必要やねん。会社でAIを教える人の側でもより多くの作業が必要や。でもトレードオフは、今その作業をやったら、以前のAIモデルよりも明らかにパワフルでないツールに関して、より多くのAI流暢性を得られるということやねん。
少なくともo1が出た時は、明らかにパワフルやった。いつも推論モデルと話してたからな。今はChatGPT-5や。推論モデルは後ろに隠れてる複数のうちの一つやねん。潜在空間の暗闇の中でそれを手探りで感じ取らなあかんのや。
モデル統合の背景
なんでChatGPTがそうしたかって？人がめちゃくちゃ大きな声で文句言うてたからや。複数のモデルがあって、どのモデルを使うか選ばなあかんことに対してな。
まあ、トレードオフは、もうモデルを選ぶ必要がないということや。でも今度は、モデルの後ろにある欲しいパワーへのモデルを通るパスを呼び出さなあかんねん。それがトレードオフや。一つのモデルだけ。超シンプル。みんなChatGPT-5を使ってる。でも今度はそのパワーをどう呼び出すかについてもっと話さなあかんねん。
無料のランチはないねん。そういうもんや。
新時代への移行
この議論をまとめて、ChatGPT-5のより広い意味と、今後1、2年でどこに向かうか、AI変革がここからどう展開するかについて少し考え始める中で、我々はモデル選択によって特徴づけられる時代にいたんや。8月時点で、我々はもうその時代にはいてへんねん。
我々は今、モデル選択がほぼ我々のために決められた時代にいるねん。そして組織が生き残るか滅びるかを決めるのは、モデルの使い方になるんや。具体的には、組織が自分たちのデータとチームに結びついた特定の使用例に対して、モデルから最大限を引き出す方法を迅速に理解できるかどうかや。
あの茶話会とか、AI勝利の社会化とかが起こって、1、2ヶ月後に立ち消えになるかもしれんやつな。それらが今本当に重要になったねん。ビジネス全体でChatGPT-5の使い方を迅速に社会化してる場所にいる必要があるんや。より大きなコンテキストウィンドウがあるから、思考モードが以前はなかった混沌データ全体の統合をくれるからアンロックできるビジネスの新しい使用例を本当に明示的に定義してる場所にいる必要があるんや。
それらを定義せえ。名前をつけろ。今度は、それらをどうプロンプトするか、データをどう準備するかを人に教えなあかんねん。そして正しくできたら、他の会社の多く、特に「ChatGPT-5を使い始めろ」とだけ言うてる会社が知らん方法を手に入れることになるで。
非推論モデルの活用
同時に、ChatGPT-5の非推論バージョンを使ってて、それが非常に速くて少し良く書けるなら、シンプルなテキストベースのものに対してChatGPT-5非推論を使う人と、もっと積極的に取り組まなあかんねん。あんたのスタイルで書くよう駆動する本当に良いプロンプト、幻覚なしで書いて作業をファクトチェックするよう駆動するプロンプト、答えが完全で約束しすぎないことを確実にするよう駆動するプロンプトをな。
これらはすべて実際に見たことやねん。o1より幻覚で優れてるか？多少はそうや。でも明確さの基準、現実への準拠、事実への準拠、あんたの解決策への答えだけを説明して他の16のことを説明しないことについて明示的に伝えることから利益を得るか？そうや、その明確さから利益を得るで。
これはクラックをやったプロダクトマネージャーと比較したモデルやねん。親切さが異常やねん。帰ってきて、指示をくれて、過度に親切な提案をしてくる。完全性のアーティストになるよう訓練されてるねん。チームはそれを抑制することを学ばなあかん。チームはそれにガードレールを与えることを学ばなあかん。
実践的な制約
せやから本当に複雑なものやデータのものの話をしてなくて、シンプルな非推論モデルの話をしてるだけでも、チームは迅速に非常に有用なコンテンツを提供できるようにする方法で、それを抑制することを学ぶ必要があるねん。
なぜなら最後に望まんのは、チームがあきらめて立ち去ることや。そしたら価値を得られへん。逆に、チームがそれを使ってただコピペすることも望まん。そしたら分かるで。なぜなら突然すべての会議が、誰も注意を払わず誰もやらん議題項目で超完全に見えるようになるからや。なぜなら全部AIが作ったもんやから。
注意せえ。なぜならこのモデルは、あんたの組織が実際には内部で持ってないかもしれん完全性をでっち上げるからや。注意しとけ。このモデルは物事が完全やと偽装するのが好きやねん。それが良いコーディングモデルである理由の一部やからな。
新しいソフトウェアカテゴリー
そして8月7日に立ち上がった新しいソフトウェアカテゴリーがあることを、リーダーとして注意すべき、このモデルの新しい点に関する最後の観察に導かれるねん。
それはvibe codingと呼ばれたけど、本当はvibe codingやないし、何ヶ月も持ってたのと同じvibe codingでもないねん。何ヶ月も持ってたvibe codingは、Lovable、Bolt、Repletに行って何かをタイプして、アプリを作ることやった。
バックエンドがあって取引があってログインがあるかもしれんし、本当のアプリか、少なくともアプリのはずで、それと格闘して、最終的には立ち上げるかもしれんやつな。これは有用でないという意味でなく、よりカジュアルという意味で、ソフトウェアの低いカテゴリーやねん。キッチンテーブルソフトウェアやねん。個人使用のソフトウェアで、コールでは個人使用として位置づけられたんや。
確かに個人使用には使えるねん。でも専門的使用にもすぐに使えるし、人はそれを見過ごしてるねん。
実用的なアプリケーション
例として、ChatGPT-5に「この本当に複雑で巨大なExcelスプレッドシートのガントチャートを作って」って頼めるねん。おそらく欲しいものと正確には違うガントチャートの画像を持って帰ってくるやろうし、あんたは毒づいて「このもんはガントチャートできへん」って言うやろう。
コードで試したことあるか？モデルに行って「ここにデータがある。コードで応答して。これをコードで表示するガントチャートアプリを作って」って言うんや。それをやったで。アポロ13ミッションでやったんや。コードで全体のガントチャートを構築したんや。直接視覚化することはできへんかった。
つまり、チームがプロジェクト成果物に使えるツールとしてコードを考えるんや。低い、カジュアルな成果物で、リンクを共有して「これのためのChatGPTアプリを作った。これがプロジェクトのガントチャートや」って言うんやな？「これのためのChatGPTアプリを作った。これが週のプロジェクトアップデートや」みたいなんが今やソフトウェアなんや。
チームの気づき
そしてチームはそれがそこにあることを全く知らんねん。そこにあるって知らんのや。以前のプロンプトやレベルアップ、AIコースでは誰もそれを教えてくれへんかった。なんでか分かるか？それが以前は不可能やったからや。これは本当に最初に、合理的に良いコーディングと、アプリを表現する合理的に完全な能力を持ったもんなんや。
私がClaudeで取り組んだものを試したけど、Claudeは良いコーディングアプリやねん。これをネイティブにはできへんかった。APIでのClaudeに対して何も言うてるわけやないで。コーディングに関しては異常なモデルや。でもキャンバスでネイティブ表現が欲しくて、開発環境も他の何もいらんくて、ただ試してみて、小さなアプリをコーディングしてくれるかどうか見たいだけやったら、ChatGPT-5が見た中で最高のもんやねん。
ビジネスへの影響
それは、データを興味深い方法で表現する視覚的で、少しインタラクティブかもしれん小さなプレゼンテーション、小さな作業のために使えるアプリがあることを人に非常に明確に言えるなら、絶対に潜在的に変革的やねん。週次ビジネスレビューに使えるアプリが欲しいねん。それが典型的なやつやな。データがある。それを表現する必要がある。
クリックして回って、メトリクスを見ることができる必要がある。そのためのアプリが使えるはずやねん。ChatGPT-5にそれをやるよう言えるはずやねん。
今、すべての人がそれをやるわけやないねん。既存のテンプレートにこだわりたいって言う人がたくさんおるやろう。アプリを作る文化に入り込むことの利点は、チームから本当にグラスルーツのイノベーションをアンロックすることやねん。チームはあんたが持ってなかったアプリのアイデアを思いつくで。
それを祝福できて、これがキッチンテーブルソフトウェアやということを思い出させることができて、面白い問題を解決するのに使えることをサポートしてるってことを思い出させることができるなら、ビジネス全体で200の使用例を想像せえへんで。3つか4つを想像して、試してみて、これらは素晴らしい小さな使用例やということを人に知らせるやろう。
実例と展開
一つ試したで。ここにあるねん。旅行日程のやつを試したんや。本当に楽しかった。作った小さな旅行日程アプリを人に見せた時、目が輝いて「ああ、それをリミックスさせて。試させて」って言うてるのが見えたねん。
そしてChatGPTはそれをめっちゃ簡単にしてくれるねん。音楽をリミックスするみたいにリミックスできるんや。戻って「旅行日程を違う場所のにしたい」って言えるねん。「グランドキャニオンに行く時のにしたいから、作り直して」って言えるし、本当に簡単やねん。
週次ビジネスレビューも、マーケティング用やなくてセールス用にするやろう。その成果物をリミックスしたいねん。人は新しい方法でChatGPTを使うことに対してあんたの許可を得る必要があるねん。なぜなら、試してみて失敗したら悪いことになるって仮定されることが多いからや。
これは変更管理のクラシックに戻るよな？成功することを学べるように、失敗することを人に許可する必要があるんや。
まとめと実装
よし、これをすべてまとめると、何を学んだかな？第一に、ChatGPT-5のロールアウトは、彼らがそれを一つのモデルにした方法のために、他の何とも違うものになるやろう。そしてそのフレームから考える時、組織での以前のAIロールアウトに基づいて新しくて違う特定の含意が出てくるねん。
まず、モデルの後ろにあるパワーをどうプロンプトしてアクセスするかを人に伝えなあかん。そこで「think hard」を呼び出したんやな。第二に、以前は決してできへんかった方法で、チャットで大きくて厄介でデータが重い問題に取り組めるねん。入れるデータをきれいにすることに責任を持たなあかん。
人によくプロンプトするよう教えることに責任を持たなあかん。そして成果物を要求することによって、作業の証明を要求することによって、どう作業をしたかを実際に示すことを要求することによって、その作業を最も良くすることを人に思い出させることに責任を持たなあかん。どうやるかを教えるんやなくて、作業をしたことを示す成果物を要求するねん。
それは微細な区別やけど、強調することが重要やねん。なぜならどうやるかを教えることは重要やないからや。でも「使った採点者を見せてくれ」って言うことは実際に役に立つからな。
データ分析の部分から進んで、ChatGPT-5がそれらをアンロックするから、チームが予期しない新しい方法でAIを使うことを快適に感じることの重要性について少し話したな？せやからこのコーディング使用例について話したんや。
それは全く新しい作業のクラスやねん。チームにそれをどう理解させるか？オフィスでビジネスをする本質的に新しい方法になるこれらのコード化された成果物をどう社会化するか？
ChatGPT-5で非推論タスクにAIを使うことをチームが快適に感じることの重要性と、それがどんなもんかについて話したな。なぜなら再び、非推論ChatGPT-5は非常に良いからや。めっちゃ速い。めっちゃ一貫してる。でもガードレールを伝えることはあんた次第やねん。これがハウススタイルや。幻覚でやりたいことと、その扱い方や。創造的になれる時となられへん時や。なぜなら幻覚と創造性は関連してるからな。
せやからもし私やったら、月曜の朝に行って、持ってる現在のAI変革プレイブックを見て、基本的に「ChatGPT-5のおかげでAIで20%多くできると仮定しよう。そして組織に教えた方法の多くが変わらなあかんと仮定しよう。なぜなら学習の古い方法はなくなったからや」って言うやろう。
古い「ステップバイステップで考えて」みたいな方法な。AI変革プレイブックでまだそれをやってるんを願わんけど、やってたらそれはなくならなあかん。モデル選択にあまりにも多くの強調をしてるんを願わんけど、それはなくならなあかん。人に教えてることがモデルが出るにつれてアップデートされることを伝えることができてるんを願う。なぜならそれはまだ本当やから。
人がどのタスクを選ぶかの考え方、人が作業をどう共有するかの考え方をアップデートせなあかん。それを呼び出したな。プロンプトライブラリーとその中身についての考え方をアップデートせなあかん。なぜならプロンプトライブラリーには今やプロンプトだけやなく、良いプロンプトから出てきた成果物も含まれるかもしれんからや。
「カスタマーセンチメントアナライザーが欲しい。ここにそのプロンプトがある。でもここにそのためのPython自動採点者もある。それも欲しい」みたいにな。もしくは、プロンプトライブラリーにはアプリを作るプロンプトだけやなく、リミックスできるアプリの例も含まれるやろう？
ここで進化してる、以前に見たことないことがもっとあるねん。すべて理解できてるか？理解できてへん。ChatGPT-5が組織とどこに向かうかについて強い確信はあるし、ChatGPT-5をあんたの組織にロールアウトする時に何に焦点を当てる必要があるかの感覚も得られるように、これらの早期現場メモをあんたと共有したかったんや。
頑張って。どうなってるか知らせてくれ。そしてChatGPT-5変革について現場から報告を続けるで。
コメント