業界より先に動こうとするとき、何が変わるのか
ここでは、オペレーション、バリューチェーン、歴史的優位を変えるイノベーションを追う。見せ場としてではなく、企業が壊れずに変われるかどうかの試金石として読む。
いま見ているもの
産業技術、新しいプロセス、実際の信号を持つパイロット、企業の賭け、そしてイノベーションが標語ではなく設計・資本・規律を要する局面。
勝負が決まる場所
製造、モビリティ、鉱業、規制産業、そして「新しいものを出す」ことではなく、約束、時間軸、リスク許容度を組み替えることがイノベーションだと気づき始めた企業にある。
なぜ重要か
イノベーションは、能力、障壁、実行速度のどれかを変えたときにはじめて意味を持つ。残りは可視性を生むかもしれないが、変革とは限らない。
注目記事
イノベーションとディスラプション
CodexはOpenAIが収益力を証明するための切り札
資本市場への参入を目指すテクノロジー企業の歴史には、繰り返されるパターンがある。大規模ユーザー数という物語だけでは不十分になり、より具体的な成果を示す必要が生じる瞬間だ。OpenAIはまさにその局面にある。そしてその論拠として選んだツールはChatGPTではなく、ソフトウェア開発支援製品「Codex」だ。この2ヶ月間、競合他社が追いつけないほどの頻度でアップデートが続いている。
Elena Costa8 分最新記事
LenovoのAI収益がほぼ倍増——記録的な数字が示す静かな事業再設計
3月期の売上高は216億ドルに達し、前年同期比27%増——5年間で最高の成長率——を記録。純利益は5億2100万ドルへと劇的に跳ね上がった。香港市場の株価は1日で約20%上昇し、その日のハンセン指数で最大の上昇銘柄となった。しかし市場の動きを最もよく説明する数字は、利益率でもPC出荷台数でもない。AI関連収益が同四半期に84%増加し、グループ総収益の38%を占めるに至ったという事実だ。
AIパイロットの95%が成果を出す前に失敗する理由
私が知っているほぼすべての中堅企業で、同じ場面が繰り返されている。技術チームが人工知能のパイロットプロジェクトを発表する。最初の数字は有望に見える。取締役会が投資を承認する。そして6ヶ月後、パイロットはまだパイロットのままだ。
ソローのパラドックスが再来し、今度はAIに語りかける
経済史が人工知能時代の前に少なくとも2度、明確に繰り返してきた静かなパターンがある。最初は産業の電化、次にパソコンの普及。いずれの場合も、技術が到来してから数十年後にようやく生産性統計にその影響が現れた。
大企業がアプリケーションとAIモデルの間に中間層を導入する理由
技術が実験段階から本番インフラへと移行するたびに、同じパターンが繰り返される。リレーショナルデータベース、クラウドサービス、マイクロサービスでもそうだった。そして今、大規模言語モデルでも同じことが起きている。
最も人気
Las piezas que más conversación están concentrando
Lecturas que están capturando atención dentro de la categoría y ayudan a ubicar dónde se está tensando la discusión.
アルテミスIIと、戻る勇気を持つリーダーの心理
50年ぶりの月面探査は、技術の問題ではない。それは、組織が慎重さと恐れを混同する時に起きる問題を映し出している。
92
マッハ8と3D印刷金属：エンジニアリングを証拠に変える超音速の挑戦
DART AEの飛行はPRではなく、技術的不確実性をデータに変えるビジネス決定だ。目の前の速度ではなく、そこから得た学びが重要なのだ。
92
NVIDIAの6G戦略：ネットワークをパフォーマンス連動型の変動コストセンターに変える
オープンかつセキュアな「AIネイティブ」プラットフォーム上に6Gを構築するための連合は、単なる技術的な決断ではない。ビット単価とサイト単価の財務的再設計だ。NVIDIAは通信支出をハードウェアからコンピューティングへと移行させ、今まで減価償却しか生まなかった領域で価値を回収しようとしている。
92
融合技術が遂に得た最も希少な資産：リスク論理に基づくライセンス
NRCが米国の融合機器のために初の連邦ライセンス枠組みを提案。規制の不確実性を管理可能な変数に変え、産業への移行を加速します。
92
量から選択へ：AIエージェントが解決を迫られているトラップ
過去8年間にわたり人工知能に投資してきたほぼすべての組織の廊下を、ある信念が流れている。問題は常に量の問題だという信念。より多くのデータ。より多くのトークン。より広いカバレッジ。より多くの蓄積された履歴。
企業の91%がAIに何のデータを渡しているか把握せずに導入している理由
生成AIは、テクノロジー部門を通じてではなく、生産性アプリケーションという裏口から多くの組織に入り込んだ。Microsoft 365 Copilot、Gemini、コラボレーションプラットフォームに統合されたアシスタント——これらのツールは、従業員がすでに業務を行っていた企業環境で有効化され、誰も十分に交渉していなかった条件のもと、静かな実験が始まった。問題は言語モデルにあるのではない。それらのモデルが実際の組織に接続されたときに何を見つけるか、そこにある。
インターフェースなきSalesforceが示す、エージェント型企業デザインの未来
マーク・ベニオフが1990年代後半にSalesforceを創業した時、提案はシンプルだった。クラウドから提供される営業支援ソフトウェア、インストール不要。画面こそが製品だった。それから25年後、Salesforceはまったく逆の方向に賭けている。画面を消し去ることだ。
GoogleがAIが企業で失敗し続ける問題を解決するためにデータアーキテクチャを再設計した
長年にわたり、大企業のデータチームとAIチームは異なる国の部門のように機能してきた。前者はデータウェアハウス、カタログ、パイプラインを構築し、後者はモデル、API、エージェントを展開した。結果は予測可能だった。AIエージェントが本番環境に到達すると、自律型マシンが読み取り、解釈し、行動できるように誰も準備していなかったデータに直面して機能不全に陥った。
1000億件のイベントと、誰も口にしたくない恐怖
立ち止まって考えるべき数字がある：1日あたり1000億件以上のデータイベント。これがStriimの統合パイプラインを流れるデータ量であり、Oracle、PostgreSQL、Salesforce、KafkaといったシステムをGoogle Cloud Spannerなどのクラウドプラットフォームと、コンマ数秒のレイテンシで接続している。技術的な発表としては申し分ない。しかし私が注目したいのは、プレスリリースに書かれていないことだ。
FAQ
イノベーションとディスラプション
Preguntas para entrar mejor en la categoría, entender sus tensiones y ubicar dónde mirar antes de pasar a los artículos.
このカテゴリでイノベーションと呼べるものは何か？
価値が設計され、生産され、流通し、回収されるやり方を具体的に変えるものだ。目を引く新しさだけでは不十分で、システムの重要な部分を変えていなければならない。
役に立つイノベーションと企業の見せ物をどう見分けるのか？
牽引力、外部検証、業務インパクト、そしてその賭けを支える組織の本気度を見る。重要なものが何も変わっていないなら、それはイノベーションではなくプレゼンテーションである可能性が高い。
ここで追う価値のあるイノベーションの物語とは何か？
早すぎる採用、実証プラントへの資金投入、オペレーションを別の論理へ移すこと、あるいは生まれた環境の外でもそのアーキテクチャが持つかを試すといった難しい判断が見えるものだ。
