AI Lightning Talk · 2026.10
来る前に、
決まっている
AIが調べて、比べて、まとめてくれる。
では、人に残る仕事は何か
About Me
自己紹介
吉田 勝大
Yoshida Katsuhiro
株式会社ヤエノワ
代表取締役
- 金融・EC領域の業務システムを、設計・開発から運用保守まで担当
- 基幹システムとEC・OMSの連携設計が専門(SAP連携など)
- 2025年4月にヤエノワを設立。要件定義・設計を軸に、生成AI活用・アプリ開発まで
要件定義システム設計基幹システム連携EC・OMSPM生成AIShopify生成AIパスポート
yaenowa.co.jp
00 · Discovery
AI経由で来た顧客は、よく買う
- 米国の小売サイトのデータです。AI経由の来訪は、全体から見ればまだ一部です
- ただ、来た人の買う気がまるで違います
なぜここまで違うのか。顧客の動き方から考えてみます
出典: Adobe Digital Insights(2026年7月のデータ。2026-08-19公表)
01 · Insight
「比べて選ぶ」は、来店前にAIで済んでいそう
1人の顧客が足を運ぶお店の数が減り、そのぶん来店1回の重みが増しているのだと思います
01 · More Cases
旅行や部屋探し、スマホ選びでも同じことが起きそう
旅行
旅程の案をAIに出してもらう
目的と地域と日数がある程度決まれば、回る場所やルート、順番の案がAIからいくつも出てきます。
お部屋探し(見立て)
あとは契約しに来るだけの顧客
家賃や駅、間取りの希望をAIと整理して物件を絞る。不動産会社には、契約しに行くだけになると思います。
スマホの機種選び(見立て)
機種を決めてから来る顧客
新機種の比較はAIで済ませ、お店では実物を確かめて契約するだけ。そんな買い方が増えそうです。
地域の専門店(見立て)
条件の合う、少数の顧客
検索では上位に出にくい小さなお店も、AIは条件に合うかどうかで探してくれます。合う人に来てもらう商売には追い風だと思います。
私の妄想に近いですが、比較サイトや仲介が担ってきた「比べて紹介する」役割まで、AIが食ってしまうかもしれません
01 · Abstraction
選ぶのが大変な商売ほど、来る前にAIに頼りそう
要件を決める仕事(ヤエノワの領域)
ほかの業界
参考
02 · Requirements 1/3
HP制作では、構成案のたたき台をAIで作ってきそう
顧客がAIで作ってきそうなもの
構成案と文章のたたき台
AIと一緒に作ってから来られる方が増えそうです。
一緒に決めること
そのたたき台が、ブランドと運用に合うか
トーンや言葉づかいがそろっているか、更新し続けられるか、AIに読まれる情報設計になっているか。
02 · Requirements 2/3
システム導入では、困りごとをAIで整理してきそう
顧客がAIで整理してきそうなこと
今の業務と困りごと、候補の製品
業務の流れや聞きたいこと、候補になりそうな製品まで、AIで整理してから相談に来られると思います。
一緒に決めること
その候補が、本当に業務に合うか
要件の抜け漏れも含めて、その会社の業務を知らないと決められないことです。
02 · Requirements 3/3
リプレースでは、不満の洗い出しにAIが使われそう
顧客がAIで整理してきそうなこと
今の不満と、残したい機能
こうした下ごしらえをAIで済ませてから、相談に来られる方は増えそうです。
一緒に決めること
AIが知らない現場の事情
基幹連携、データ移行、切替の段取り。今のシステムを見ないと決められません。
AIが一般論を引き受ける分、その会社ならではの事情を扱う仕事に集中できる
03 · Risk
ただし、AIの答えはもっともらしく間違える
顧客の側
前提を間違えたまま来る
古い価格、ない機能、ずれた相場。AIで調べてきた人ほど、その思い込みも強いと思います。
お店・会社の側
信頼を落とすのはこちら
AIが商品について間違えると、そのブランドへの信頼が下がる。米英の買い物客の58%がそう答えています。
AIが自社をどう説明するか、確かめておく
決まっているように見えても、間違いうる。会社の事情に照らして確かめるのが人の仕事です
出典: Rithum「The New Discovery Engine」(Business Wire 2026-03-25)
03 · Verify
自分でAIを使うときも、確かめるのは人に残る
ある画面づくりで、前提を書いた基本設計書とレイアウト図をClaude Codeに渡して試しました
これまで
約5時間
開発に依頼して戻るまで約3時間、直しを入れて約5時間
→
Claude Code で
約5分
基本設計書とレイアウト図から動くモックを作り、挙動の直しまで
Anthropicの実験では、AIに手伝ってもらった人は作業時間にはっきりした差がないまま、理解度テストの点が低く(50%対67%)、いちばん差が出たのは間違いを見つける問題でした
作業時間は発表者の実例 / 実験: Anthropic(2026-01。52人の無作為化比較試験。初めて使うPythonライブラリの課題を、チャット型のAIに手伝ってもらって解く。Claude Codeは対象外)
03 · Takeaways
明日から試せること
01前提を書いて渡し、動くモックで確かめる
設計書とレイアウト図に前提を書いてAIに渡し、できたモックを人が触ってから作り始める
02自社のことをAIに聞いて、答えを確かめる
顧客が聞きそうなことをAIに聞き、価格や対応範囲が古ければ、公開している情報を直す
03顧客がAIで整理してきた内容は、たたき台として受け取る
価格・機能・前提が合っているかを、最初の打ち合わせで確かめる
Message
調べる、比べる、まとめる仕事は、
AIに移ってきました。
人に残るのは、
確かめる仕事だと思います。
References
出典(2026年10月10日時点)
- Adobe Digital Insights — AI traffic trends report(2026-08-19)— business.adobe.com
- Digital Commerce 360 — Adobe: AI-referral traffic spending, converting more than counterparts(2026-08-19)
- Rithum — The New Discovery Engine(米英のオンライン買い物客1,046人。Business Wire 2026-03-25)
- Anthropic — How AI assistance impacts the formation of coding skills(2026-01-29)/ Shen & Tamkin, How AI Impacts Skill Formation, arXiv:2601.20245
※ 4枚目の図、5枚目の「見立て」の例と比較サイト・仲介の話、6枚目の業界の配置、7〜9枚目の顧客の動きは、出典のない私の見立てです