# AI経営セミナー｜スライド元原稿・スピーカースクリプト

作成日: 2026-06-03

## セミナーの背骨

> AI競争は、チャットボットの性能表ではない。知能をソフトウェア、映像、仮想世界、ロボット、現場、製品、インフラへ変換する産業システム競争である。

## 使い方

- `index.html`: 通常閲覧・サムネイル・各スライドの簡易ノート
- `present.html`: スライドだけを全画面表示する発表モード
- `speaker.html`: 発表者用原稿付きビュー
- `resources.html`: 外部資料・動画リンク集

## Slide 1: AIはチャット画面を出て、会社と現実世界を作り替え始めた

**ラベル:** 01｜タイトル

**話す狙い:** AIを「チャットツール」ではなく、会社・現実世界・産業インフラを変える力として捉え直してもらう。

### スクリプト

今日は、AIツールの使い方講座ではありません。経営者としてAIをどう捉えるべきかを話します。多くの人は、まだAIを「文章を書いてくれるもの」「質問に答えてくれるもの」と見ています。しかし世界の最前線では、AIはすでにチャット画面の中を出ています。コードを書く。アプリを作る。動画を作る。世界をシミュレーションする。ロボットに入り、工場に入り、現実世界のデータを集める。つまり、AI競争はツールの話ではなく、会社と産業構造を作り替える話になっています。今日のゴールは、AIを便利ツールとしてではなく、経営システムとして捉え直すことです。

### 話すポイント

- AIツール紹介ではなく経営視点のセミナーであると宣言する
- チャット画面からソフトウェア・映像・ロボット・インフラへ拡張する絵を見せる
- 最後まで「知能を現実に変換する力」という背骨で通す

### 参考リンク

- なし

## Slide 2: AI競争は、チャットボットの性能表ではない

**ラベル:** 02｜今日の結論

**話す狙い:** このセミナー全体の結論を先に提示し、参加者の視点をモデル性能比較から経営システムへ移す。

### スクリプト

今日の結論を先に言います。AI競争は、どのチャットボットが一番賢いか、という話では終わりません。もちろんモデル性能は重要です。GPTが強い、Claudeが強い、Geminiが強い、中国モデルが追い上げている。これは大事です。しかし経営者が見るべき本質は、その知能をどれだけ速くアプリにできるか、業務に入れられるか、現場で使えるか、ロボットや製品に埋め込めるか、そして安全に守れるかです。AIで作る会社は、AIで守る会社にもなります。そして現場データ、チップ、電力まで含めて見ないと、これからの競争構造は見えません。

### 話すポイント

- 中央の「知能」から各領域へ展開する図を使う
- 経営者が見るべきことは「賢さ」より「事業化」である
- 実装速度・検証速度・防衛速度・事業化速度を経営指標にする

### 参考リンク

- なし

## Slide 3: AIは、コード補助ではなく“実装部隊”になった

**ラベル:** 03｜AI実装革命

**話す狙い:** 経営者に最も自分ごと化しやすい「ソフトウェア実装速度の崩壊」から入る。

### スクリプト

最初のAIコーディングは、エンジニアが黒い画面で使う補助ツールでした。コードの一部を書かせる、エラーを見てもらう、補完させる。その段階から、すでに大きく変わっています。CodexやClaude Codeは、コードを書く補助ではなく、コードベースを読み、ファイルを編集し、テストを実行し、PRを作る開発エージェントになっています。さらにApp BuilderやAIアプリビルダーの流れでは、非エンジニアが自然言語で欲しい業務アプリを説明し、AIが動く形にする世界に近づいています。ここで重要なのは、エンジニアが少し楽になる話ではないということです。会社の中で作りたいものを形にする速度の上限が外れ始めています。これからは、人月勝負ではなく、AIエージェントを束ねる実装システム勝負になります。

### 話すポイント

- 黒い画面から自然言語アプリ生成までの変化を強調
- Cisco × Codexの数字は「未来予測ではなく現場事例」として扱う
- 「AIで人を減らす」ではなく「実装ループを作り替える」と言う

### 参考リンク

- [公式資料] [OpenAI｜Codex for (almost) everything](https://openai.com/index/codex-for-almost-everything/) — CodexがPC操作、複数エージェント、PRレビューなどへ広がる文脈。
- [公式資料] [Claude Code｜Product page](https://claude.com/product/claude-code) — Claude Codeの基本説明。
- [事例] [OpenAI｜Cisco事例](https://openai.com/ja-JP/index/cisco/) — CiscoでのCodex導入効果。
- [事例] [Cisco Blog｜App Builder](https://blogs.cisco.com/ai/from-an-idea-to-a-live-app-on-cisco-in-minutes) — 自然言語からアプリを作る企業向け体験の事例。

## Slide 4: AIが作り、AIが攻撃し、AIが守る

**ラベル:** 04｜AI VS AI

**話す狙い:** AIで開発が速くなるほど、防衛もAI前提になるという経営リスクを提示する。

### スクリプト

AIがコードを書くなら、AIはコードの弱点も探せます。AIがシステムを作るなら、AIは脆弱性を探し、攻撃にも防御にも使われます。ここで象徴的なのが、AnthropicのClaude Mythos Previewです。これは高度なセキュリティタスクに特化したモデルとして発表され、ゼロデイ脆弱性の発見や高度な検証能力が話題になりました。一方でCisco Cloud Controlのように、AIエージェントをAIで守る方向も出てきています。つまり、これからのソフトウェアは、人間が作り、人間が守る世界ではなくなっていきます。AIが作る。AIが攻める。AIが守る。開発速度を上げる会社は、同時にAI防衛体制も持たなければなりません。これはIT部門だけの話ではなく、経営課題です。

### 話すポイント

- 赤い「AIが攻める」カードで緊張感を出す
- AI導入とセキュリティ体制はセットであると強調
- AI VS AIという言葉で印象を残す

### 参考リンク

- [公式資料] [Anthropic｜Claude Mythos Preview](https://red.anthropic.com/2026/mythos-preview/) — AIが高度なセキュリティタスクに入る象徴。
- [報道] [Reuters｜Mythos access expansion](https://www.reuters.com/technology/anthropic-mythos-access-grow-four-fold-about-200-glasswing-partners-2026-06-02/) — Project GlasswingとMythos展開の報道。
- [動画] [Cisco Builds AI Defense with Codex](https://www.youtube.com/watch?v=oRsn3pyeXuw) — AI防衛の話題を短く見せる場合の動画候補。
- [報道] [Reuters｜Cisco Cloud Control](https://www.reuters.com/business/media-telecom/cisco-rolls-out-software-tools-protect-it-systems-ai-agents-2026-06-02/) — AIエージェントを守る企業向けソフトウェアの報道。

## Slide 5: AIは、動画を作るだけでなく、試せる世界を作り始めた

**ラベル:** 05｜映像から世界へ

**話す狙い:** AIが「生成物を出す」段階から「シミュレーションできる世界を作る」段階へ進むことを示す。

### スクリプト

ここから視野を広げます。AIはコードだけではありません。動画生成も、単発の生成ボタンから、演技・照明・カメラワークまで制御する映画監督型の実行環境へ進んでいます。GoogleのGemini Omniは、会話しながら動画を作り、編集する方向です。ByteDanceのSeedance 2.0は、映像生成の性能面で強い衝撃を与えています。しかしさらに奥にあるのが、ワールドモデルです。Google GenieやProject Genie、Waymo World Modelは、AIが中で試行錯誤できる世界を作る方向を示しています。これは広告動画だけの話ではありません。物流、店舗、工場、ロボット導入、自動運転などを、現実で失敗する前にAIの中で試す世界につながります。

### 話すポイント

- 動画生成と世界モデルの違いを明確にする
- 動画：見せるもの／世界モデル：試す場所
- 経営インパクトは制作費削減より事前検証である

### 参考リンク

- [公式資料] [Gemini Omni｜Overview](https://gemini.google/overview/video-generation/) — 会話型動画生成・編集の公式ページ。
- [公式ブログ] [Google Blog｜Introducing Gemini Omni](https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni/) — Gemini Omniの発表文脈。
- [公式資料] [ByteDance｜Seedance 2.0](https://seed.bytedance.com/en/seedance2_0) — Seedance 2.0の公式デモ・機能紹介。
- [X事例] [Seedance 2.0｜日本の夏祭り・たこ焼き屋台](https://x.com/tanabe_fragm/status/2061569228935983382) — 日本の夏祭りとたこ焼き屋台を手持ちカメラ風に描く15秒動画。観光・ローカルCMの例。
- [X事例] [Seedance 2.0｜ビタミンC商品CM風動画](https://x.com/shodaiiiiii/status/2056259840063025580) — 商品画像を起点にCM風動画化した例。広告制作ワークフローを説明しやすい。
- [X事例] [Seedance 2.0｜CM品質の15秒動画](https://x.com/ai_kairos_jp/status/2062074820125401265) — 撮影不要で本格CM品質に近い短尺動画を見せる例。
- [評価] [Artificial Analysis｜Text-to-Video Leaderboard](https://artificialanalysis.ai/video/leaderboard/text-to-video) — 動画生成モデル比較の外部評価。
- [評価] [Text-to-Video Arena](https://arena.ai/leaderboard/text-to-video) — Seedance 2.0のランキング確認に。
- [公式資料] [Google DeepMind｜Genie](https://deepmind.google/models/genie/) — ワールドモデルの公式紹介。
- [動画] [Google DeepMind｜Genie 3: real-time navigable worlds](https://www.youtube.com/watch?v=PDKhUknuQDg) — テキストからリアルタイムに移動できる世界を生成する公式デモ。動画生成とワールドモデルの違いを見せる本命。
- [公式ブログ] [Google Blog｜Project Genie + Street View](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie-expands/) — Street Viewとの接続。
- [公式ブログ] [Waymo｜Waymo World Model](https://waymo.com/blog/2026/02/the-waymo-world-model-a-new-frontier-for-autonomous-driving-simulation) — 自動運転向けワールドモデル。

## Slide 6: 人間の身体動作・視界・生活空間が教師データになる

**ラベル:** 06｜Physical AI

**話す狙い:** AIの次の価値源泉が、ウェブ上の情報ではなく現場ノウハウ・身体動作・一人称視点に移ることを示す。

### スクリプト

AIがロボットや現場に入ると、次に必要になるのは実世界データです。文章AIならウェブ上のテキストから学べます。画像AIなら画像から学べます。しかしロボットに掃除、片付け、搬送、検品をさせるには、人間が物をどう持つか、どれくらいの力でこするか、散らかった部屋で何を触ってよいか、といった無意識の判断を学ぶ必要があります。ニューヨークのShiftは、無料で家を掃除する代わりに、清掃員の一人称映像をロボット学習データにする取り組みで話題になりました。またAIメガネやウェアラブルは、人間の目と耳をAIのセンサーに変えます。経営者にとって重要なのは、自社の現場ノウハウそのものが次の競争資産になるということです。

### 話すポイント

- Shift事例は「無料掃除」ではなく「実世界データの価値」として見せる
- ウェアラブルは便利ガジェットではなく一人称センサーである
- プライバシー・同意・データ管理の注意も入れる

### 参考リンク

- [公式サイト] [Shift｜Free cleaning for training data](https://www.shiftapp.nyc/) — 無料清掃と学習データのビジネスモデル。
- [公式X動画] [Shift｜無料清掃と一人称データ収集デモ](https://x.com/joinshiftX/status/2060424877719404756) — 無料清掃と引き換えに、清掃員の一人称映像をロボット学習データ化する流れを見せる公式X動画。
- [記事] [The Verge｜Shift free cleaning story](https://www.theverge.com/ai-artificial-intelligence/939765/ai-training-data-startup-shift-free-cleaning) — Shiftの事例を講演中に紹介する場合の参照。
- [公式資料] [Google｜Android XR / Gemini intelligent eyewear](https://blog.google/products-and-platforms/platforms/android/android-xr-io-2026/) — ウェアラブルAIを一人称センサーとして扱う文脈。
- [動画] [Google｜Android XR glasses with Gemini](https://www.youtube.com/watch?v=QAhM_dWO72k) — Gemini搭載スマートグラスの公式デモ。人間の視界と音声がAIのセンサーになる文脈を短く見せられる。

## Slide 7: AIを“知能部品”として物理世界へばら撒く

**ラベル:** 07｜中国オープンモデル戦略

**話す狙い:** 中国系LLMのオープンモデル戦略を、OSS善意ではなく製造業と結びついた産業戦略として説明する。

### スクリプト

中国系LLMの重要性は、単にQwenやDeepSeekが高性能という話だけではありません。中国がオープンモデル、正確にはオープンウェイトを強く進めていることに意味があります。巨大クラウド上で最強の頭脳を作るだけなら、閉じたAPIでもいい。しかし工場、ロボット、車載、家電、エッジデバイスにAIを入れるなら、安く、小さく、調整可能で、現場ごとに載せられる知能部品が必要になります。米国型は巨大クラウド上の最強の頭脳です。一方、中国型はオープンモデルを小型化・蒸留して、物理世界にばら撒く戦略です。これは善意のOSSではなく、製造業と結びついた産業戦略として見るべきです。

### 話すポイント

- OSSではなくオープンウェイト／オープンモデルと表現する
- 米国型と中国型を対比して説明
- 知能部品という言葉を何度か使って印象づける

### 参考リンク

- [公式ブログ] [Qwen3｜Think Deeper, Act Faster](https://qwenlm.github.io/blog/qwen3/) — 0.6B〜235B級まで幅広いモデルサイズ展開。
- [GitHub] [QwenLM/Qwen3](https://github.com/QwenLM/Qwen3) — 公開モデルの利用・開発者向け情報。
- [公式発表] [DeepSeek-R1 Release](https://api-docs.deepseek.com/news/news250120) — MIT License、蒸留・商用利用可能という文脈。
- [GitHub] [DeepSeek-R1](https://github.com/deepseek-ai/DeepSeek-R1) — ライセンスとモデル情報。
- [政策分析] [USCC｜China open AI strategy and industrial dominance](https://www.uscc.gov/research/two-loops-how-chinas-open-ai-strategy-reinforces-its-industrial-dominance) — 中国オープンAI戦略と製造・ロボットの接続。

## Slide 8: 市販・実出荷・現場投入の段階へ

**ラベル:** 08｜中国ヒューマノイド

**話す狙い:** ヒューマノイドが未来のデモではなく、限定用途ながら市販・出荷・現場投入に入ったことを示す。

### スクリプト

中国の話で一番インパクトがあるのが、ヒューマノイドです。ここは煽りすぎてはいけません。ヒューマノイドが明日から人間の仕事を全部奪うわけではありません。しかし重要なのは、すでに市販・実出荷・現場投入の段階に入っていることです。Unitreeは2025年に5,500台超、AGIBOTは5,168台のヒューマノイドを出荷したとされています。AGIBOTは2026年3月に1万台目のラインオフも発表しています。現時点では、研究、案内、展示、限定的な工場支援が中心です。器用な手、成功率、現場判断はまだ発展途上です。それでも、現場にロボットが置かれ始めると、失敗も含めてデータが返ってきます。重要なのは完成したことではなく、現場に置かれ始めたことです。

### 話すポイント

- 台数を大きく見せるが、用途の限定性も必ず補足
- 完成ではなく現場投入が本質
- 現場データ回収ループに接続する

### 参考リンク

- [公式発表] [Unitree｜2025 Sales Data Clarification](https://shop.unitree.com/blogs/news/clarification-regarding-unitrees-2025-sales-data) — 5,500台超の実出荷、6,500台超の量産出力。
- [公式発表] [AGIBOT｜Omdia ranks AGIBOT No.1](https://www.agibot.com/article/231/detail/33.html) — 5,168台、39%世界シェア。
- [公式発表] [AGIBOT｜10,000th humanoid robot line-off](https://www.agibot.com/article/231/detail/53.html) — 1万台目ラインオフの発表。
- [報道] [Reuters｜Unitree IPO and shipments](https://www.reuters.com/world/asia-pacific/unitree-plans-shanghai-ipo-testing-interest-humanoid-robots-2026-03-20/) — Unitree出荷・用途の報道。
- [報道] [Reuters｜China humanoid robot half-marathon](https://www.reuters.com/world/asia-pacific/china-humanoid-robot-half-marathon-showcase-technical-leaps-2026-04-18/) — 中国が世界導入の大半を占める文脈と冷静な課題。

## Slide 9: GPU・データセンター・電力の調達力が競争力を左右する

**ラベル:** 09｜AIインフラ競争

**話す狙い:** AI企業がモデル企業からインフラ企業へ変わっていること、計算資源の地政学を示す。

### スクリプト

ここからはAIの裏側です。AIはクラウドの中にあるように見えますが、実際にはGPU、データセンター、電力、土地、冷却、送電網、半導体の上で動いています。OpenAIはStargateで1GW級のデータセンターキャンパスを建てにいっています。xAIはColossusを爆速で建て、計算資源の建設速度そのものを武器にしています。Anthropicは少し違います。自前で巨大インフラを建てるというより、AWS、Google TPU、Microsoft、さらにxAI/SpaceXのColossus 1まで束ねる「持たざるインフラ企業」と見ると分かりやすいです。モデル層では競合でも、インフラ層では取引相手になる。AIのコスト構造は、もはやソフトウェアだけではありません。

### 話すポイント

- OpenAI＝建てる、xAI＝爆速で建てる、Anthropic＝持たずに束ねる
- モデル競争の裏側にある利害関係を強調
- GPU・電力・データセンターが競争力の源泉

### 参考リンク

- [公式発表] [OpenAI｜Stargate Michigan 1GW Data Center](https://openai.com/index/stargate-michigan-data-center/) — OpenAIが自前インフラへ進む象徴。
- [公式資料] [xAI｜Colossus](https://x.ai/colossus) — 122日で構築、92日で20万GPU規模。
- [公式発表] [Anthropic × Amazon｜Up to 5GW compute](https://www.anthropic.com/news/anthropic-amazon-compute) — Anthropicの5GW級調達。
- [公式発表] [Anthropic × Google/Broadcom｜TPU capacity](https://www.anthropic.com/news/google-broadcom-partnership-compute) — 複数GWのTPU容量。
- [公式発表] [Anthropic × SpaceX｜Colossus 1 compute](https://www.anthropic.com/news/higher-limits-spacex) — 300MW超・22万GPU超。
- [報道] [Reuters｜SpaceX/Anthropic lease details](https://www.reuters.com/technology/musk-says-spacex-did-not-commit-long-term-colossus-lease-with-anthropic-2026-05-28/) — インフラ層の生々しい利害関係。
- [分析] [IEA｜Energy demand from AI](https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai) — 2030年のデータセンター電力需要。
- [公式資料] [trade.gov｜Taiwan Semiconductors](https://www.trade.gov/country-commercial-guides/taiwan-semiconductors-including-chip-design-ai) — 台湾の先端チップ依存。
- [公式資料] [trade.gov｜Taiwan Energy Generation and Storage](https://www.trade.gov/country-commercial-guides/taiwan-energy-generation-and-storage) — 台湾のエネルギー輸入依存。

## Slide 10: 経営者が今日から問うべきこと

**ラベル:** 10｜AI経営へ

**話す狙い:** 参加者が自社で考えるべき経営アクションに落とし込む。

### スクリプト

最後に、経営者として問うべきことを整理します。AIを使っていますか、という問いはもう古いです。重要なのは、AIによって会社の実装速度が上がっているかです。AIで作るなら、AIで守る体制があるか。自社の現場ノウハウをデータ資産として扱えているか。AIを業務だけでなく商品・サービス・現場に埋め込めるか。チップ、クラウド、電力を経営リスクとして見ているか。AIの最前線とは、モデル性能表ではありません。知能を現実に変換する産業システムそのものです。AIを便利なツールとして使うだけでは足りません。AIで会社の実装速度と学習速度を作り替えることが、これからの経営課題です。

### 話すポイント

- 5つの問いを参加者に持ち帰らせる
- AI活用ではなくAI経営へ、と締める
- 最後に「知能を現実に変換する産業システム」を再掲する

### 参考リンク

- [まとめ] [講演後の社内ワーク用：AI経営チェックリスト](manuscript/speaker_script.md) — ZIP内の原稿にチェックリストを同梱。