ここから本文です

投稿コメント一覧 (2599コメント)

  •  独仏、ビットコイン規制を共同提案へ G20財務相会合  1/19 10:34配信  朝日新聞デジタル

    仮想通貨「ビットコイン」について、ドイツとフランスが国際的な規制を呼びかける。金融緩和による世界的なカネ余りの中、仮想通貨への投機が過熱し、価格の乱高下で取引リスクへの懸念が強まっているためだ。
    3月にアルゼンチンで開かれる主要20カ国・地域(G20)財務相・中央銀行総裁会議での議題としたい考え。
    18日に独仏の関係閣僚がパリで共同記者会見して明らかにした。ルメール仏経済・財務相は「われわれは同様の懸念をいだいており、ビットコインを規制したいという考えを共有している」と述べた。

     ビットコイン取引のリスクを共同で分析したうえで規制案をつくり、G20会合で提案する。具体的な作業はフランス銀行(中央銀行)の元幹部に依頼しているという。アルトマイヤー独財務相も「市民に対して、リスクを説明し、規制でリスクを低減するという責任が我々にはある」と述べた。




    ビットコイン市場の巨大な資金が株式市場に流れてくるかな…

  • ビットコイン急落、オルトと「共倒れ」 アルゴの売りも 2018/1/17 9:17  日経

    インターネット上の仮想通貨ビットコインの下げがきつくなっている。
    ドル建て価格は前日16日の欧米の取引時間帯に一時1ビットコイン=1万300ドル台と昨年12月以来の安値を付けた。年初にかけて急伸していたビットコイン以外の「オルトコイン」に利益確定などの売りが続き、
    ビットコインの売りに波及した。

    情報サイトのコインマーケットキャップによると仮想通貨全体の時価総額は7日に8100億ドル(約90兆円)を超える水準まで膨らんでいたが、16日は5400億ドルを下回った。ちょうど3分の1の価値を失った格好だ。
    仮想通貨の変遷をつぶさに眺めてきた京大大学院の岩下直行教授も「こんな『総崩れ』は見たことがない」と驚きを隠さない。(以下省略)

    https://nikkei225jp.com/bitcoin/

    ビットコイン時価総額、90兆円→60兆円に激減。……30兆円、株式市場に来いw
    16日、大暴落、17日9時に騰落率がリセットされて、リバるのか思ったらまだ暴落しとる…
    セリクラだな…

  • 2018年1月16日 ( 769~ 743 )、モルスタ、28300株、買戻し


    600台で、買い戻さなかった売り機関が「700円台半ば」で買戻し始めたぞ!

    売残353200株のオクサムが一番後手か?

  • 20円30円の値幅で騙された感って…市場の銘柄全部じゃない?

  • 信用買残…1,972,900(-44900)……買残、100万台突入!

    売り機関、空売り残…104万4658(1/9時点)


  • 投資の神様バフェット→「仮想通貨が悪い結末を迎える事は、ほぼ間違いない。」と明言…

    てことで只今、絶賛大暴落中……株に資金が戻ってくるかも…

    https://nikkei225jp.com/bitcoin/

  • レカムは朝「S高張り付き」から「S安張り付き」…w
    億トレ達がTwitterで煽り、イナゴタワー形成で崩れ落ちる典型だな
    億トレの煽り、そろそろ監視委員会が動くかもw


    【株価動揺「イナゴ」の塔 突然の急騰、つぶやきが誘発】 2018/1/16 日経

     株式市場で短期売買を繰り返すデイトレーダーに必須の情報収集ツールは、ツイッターなど交流サイト(SNS)だ。「カリスマ」と称される著名なトレーダーには多くのフォロワーが付き、つぶやきが個別銘柄の株価を動かすケースも目立つ。ただ、サヤ抜きを狙った「つぶやきトレード」は法律上でグレーとみられ、安易なつぶやきが予期せぬ法令違反を招く可能性もある。

     「買い材料は何か」――。昨年11月8日、気泡コンクリートを手掛ける麻生フオームクリート株が急騰すると、ネット上は騒然となった。急騰前に350円程度だった株価は約2週間後の24日に一時1441円と4倍になった。その後、麻生フオーム株は急落し、800~900円で推移。1月15日の終値は880円だった。
     イナゴタワーが発生した原因を探ると、ツイッターのつぶやきなどネットに流れる情報に行き着く。
    短期トレーダーが敏感なのは、カリスマ投資家のつぶやきだ。特定の株を何株買ったなど、あえて自分の持ち高を公開するケースが目に付く。追随買いや売りを誘うことが多く、つぶやき自体が投資材料だ。ある著名トレーダーは「興味深い銘柄の情報を共有したいだけ」と話す。

     イナゴタワーを形成する銘柄には特徴がある。松井証券の窪田朋一郎氏によると、(1)時価総額が100億円未満(2)赤字だったり利益額が小さい(3)PER(株価収益率)などの株価指標で判断できない小型株が多いという。わずかな売買でも株価が動きやすいからだ。最近でも不動産ファンドなどを手掛けるGFA、工作機械のヤマザキ、電子メールサービスのfonfunなどでタワーが発生した。

     もっとも、不公正取引の監視も高度化している。
    東京証券取引所は不審な売買の検知に人工知能(AI)を活用する準備を進めている。
    ネット証券とも連携しながら不審な取引を常に監視。見つけた場合は即、証券取引等監視委員会に通報する。口座情報や売買履歴は全て把握され、逃げ道はない。




    ここは…静かに2000円まで上がってほしい

  • 取り合えず、Kibiroの名前由来は「KIBIT」と「ロボット」 だっけ?


    UBICとヴイストンは、Kibiroを『人々の暮らしに溶け込み、共に過ごすことで日常を豊かにする』生活密着型の人工知能搭載ロボットとして開発。2015.11.17・IR

    内蔵のカメラ、マイク、スピーカーによる会話のやりとりや、顔の識別などの基本コミ ュニケーションを行うほか、ネットワークを介して、UBICの人工知能エンジン「KIBIT」とつながり、専用アプリやメール、SNSなどを通じて、利用者の行動や好み、 感覚を蓄積し、利用者も気づかなかった「好きなもの」をおススメ。

    ■UBICの人工知能エンジン「KIBIT」を搭載
    Kibiroの特徴の1つとして、UBICが独自に開発した人工知能「KIBIT」※とネッ トワークを介して、繋がることができます。KIBITはこれまでにUBICが行ってきた法曹・ビジネスの支援や医療分野、マーケティングに使われてきた実績を元に開発されており、少量のテキストデータのインプット(教師データ)で選んだ人間の機微(個人の暗黙知・判断の仕組み・感覚)を理解。

    ※KIBITについて
    「KIBIT」はUBICが独自開発した日本発の人工知能エンジンで人間の心の「機微」(KIBI)と、情報量の単位である「ビット」(BIT)を組み合わせ、「人間の機微を理解する人工知能」を意味

    ㊟UBIC=FRONTEO


  • インテル製品に新たな脆弱性発見、フィンランドのセキュリティー企業    2018年1月13日

    米インテル製のハードウエアに企業向けノートパソコンの遠隔操作を可能とする新たな脆弱(ぜいじゃく)性が見つかった。フィンランドのサイバーセキュリティー対策の専門企業Fセキュアが12日、明らかにした。

    Fセキュアの声明によると、この脆弱性は最近見つかったほぼ全てのパソコンやタブレット、スマートフォンで使われているCPUに関する脆弱性「スペクター(Spectre)」や「メルトダウン(Meltdown)」とは無関係。

    しかし、「大半の企業向けノートパソコンに一般的に搭載されている」機能、インテル・アクティブ・マネジメント・テクノロジー(AMT)に関するもので「攻撃者があっという間にユーザーの機器を乗っ取ることが可能」となり、世界中の数百万台のノートパソコンに影響を及ぼす恐れがあると同社は警鐘を鳴らしている。

     攻撃者はまず、当該のノートパソコンに物理的にアクセスする必要がある。しかしいったん攻撃者にAMTを再設定されてしまうと、「(暗号やユーザー管理システムなどの)抜け穴」を設置されたのも同然となり、
    遠隔操作されてしまう恐れがある。
     この脆弱性の悪用を防ぐことのできるセキュリティー対策は限定される。

     インテルやAMD、ARM製のチップの脆弱性「スペクター」や「メルトダウン」の発見を受けて、アマゾン(Amazon)、グーグル(Google)、マイクロソフト(Microsoft)、モジラ(Mozilla)など大手企業は脆弱性に対処するためのアップデートやパッチの提供に追われている。

  • 2018年1月9日 (717~ 704 ) JPモルガン、33900株、買戻し

    先手で勝つのは、JPモルガンだな

    一番後手で焼かれるのはどこかな…w

  • 「749円の3万株」が取り消されたw
    完全に見せ玉。…本当の売り板はスカスカ。まだ上がりそうだな

  •  続き

    ――教材として挙げられた社員にとっては辛いところですが、重要なのは発想の転換かもしれませんね。失敗しない社員はどの会社にもいませんし、“こういうことは誰にでも起きることなんだ”という社内の雰囲気作りも大事なのかもしれません。

     「今回はあなたに寄せられたクレームだけど、それは誰にでも起きることなんだ」ということを社員に理解してもらって業務の改善に組織で取り組んだほうが、結果は明らかに良いと思いますね。そういう意味では、ある時に失敗した社員というのは「次に誰かが失敗しないために役に立った」と言えるのかもしれません。失敗した社員に対して懲罰的な対応をすることは社員が疲弊することに繋がるため、絶対にやってはいけません。失敗は早く共有して社内全体で対応したほうが、社員の営業成績も向上しますし、より前向きな組織になるのです。

    ――最後に、今後の展開について教えてください。

     まずは、このAIクレームチェッカーを多くの企業に導入していただくことに注力していきたいと考えています。一方で、製品の展開としては、企業の業務システムに組み込めるAIクレームチェッカーの開発も進めているほか、クレームだけでなく別のテーマでもメールの内容を解析して特定の課題を検出する製品を構想しています。

  •   加えて、最近ではBtoB製品でもウェブでのダイレクト販売やインターネットサービスのセルフサービス型提供などもありますので、そうした製品のサポートデスクに寄せられるメールなども、AIクレームチェッカーを活用するシーンになるのではないでしょうか。こうしたシーンでは毎日届く膨大な問い合わせメールの重要度分類ができずに、重要度の高いメールを見落としてしまったりする場合もありますが、AIクレームチェッカーでスコアリングすることで、こうした課題も解決できるのではと考えています。

     営業担当者がメールを処理する場合でも、サポートデスクでする場合でも、相手のクレームの緊急度や重要度の判断は各担当者に属人的になりがちですが、人工知能が客観的に判断することで、対応優先度の判断や対応漏れを大きく削減できるものと考えています。

    【AIクレームチェッカーの目的は改善すべき“クレームの原因”を理解すること】

    ――導入企業では、どういった事業への効果や業務の改善につながっているのでしょうか。

     このAIクレームチェッカーの導入で重要なのはクレームを発見することではなく、その原因を理解することだと考えています。たとえば、メールのやりとりを追いかけていくと、どのようなプロセスがクレームを生み出したのかを正確に把握、理解できるのです。原因を把握して組織や業務のワークフローを改善することで、本当の意味で顧客満足度を高められるビジネスが生み出せるのではないでしょうか。

     実際、導入して業務改善に取り組んだ企業では、クレーム件数の大幅な減少や解約数の減少による売上の大幅な改善を実現しています。クレームの端緒になるようなメールの段階で必要なフォローアップができたお陰で、クレームになるのを未然に防ぐ結果になっているほか、クレームになったメールのやりとりも社内で教材として共有して、社内の教育に活用しているという事例もあります。

  •  ――FRONTEOのKIBITは、少ない量の教師データを元に類似性の判定やスコアリング評価ができる点が特長だと思いますが、実際に運用してみていかがでしょうか。

     確かに、ある程度のクオリティまでは少ない教師データですぐに立ち上がりますね。ただ、そこから高い精度を担保しようとすると、やはり大量の教師データを必要としますし、クレーム分類などを細かくチューニングする必要があると思います。一方、利用企業にとっては、AIクレームチェッカーの判定結果に違和感を持ったものをチェックしていけば、少ないサンプル数で企業に合わせたカスタマイズができると思います。

    ――どのような企業での活用を想定していますか。

     BtoBでビジネスを展開している企業を想定しています。BtoCでもクレームはあるのですが、BtoCビジネスではCRMの体制を作っており顧客の声を集約することは難しくありません。一方、BtoBビジネスでは営業担当者の意思によってクレームが顕在化するか否かが決まってしまうため、そうした課題を解決できる製品として企業に提案していますね。

     また、営業担当者が数十人を超えてくると現場責任者や経営者は各営業担当者の業務を把握するのが難しくなってきます。ある程度大きな規模の営業組織を持っている企業や定期的に顧客企業とのメールやりとりが発生する業務を行う企業も対象になってくると考えています。具体的には、人材、広告、ウェブ制作、システム開発、不動産、イベント企画・運営などを行う企業がこのAIクレームチェッカーを導入しています。最近ではほとんどのビジネスでやりとりにメールが使われているため、対象業種は幅広いと思います。

  •  ――確かに、人工知能を業務に導入しようとすると、企業はまずはその“空っぽ”の人工知能を育てるところから始める必要がありますよね。結果的に、何かを実現したくて人工知能を導入するのに、その導入そのものが目的化してしまう。結果的に効果を生み出すまでが遠く、導入意義に疑問を抱いてしまうことになります。

     速度感をもって効果を出していこうという点に主眼を置いているのがAIクレームチェッカーの開発のポイントだと思います。確かに、お金とリソースを充分に確保できる大手企業であれば、ゼロから人工知能を育てることは難しくないかもしれませんが、日本企業の大多数を占める中小企業ではそうはいきません。
     
    ――クレームを見つけ出すアルゴリズムで工夫している点はありますか。

     人工知能の基本性能はFRONTEOのKIBITをそのまま使っているので、私たちはそれを微調整する程度です。
    ただ、クレームメールの内容にはさまざまな種類があるので、その分類と軽度(緊急度の高さ)で細かく仕分けしてスコアリングに反映するチューニングは開発時から現在まで継続的に行っています

  •  ――社員の中には、トラブルの火種を社内に共有したくない、自分で解決して黙っておきたいという人もいるのではないでしょうか。社員は積極的に協力してくれたのでしょうか。

     社員は非常に協力的でしたね。というのも、このサービスは社員本人が楽をするため、本人の営業成績を改善するためのものなのです。たとえば、社員があるクレームを受けたときに、すぐに報告すると怒られるから嫌だと考え、自分で丸く収めてから報告しようとしますが、実はその方法が間違っています。そういう、なんとなく上司に相談しづらいシチュエーションは誰にでもあるものですが、実はこのサービスでは危険度の高いメールがすぐに上司に報告され、すぐに上司や周囲がフォローしてくれます。結果的に、社員が抱えるストレスをなくすことができるのです。


    ――確かに、ちょっとしたクレームへの対処を抱えてストレスを溜めてしまった社員が周囲に相談すると、意外にすぐに解決したりするものですよね。

     営業経験者の方であれば、みなさん身に覚えがあると思いますね。


    ――教師データのアップデートはどのように行っていくのでしょうか。

     グループ企業で1日約6000通のメールがやりとりされていますが、そのメールの中でクレームに関するメールをその都度分類して、定期的にAIクレームチェッカーに学習させています。一方、利用企業によっては業種ならではのメールの傾向や特色、クレーム判定の定義の違いがあると思いますので、利用企業の方がAIクレームチェッカーによって検出されたメールを確認する中で、これは本当のクレームか否かを判定してもらい、その結果をもって利用企業の人工知能をアップデートするようにしています。

     ただ、導入時に利用企業が時間と労力を掛けて教師データを用意したり、データの解析をしなくても良いというのは、このサービスの大きな利点ではないかと思います。導入時にはある程度の頭脳に仕上がっているので、あとはお使いいただきながらアップデートしていく形で利用企業に合わせた精度向上を目指せるのです。人工知能導入時に想定される手間を大きく軽減できる点が強みだと考えています。

  •  続き
    そこで、メールサーバに直接アクセスして営業担当者のメール内容を抜き打ちでチェックすることを試みました。

    「申し訳ありません」など特定のフレーズでメールを検索してみたのです。
    すると、膨大な数が検出されてしまい、とてもチェックしきれる状況ではありませんでした。

    それが、ちょうど今から2年ほど前なのですが、当時は人工知能への注目が高まり始めた頃で、
    こうした膨大なメールチェックの解析に人工知能を活用できるのではないかと考え、自然言語解析に優れた技術を持つFRONTEOの製品を活用して、AIクレームチェッカーの開発が始まりました。

     FRONTEOは自然言語解析の人工知能を10年以上手がける企業で、KIBITの仕組みをそのまま活用することができましたが、「クレームの検出」という特殊性を実現するためには、そのための教師データが必要でした。

    そこで、私たちのグループ企業で過去にやりとりしたメールを内容やクレームの危険度に応じて分類して教師データを構築し、人工知能に学習させました。
    過去のクレームに関しては社内で報告を受けているものがあるので、そこから当時のメールを探し出してきました。

  • 続き
    BtoBビジネスの解約理由、60%以上は回避できる可能性

    ――まず、なぜAIクレームチェッカーを作ったのか。その背景を教えてください。

     顧客は企業の担当者を信じて期待して契約をします。しかし、そのすべての期待に満足を与えられているかというと、実際のところは難しいですよね。残念ながら解約やクレームにつながったり、そこまで至らなくても不満を抱えてしまうケースは存在します。本当に満足している顧客はごく一部なのです。

    単純にこの状況が心苦しいと感じていたことが、AIクレームチェッカーを考えたそもそものきっかけです。

     加えて、グループ企業の顧客に対して「なぜ解約したのか」という質問をしてみたところ、
    約200社のうち25%が対応への不満で、大きな不満はないが期待を下回ったという回答も32%ありました。

    つまり、6割以上の解約理由が、担当者が充分なフォローができていれば回避できる可能性を持ったものだったのです。不満が小さいうちに発見して充分なフォローができれば、失うことのなかった顧客なのです。

    こうした状況をなんとか改善したいと考え、クレームを早期に発見する仕組みを考案しようとしました。
    顧客アンケートは良くある方法ですが、実はアンケートは回答率が非常に低く、有効性はありません。

    幹部が表敬訪問してヒアリングをすることも選択肢のひとつですが、すべての顧客を回るには時間が足りません。
    そこで、社長に直接メールで不満や要望を寄せて欲しいとすべての顧客に呼びかけたところ、月に1〜2通しか来ず、しかも内容は不満に耐えかねてメールしたというお叱りだったのです。

    私は将来の解約につながってしまう小さな不満を見つけ出したかったのですが、その目的が実現する方法ではありませんでした。

  • このメールは“クレーム”なのか--属人的な判断をAIが担う「AIクレームチェッカー」2018/1/9 CNET

    BtoBビジネスを展開する企業にとって、顧客企業とのやりとりを日常的に行う営業担当者のコミュニケーションは、顧客満足度に直結する。

    その一方で、多くの企業を掛け持つ営業担当者の日常的な業務の中で、重要なタスクを見落としてしまったり、顧客からの相談に充分に応えられなかったりした場合には、顧客企業の契約継続やアップセリングなどが困難になる場合もあり、事業の売上に大きな影響を与える。

    ただ、実際のところ、営業担当者のやりとりを上司や事業責任者が把握するのは難しく、小さな顧客の不満を見つけにくいのが実際のところだ。

     営業コンサルティングなどを展開するAI salesが、FRONTEOが提供する人工知能「KIBIT」をベースに開発した顧客不満足度発見システム「AIクレームチェッカー」は、こうした企業の営業現場に潜む課題を解決するソリューションだという。同社代表取締役の佐々木寿郎氏に、製品の開発背景などについて聞いた。

     AIクレームチェッカーは、企業の営業担当者が顧客から受け取るメールをすべて人工知能が解析し、
    クレーム危険度を判定。緊急度が高いクレームだと判定した場合に、上司に報告する仕組みだ。

    開発にあたっては、AI salesおよびグループ企業で送受信された法人顧客1万社、上場企業の元役員6000人以上とのメールを、「クレーム」「クレームの初期段階」「クレームの予兆」「非クレーム」の4段階にわけ、
    そのデータを教師データとして、KIBITに学習させたという。

本文はここまでです このページの先頭へ