メインコンテンツへスキップ
見出し画像

池松潤へのお仕事の依頼について

    Jun Ikematsu / 池松潤

    ※2026年８月更新

    AIナレッジエンジニア：池松 潤


    まだ名前のない価値に名前を与える。
    散らばった知識を正本にする。
    経営者や現場の頭の中にある判断を、組織で使える形にする。
    そして必要に応じて、その知識と判断をAIが参照し、人間と一緒に正しく動ける構造へ落とす。
    これが、現在の私の仕事の核です。

    会社の中には、価値があるのに言葉になっていない事業があります。規程には書かれていない判断があります。社長や現場だけが知っている例外があります。著者や専門家の知識も、書籍、記事、動画、SNS、社内資料に散らばったままでは、組織の資産になりません。

    そのような「まだ構造になっていない知識・判断・価値」に、名前をつけ、正本・判断基準・例外・優先順位・権限・仕事の流れへ落とし込んでいきます。

    池松潤 / Jun Ikematsu

    AIナレッジエンジニア

    旗艦領域：企業AIの判断設計
    ・AIに、会社の仕事のやり方・判断基準・例外・権限を教える。
    ・AIに知能を借りても、判断まで丸投げしない。
    ・会社のものさしを、AIが参照・判断・実行できる構造へ変える。

    AI正本化
    AI参照可能性 / AI Referenceability
    コンテキストエンジニアリング / Context Engineering
    コンテキストレイヤー／Context Layer
    オントロジー／ontology
    AI社員の試験・Eval
    権限設計
    判断OS

    池松潤（いけまつ・じゅん）
    慶應義塾大学卒。博報堂を経て、現在は中央公論新社でAI戦略・新規事業開発、コミュニケーションデザインに関わっています。婦人公論.jpでのコラム執筆、YouTube・note・SNS横断した編集企画、AI時代の言語資源設計にも取り組んでいます。
    近年は、言語処理学会NLP2026で発表した「RAG時代の言語資源設計原理」を軸に、AI検索・RAG・生成AI時代に企業や著者や出版社が、どのように自分たちの価値をAIに正しく参照させるか、というテーマを実務まで行ってます。

    画像


    1．一言でいうと

    まだ言葉や構造になっていない知識・判断・価値を、事業と組織が使える形へ翻訳する仕事です。
    その出口の一つがAIです。

    AI時代には、この仕事の重要性がさらに高まっています。AIは一般的な知識を持っていても、その会社固有の判断基準、例外、優先順位、権限までは知りません。だから私は、企業の暗黙知を「AIにも使える構造」にする仕事まで扱っています。

    ただし、私の仕事はAI導入だけではありません。

    ・新しい事業に名前をつけること。
    ・経営者の頭の中にある構想を事業へ落とすこと。
    ・著者や専門家の知識を資産化すること。
    ・営業・広報・編集のメッセージをつなぎ直すこと。
    ・企業AIの判断基準と仕事の経路を設計すること。
    これらは別々の仕事に見えて、実際には同じ能力の異なる出口なのです。

    ◆5つのステップ

    1. 聞く
    経営者、現場、著者、専門家の言葉から、暗黙知・判断・価値・例外を採録します。

    2. 名づける
    まだ名前のない問題や価値に、社内外で共有できる概念と名前を与えます。

    3. 正本化する
    どの情報を正式な根拠とするか、どれが最新版か、誰が責任者かを整理します。

    4. 構造化する
    判断基準、例外、優先順位、権限、意味の関係、仕事の流れを、人と組織が扱える形にします。

    5. 動かして試す
    事業計画、営業、広報、編集物、AI Agent、業務フロー、運用ルールへ落とし、実際に機能するかを確認します。

    画像


    2．現在の旗艦領域：
    　  企業AIの「最後の1マイル」

    生成AIは急速に賢くなりました。検索、要約、文章作成だけでなく、複数のツールを使い、業務を進めるAI Agentも実用段階へ入っています。
    しかし、企業で本当に難しいのは「AIを動かすこと」ではありません。

    一般的なAIの正しい答えと、その会社での正しい答えは違います。

    同じ値引きでも、粗利、顧客区分、契約条件、戦略性、担当者の権限で結論は変わります。同じ問い合わせでも、本人確認の有無、利用規約、過去の経緯、例外条件で対応は変わります。

    AI Agentのデモは動く。PoCも成功する。ところが本番導入になると、顧客企業ごとの用語、判断基準、例外、権限、承認条件、正本、更新責任を一から書かなければならない。

    この部分が、企業AIの「最後の1マイル」です。

    １社（１プロジェクト）だけなら個別対応できるでしょう。しかしAI Agentを100社（１００プロジェクト）に導入したら、100社分の仕事のやり方を毎回ゼロから書くのでしょうか？それが1000、1万と増えたらどうしますか？

    プロジェクト数が増えれば増えるほど、個別実装と更新負荷が増えるなら、コストは比例して伸びていくでしょう。

    必要なのは、顧客固有の判断を、採録→構造化→実装→評価→更新する方法そのものを再利用可能にすることです。その解決策があります。



    ◆AI時代の「会社の知識基盤」をつくります

    Graphを作ること自体が目的ではありません。目的は、会社の知識と判断が、人とAIに正しく伝わり、実際の行動へつながることです。
    ・AIが参照する知識基盤
    ・会社の正本
    ・サービスやカテゴリーの名前・定義
    ・用語集、概念体系、オントロジー
    ・判断基準、例外、優先順位、権限表
    ・人間へフィードバックする条件
    ・仕事の流れ、Decision / Task Graph
    ・評価ケース、試験問題、合格基準
    ・営業資料、事業説明、広報ストーリー
    ・書籍、記事、連載、動画の編集設計
    ・著者AI、専門家AIのための知識資産
    ・更新ルール、監査、ログ、運用設計

    会社の世界地図をつくる「オントロジー」とは

    AIナレッジエンジニアとは



    ３．特にお役に立てる方

    ・AI Agent／Vertical AI／SIer／FDE／BPaaS事業者
    顧客ごとの判断実装が増え、導入負荷・更新負荷が事業スケールのボトルネックになっている。

    ・事業会社の経営者／新規事業責任者／AI責任者
    新しい事業やAI導入を進めたいが、価値、優先順位、判断基準、実行の形が整理されていない。

    ・出版社／メディア／著者／専門家
    知識や編集知を、書籍や記事だけでなく、AI時代にも参照される資産として残したい。

    ・営業／広報／編集／デジタルの責任者
    発信や制作物が分断され、事業の核となるメッセージと導線をつくり直したい。

    ・スタートアップ／少人数チーム
    経営、事業、編集、広報、AIを別々の専門家へ分断せず、横断して考えられる外部パートナーが必要。

    ◆ご相談いただけるお仕事【詳細】

    課題がまだ言葉になっていなくても構いません。
    成果物の名前からではなく、「何を前へ進めたいのか」からご相談ください。

    A．企業AI／AI Agentの判断設計
    AI Agent、Vertical AI、SIer、FDE、BPaaS事業者、事業会社のAI導入担当者さま向けです。
    ・AIが止まる場所、判断が揺れる場所、事故が起きる場所の診断
    ・1業務／1判断単位からの設計
    ・正本、判断基準、例外、権限、人間ゲートの整理
    ・AI・人間・システム間の受け渡し設計
    ・Decision / Task Graphの設計
    ・受入試験、評価ケース、合格基準の設計
    ・更新責任、監査、ログ、ガバナンス設計
    ・顧客ごとの個別実装を再利用可能にするテンプレート／方法論の設計
    ・AI Agent事業の「100社問題」「最後の1マイル問題」の事業設計

    B．事業構想・新規事業・価値の言語化
    「強みはあるが、何の事業と呼べばよいか分からない」「アイデアはあるが、誰のどんな問題を解くのか定まらない」という段階から扱います。
    ・経営者／事業責任者との壁打ち、論点整理
    ・未整理の資産、顧客課題、社会・技術変化からの事業機会発見
    ・新しい概念、サービス、カテゴリーの命名
    ・顧客、提供価値、収益、実行条件、優先順位の設計
    ・「なぜ今か」「なぜ自社か」を説明する事業ストーリー
    ・何をやるかだけでなく、何をやらないかの整理

    C．編集・出版・専門知識の資産化
    著者、専門家、出版社、メディア、企業が持つ知識を、読者に届くだけでなく、後から組織やAIにも参照される資産にします。
    ・インタビューによる暗黙知、判断基準、背景の採録
    ・書籍、連載、記事、動画、講演、SNSに散らばる知識の正本化
    ・用語、概念、人物、作品、論点の体系化
    ・企画、構成、長文原稿、FAQ、用語定義の設計
    ・RAG／AI Agentが参照しやすいデータ構造と評価基準
    ・著者AI／専門家AIなど、本人の思想と判断を損なわず継承する設計

    D．営業・広報・コミュニケーション設計
    営業資料、広報、イベント、note、SNS、YouTubeが別々の状態を再設計します。
    ・事業の核となるメッセージの設計
    ・営業資料、事業説明、広報ストーリー、採用広報
    ・イベント、記事、動画、SNSを横断した編集企画と導線
    ・経営者／専門家の発信を、単発投稿ではなく知識資産として積み上げる設計
    ・note、YouTube、SNSなど媒体ごとの役割と運用方針

    画像


    ４．強み

    ■ 経営と技術の間を翻訳する
    AIの技術用語を経営課題へ変換し、経営者の感覚や暗黙知を実装条件へ落とします。

    ■ 暗黙知を、再利用可能な資産に変える
    原則だけでなく、例外、理由、優先順位、権限、評価、更新まで構造化します。

    ■ 「正解」だけでなく、境界と経路を設計する
    AI案件では、何を答えるかだけでなく、どこで止まるか、誰へ戻すか、何を実行してよいかまで扱います。

    ■ 構想から実地まで
    名前、定義、図、文書、データ、試験、要件、運用まで具体物へ落とします。

    ■ まだ名前のない価値に名前をつける
    問題や強みの輪郭をつかみ、社内外で共有できる概念へ変えます。



    ５．研究・論文など

    言語処理学会総会（NLP2026）にて
    RAG時代の言語資源設計と参照可能性について発表しました。

    NLP2026 発表論文
    https://anlp.jp/proceedings/annual_meeting/2026/pdf_dir/Q5-8.pdf

    GitHub：嫉妬AI辞書／NLP2026
    https://github.com/junikematsu/shitto-mania-dic/tree/main/nlp2026

    Hugging Face：公開データセット
    https://huggingface.co/datasets/samuraijun/shitto-mania-dic

    画像



    ６．お受けしやすいご相談／お受けしにくいご相談

    ◆お受けしやすいご相談
    ・経営者や専門家の頭の中にある判断を、組織へ落とし込みたい
    ・AI Agentは動くが、本番運用で判断や例外でつまずいている
    ・顧客ごとの個別実装が増え、AI事業がスケールしない
    ・事業、編集、営業、広報、AIが分断されている
    ・何が問題か、まだうまく言葉にできない
    ・新しい事業や価値を、どう言語化・構造化すべきか分からない

    ◆お受けしにくいご相談
    ・相見積もりやコンペを前提にした無償の詳細提案
    ・目的や判断基準を扱わないSNS投稿代行や制作量産
    ・「AIなら何でも安く早くできる」という前提で、固有の知識、判断、責任、編集を軽く扱う案件



    ７．お問い合わせ

    「まだ何を頼むべきか分からない」という状態でも構いません。
    現在地と、最初の一歩から整理します。

    「大切なものはある。しかし、まだ形になっていない」。
    そのような場合には、ご相談ください。

    お問い合わせはこちらからどうぞ

    https://forms.gle/9bXyHUP1LkUfqtkF6






    あなたへのおすすめ