# あらきひろゆきのブックカフェ、この番組はビジネス書図館の出筆者であり、書籍予約サービスのフライヤーにてアドバイザーを務めるあらきひろゆきがマスターとなり、ビジネスパーソンにおすすめしたい書籍の内容を紹介していく、そんなカフェです。 # みなさんおはようございます。2月20日の朝になりましたが、いかがお過ごしでしょうか。 20日ということでですね、ようやく2ヶ月、Voicy解説から2ヶ月が経った記念日でございます。 イエイ!ということで。 2ヶ月になるとあんまり記念って感じしないですよね。 ただ、60日間毎日放送してますので、 今日が第60回目になるのかな?61回目かな? あ、でもあれか。ちょっと1月が31あるから、まあまあいいや、そんなのは。 ということで、おかげさまで2ヶ月間毎日続いております。 とりあえず1年間は続けたいと思っておりますが、 はい、頑張っていきたいと思います。 今日はですね、2日目になりますね。 今こそ知りたいAIビジネス、しずみさんとの対談の2日目ということになります。 今日はですね、日本企業ということをテーマに置きつつ、 お話を聞いてきましたので、ぜひ楽しんでいただければと思います。 # データの活用を「面倒くさい」と思ったら負け さて、今日もですね、インタビュー2日目になりますが、 今こそ知りたいAIビジネス、石澄智恵さんにお越しいただいております。 今日もどうぞよろしくお願いします。 お願いします。 さて、今日はですね、昨日何が起きているかみたいな話を、 ちょっとかいつまんでお話いただきましたけれども、 基本的に石澄さんがやってらっしゃる会社は日本企業を相手にしているということなので、 日本企業の課題とどうしたらいいのみたいなことを聞いてみたいなというふうに思いますけれども、 大体どういう課題意識を持たれている日本企業が、石澄さんのところにいらっしゃる感じなんですか。 まず大企業と中小企業に大きく分けられるんですけど、 大企業に関して言うと、課題としては新規事業という切り口がすごく多いですね。 ですので、R&D寄りの話か、イノベーション室みたいな新しい、今までにない、 自分たちでやってきていないビジネスをAI、データを使ってやりたいという案件がすごく多いです。 中小に関して言うともうちょっと切実で、特にコストカットみたいなところ、 効率化を絶対にしなければいけないという話と、 あとは人材がどうしても足りないので、中小企業というのは、 専門職だったり熟練した何かの知識を持っている人たちが、 俗人的な判断で今ずっとある作業をしているけど、 この人たちがいなくなったら、代えがないんですよ。代えがいない。 それに対しての作業の均質化なのか、共有知識の基盤を作るという意味なのか、 いろいろなAI化というのがあるんですけれども、 そういう非常にニーズドリブンな案件が多いですね、中小企業と。 その中で、日本企業ってまるっとまとめてはいけないとは思うんですけど、 この辺何か問題意識として感じるなというところはどの辺にありますか。 そうですね、一つ私が実際にAIの提案、導入、実装というのをしていて感じるのは、 AIに対してのふわっとした理解しかないからゆえに、 万能さを求めている人が多くて、 具体的な理解と知識がないので、具体的な期待というのができないんですよね。 例えば、一個中小企業で実際に大量に人を抱えていて、 清掃とかそういうサービスを採択先として提供する、 いろんなイベント会場とかで掃除とかの清掃員を派遣する会社から依頼が来て、 そこなんかは清掃員の作業内容を全部紙で記録してるんですよ。 実際に作業員が紙で、 デジタル化すらできてないんです。紙なんです、まだ全て。 うちにAI化というところで話が来て、 まずAI化の前にデジタル化ですよね。 データがないところにAI作れないので、 今紙という形の媒体にデータが載っているので、 それをまずデジタルにしなきゃいけない。 デジタルにするというのも言うのは簡単ですけど、 具体的にはどうやって清掃員が今つけている日報をデジタルにするのか、 ものすごく具体的な業務フローをどうやって変えるのか、 新しいアプリを作るのかという話になるので、 それなしにAI化という、突然ゼロから100にいけないんですよ。 こういう段階的アプローチをしないと、 自分たちが望んでいる最高のAIというのは、 なかなか実現できないんですけれども、 そこら辺の期待値のコントロールというのは一つ課題としてはありますね。 それはAIを作る側、私たちの課題の一つでもあるんですよ。 やっぱりそういうロードマップを正しく描く。 あとはそもそもできることできないこと。 今のあなたの状況で適しているAIって何なのという話を コミュニケーションを正しくとるというのもすごく大事ですし、 両サイドでの課題かなと思います。 データをどういうふうに持っているかみたいなところもすごく重要で、 それによっても何ができるかがだいぶ変わってくるみたいな話が ここの本の中にも書かれていたと思うんですけれども、 あんまりそういうことをデータの持ち方で意識している会社って そんなに多くないような気がするんですけれども。 そうですね。データはあるはあるけど、大したデータがある。 ゴミデータも含めてとりあえずデータがあるというタイプか、 何もないという。紙ベースでデータを持っているという場合だったりとか、 やっぱり目的意識を持ってデータを集めないと 無駄な工数が増えてしまうので、 それでもいい会社はいいんですよ。超大企業とか。 それこそGoogleレベルになれば何が無駄か、何がゴミかというのの 判断をするよりもまずデータを全部集めて、 その後ゴミかどうかの判断は担当者がすればいいという、 そういう感じなので、とにかくビッグデータ。 とにかくデータを全部集める。そういう感じですけど、 それにはリソースがどうしてもかかるので、 じゃあ日本の会社でそれをやって割に合うか。 それをやってビジネスとして収益出るのかというと、 なかなかそういうビジネスモデルの会社はないですね。 なのでやっぱり目的思考、ゴール思考で、 何をやりたいの、何の解析をしたいのというセンスを持った上で、 逆算的にデータを集めるというのがすごく大事かなと思います。 この中で経営会議にデータサイエンティストが入るべきだという提案が 一つあったわけなんですけれども、 だからその事業戦略を考えるときに、 どういうデータをどんなふうに持つべきかということも含めて、 設計に入れないと後々使えないゴミがいっぱい集まっちゃう。 そうですね。後々めんどくさくなる。 ゴミがないことは良いことかもしれないけど、 後々、じゃあ今こんなに会社が急成長した後に、 突然ゼロからデータベース作るといっても大変ですよね。 なのでやっぱり後々自分が自分の首を絞めることになるので、 やっぱり早い段階から経営会議、会社の戦略会議というテーブルに データサイエンティストまたはチーフアルゴリズムオフィサーという 役職の人を入れるというのはすごい大事だと思います。 実際そういう企業ってあります?お話している中で。出てきていますか? います。 それは会社のサイズに関係なく、データのセンス、 データにパワーがあると、データにイノベーションの原点があると 信じている会社なんかは早い段階から手を振っていますよね。 でもまだまだそこに行っていない企業の方が多いというのは現状の方ですか? 多いですね。 あと社長がそれこそ私の本を読んで、 AIってこんなだったんだと感銘を受けたりとか、 それかいい意味の健全な危機感を追いつけられて、 なんかAIでやらなきゃやばいという会社があって、 そういうところから問い合わせが来るんですけど、 その後担当者に振って、実際に社長自体はデータ会議、 どれだけ出ているのかというと出ていなかったりするので、 興味があって危機感があるというのはすごくいいんですけども、 その後も継続して会社をデータドリブンにするというのはすごい大事だと思います。 なるほどね。遠いですよね、多分ね。 経営とデータというところがものすごく、 ここのあれにもありましたけど、アウトソースされちゃっている会社も多いし。 アウトソース慣れしてますよね。 そうですよね。 外注慣れ。 日本はやっぱり製造業が多いので、製造業は基本的に外注で成り立っているじゃないですか。 いろんなものを再採択して、再採択してという中で最終的にはそれをアッセンブリして 組み合わせて商品にして納品するというビジネスモデルなので、 基本的に自分たちの一番の強みじゃない部分は基本は外注してきた文化なんですよ。 面倒くさいことって思ったら終わりなんです、データの活用に関しては。 なるほど。 面倒くさかったら外注すればいいじゃんとなっちゃうので、 外注したら自分たちの会社の中に強みがたまらないでしょうね。 誰も理解できる人材が育たないので、やっぱりまるっと外注は良くないと思うんですよ。 とはいっても持ちは持ちやなので、それが得意な人とパートナーシップを組んで協業するというのはすごくいいアイデアだと思います。 なるほど。そこの部分がもう完全にゼロか10かの話になっちゃって。 もう分かんないからよろしくみたいな。 そうなんです。1、2年前にある会社のCMOと話してたら、 うちは一切自分の社員のリソースを割かないけど石澄さんのところで全部データだけまるっと上げるから、 全部やってくれるなら是非やってって言われて。 面倒くさいって感じですね。 そんな上手い話ないよっていうところはすごいある。 やっぱりAI導入プロジェクトの成功要因の一つは、クライアント企業のコミットメントがあることっていうのはすごく大事ですね。 フルコミットじゃないにしても優先順位を高いところにそれを置いてるかどうかっていうのはすごく大事です。 ありがとうございます。じゃあ次のチャプターでまた深く聞いていきたいと思います。 # スモールデータでもできるAIデザイン さて次のチャプターではですね 今ね日本企業のいろんな話聞きましたけれども もう少しこう深く聞いていきたいなと思うんですけれども 日本企業ならではのチャンスみたいなものが この本を読んでいてもいろいろなところを感じられたんですけれども 日本のものづくり、製造業が強いからこそ みたいなくだりもあったと思います その辺の話ちょっと具体的に教えていただけますでしょうか 日本はやっぱり製造業がすごく強くてですね ハードウェアっていうところにすごい強みと 誇りを持ってやってる会社が多いと思うんですけれども ことAIビジネスに関しては データネイティブな会社がやっぱり強いんですね それがデータネイティブっていうのが GoogleでありFacebook、Amazonそこら辺なんですけど データネイティブじゃない製造業が どういう風にAI導入するかというと ハードウェアの強みっていうのに ソフトの便利さっていうのをどんどんすり合わせて 融合させることで データネイティブに近づけると思うんですよ 必ずしもアメリカのGAFAとか 中国のアリババテンセントみたいに ビッグデータを持つ必要がない世界が 製造業によるAI導入だと思うんですね 例えば私たちのクライアントで 京都にある会社があるんですけど 城南という半導体のメーカーなんですけど そこも半導体のチップを最終的に作って 人が合格か不合格かの検査をするんですけれども それをずっと100%人がやってきていた中で 今回その作業をどうやって AIを使って精進化するかっていう プロジェクトをやってまして 例えばそこでもキーワードは スモールデータになってきていると 実際に製造業の人たちって データを必ずしも持っていないし 合格か不合格かっていう判断に関して言うと 不合格のデータって圧倒的に少ないんです そもそも現場の人がいい仕事をしてくれてるから 不合格自体が少ないっていうのもあるし 不合格ばっかりだったら 売り上げがになってないので そもそも不合格の半導体っていうのが 少ないっていうのも一つだし 不合格だと捨てちゃう または返品か何かなので すごく難しくてですね 不合格のデータを集めるっていうのが 私たちがやっているのは 100枚以下の画像で いかに学習させることができるか っていうことをやったんですよ 普通は画像認識とか そういう画像系のAIの案件って 何万件という画像を集めて 学習させて 初めてこれは傷かとか これは不合格かっていう認識を させることができるんですけど 今回は我々100枚に満たない数の画像で どこまでできるかっていうのを 一回捉えたんですよ そこにはすごく大きな意味があって 必ずしもそれが現場に すぐ使えるような制度になったか っていうとそこはまだまだ 課題は残るっていうのはあるんですけれども やっぱりビッグデータがなくても AIを作れるっていう 最初の一歩を踏み出すには 100枚も画像がいらなかったんだ っていうことがすごくやっぱり 中小企業あとは製造業という 高の人に響くのかなって思うんですよ そこはやっぱり日本の強み あと中小企業が日本の経済を支えてる っていうのもありますので 99.7%の日本の会社が中小企業 っていう中で中小企業ほとんど ビッグデータ持ってないので そういうところでも 今言ったような例を活用して AI導入をすると 生産性も上がるよねっていうところが すごく日本の強みなのかなと 米中が超トップダウンのビッグデータの 大きなAI導入っていうのをする中で 日本の強みっていうのは そういうところにあるのかなと スモールデータの導入 そんなに大きなデータなくても 十分ある そうですね イノベーションって歴史を見ると やっぱり足りないものから じゃあ足りない中の最適解って 何なんだっていうので イノベーションとかって生まれてきた と思うんですよ 制約条件がある中での最適解が イノベーションだと思うので あなた何でもデータあるから 好きにしてだと いいものって生まれないと思うんですけど 日本の製造業の場合 足りないものがいっぱいあるので データに関しては じゃあその中で最適なもの どうやって作れるかっていうところに 私はイノベーションの答えが 隠されてるんじゃないのかなと スモールデータ あとはやっぱり製造業って 非常にオペレーション重視なので 本当にできることが限られてる そういう制約条件の中で 非常に精度の高いAIを どういうふうにデザインして いくべきなのかっていう ここのを突き詰めると まだ誰もやってない領域で むしろブレイクスルーが出るのかな という気はします ちょっと思ったんですけど 文化的な融合みたいなところも 一つ課題としてあるような気がしていて ある意味日本 いわゆる日本企業的なトップダウン トップダウンというかヒエラルキー型の ある意味野球部型の組織みたいなことで あんまり現場そのものが考えて 変化を起こしていくみたいなことが あんまり苦手な会社って 多いんじゃないかなっていう気がしていて 一方でAIみたいな新しいものが入ってきて どんどん学習重ねていって やり方も含めて変わっていく みたいなところっていうのが 経営の中にどう取り込んでいくのか っていうところで すごい好奇心のある会社だったら そういうのもどんどんやっていこうぜ みたいな話になってくるんだけれども なかなかそこが融合できない会社って あったりするんですか どんな感じですか ありますね やっぱりトップは新しいものに挑戦したいから 弊社に発注してきて じゃあ実際プロジェクトやりましょう ってなった時に 担当の方が何でやらなきゃいけないのかが 理解できない あとは自分がAIを導入したことで 自分のポジションが弱くなっちゃうんじゃないか という漠然とした不安 なるほどね 閉会心があって なかなかそこでまた別の仕事が出てくる っていうのはどうしてもありますよね そういう場合ってどんなアプローチしてくるんですか 地道な作業の繰り返しで やっぱりAIは仕事を奪わない っていう話を何回もするっていうのと あとやっぱり実際にAI導入して あなたの仕事が楽になる っていう話をしますよね そこはすごく大事です この間あるクライアントに 自分たちのビジネスはものすごく 伝統的というか古い慣習で成り立っていて データで分析をして経営判断をする っていうビジネスじゃなくて ものすごく俗人的なアーティスティックな 経営判断でやってきてるような業界で いわゆる恣意性の塊だと 恣意性の塊っていうのはやっぱり AI導入に向かないんじゃないか というふうに心配されている方がいて 私は逆ですよ 恣意性の塊であればあるほど AI化っていうのをすごくするべきなんですよね なのでそういうふうに その方たち現場の方が考えている 課題とか不安っていうのを 一個一個聞いて話すという 地味な作業ですけど すごく大事かなと思います ちょっと一つ質問なんですけどね 今回のリスナーの方々って AIには直接的に携わっていない人が メインだろうなと思うんですし ある意味現場でルーティンをやりながら みたいな人が多いと思うんですけど そういう若干AIっていうキーワードが遠い 人たちが今の時点で何を意識して どんなことをやっていけばいいのか みたいなことって何かありますか そうですね 一つはAIが遠いっていうこと自体が 間違っている やっぱり今アメリカではもう AIはインフラっていうふうに言われていて 新しい電気がもうAIと言われ方をしているので 電気使わない人いないですよね インターネット使わない人もいないし それぐらいAIっていうのが 当たり前にみんなが使いこなせる もしかしたらAIを使ってるという意識すらしない ぐらいにバックエンドで 導入されるようになるというところが AIが今後アメリカの話でいうと そういうふうな浸透の仕方をしている中で 私は関係ないわではもう済まない っていうのが一つありますね でもとはいっても じゃあどうすればいいのっていう話になってくるので やっぱり最初はビジョンは大きく 最初のステップは小さくっていうのが 私のいつもの傾向で どうせAI導入するなら 大きなビジョンがあった方がいいんですけれども でもスモールスタートでやろう ここですね ここはすごい大事だと思います さっきの100枚未満の画像からでも 何かできるみたいな イメージでいうとそこですよね 結構日本のクライアントだと ものすごい複雑な構想を練って お話をしてくれる方もいるんですけど これ作るの大変だよね っていうところどうしてもあって でもそれはすごいビジョンはありで じゃあこれを細分化した時に どこからやろうっていう スモールスタートっていう概念は すごい大事だと思います はいありがとうございます では今日の放送はここまでで 明日は石澄さんのいろんな 本を離れたキャリアの話とかも 聞いてみたいと思います ありがとうございました # 『メモの魔力』 はいここからは今日のフライヤーですが今日はですねメモの魔力ということで まあご存知前田裕司さん 売れに売れている本ですね 昨年末2018年の12月25日に出た本ですね、源頭社から出ておりますけれども まあねあのこの本もあの あの先日ご紹介した 同じく源頭社から出ているねフェニックスのオンデイズの本と 同じでまあむちゃくちゃ売れて話題になってという本ですね 私は買いましたがまだ読んでおりません ということでですね今先にようやくを 読んでしまっているとしまっているっていうこともあれですけどね 先にようやく読んでから読みはいいって話なんですけれども はいえっと まあねもう読まれた方も多いかもしれませんが メモというものの使い方ですね でえっとまあ噂には聞いてましたけれどもメモマであるということで 映画や演劇を作品見ると多い時で100個以上のポイントをメモするというと いうことですね でえっとファクトとそこから抽象化した解釈みたいなね 発想みたいなそんなことを分けて書くことが大事であるということですね a でえっと まず大事なのはファクトであるということですねはい でえっと えっとですねメモのスペース 左側に作能的な事実右側に右脳的な発想ということで えっと まあ事実をもとにそっから その左側に移ってですねファクトを抽象化していくということですね これは本当にね思考方法としてはむちゃくちゃ大事ですね a 著者のメモ術は3点のエッセンスに集約できるすなわち 1インプットしたファクトをもとにに気づきを応用 可能な流度に抽象化し3自らのアクションに転用するということで これはですね具体抽象具体ねこの往復であるという あのこととも言い換えられるかもしれませんねまぁこんなことは あの私もクラスのと時によく言っていることなんですけれどもここまで丁寧にね あのやってる方はそんないらっしゃらないんじゃないかなというふうに思います はい まあこれを本当にサイクルとして回すことができればですねむちゃくちゃ こう力になりますよねだからえっと 結構ですね具体化が得意な人と抽象化が得意な人 あの裏を返せば抽象化が苦手な人と具体化が苦手な人とね量 パターンいるわけですよね なのでこれをどっちが得て増えてか置いといてしっかりと両方やり切ると まずファクトを抑えようとそっから何がいい 言えるんだら汎用的なねここの知恵を抽出する あのこれねなかなか難しいですよね 本当にそこを抽象化した上で今度 じゃあネクストステップとして具体的にどうするんだということに落とし込んでいくっていうね このサイクルをぐるぐるぐるぐる回し続けていくとどんなインプットでも必ず 自分の新しい行動につながるというね あのそんな 成功の秘訣でございますね はい ということでですねこのノウハウがもう 公開されてしまいましたんだあとはやるかやらないかと いうことかなというふうに思いますはい a メモの魔力ねもう12月に出ましたけれども まだまだバカ売れ状態でございます 何万部売れたんですかもう 10万超えて 20枚入ったのかなちょっとわからないですけれどもそれぐらいね売れている本で ございますのでぜひね ようやくご覧いただいてさらに言えば 手に取っていただければというふうに思います はいということで今日はメモの魔力までゆじさんの方をお届けしました # さあ、それでは頂いたコメントにお返ししていきたいと思います。 けこぴさんですね。 人生は選択と偶然と運命の三原連立方程式だというお話、とても深いですね。 時には選択に対して振り返りも必要ですし、時には運命だから仕方ないという割り切ることも必要だと思います。 また、ブリジット・ボルドーさんの海外の女優さんの名言で、 大切なのはどの道を選ぶかより、選んだ道をどう生きるかよ、という言葉があり、私はその言葉がとても好きです。 選択したことそのものではなく、その後の行動、そこにも目を向けていけたらなと感じております。 ということですね。おっしゃる通りで、本当に。 DNAのナンバーさんも似たような発言をされてましたよね。 すごく売れた本で、 あ、出てこない、なんとか系。 えー、ね、なんとか系です。失礼しました。 はい、の一節でですね。 戦略みたいなことを考えるときに、どんな戦略が成功かということで悩むことも大事なんだけど、 選んだ選択肢を正しいものにしていくということの方がもっと大事であるということですね。 その後の実行こそが戦略の本質であるみたいな、そんな文脈でおっしゃっていたと思うんですけれども、 おっしゃる通りでね、そういう側面ってありますよね。 もう悩んでいるという時点でね、考えに考え尽くして悩むことってありますよね。 もちろんその時はそこで考え抜くということも大事なんですけれども、 それ以上に、だいたいそういうものって51対49みたいな話だから、 どっちを選ぼうがあんまり対してはないと。 それよりも、それを選んだ上でみんな巻き込みながら情熱を注ぎ込んでいくっていうね、 そんな側面ってありますよね。 はい、思い出しました。不恰好経営です。はい、失礼しました。 はい、ということでけこぴさん、コメントありがとうございます。またお待ちしております。 ゆうこりん。ゆうこりんっていうラジオネームを書きながら、その下に佐藤裕子というフルネームを書いている。 どっち読めばいいのかわかんないんですけど。はい、ありがとうございます。ゆうこりんさん。 選択の科学、興味深く拝聴しました。 アートという言葉がキーワードでよく出てきていると思いますが、 エイリッヒフロムの愛するということの和訳がThe Art of Lovingだったのを思い出しました。 図解でフロムの作品に出会えることを楽しみにしています。ということで、ありがとうございます。 ゆうこりん読書家なんですよね。ありがとうございます。 はい、エイリッヒフロムですか。 この作品を図解するっていうのはなかなか難しいんじゃないですか、ゆうこりん。 エイリッヒフロム。他に何がありましたっけね。 ちょっとね、僕なんか読んだ記憶があるんです。 あ、自由からの闘争だ。自由からの闘争ですね。 この辺の本は何かのタイミングでやろうかなと思っていたんですが、 愛するということですね。 はい、わかりました。全然お約束しませんが、はい。 いつか機会があれば、読むところから始めたいと思います。ありがとうございます。 今日の最後のコメントですね。けこぴさん。 あらきマスター、おはようございます。 知的生産術の要約、大変興味深く拝聴しました。 私は自分の時間を大切にしたいという気持ちから、仕事の効率化については日頃考えトライしていますが、 自分の時間の使い方は、ジムに行くか、家でまったり、よく会う友達と会うくらいです。 そのため、もっと新しい体験や価値観に触れていこうと思いました。 本はこちらのブックカフェを毎朝聞くことから始めていこうと思います。 人については、19日のビジネス書グランプリに参加して交流できたらと思っています。楽しみにしております。 ということで、ありがとうございます。 この放送がですね、たぶんビジネス書グランプリの翌日に撮っているんですが、流れるんですけど、 今私が収録しているのはビジネス書グランプリより前に撮っているので、どんな場だったのか私も分かりませんし、 そもそも私はビジネス書グランプリには参加できないので、現場でけこぴさんにもお会いしたいなと思いつつも、 お会いできていませんが、いかがだったでしょうか、ビジネス書グランプリ。 またぜひね、感想などあったら教えてください。 まあでもね、これね、人に会うって、別のコミュニティを作るってむちゃくちゃ大事だと思います。 フライヤーがですね、フライヤーブックラボという新しい試みで、みんなでコミュニティを作って読書をすると、 ようやくをベースにした読書会をするみたいなコンセプトでですね、新しいサービスを立ち上げてますので、 まあそんなこともですね、ぜひ検討にしていただくといいかなというふうに思います。 はい、そちらにお越しいただければ多分私とお会いできるかなと思います。 はい、ということで、はい、今日のコメントはここまでにしたいと思います。 はい、また明日お会いしましょう。 # さあ、ということで、今日の放送はここで終わりにしたいと思います。 対談だったですが、いかがだったでしょうか。 結構ですね、耳の痛い話から参考になる話までいろいろあったんじゃないかなと思いますが、 スモールデータでも全然いけるっていうようなね、そういう話もありましたし、 一方でデータの扱い方ですよね、やっぱりこうめんどくさいから害虫みたいなね、 そんな感じになってしまったらもうこの世の中、今の環境においてはほとんど負け試合になってしまうというね、 そんなような話もありました。 明日はですね、伊勢澄さんのキャリアについてお話を聞いてみたいなというふうに思っておりますので、 また明日も引き続き楽しんでいただければと思います。