こんにちは、音楽の聴き過ぎでイヤホンがすぐ壊れてしまうことが悩みの佐藤です。 少し前のデータになりますが、楽天インサイトの調査（2021年）によると、 音楽を聴く人のうち約4割の人が「ほぼ毎日聴く」 と回答しているそうです。 ( https://insight.rakuten.co.jp/report/20210518/ ) サブスク全盛の今、私たちは呼吸をするように音楽を、 そしてその音楽に込められた歌詞を体内に取り込んでいることになります。 しかし、ここでふと、ある懸念が頭をよぎりました。 我々が毎日摂取しているその歌詞、 医学的に見て「健康」なのでしょうか？ 「胸が張り裂ける」「燃えるような恋」「息ができない」「震えが止まらない」……。 これ、冷静に考えると 身体的・精神的にかなり危険な状態 ではないでしょうか？ もしこれを冗談とか比喩とかが通じないタイプの人が聞いたら即入院を勧めるレベルかも•••。 ということで今回は、AWSの医療文書解析AIサービス Amazon Comprehend Medical  を使い、 アーティストの歌詞を勝手に問診し、 医学的な観点から最も不健康な楽曲はどれなのか を 至って真面目に！技術検証しようと思います。 Amazon Comprehend Medical とは？ あえて自然言語処理を用いずやってみる まずは今回の主役、 Amazon Comprehend Medical（以下ACM） について簡単にご紹介します。 通常、AWSでテキスト分析を行う場合は「 Amazon Comprehend 」を使用します。 こちらは 感情分析（ポジティブ/ネガティブ） や、 一般的なエンティティ抽出（人名、地名、組織名など） が得意です。 しかし、今回の目的はあくまで アーティストの問診票作り です。 ならば 「部位：Chest（胸部）」「症状：Pain（疼痛）」 と、具体的かつ医学的に判定してもらう必要があります。 ACMは、機械学習を使用して 非構造化テキスト（医師のカルテ、治験データなど） から、病状から薬剤に至るまで、 幅広い医療情報を高精度に抽出する ことに特化したサービスです。 本来は、膨大な医療記録を効率的に処理し、医療従事者の負担を減らすために使われる非常にお堅いサービスなのですが、 「医学用語以外をノイズとして無視する」「比喩を理解しない」 という活用？して勝手にアーティストを診断してあげようってわけです。   歌詞をどうやって「診断」する？ Amazon Translate で ACM が読める状態に ですが、今回の検証には大きな壁があります。 ACMは現在、日本語のテキスト解析に対応していないのです（英語のみ）。 J-POPの歌詞は当然日本語ですよね。 「日本語未対応なら、英語に翻訳してから読ませればいいじゃない」 というマリー・アントワネット的な発想で、間に Amazon Translate を噛ませてみることにしました。 実はこの Amazon Translate を挟むという構成も、今回の検証結果に大きく関わってきます。 こいつがどんな翻訳を見せてくれるのか、 J-POP特有の抒情的な歌詞をどう英語に落とし込んでくれるのか 。 期待が高まります。 構成図と処理フロー 今回はこんな超簡易的パイプラインを組んでみました。 1. インプット： J-POPの歌詞テキスト（日本語） 2. 翻訳：Amazon Translate で英語に翻訳 例：「君がいなくて胸が苦しい」 → “My chest hurts without you” 3. 診断：Comprehend Medical ( DetectEntitiesV2 API) に投げる 判定： Anatomy: Chest , Condition: Pain 4. アウトプット： 抽出された病名・症状リストと、信頼度スコア（Confidence Score） 「恋の痛み」を強制的に診断させる、近年稀に見る謎ETLパイプラインの完成です。   実践！J-POP患者たちのカルテ Python を使ってスクリプトを書き、実際にいくつかの「名曲」を診断にかけてみました。 ACM 先生は、アーティストの魂の叫びをどう受け止めるのでしょうか。 今回は著作権的に実際の曲を載せられなかったので、本当にありそうな歌詞を AI に生成してもらい投入してみました。   なお今回の実行は CloudShellから Amazon Translate や ACM を呼び出して実行しておりますので、実際にやってみたい方は以下のコードをご利用ください！ ▶ ここをクリックして検証用コードを表示する 以下のコマンドを入力してファイルを作成します。 nano doctor_jpop.py 開いたエディタに、以下のコードを 丸ごとコピー＆ペースト してください。 import boto3 import time # ========================================== # 診断対象のプレイリスト # ========================================== PLAYLIST = [ { "Artist": "失恋太郎", "Song": "眠れない夜", "Lyrics": "胸が張り裂けそうで眠れない夜。食事が喉を通らない。" }, { "Artist": "炎のロッカー", "Song": "バーニング・ラブ", "Lyrics": "燃えるような恋心。叫びすぎて声が枯れた。息ができない。" }, { "Artist": "純愛ちゃん", "Song": "1000年の愛", "Lyrics": "1000年先も愛を誓う。君の光で目が眩む。体が砕けても守る。" }, { "Artist": "健康キッズ", "Song": "お野菜のうた", "Lyrics": "お日様を浴びて、トマトとキャベツを食べよう。元気いっぱい。" }, { "Artist": "激しいメタル", "Song": "ブラッディ・レイン", "Lyrics": "頭が割れるように痛い。血が騒ぐ。毒のようなキス。意識が遠のく。" } ] # 設定エリア TARGET_REGION = 'us-east-1' # Comprehend Medical用 def main(): # クライアント初期化 translate = boto3.client('translate', region_name=TARGET_REGION) medical = boto3.client('comprehendmedical', region_name=TARGET_REGION) print(f"--- J-POP 健康診断を開始します（全 {len(PLAYLIST)} 曲） ---\n") # 結果格納用リスト ranking_data = [] for track in PLAYLIST: artist = track['Artist'] song = track['Song'] lyrics = track['Lyrics'] print(f"Now Checking... [{artist} / {song}]") # 1. 翻訳 (JA -> EN) try: trans_resp = translate.translate_text( Text=lyrics, SourceLanguageCode='ja', TargetLanguageCode='en' ) en_text = trans_resp['TranslatedText'] except Exception as e: print(f" 翻訳エラー: {e}") continue # 2. 診断 (Comprehend Medical) try: med_resp = medical.detect_entities_v2(Text=en_text) entities = med_resp['Entities'] except Exception as e: print(f" 診断エラー: {e}") continue # 3. 集計 symptom_count = len(entities) # どんな症状が見つかったかテキストでまとめる symptoms_list = [e['Text'] for e in entities] symptoms_str = ", ".join(symptoms_list) if symptoms_list else "なし（健康）" ranking_data.append({ "Artist": artist, "Song": song, "Score": symptom_count, "Details": symptoms_str }) # APIレート制限考慮で少し待機 time.sleep(0.5) # ========================================== # 結果発表（ランキング表示） # ========================================== ranking_data.sort(key=lambda x: x['Score'], reverse=True) print("\n" + "="*80) print(f"{'RANK':<5} | {'ARTIST':<15} | {'SCORE (危険度)':<15} | {'DIAGNOSIS (主な症状)'}") print("="*80) for i, data in enumerate(ranking_data, 1): score = data['Score'] if score == 0: judge = "健康優良児" elif score < 3: judge = f"要経過観察 ({score})" else: judge = f"即入院 ({score})" print(f"{i:<5} | {data['Artist']:<15} | {judge:<15} | {data['Details']}") print("="*80) if __name__ == "__main__": main() 以下のコマンドでスクリプトを実行します。 python3 doctor_jpop.py 結果発表！ 出力された結果から、特に重症なものをいくつかピックアップして紹介します。 症例1：失恋直後のバラード患者 対象: 失恋太郎 / 『眠れない夜』 まずは定番、失恋ソングです。 「喉を通らない」「心が引き裂かれる」といった比喩表現が、ACM にはどう伝わったのでしょうか。 【ACM先生の診断結果（ログ抜粋）】 ・SYMPTOM: Meals don't go through my throat (食事が喉を通らない) ・INJURY/TRAUMA: heart was torn (心臓裂傷) 一発目からかなりの大誤診。 「切ない」という情緒は一切考慮されず、 嚥下障害や心臓裂傷 といった今すぐ外科的な緊急手術が必要なレベルです。   症例2：情熱的なロックバンド患者 対象: 炎のロッカー / 『バーニング・ラブ』 続いて、熱いロックバンド。 「声が枯れるまで」「息ができない」といった表現はどうなるでしょうか。 【ACM先生の診断結果（ログ抜粋）】 ・SYMPTOM: voice died (失声症) ・SYMPTOM: can't breathe (呼吸困難) こちらは呼吸器系の疾患ですかね•••？ 声が出ず呼吸困難 という状態に対して  「要経過観察」 との診断を下しました。   データ可視化：「不健康ランキング」の結果は？ 診断結果をスコアリングし、危険度順に並べ替えた出力結果がこちらです。  RANK | ARTIST | SCORE (危険度) | DIAGNOSIS (主な症状) ================================================================================ 1 | 激しいメタル | 即入院 (5) | head hurts, Blood..., poison, Consciousness... 2 | 失恋太郎 | 即入院 (4) | heart was torn, Meals don't go... 3 | 純愛ちゃん | 即入院 (3) | love, eyes, body 4 | 炎のロッカー | 要経過観察 (2) | voice died, can't breathe 5 | 健康キッズ | 健康優良児 | なし (健康)   最も医療費がかかりそうなアーティストは？ 圧倒的なスコアで1位になったのは 「激しいメタル」 でした。 「血（Blood）」 や 「毒（Poison）」 といった単語のオンパレードにより、内科・脳神経外科・救急科のすべての項目でハイスコアを叩き出しました。   やはり野菜は正義 一方で、ランキングの最下位（最も健康）に輝いたアーティストがいます。 「健康キッズ」 です。 『お野菜のうた』に含まれる「キャベツ」「トマト」といった単語に対し、ACMは全く反応しませんでした。 診断結果は 「なし（健康）」 。 やはり明らかに健康そうな歌詞に対しては問題なしと診断する ACM、優秀です！   まとめ 今回は Amazon Comprehend Medical を使って、歌詞の「健康診断」をしてみました。 皆さんも、お気に入りの曲を聴いて「いい歌詞だなあ」と感動しているとき、ふと 「これ、Comprehend Medical に通したらどうなるんだろう？」 と想像してみてください。 きっと、感動が台無しになるはずです笑 今回紹介した Medical 以外にも、 画像認識（Rekognition） や 時系列予測（Forecast） など、それぞれの目的に特化した AI　サービスがたくさんあります。 「こんな使い方したらどうなるんだろう？」という好奇心から、新しい技術の活用法が見つかるかもしれません（今回の使い方は完全に誤用ですが•••）。 ただ今回の処理は、非構造化データ（歌詞テキスト）から構造化データ（病名・部位・確信度）を抽出する、典型的なETL（Extract, Transform, Load）プロセスを応用したもの。 ビジネスの現場でも、「顧客のアンケート（自由記述）」から「不満の原因（商品・配送・接客）」を抽出して数値化したい、というニーズに活かせるのでは？と思いました。 ぜひ皆さんも、お手元のデータで遊んでみてください！ それでは、また次回の記事でお会いしましょう。

はじめに こんにちは、2025年10月入社のr.tesakiです！ 本記事では、2025年10月入社のみなさまに入社直後の感想をお伺いし、まとめてみました。 KINTOテクノロジーズ（以下、KTC）に興味のある方、そして、今回参加下さったメンバーへの振り返りとして有益なコンテンツになればいいなと思います！ S.N.  自己紹介 KINTO中古車開発Gのバックエンドエンジニアとして入社しました。室町オフィス勤務です。 最近映画館の近くに引っ越したので、映画館で映画を観るのにハマっています！ 所属チームの体制は？ KINTO中古車開発Gは、プロデュースチーム、フロントエンドチーム、バックエンドチームの3チーム体制です。 バックエンドチームは自分を含めて8名です。 現場の雰囲気はどんな感じ？ 出社した日にはチームメンバーと一緒にランチに行くなど賑やかな雰囲気です。 KTCへ入社したときの入社動機や入社前後のギャップは？ 入社動機： 大きなエンジニア組織＆物を扱うサービスに携わりたいと考えていたため。 入社前後のギャップ： ミーティングや社内イベントなどで他拠点の方とも関わることが想像よりも多く、会社としての一体感があって良いと感じています！ オフィスで気に入っているところ 室町オフィスは駅直結なので、天気を気にしなくて良いのが嬉しいです！ M.U.さん ⇒　S.N.さんへの質問 小学生の時の将来の夢（なりたい職業）は何でしたか？ 小学校の卒業アルバムの写真撮影でエプロンをつけた記憶があるので、料理人になりたかったんだと思います！ K.S.  自己紹介 酒とカラオケをこよなく愛するアラフィフ。自称元プロゲーマー。 所属チームの体制は？ コーポレートIT部所属。親会社のビッグプロジェクトに参画してシステムリプレースのリーダー。 現場の雰囲気はどんな感じ？ 個々が際立っていてオリジナリティーのある人たちがワイワイしている感じ。 KTCへ入社したときの入社動機や入社前後のギャップは？ 入社動機： エンジニアの報酬が高いし、役職定年ないし、バリバリ働けそうだから。 入社前後のギャップ： チームで働くというよりピンで活動することが多い気がする。意外に社長、副社長との距離が近いｗ オフィスで気に入っているところ 神保町オフィスは人が少なくて広々と使えるし、とても開放感があってよい！ S.N.さん ⇒　K.S.さんへの質問 一番好きなお酒を教えてください！ ビール🍺がサイコーです👌が、痛風が怖いので梅サワーで我慢してます🤷‍♂️ r.tesaki  自己紹介 オンプレのインフラエンジニアからスタートしてKTCではプラットフォーム開発部DBREグループのSREチームメンバーとして入社しました。Osaka Tech Lab所属です。 所属チームの体制は？ Database を専門とするDBREチームと、プロダクト全体を担うSREチームの2チームに分かれて活動してます。KINTOや他の業務システムの開発チームと一緒に活動することが多いです。 現場の雰囲気はどんな感じ？ Osaka Tech Labはチームを跨いだ一体感があって、他のチームメンバーは東京にいますが孤立感はなく賑やかに感じてます。 KTCへ入社したときの入社動機や入社前後のギャップは？ 入社動機: 組織横断であったり、プロダクト専任であったりと色々な形のSREに挑戦できそうだったため。 入社前後のギャップ: 聞いてた以上に東京へ行ける機会が多く、承認もスムーズに進むことです。各種イベント参加もしやすいです。 オフィスで気に入っているところ JR大阪駅の改札を出て目の前にオフィスビルの入口があるところ。 K.S.さん ⇒　r.tesakiさんへの質問 10億当たったら何に使う？ 猫を飼う人しか住めないマンションを立てて猫好きの楽園をつくる！ ぬー  自己紹介 プラットフォーム開発部 Cloud Infrastructure G に所属しています。KINTO 関連システムの AWS インフラの構築や保守運用を担当しています。 所属チームの体制は？ グループはインフラチーム、カイゼンチーム、ソリューションチームの3チーム体制で、同じインフラ領域でも別々の責務を担っています。 現場の雰囲気はどんな感じ？ メンバーの仲が良く、雑談も多いです。 KTCへ入社したときの入社動機や入社前後のギャップは？ プラットフォーム開発部はグループやチームがたくさんあり、思っていた以上に役割が細分化されていると感じました。 若手をリードしてほしいと言われて入社しましたが、今のところ(いい意味で)リードする必要性を感じないぐらい素晴らしいメンバーだと思います！ オフィスで気に入っているところ 神保町オフィスは近隣に飲食店が豊富で、おいしいお店が多いところ r.tesakiさん ⇒　ぬーさんへの質問 おすすめのキャンプグッズ教えてください！ 特にこれ！というグッズは無いのですが、SOTO というメーカーの製品はコンパクトなものが多いのでおすすめです！ キャンプをしていると荷物が増えてきて、少しでも物を減らしたり同じ用途でも小さいものにしたくなるので。 (といっても自分では持っていなくて、今後買いたいなと思っているところですｗ) U.V.  自己紹介 ビジネスディベロップメントGのU.V.です。 国内外のビジネス拡張を担当しております。 所属チームの体制は？ 5名で構成された、多国籍のチームです。 現場の雰囲気はどんな感じ？ マネジメントからの方針は明確ですが、各メンバーが自由に意見を述べ、自分の仕事に主体性を持って取り組めていると感じています。 KTCへ入社したときの入社動機や入社前後のギャップは？ オリエンテーションは分かりやすく、私が抱えていた疑問をすべて解消してくれました。 入社時点で有給休暇が付与されると伺い、とても驚きました。ありがとうございます。 毎月新しいプロジェクトが立ち上がり、仕事がとてもダイナミックで楽しんでいます。 オフィスで気に入っているところ オフィスは混雑しておらず、木製の家具がとても可愛らしいです。 ぬーさん ⇒　U.V.さんへの質問 日本に来た動機と、日本に来て驚いたことや変だなーと思うことがあれば教えてください！ 日本で留学生として過ごした時間がとても楽しく、自分の国とは大きく違う環境でキャリアを築きたいと思い、日本で働くことを決めました。 驚いたことの一つは、日本の方が電話でもお辞儀をすることです。 M.U.  自己紹介 モビリティプロダクト開発部で、販売店様との関係構築/プリセールスを担当しています 勤務先は今年開設されたばかりの福岡です 所属チームの体制は？ 4名体制（私以外は東京のオフィスがベース）で全国の販売店様を担当しています 現場の雰囲気はどんな感じ？ 福岡では皆で協力しながら、オフィスを運営しています 出張で来られる方が多いので、部署を超えて会話する機会が多いですね チームメンバーとは定期的にオンサイトでコミュニケーションを取っているので、リモートだからといって不自由は無いです KTCへ入社したときの入社動機や入社前後のギャップは？ 中規模Sierとスタートアップを経験したので、規模の大きな会社で新しいチャレンジをしてみたいと思ったからです 大きなギャップはなく、個々人のスキルが高くプロの集団だと感じました オフィスで気に入っているところ 勤務先の福岡テックラボは11月にオープンしたばかり！ 海が見渡せる開放感のある景色とおしゃれな内装で、出社したくなるオフィスです U.V.さん ⇒　M.U.さんへの質問 お仕事の中で、AI をどのように活用しているのか、興味深い取り組みがあれば教えていただけますか。 主に調査や資料作成など一般的な使い方です 情報をキャッチアップする際にコパイロットだと、社外情報＋社内資料も提案してくれるのが素敵ですね 販売店様の情報を調査する等であればGeminiの方が優秀だと感じています さいごに みなさま、入社後の感想を教えてくださり、ありがとうございました！ KINTOテクノロジーズでは日々、新たなメンバーが増えています！ 今後もいろんな部署のいろんな方々の入社エントリが増えていきますので、楽しみにしていただけましたら幸いです。 そして、KINTOテクノロジーズでは、まだまださまざまな部署・職種で一緒に働ける仲間を募集しています！ 詳しくは こちら からご確認ください！

セーフィーで情報システムを担当している松尾です。 先日開催された「 BTCONJP 2025 （Business Technology Conference Japan 2025）」に参加してきました。 今回は、当日の現地の様子や、実際にセッションを聞いて感じた、これからの情報システムの役割についてレポートしたいと思います。 また、今回は個人的な事情で託児サービスを利用しての参加となったのですが、そこで自社のプロダクトを実際に体験することになり、非常に感慨深い1日となりました。そのあたりも含めてお伝えできればと思います。 会場の熱気と「人数カウント」 託児サービスで感じた「映像の力」とユーザー体験 セッションレポート AI前提の業務「再構築」と現場と共にあること 情シスは「橋渡し役」へ 情報システムの未来に向けて 会場の熱気と「人数カウント」 当日はセーフィーもスポンサーとしてブース出展を行いました。 今回は単なる展示だけでなく、セミナールームや会場内にセーフィーのカメラを設置させていただき、 リアルタイム人数カウント を実施しました。 会場での配信の様子 「今、どのエリアにどれくらいの人がいるのか？」 「このセッションには何人集まっているのか？」 これらを映像データから可視化することで、カンファレンスの熱量を定量的に見ることが出来ます。自社の技術がイベント運営の裏側でどう活きるのかを実際に見ることが出来て、とても興味深い体験でした。 また、会場内はブースを回ると記念品が貰える「スポンサーブース スタンプラリー」、参加者同士の交流を促す「情シスビンゴチャレンジ」、お悩みを相談できる「情シスカフェ&お悩み相談」など、参加型のコンテンツが沢山あり、コミュニティとしての一体感を強く感じるイベントでした。 託児サービスで感じた「映像の力」とユーザー体験 今回の個人的なハイライトの一つが「託児サービス」です。 預け先の都合がつかず、今回は子供と一緒に会場に入り、WAKE Career様がスポンサーをされている託児サービスを利用させていただきました。 この託児サービスではセーフィーのカメラが利用されており、保護者は自分のスマホから託児の様子を確認できるようになっています。子供たちの顔には自動的に 動物のスタンプ が追従して表示されるため、プライバシーを守る事ができます。 これにより、自分の子供や他のお子さんのプライバシーはしっかり守られつつ、 「あ、楽しそうに遊んでるな」 「保育士さんと一緒にお弁当を食べているな」 といった様子をリアルタイムで確認することが出来ました。 当日の託児の様子 初めての場所、初めての保育士さんで不安もありましたが、セミナーの合間にスマホから子供の状況を確認できたことで、安心してイベントに参加することができました。 自社のプロダクトの価値をいちユーザーとして感じることができたことも貴重な経験でした。 今回の出展は26年新卒のメンバーも参加していました！ セッションレポート ここからは、聴講したセッションについての学びをまとめます。 BTCONJPのテーマは名前の通り、「ビジネステクノロジー（BT）」であり、ITを単なるツールとして扱うのではなく、「ビジネスを加速させ、競争力を生み出す源泉」とするものだと考えています。 皆様のセッションはどれも素晴らしく非常に学びになるものでしたが、その中でも「ビジネステクノロジー」の観点から、自分たち情報システムの立ち位置や今後を考えるうえで特に印象に残ったセッションを中心にレポートします。 AI前提の業務「再構築」と現場と共にあること AIの導入については現在多くの企業が進め方を検討していたり、すでに導入を進めている状態であると思います。 株式会社IVRyの植田 裕介さん、NOT A HOTEL株式会社の遠藤 祐介さんのAIに関連するセッションで感じたのは、 「今の業務フローのままAIを足すのではなく、AIを前提にプロセス自体を再構築せよ」 というメッセージでした。 今後は、情シスが自ら現場のビジネスプロセスに入り込み、 「そもそもこの業務は必要なのか？」「AIに任せるならどういうフローが最適か？」 を現場と一緒に考え、ゼロから作り直す動きが必要だと改めて感じました。 セッションの中では、AI を使って課題を解決するために、 社内を横断するチーム を立ち上げることが必要になるともお話されていました。 このような動きは、NTTドコモビジネス株式会社の小林 泰大さんと、株式会社マキタの高山 百合子さんのセッションで述べられていた、情報システムの中に留まるのではなく、積極的に外に出ていき現場の声を聞く、ということに繋がっていると感じました。 実際に上記のセッションでは、 直接現場と話しに行くことが重要であり、課題を共有し、共に手を動かすことで信頼関係が築ける と述べていました。 お互いに相手のせいにせず、情シス側も「自分事」として現場と一緒にビジネスを作り、加速していくことがと必要であると感じました。 情シスは「橋渡し役」へ 📢 情シスカンファレンス BTCONJP 2025 11/15(土) 開催 ✨ セッションのご紹介です！ ──────────────────── SaaSを買わない未来 ― 作り出す情シスの挑戦 ──────────────────── 株式会社クラウドネイティブ 代表取締役社長 文部科学省… pic.twitter.com/9QXhIMYdOm — #BTCONJP Business Technology Conference Japan (@btconjp) 2025年10月8日 株式会社クラウドネイティブの齊藤 愼仁さんのセッションでは、情報システムの更に未来の話についても言及がありました。 SaaSの値上げが進む中、 「市民開発」 が進む未来においては、 今まではSaaSとして提供されていたアプリを従業員自身が作っていく流れが加速していく と思われます。 その中で、情報システムは SaaSを提供するだけの管理者ではなく、いかに現場の理解力を高めていけるか、伴走者になれるが重要であると 語られていました。 情報システムの未来に向けて 今回、様々な企業のセッションを聴講したなかで、登壇者の皆さんが語る結論は、立場や状況は異なりますが、同じ方向を向いていると感じました。 これからの情報システムは、 エンジニアリングを武器に、現場のビジネス課題を深く理解し、現場と共に事業を加速させるパートナーになる ことが求められていると改めて感じました。 独立行政法人 情報処理推進機構（IPA）産業サイバーセキュリティセンターの登 大遊さんのセッションでは、日本の労働人口減少とそれに伴う競争力の強化といったマクロな課題についても触れられました。 IPA 登大遊氏 ( @dnobori ) による基調講演のセッション内容が公開となりました！ https://t.co/51GoG35Fre 情シスカンファレンス #BTCONJP 2025【11/15(土) 開催まであと11日！】 — #BTCONJP Business Technology Conference Japan (@btconjp) 2025年11月3日 セッションでは、現在の日本のデジタル産業を以下の3つに分類しており、日本は労働集約的で利益率の低い「(c) 活用支援（SIer等）」に偏っており、(a) と (b)が不足している状況であると述べられていました。 (a) デジタル基盤製品・サービス: OS・インターネット基盤・セキュリティ基盤・クラウド基盤等 (b) デジタル応用汎用製品・サービス: 汎用アプリ・汎用プラットフォームサービス・クラウド型 SaaS サービス等 (c) デジタル活用支援サービス: IT コンサル・受託ソフト開発・SIer 系 今後の日本で競争力を上げるためには、 (a) デジタル基盤製品・サービス と (b) デジタル応用汎用製品・サービス のような人数によってスケールしないビジネスや会社を作る必要があります。 セーフィーが目指す 「映像プラットフォーム」 は、この(a)と(b)のようなプラットフォームに位置づけられるような会社を目指しており、労働人口減少という社会課題の解決に対しても遠隔から現場をサポートするようなサービスを提供しています。 私たちがこの事業を強くし、世界で戦えるプラットフォームへと成長させることで、 「日本を強くする」 ことにも繋がっていけばいいなと、改めて思いました。 今回の学びを活かし、ビジネスを加速させる情報システムとして、既存の枠にとらわれずに今後もチャレンジしていきたいと思います。 運営の皆様、登壇者の皆様、会場でお会いした皆様、子供を預かってくださった保育士の皆様、本当にありがとうございました。