要旨
業界は 3 年間、エージェントの進歩を測定してきました。企業はいくつのエージェントを、どのくらいの数のツールにわたって、どの程度自律的に実行できますか。その質問が真の能力を生み出しました。それはより賢い企業を生み出しませんでした。エージェントが 100 人いて、共通の判断力がない企業が、エージェントが 1 人いる企業よりも 100 倍賢いわけではありません。そのほうが、うまく学習できていない意思決定を実行する能力は 100 倍も高いのです。
この記事では、次に来るレイヤーに名前を付けます。私たちはこれを企業インテリジェンスと呼んでいます。これは、意思決定を把握し、その責任を割り当て、その結果何が起こったかを記憶し、その判断を次の行動時点で利用できるようにする組織システムです。エージェントは動作する層です。企業のインテリジェンスは、決定を下し、決定から学ぶ層です。
中心的な主張は経済的なものであり、技術的なものではありません。基礎モデルが生の能力（推論、言語、ツールの使用）をコモディティ化するにつれて、企業が既製で購入できるものは差別化要因ではなくなります。独占的に残されているのは、企業自身が蓄積した判断、つまり何を選択したのか、なぜ、誰が責任を負うのか、そして結果はどうなったのかについてのラベル付き記録です。そのレコードは、周囲のあらゆるものがコモディティ化される中で価値が上がる唯一の資産です。 Company Intelligence は、それを所有するためのアーキテクチャです。
次に、能力のスケーリングとインテリジェンスのスケーリングを区別し、企業のインテリジェンス アーキテクチャの 5 つの側面を定義し、実際に重要な指標として再利用率とリコール コストを導入し、ほとんどの組織が誤って間違った最適化を行ってしまう理由を説明します。全体を通して、インテリジェンスは組織のアーキテクチャ上の特性であり、組織内のモデルの機能ではない、という主張です。
1. エージェント ウェーブはインテリジェンスではなく実行を解決します
Agent Wave は真の画期的な進歩であり、それによって何が解決されたのかを正確に知る価値があります。エージェントが登場する前は、ソフトウェアは保存と取得を行うことができましたが、人間が各ステップを操作することなくツール間で決定を行ったり、動作したりすることはできませんでした。エージェントはそのギャップを埋めました。現代のエージェントは状況を読み取り、アクションを選択し、ツールを呼び出し、結果を観察し、続行することができます。それは本物の永続的な能力です。
しかし、実行と諜報は異なる軸であり、それらを混同することは現時点の中心的な誤りです。実行とは、作業単位を実行する能力です。インテリジェンスとは、適切な作業単位を実行し、前回起こったことを踏まえて次回はより適切に作業を実行できる能力です。電卓は完璧に実行され、何も学習しません。若手アナリストのパフォーマンスは不完全ですが、健全な組織では四半期ごとに改善されます。違いは能力ではありません。それは決定と結果の間のループです。
企業がそのループなしでエージェントを導入すると、アナリストではなく計算機がスケールされます。すべてのエージェントがそのタスクを実行し、その結果がどこかに反映されますが、組織は一日の終わりに、最初よりも賢明になることはありません。エージェントは生産的に意見の相違を持たず、何がうまくいったかという共通の感覚を蓄積せず、一貫した目的に向けて互いに制約しません。彼らは速いハンドで、記憶力がなく、共有された判断力もありません。
これが、2 番目の質問、つまりエージェントの次に来るものは、「より多くのエージェント」または「より良いエージェント」ではない理由です。優れた人材がより賢明な組織を作るわけではありません。問題は、どの層が執行者の集団をより賢明な機関に変えるのかということです。その層がこの記事の主題です。
2. 能力のスケーリングとインテリジェンスのスケーリング
組織は日常的に一方を購入しながら、他方も購入していると信じているため、2 つのスケーリング曲線を明確にすることが役立ちます。
能力のスケーリングは追加的であり、調整によって制限されます。エージェントを追加するたびに合計スループットが増加しますが、調整オーバーヘッドが増加するにつれて限界値は減少します。 2 人のエージェントは 1 人のエージェントの約 2 倍の仕事をします。 100 人のエージェントが行う仕事は、1 人のエージェントの 100 倍よりはるかに少ないものです。なぜなら、エージェントは衝突し、重複し、矛盾するからです。能力のスケーリングは、組織がエージェントから得られるエネルギーよりも自社のエージェントとの調整に多くのエネルギーを費やすにつれて、平坦になり、ある点を超えると下に曲がる曲線の形状をしています。
知能のスケーリングはまったく異なる形をしています。それは複合化します。取得、管理、再利用される各決定は、将来の決定の品質を向上させ、より良い結果を生み出し、取得された記録を改善し、品質を再び高めます。アセットはエージェントではありません。それは、あらゆるエージェントと人間が利用する、成長しつつある統治された判断の体系です。能力のスケーリングが平坦化すると、インテリジェンスのスケーリングが加速しますが、これは判断を取得して再利用するためのアーキテクチャが存在する場合に限ります。
罠は、能力のスケーリングが簡単に購入でき、簡単に確認できることです。エージェントの数を数えたり、ツールの統合を数えたり、自動化されたタスクを数えたりできます。インテリジェンス スケーリングは製品として購入できないため、購入するのがより困難です。アーキテクチャとして構築する必要があります。そのため、組織は目に見える曲線を最適化し、エージェントを追加し、スループットが上昇してから頭打ちになるのを観察し、AI が限界に達したと結論付けます。実際には、複雑な曲線を開始したわけではありません。
戦略的な意味合いは不快ではあるが、明確になる。競合他社があなたと同じエージェントと同じモデルを購入できる場合、能力は競争を決定するものではありません。コンテストは、組織が自らの決定をどれだけ再利用可能な判断に変えることができるかという、誰も買うことのできない曲線で決まります。その曲線が企業インテリジェンスです。
3. 企業インテリジェンスの定義
企業のインテリジェンスは、人々やエージェント全体での判断を把握、管理、記憶、再利用することにより、一貫性のある改善された意思決定を行う組織の能力です。
その定義内の各単語には負荷がかかります。 キャプチャ とは、決定が一時的な会話ではなく、構造化されたオブジェクトになることを意味します。 統治 とは、すべての決定に責任者と境界線があるため、システムが誰が応答するか、いつエスカレーションするかを認識していることを意味します。 記憶 とは、決定とその結果がクエリ可能な記録として保持され、チャンネルがスクロールしたり従業員が退職したりしても失われないことを意味します。 再利用 とは、記録が次の関連するアクションの時点で表面化されることを意味し、組織がすでに知っている情報を再取得することはありません。
特定のモデル、特定のエージェント、特定のベンダーなど、定義に欠けているものに注目してください。 Company Intelligence は設計上、モデルに依存しません。モデルは交換可能な機能のサプライヤーです。知性は周囲に蓄積する基質の中に住んでいます。企業は、基礎となるすべてのモデルを交換しても、社内インテリジェンスを失うことはありません。なぜなら、その判断はモデルには決して含まれておらず、企業自身の決定に関する管理された記録に含まれていたからです。
これは、Company Intelligence が「AI をうまく活用する」ことと同じではない理由でもあります。 AI をうまく活用することは能力の実践です。企業のインテリジェンスは資産のポジションです。 1 つ目は、ツールをどれだけ巧みに操作するかです。 2つ目は、最初には所有していなかったものが、最後には所有するものについてです。企業は AI を非常にうまく活用し、何も蓄積しないようにすることができます。これは、トレーダーが各取引が行われた理由を記録せずに見事に実行できる方法と同じです。
組織が企業情報を備えているかどうかを判断する最も簡単なテストは、「良い決定が下されたとき、組織は永続的に良くなるのか、それともその場にいる人々が次に進むとその利益は蒸発してしまうのか?」と問うことです。利益が蒸発した場合、企業には知性がなくても能力があることになります。それが持続して悪化する場合、同社はエージェントの上に層を構築し始めています。
4. 企業インテリジェンス アーキテクチャの 5 つの側面
Company Intelligence はシステムであり、他のシステムと同様に構造を持っています。この構造を 5 つの平面として説明し、それぞれが異なる問題を解決すると便利であることがわかりました。これらは順番に購入する製品ではありません。それらは、知性が複合化するためにはすべて存在する必要がある機能です。
キャプチャ。 キャプチャ プレーンは、決定とそのコンテキストを構造化されたオブジェクトに変換します。その仕事は、選択だけでなく、それを生み出した状況、考慮された代替案、プレー中の制約、およびアクションの可逆性を記録することです。使用可能な形式で記録されなかった決定を下流で管理したり、記憶したり、再利用したりすることはできないため、キャプチャが基礎となります。
判断。 判断面では、行動に移す前に、組織の価値観、レッドライン、リスクしきい値を意思決定に適用します。何が許可されるか、何が条件下でのみ許可されるか、何がエスカレーションされる必要があるかを決定するのはフィルター スタックです。これは、システムをフェールクローズにする面です。安全に決定するための根拠が欠如している場合、システムは権限を発明するのではなく、保留したり、手を放したりします。
メモリ。 メモリ プレーンは、何が保持されるか、何が減衰するか、何が忘れられるかについての明示的なポリシーを備えた、クエリ可能なエクスペリエンス ベースとして決定と結果を保持します。記憶は、知性を瞬間的なものではなく累積的なものにします。これは、ほとんどの組織がストレージとメモリを混同しているため、ほとんどの組織が最も弱い点でもあります。組織は文書を保持しますが、決定を思い出せないからです。
配布。 配布プレーンにより、チャット、承認、会議、ワークフロー、エージェント全体で、アクションの時点で統制された判断が可能になります。捕捉され、管理され、記憶された判断は、時間のプレッシャーの下で誰も参照しないリポジトリに留まっているのでは価値がありません。分布は図書館と神経系の違いです。
修復。 修復プレーンはシステム全体の健全性を監視し、古いデータ、壊れたコネクタ、現実と一致しなくなった決定など、システム全体の状態が変化した場合に修復します。修復はプロジェクトではなく企業インテリジェンスのインフラストラクチャになります。それ自体の劣化を検出して修正できないシステムは組織が依存できるものではないからです。
捕捉、判定、記憶、配布、修復。 5 つすべてを構築する企業には、判断が複雑になる基盤があります。一部のみを構築している企業には、インテリジェンスが漏洩するギャップがあります。キャプチャされたものの再利用されず、記憶されていましたが管理されず、分散されていましたが修復されませんでした。
5. 再利用率とリコールコスト: 重要な指標
インテリジェンスが判断を再利用する能力である場合、企業インテリジェンスの指標はモデルの精度やエージェント数ではありません。それは再利用率とリコールコストです。
再利用率 は、最初から再導出されたものではなく、以前に取得した判断によって支配される意思決定の割合です。再利用率が低いということは、組織が初めて同じ問題を何度も解決し続け、発生するたびに認知コストを全額支払い続けることを意味します。再利用率が高いということは、組織がますます前例と原則に基づいて決定を下し、真に新しい状況に備えて新たな検討を保留することを意味します。再利用率は、組織がより賢くなっていることを直接観察できる兆候です。
リコールコスト は、必要なときに関連する以前の決定を取得するのにかかる時間とエラーです。これは知識労働に対する主要な隠れた税金です。組織は正しい前例を持っていても、それを見つけるために 3 人に尋ね、2 つのシステムを検索し、記憶からコンテキストを再構築する必要がある場合、莫大なコストを支払う可能性があります。リコールコストが高いと再利用のコストが非常に高くなるため、人々は合理的に代わりに再派生することを選択します。これにより、メモリが技術的に存在する場合でも再利用率が低下します。
これら 2 つの指標は結合されています。リコールコストは再利用の価格、再利用率は需要量です。価格を下げると量が増えます。これが、現代の組織の生産性を高めるために人員やエージェントを増やすことではなく、過去を再発明するよりも過去を再利用する方が安くなるまでリコールコストを下げることである理由です。その閾値が反転すると、知性は自動的に複合化し始めます。
実際的な結果として、企業インテリジェンス プロジェクトは、基礎となるモデルの素晴らしさではなく、これら 2 つの数値への影響によって評価される必要があります。リコールコストが低く、再利用率が高い控えめなモデルは、決めたことをすべて忘れてしまう組織に組み込まれた最先端のモデルよりも賢い企業を生み出します。
6. なぜ知識が資産ではなかったのか
企業が常に知識ベース、Wiki、ドキュメントを通じてインテリジェンスを蓄積しようとしてきたことに反論したくなります。彼らは持っている。そして、努力の問題ではなく構造的な理由で、組織をよりスマートにすることにはほとんど失敗してきました。
典型的な知識ベースで取得される知識は、決定を取り除いた決定の残滓です。文書には結論がどのようなものかが記載されています。どのような状況がそれを生み出したのか、どのような代替案が拒否されたのか、なぜ拒否されたのか、誰に責任があるのか、それが実際にうまくいったのかなどについてはほとんど語られません。これらの要素を取り除いた知識は質問には答えることができますが、判断力を向上させることはできません。なぜなら、判断力とはまさに状況から文書が省略した選択肢へのマッピングだからです。
膨大な知識ベースを持つ組織が依然として同じ間違いを繰り返すのはこのためです。知識ベースには結論が記録されます。同じ状況が再発したときに誰かがそれを認識できるような推論は記録されていません。表面的には異なっているように見えますが、意思決定構造を共有する 2 つの状況は、一貫性なく処理されます。これは、ナレッジ ベースが意思決定の形ではなくトピックにインデックスを付けるためです。
基盤モデルは、ある特定の方法でこれをさらに悪化させました。基盤モデルは、知識ベースが保持するのに適していた種類の一般的な知識をまさにコモディティ化しました。すべての競合他社のモデルもそれを知っているため、モデルがすでに知っているものはすべて独自の資産ではなくなります。知識ベースの一般的な部分は無料になりました。専有権のある部分、つまり企業自身の決定事項は、通常、適切に取得されたことがない部分です。
したがって、知識から判断力への移行は流行ではありません。コモディティ化への対応です。一般的な知識が無料になると、蓄積する価値のある唯一のものは、この特定の組織がどのように決定するかについての、管理され、結果がラベル付けされた具体的な記録だけになります。その記録は古い意味での知識ではありません。それは再利用のために構造化された経験です。これがこのシリーズの次の記事の主題です。
7. 判断力は複合的な資産である
知識が複合化しないとしたら、どうなるでしょうか?判断は行われますが、それは単に結論だけでなく、決定を保存する形で捉えられた場合に限ります。
捉えられた判断とは、決定に、その背景、その制約、責任のある当事者、およびその結果を加えたものです。そのオブジェクトは、構造によって将来の状況と照合できるため、文書では不可能な方法で複合化されます。新しい状況が到来すると、システムは「これはどのようなトピックなのか」ではなく、「これはどのような意思決定の形であり、前回どのように決定し、それはうまくいったのか」を尋ねることができます。それは、組織を単に繰り返すのではなく改善させるための質問です。
結果がフィードバックされるため、判断も複雑になります。既知の結果を伴うキャプチャされた決定は、人間、エージェント、およびシステム自体がエスカレーション対象を決定するために使用するしきい値のラベル付きトレーニング サンプルです。判断を結果とともに捉える組織は、運営の副産物として独自のトレーニング信号を生成しています。結論だけを捉える組織は、古くなるドキュメントを作成しています。
これが、企業インテリジェンスが AI 時代の資産である最も深い理由です。誰もが同じモデルにアクセスできます。差別化要因は、それらに供給する独自の信号の品質と、内部で実行する管理された基板です。その信号はあなたの判断履歴であり、あなたに特有のものです。競合他社は、あなたの組織が決定方法を学習した方法をダウンロードすることはできません。なぜなら、それは、あなたの特定の現実に合った特定の決定によって生み出されたからです。
したがって、捕らえられ、管理される判断力は、それを取り巻くテクノロジーがコモディティ化する一方で価値が認められる唯一の資産である。モデルは今後も改良され、誰にとっても安価になるでしょう。あなたの蓄積された判断は、あなたにとってのみ、そしてそれを蓄積するためのアーキテクチャを持っている場合にのみ、より良く、より価値のあるものになります。
8. 企業インテリジェンスはモデルではなくアーキテクチャである
繰り返し発生する混乱は、企業インテリジェンスを、より優れたモデルまたはより有能なエージェントを選択することで達成できるものとして扱うことです。そうではない。これは組織のアーキテクチャ上のプロパティであり、基礎となるモデルがどれほど優れているかに関係なく、存在する場合も存在しない場合もあります。
2 つの企業が同一のフロンティア モデルを実行していると考えてみましょう。 1 つ目は、すべての重要な決定を構造化されたオブジェクトとして取得し、責任ゲートを通じてそれを管理し、結果をエクスペリエンス ベースに記憶し、判断をアクションのポイントに分配し、システムがドリフトした場合に修復します。 2 つ目は、同じモデルをチャット ボックスにパイプし、出力を蒸発させます。同じモデル、同じ本来の機能。ある企業はインテリジェンスを複合化します。もう一方はそうではありません。違いは完全に構造的なものです。
アーキテクチャは組織が管理するものなので、これは自由です。モデルの機能について研究室を超えて研究することはできませんし、その必要もありません。あなたにできることは、レンタルしたあらゆる能力を組織の判断力を高めるものに変える基盤を構築することです。この基板は、モデルのどの世代にも依存しないため、モデルの世代を超えて耐久性があります。
また、AI 戦略がどうあるべきかを再構築します。機能戦略では、どのモデルとエージェントを導入するかを尋ねます。インテリジェンス戦略では、組織が行うすべての意思決定が永続的に賢くなるように、キャプチャ、判断、記憶、配布、修復をどのように設計するかが問われます。最初の戦略は、有効期限のある調達に関する質問です。 2 つ目はアーキテクチャに関する質問で、その答えは複雑になります。
MARIA OSはそのアーキテクチャとして存在します。その座標系、責任ゲート、証拠記録、意思決定パイプラインは、エージェントの上層にある機能ではありません。それらは具体化された 5 つの次元であり、その結果、英雄的な個人の努力ではなく、デフォルトで判断が捕らえられ、統治され、記憶され、配布され、修復されるのです。
9. それがなければ組織の失敗モード
企業インテリジェンスなしでエージェントを拡張する組織で何が問題となるのかを正確に説明することは価値があります。失敗は具体的で予測可能であるためです。
まず、決定が目に見えなくなります。エージェントや人々は何千もの小さな選択をしますが、そのどれも決定として捉えられません。組織は自らの意思決定が見えないので、改善することができません。何か問題が発生した場合、その選択が行われた理由は記録されず、システムが何をしたかだけが記録されます。
第 2 に、局所的な最適化が優先されます。各エージェントはそれぞれの目標を最適化します。販売エージェントはコンバージョンを最大化し、財務エージェントはコストを最小化し、サポートエージェントは解決速度を最大化します。そして、それらを調整する共有の判断層がないため、ローカル最適化はグローバルレベルで矛盾します。配置するエージェントの数に比例して、会社の内部は支離滅裂になります。
第三に、判断は人々に委ねられます。判断力は決して記録されることがないため、経験豊富な従業員の頭の中にのみ存在します。彼らが去ると、組織は記録しなかった情報を失います。あらゆる退職は部分的なロボトミー手術であり、会社は、スケールアップとは逆に、かけがえのない個人に依存することで自らを守っています。
第四に、同じ間違いが繰り返されます。結果について管理された記憶がないため、組織は以前に失敗した決定をいつ繰り返すのかを認識できません。それは、あたかも初めてであるかのように、各ミスのコストを支払います。エージェントは、こうした繰り返しの間違いをより迅速かつ大規模に犯しており、そのため、知性のない能力は非常に危険なものとなります。
これら 4 つの失敗は、運が悪かったわけでも、実行力が不十分だったわけでもありません。これらは、インテリジェンス層のない実行層があることの構造的な結果です。エージェントは問題ではないため、より多くのまたはより優れたエージェントを追加しても修正できません。アーキテクチャが欠落していることが問題です。
10. エージェントフリートから機関へ
この記事が指摘している移行は、エージェント群から機関へという簡単に言うことができます。フリートは実行者のセットです。組織とは、一貫して決定し、記憶し、改善するシステムであり、その時々にどの個人やエージェントがスタッフを配置するかに関係なく、存続し、より賢くなっていきます。
組織は、まさにそのメンバーよりも長持ちするため、時間をかけて知性を蓄積するために人間が構築した最も強力なテクノロジーです。優れた組織はその構造に判断力をコード化しているため、新しいメンバーはゼロから始めるのではなく、前任者全員の蓄積された知恵を継承します。この継承こそ、Company Intelligence が人間とエージェントの組織に与えることを目指しているものです。
新しいことは、エージェントが組織のエンコーディングをより必要かつより達成可能にすることです。エージェントの実行速度が速すぎ、規模が大きすぎるため、エンコードされていない頭の中で判断してエージェントを制御できないため、さらに必要です。エージェントはソフトウェアを通じて動作し、廊下での人間の決定では決して不可能な方法でソフトウェアの決定を取得、管理、再利用できるため、より実現可能です。
したがって、アークは人間の組織がエージェントに置き換えられるものではありません。人間の組織は、常に欠如していた基盤、つまりその判断を明確にし、管理され、再利用可能にする方法をついに手に入れ、エージェントはその基盤の構築を不可避にする強制機能となっています。それを構築する企業は、複合的な組織となります。保有しない企業は保有台数が停滞します。
11. このシリーズが構築するもの
この記事は、Company Intelligence を一度に 1 層ずつ完全なアーキテクチャに発展させるシリーズの始まりであり、読者が議論の行き着く先を知るために構造をプレビューする価値があります。
最初のアーク「企業のインテリジェンス」では、知識ではなく判断が資産であり、インテリジェンスはアーキテクチャ上の資産であるというテーゼを確立します。 2 番目のアークであるエクスペリエンス ベースでは、メモリ プレーンを開発します。なぜナレッジ ベースが失敗するのか、エクスペリエンス ベースとは何なのか、なぜリコール コストが生産性を決定する指標なのかを説明します。 3 番目のアークである Judgment OS は、エンタープライズ インフラストラクチャとしての判断プレーン、つまり意思決定の再現性、独自の資産としての判断履歴、および判断インテリジェンスの設計方法を開発します。
4 番目のアークである CEO クローンでは、経営陣の判断の配分、つまり CEO クローンが模倣ではなく強制する理由、経営陣の判断をどのように構築するか、そしてそれによって組織が創業者への依存からどのように逃れられるかを具体的に展開します。 5 番目のアーク「エージェント組織」では、人間とエージェントの組織の構造を開発します。なぜエージェントが増えても企業は賢くならないのか、そして AI ネイティブ企業が実際にどのように統制された意思決定を中心に組織されているのかを説明します。 6 番目のアークであるハーネス エンジニアリングでは、修復プレーンを開発します。ハーネスがテスト スイートではなくオペレーション システムである理由、AI システムが自己修復する必要がある理由、自律的な修復ランタイムが会社経営の意味をどのように変えるかについて説明します。
合わせて読むと、6 つのアークは同じオブジェクトを 6 つの角度から説明しています。つまり、実行をインテリジェンスに変えるエージェントの上の層です。個別に読むと、それぞれがアーキテクチャの 1 つの面に関する自己完結型の議論になります。ここでの主張は、能力が商品化されるにつれて、競争は判断を蓄積する基質に移行し、その基質は企業情報であるという主張である。
12. 結論
「AI エージェントの後に何が来るのか」という質問には、推測的なものではなく、構造的な答えがあります。エージェントは実行する層です。その後に来るのは、決定を下し、決定から学ぶ層です。つまり、判断を把握し、責任を管理し、結果を記憶し、行動の要点に知恵を分配し、それが逸れたときに自らを修復する層です。私たちはその層を企業インテリジェンスと呼んでいます。
その重要性はコモディティ化に伴います。すべての組織が同じ機能をレンタルできるようになると、機能によってコンテストが決定されなくなります。独占的なものとして残っているのは、各企業が蓄積した判断、つまり、企業がどのように決定するかを学習した、管理され、結果ラベルが付けられた記録です。その資産は増大し、それに関連するテクノロジーは誰にとっても安価になります。それを所有することはアーキテクチャの問題であり、アーキテクチャは組織が管理するものです。
これを理解した企業は、導入されたエージェントで AI の進歩を測定することをやめ、再利用率とリコール コストで測定し始めるでしょう。つまり、適切な決定によって組織全体が永続的に賢くなるか、それとも部屋が空になると消滅してしまうかという点です。測定対象のこの 1 つの変化が、エージェント群から組織への移行の始まりです。
したがって、次のフェーズの正しいメンタル モデルは、「より多くのエージェント」でも「より良いエージェント」でもありません。自らの判断を積み重ねる基盤ができているので、判断するたびに賢くなっていく会社です。エージェントは組織に行動する能力を与えました。企業のインテリジェンスは彼らに学習能力を与えます。それが次に起こることであり、どの企業が成長し、どの企業が停滞するかを決定するのはコンテストです。