0:59:48
おすすめの学習動画

AI BUSINESS SHIFT 第8回 機能別戦略編:AI時代の営業現場のリアル
本コースは、リーダー・マネージャー層を対象に、AIのマネジメント活用・組織活用を体系的に学ぶ『AI BUSINESS SHIFTシリーズ(全12回)』の第8回です。 第8回「機能別戦略編:AI時代の営業現場のリアル」では、AIが営業現場にどのような変化をもたらしているのか、営業担当者・営業マネージャー・組織としての役割や戦略が、AIによってどう進化していくのかを、営業プロセスの分解や実際の現場事例を通じて学びます。 ■こんな方におすすめ ・AIを活用した営業活動の最新動向や現場のリアルを知りたい方 ・営業現場の変化に直面している営業マネージャー・現場リーダーの方 ・AI時代における営業戦略や営業マネジメントのあり方を学びたい方 ■AIシフトシリーズとは? 『AI BUSINESS SHIFTシリーズ』は以下の3部構成で設計された全12回のシリーズです。(順次公開) https://unlimited.globis.co.jp/ja/tags/AI%E3%83%93%E3%82%B8%E3%83%8D%E3%82%B9%E3%82%B7%E3%83%95%E3%83%88 ・基礎編(第1回〜3回):リーダーやマネージャーに求められる、AI時代の基礎的なリテラシーの強化を目的としたコース ・マネジメント編(第4回〜7回):AI時代のリーダーシップや組織変革を中心に学ぶコース ・機能別戦略編(第8回〜12回):AI時代における機能別での戦略のあり方を中心に学ぶコース より実践的なAIツールの活用法について学びたい方は『AI WORK SHIFTシリーズ』をご視聴ください。 https://unlimited.globis.co.jp/ja/search?tag=AI%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%B7%E3%83%95%E3%83%88 ※本コースは、AIのマネジメント活用を学ぶ「AIビジネスシフト」シリーズの一環として提供しています。 ※本動画は、制作時点の情報に基づき作成したものです(2026年2月制作)
新着会員限定

マネジャーのための仕事の任せ方
「仕事を任せると失敗が怖い」「自分でやった方が早い」マネージャーとしてメンバーやチームの力を引き出しながら成果を上げるには、どのように仕事を任せていけば良いのでしょうか? 変化の激しい時代において、マネージャーとして成果を上げ続けるためには、メンバーの個性や特性を理解し、それに合わせた効果的な任せ方を身につけることが重要です。このコースでは、ソーシャルスタイル理論を活用してメンバーごとに最適なアプローチを学びます。「任せる力」を高めることで、チーム全体の成長を促進し、自身のリーダーシップを発揮できるようになっていきます。 ※本動画は、制作時点の情報に基づき作成したものです(2024年12月制作)
会員限定

AI時代の個人力
AIが仕事や社会の前提を変え続ける今、最も求められるのは「他者に代替されない個としての力」“個人力”です。 本コースでは、澤円氏の著書『個人力』をもとに、AI時代をしなやかに生き抜くための「前向きな自己中戦略」を学びます。 テーマは、「Being(ありたい自分)」を中心に据え、自ら考え(Think)、変化し(Transform)、協働する(Collaborate)ことで、自分らしい価値を発揮していくこと。 リスキリングやAI活用が叫ばれる今こそ、スキルより先に“自分の軸”を問うことが重要です。 あなたは何を大切にし、どんな未来を描きたいのか? このコースは、あなたが“ありたい自分”として生き、キャリアをデザインしていくための思考と行動のガイドになります。 ※本動画は、制作時点の情報に基づき作成したものです(2025年11月制作)
会員限定

【AI×クリティカル・シンキング】①イシューと枠組みでプロンプトを磨く
生成AIから期待する回答を引き出せず、試行錯誤を重ねていませんか。 本コースでは、生成AI活用の質を高める鍵として、クリティカル・シンキングの視点からイシュー設定と枠組みを押さえる重要性を解説します。 目的に直結する問いの立て方や、プロンプトに落とし込む際の実践ポイントを具体例とともに学ぶことで、AIをより思考のパートナーとして活用できるようになります。 生成AIを業務で使い始めた方から、活用を一段深めたい方まで、再現性あるプロンプト設計を身につけたい方におすすめの内容です。 さらに学びを深めたい方は、こちらも合わせてご覧ください。 【AI×クリティカル・シンキング】②AIの弱点との向き合い方 https://unlimited.globis.co.jp/ja/courses/cdfe41e3/learn/steps/62198 ※本コースは、AI時代のビジネススキルを学ぶ「AIタレントシフト」シリーズの一環として提供しています。 https://unlimited.globis.co.jp/ja/tags/AI%E3%82%BF%E3%83%AC%E3%83%B3%E3%83%88%E3%82%B7%E3%83%95%E3%83%88 ※本動画は、制作時点の情報に基づき作成したものです(2026年1月制作)
会員限定

リーダーの挑戦⑤ 藤田晋氏(サイバーエージェント代表取締役)
グロービス経営大学院学長の堀義人が、日本を代表するビジネスリーダーに5つの質問(能力開発/挑戦/試練/仲間/志)を投げかけ、その人生哲学を解き明かします。第5回目のゲストは、サイバーエージェント代表取締役の藤田晋氏。起業の理由、経営をどうやって学んだか、アメーバブログ・ABEMAの立ち上げ、経営チームづくりについてなど聞いていきます。(肩書きは2020年12月11日撮影当時のもの) 藤田 晋 サイバーエージェント 代表取締役 堀 義人 グロービス経営大学院 学長 グロービス・キャピタル・パートナーズ 代表パートナー
会員限定

ビジネスパーソンのための睡眠スキル ~問題解決編 前編 なぜ眠れないのか?~
「仕事が終わらないから睡眠時間を少し削ろう…」「業務時間中なかなか集中できない…」「毎日朝起きるのがつらい…」。 あなたはこのような経験をしたことはありませんか? 仕事やプライベートの時間をやりくりするために、真っ先に削りがちなのが「睡眠」時間。 実は今、日本社会は世界と比較して「最も眠らない国」だということもわかってきています。 慢性的な睡眠不足は、心身の健康に悪影響なだけでなく、仕事のパフォーマンスにも当然大きな影響を与え、社会全体の経済損失につながります。 このコースでは、基本的な睡眠リテラシーを学んだ後の「問題解決編」として、「なぜ多くのビジネスパーソンは眠れないのか?」について解説していきます。 ▼本コースで学べる主な内容 ・そもそも眠れないことは何が問題なのか? ・眠れなくなってしまう原因とは? 睡眠不足の原因は認知機能の問題にありました。 自身の睡眠不足に対し、正しく「気づき・理解し・行動を変える」第一歩を踏み出しましょう。 ▼関連コース ・ビジネスパーソンのための睡眠スキル ~リテラシー編~ https://unlimited.globis.co.jp/ja/courses/24575c03/learn/steps/53129 ・ビジネスパーソンのための睡眠スキル ~問題解決編 後編 どうしたら眠れるのか?~ https://unlimited.globis.co.jp/ja/courses/4ba981e9/learn/steps/62042 ※本動画は、制作時点の情報に基づき作成したものです(2025年12月制作)
会員限定

大阿闍梨 塩沼亮潤が死の手前で見つけた「生き方」
あすか会議2018 第4部分科会B-1「極限の世界で見つけた人生の歩み方」 (2018年7月7日開催/国立京都国際会館) 1300年間で2人目となる大峯千日回峰行満行を果たした塩沼亮潤大阿闍梨。48キロの山道を1日16時間掛けて歩き、それを千日間に亘って続ける過酷な行の中で、どのような悟りを得たのか。そして、9日間、断食・断水・不眠・不臥を続ける四無行満行という極限の世界で何を見つけたのか。塩沼氏が「創造と変革の志士」へ贈る「人生の歩み方」とは。(肩書きは2018年7月7日登壇当時のもの) 塩沼 亮潤 慈眼寺 住職
無料

英語 de 学ぶ!3Cs Analysis(3C分析)
このコースでは、グロービス学び放題の英語版である『GLOBIS Unlimited』のコースの中から、ビジネスで役立つ頻出の英語表現をピックアップしています。英語ネイティブの方が実際に見ているコースなので、リアルなビジネス英語の表現を学ぶことができます。 今回のコースは「3Cs Analysis(3C分析)」です。一緒に『英語で』ビジネス知識を学んでいきましょう! ▼今回扱ったUnlimitedコース続きは下記からご覧いただけます 3Cs Analysis https://unlimited.globis.co.jp/en/courses/da5ca962/learn/steps/36362 ※本動画は、制作時点の情報に基づき作成したものです(2025年12月制作)
会員限定



より理解を深め、他のユーザーとつながりましょう。
コメント339件
sphsph
深すぎますね。
人間はすごい。
謎だらけですが、上手く使いこなしたい。
悪意を持った活用がされないことを願っています。
sugi54
RNNの進化が理解できました。
k_yuna
大変勉強になりました。
pomu77
ATENTION、Trancefomerそれぞれの特徴が理解出来ました。
aqueous
機械学習の仕組みを知れば知るほど人間の理解体系や能力のすばらしさを感じる。
taka1962
RNN進化すると、より人間に近い業務処理が期待できると思います。
k_k_ai
Transformerは良く名前をきいていましたが、なんだかよく分からなかったので勉強になりました。
stakky
アッテンションの仕組みについてより深く知りたいと感じました。
pomuec
従来の再起型ニューラルネットワークでは、長い動画処理には向いておらず、改善の為に様々な手法が生み出されていることが分かった。
y-arano
Attention は現在のAIの発展に欠かすことができない重要な発見の一つなのでさらに勉強して理解を深めたいと思います。
okuoku2
業務にどのように役に立つかわかりませんが、AIについてサラッと理解できました
t1hnm
ニューラルネットワークがAIのモデルのベースと認識してました。だけど、今はトランスフォーマーと知れてこの動画を視聴して良かったと思いました。
vegitaberu
RNNの進化について、概要を理解できました。人間がしていることを分解して、丁寧にみると、同じようなことしているように感じます。AIを進化させることは、人間を作ることなのかもしれないな、とも感じ、夢ととともに、怖さも感じます。
hhmorimoto
RNN LSTM GRU Attention Transformerについて、サラッと理解出来ました
madara68
データ処理はさまざまな試行錯誤と組み合わせで成り立っていることが分かった。
nabezo1962
いやー、難しい。なんのこっちゃ。
celt
私は単純にAIを利用するだけの立場ではあるが、AIの弱点とその克服の開発の歴史を知ることで、AIの癖を理解し、適切かつ効果的に利用するヒントになるかと思って受講した。RNNという言葉自体知らなかったし、LSTM、GRU、Attention、Transformaerという改善モデルについても初めて聞いたが、少しわかった気になれた。
nob_non
人間の視覚に関して認識できる視野は全体の一部であるということが分かっている。AIもそういった意味では人並みに多すぎる情報は削る必要があるのは、人間っぽい。
ke_ko_
難しい…勉強になるが理解ができない
nakata0505
業務の中で何に使用できるかまだピンと来てないが、様々な処理をすることで、効率的に学習が行えることが理解できた。
tomtotm
まだまだ、この分野に関しては改善が必要なことが分かります。人間はどれほど多くの情報を同時にこなしているのか想像すると凄いですね
tohrut
RNNを生かすためにATENTION、Transformerが開発され
ATENTIONの入力されたデータのどこに注目すべきか、動的に特定する仕組みを活かす構造で進化
kamakuramm
RNNの進化を学習することができましたが、単語が多すぎてついていけませんでした。
yurina_2024
AIが弱点を克服するためいろいろなシステムを開発していてすごいと思いました。ますます興味がわきました。学習を進めます。
1f-noriyuki
段々と難しくなってきた印象。
ark2024
学んだ内容を自分の業務や日常において活用することは難しそうですが、興味深い内容でした。
初めて耳にする単語が多かったですが、少しずつ耳慣れするところから始めたいと思います。
katakorikei
言語モデルの進化が理解できました。
seishiro
ありがとうございます
grateful
RNNの弱い所を克服しトランスフォーマー素晴らしい。
noir_hpy
AIの進化がわかった。
n_jiro
RNNにも課題があり、それを解消する技術があることを理解しました。
papapon
RNNの弱点克服にトランスフォームが最適とわかった。
w371173
RNNの弱点を克服するための進化が、すごい。
gantetsu013
あい自体が進化の途上
paseri_2
AIエンジニアと話す際の用語となる
4ktake
もう少し学習してから考えたい。
toshi-iwai
RNNからの進化で色々な手法が出てきて今はトランスフォーマーなのですね。言葉を理解するのに復習が必要です。
ma_a80
進化の行程がわかりました
akirakanno
RNNの弱点を補うために、新たな発想が生まれた
chang_shin
RNNは長い動画に対応することが難しかったが、アテンション、次にトランスフォーマーによって解消に向かった。キモは注目すべき情報の参照(アテンション)、情報同士の関連性(トランスフォーマー)。
obapanda1
RNNの進化にも色々な試行錯誤があったことが理解できました。
yuu3131
RNNやその他の仕組みが理解できた
aki4444
むつかしかった
もう少しやさしいのがよかった
dbmaster
AIは仕事では数案件、プライベートは多数開発して日常生活や趣味で活用していますが、いつも駆け足で理論は後回しだったので知識の整理ができてよかった。
kshimada
イメージはつかめました。
melmb_kw
まず、RNNの弱点を知ることが出来た。対策方法に関しても、何を学習の対象とするのかで、学習モデルから抽出すべき情報を適正化しないといけないと思った。
zling412
仕組みについて理解しました。
masahide_oi
トランスフォーマーによるRNN解析によって自然言語処理が進化した
nagase29
RNNの進化の過程が学べて興味深かったです。足らない部分を補うために日々進化しているのですね。制度を上げるためにさらなる進化がありそうですね。
w_axl
奥が深いですね
人は 意識せずやれている所が凄いですね
sa-yamanaka
AIについて様々な用語や仕組みがあり難しかったですが、今後の参考にしたいと思います
k1_k
ポイントを押さえ、まさしくサラッと理解できました。
ks070341
トランスフォーマーの位置づけについて理解できた
lifeline
めちゃくちゃさらっとお説明してある
komiyama34
さらっとしすぎな気がしました。
よくわからなかったです。
h-kozawa
業界雑誌のAI技術特集記事で同じことを説明したものがありましたが、Attention技術の出現により状況が一変した、ぐらいの認識しかできていませんでした。このシリーズの本編を視聴したことにより、AttentionとTransformer技術で何ができるようになったのかが大変よく理解できました。
mo_o
リカレントニューラルネットワークの進化を何となく理解することができた。勉強が必要です。
moveon-s
RNNの仕組みがわかりました。 CNNの弱点を克服するために開発されたので、弱点克服する事ができたことでAIの精度がアップにつながったのはすごいです。
m-takayoshi
完全なモデルはなく、足りない事を補う為に
新しいモデルが誕生していると感じました
kaneko-ju
画像処理といっても適切なモデルを考えなければならない
naoki0814
RNNには長いデーター処理不向きであったが、トランスフォーマー技術などを用意て解消することができた
oknmkcti
これからも進化しそうですね
jack2baker
時系列だからこそのRNNと、その弱点を克服していく過程でのAttentionから、Transformerの流れ、さらに言語モデルへの活用についてその背景をよく理解することができました
iwc_co
内容を理論的には理解できたが、現段階ではどの様に業務に活用できるかがイメージできなかった。
nyattatta
RNNも進化を遂げて今の形があることに驚きました。今のAIは様々な仕組みが組み合わさって、仕組みと仕組みがそれぞれの足りないところを補い合いながら成り立っていることに感心しました。
nekonyan
動画の中の物体で、どれが主になる物体で、それ以外の物体か、何を中心に、その他の物体と関連づけるのか、それは外部から指示するのでしょうか?画像の中心に配置されるものが主ですか
inoino2005
基本的な事がわかり参考になった。
y-shiraki
複数あるので、名称を覚えるのは難しいですね。
70sp1208
RNNの弱点を補うために様々なAIの手法があることを知った。一言にAIといってもいろいろな仕組みがあり、これから勉強していかなければならないと思った。
jll00415
少し難しくなってきて理解するのに時間が掛かりそうです。トランスフォーマーというとおもちゃや映画を思い出してしまい頭に入ってきません。
ur_0314
度々に耳にする、TransformerがRNNから進化したものだということを知ることができ、さらにどんな処理をするのかが理解できた。
fu-fu-fu
RNNの弱点を理解できた。そしてその後の進化についても理解できた。LSTM、GRU、attention、 Transformerと続く流れが理解できたが、まだまだ進化の途中と見受けられるので、これからの進化にも注目するべきだと感じた。
yasgoh
RNNは、データが長くなると古いデータの記憶が薄れていく。
そこで、長いデータの中でも必要なデータと不要なデータを区分し、必要な情報を保持できるよう工夫されたのが、LSTM(Long and Short Term Memory)とGRU(Gated Recurrent Unit)というニューラルネットワークが登場した。
LSTMとGRUはRNNと比べて性能はよくなったが、構造が複雑になり、学習のコントロールが難ししくなった。また、データが長くなると記憶が覚えられなくなるという課題も残っていた。
そこで、注目すべき情報を保持して処理のたびに参照するAttentionが登場してこの課題を克服した。
さらに、Attentionの仕組みを取込んだTransformerというニューラルネットワークの構造が考案され、情報同士の関連性を扱うえるようになった。
これにより、長い連続したデータに含まれるそれぞれのデータ同志の関係をうまく取り扱うことができるようになり、テキストデータの中の主語述語といった構造情報も重要といったデータをニューラルネットワークがうまく理解できるようになった。結果、言語モデルが大きく発展した。
ananana
RNNからの進化が凄いですね。結局誰が考えてるんだろう。凄い世界だ。
gokusi
RNNの弱点を解消することを克服するところはさすがAIだと思いました。人間も弱点を克服しようと思いますが途中で挫折したり、時間がかかったり。人間の負けを感じます。
taka_miffy
アテンション、
新しい言葉が出てきた。
001yy
課題があり進化し続けているということですね。大変参考になりました。
sales_supdoctor
RNNの進化として時系列データを扱う弱点をLSTMやGRUよって弱点を克服したが、attentionによって必要のデータのみ残したり、tranceformerによって関連づけられることで、更に高度化したことが理解出来ました
nakashi49
RNNの長い時系列データを扱えない課題解決手段として、いくつかの処理モデルが開発され、その中でもTransformerモデルが、今のLLMの技術革新につながっているのだろうな、ということが漠然とだが理解できた。
shioa
時系列のデータ処理に関して学んだ
genchawan
RNNの弱点への克服。すごい速度で進歩しているんだろうな。これから世の中はどうなるんだろう?
bonjours
RNNが生成型AIにどうつながるかよくわかりました。
dansagami
人間はRNNを自然と行なっているのが興味深い
saijo_ky
Transformerがどのようなものなのか理解できた
chihiro_s
活用の具体的なイメージはできない
isobe2615p
人が横断歩道を渡る時に、人と周囲・環境とを紐づければ、全部覚えておかなくて良いということが分かりました
yoshikana2020
RNNには弱点があるが、それを克服するために様々なモデルが開発されてきたことが興味深い。
takahashi-m
リカレントニューラルネットワークの進化
・前は少し前しか覚えられなかった
・今は、LSTMとGRU 性能は良くなったが、学習のコントロールが難しい
・より良いもの ATTENTION 大事な情報を覚える 処理のたびに参照
・さらに TRANSFORMER 大切な情報同士を関連させる
makotokoma
AIの基礎が、分かりました。
marimariiii
AIってことばでひとくくりに思ってましたが
いろんな進化を経てトランスフォーマーのような
仕組みをきづいて行った事をしりました
yasuokam
RNN は、LSTM, GRU から Attention、Transformer と進化してきていると学んだ
maeken1969
時系列データに対しての取り組みがわかりました。そして課題も。脳までたどり着く日も近そうですね。
kamiyama-shohei
用語が増えてきましたが、1つ1つ理解していきます
fu-atoreichi-ma
RNN、リカレントニューラルネットワークは、長すぎる時系列データを扱うと、適切に処理できないという弱点あり。その弱点を解消するために様々なモデルが開発されLSTMとGRUは、必要なデータと不要なデータを区別して弱点を解消。Attentionは注目すべき情報を処理の度に参照して弱点を解消し、Transformerは情報同士の関連性を扱うことで弱点を解消。 時系列データを扱えるRNNだからこそ弱点があり、その克服には様々なモデルが開発されてきた。
RNNの弱点克服により品質が担保され、更に技術向上に貢献するだろう。
sachi000
タイムリーに処理するために、多くの仕組みや構造が取り入れられているとわかりました
kimoan
活用はできなさそう。
ys_sato
大まかな理解が進んだ
wataru_f
短期記憶しかできないRNNの弱点を克服する開発から、重要な情報のみ参照するAttentionが開発され、更に情報同士の関係を認識できるTransformerに発展した。これにより自然言語モデルの解析が発展。
yuna_hara
RNNの進化はLSTM,GRU,attention, transformerがあったことを理解した。
yujihosoi
RNNの課題を克服するためにAttentionやTransformerといったモデルが開発され、自然言語処理の進歩に大いに貢献した。