Pitch Rehearsal · 走りながら声に出す

ピッチ・リハ用カード

お題を見て、まず自分の言葉で声に出す。言い切ってから「答え合わせ」を開いて、カノンの言い回しと突き合わせる。つっかえずに言えるまで周回。

使い方 — ① お題を読む② 立ち止まらず声に出す③「答え合わせ ▶」をタップして言い回しを確認。完璧を狙わず、3〜4本/周で回す。
BEAT 1

Kashi を一言で言うと?

相手が忙しそうなとき、1文で。聞き手の頭に同じ絵が立ち上がるか?

声に出してから ▶ 答え合わせ

Structure, not content. Longitudinal, not one meeting. Bounded visibility.

Kashiは、会議で「何を話したか」ではなく「話し方の形」 — 誰がどれくらい話し、誰が遮られ、誰の発言が流されたか — を何ヶ月分も積み重ねて、人が辞めたり問題が表面化する前にチームの不調を映し出すプロダクトです。

Kashi reads the structure of a conversation, not its meaning — who spoke, when, after whom, for how long, and whether they got an answer or got cut off. The output is never a verdict — it's a flagged pattern a human reviews, with evidence and caveats attached.

BEAT 2

「なぜ GPT でできないの?」

2026年の AI ピッチで必ず来る。「やらない」ではなく「architecturally できない」で返す3ビート。

声に出してから ▶ 答え合わせ
  1. 決定論。 解析レーンは bit-for-bit deterministic、分析の hot path に汎用 LLM を置いていない(CI の determinism-lock test で固定)。GPT は確率的で、確率的な「判定」は反証できない。Kashi の出力は provenance があり contestable。
  2. 縦に積む価値。 1回の会議はノイズ。シグナルは同じチームの 5〜8回以上の会議にわたって繰り返す構造パターン。GPT は会議を1回ずつ要約するだけで、ここは積み上がらない。
  3. doctrine がデータ層に焼き込まれている。 prompt ではなくスキーマ。感情・センチメント特徴量は入力スキーマにそもそも存在しない(=検知しないことの証明)。可視性の上限は UI でなく SQL の行レベルセキュリティで強制。prompt は破れても、フィールドの無いスキーマは破れない。

この3つが同時に効くのは EU AI Act 5条(職場の感情推論を禁止)の carve-out であり、content を読む既存勢は製品を作り直さない限り到達できない。

BEAT 3

moat / wedge は?

単体だと feature。3つ同時で category position。なぜコピーできないかまで言い切る。

声に出してから ▶ 答え合わせ
structure not contentlongitudinal across meetingsbounded visibility

3つの制約が同時に成立して初めて、比較表の誰もが製品を作り直さない限りコピーできない category position になる:

  1. サーベイ業者は、サーベイを捨てない限り structural になれない。
  2. ONA 業者は、会議室に入らない限り longitudinal-across-meetings になれない。
  3. 議事録ボット業者は、売り物の per-minute 分析面を捨てない限り bounded-visibility になれない。

Three constraints that compound into a category position.

BEAT 4

「これって監視では?」(60秒)

順番が命: external frame → internal frame → 構造的強制 → 契約上の床。60秒で切る。

声に出してから ▶ 答え合わせ
外から見ると、Kashi はチーム単位・自己内省のシステムで、経営が個人をリスク警報するためのものではありません。マネージャーは自分のファシリテーションのクセだけ — 自分の会議で声がどう配分されているか — を見ます。経営層は5人以上の集計しか見ません。内部では個人レベルの候補参照を生成しうるが、それがマネージャーや経営に個人リスク警報として出ることは決してない。その上限は UI ではなく SQL の行レベルセキュリティで強制 — ダッシュボードを誤設定しても、DB が返さないデータは露出できない。そして契約上、Kashi の出力は人事評価・昇進・懲戒・報酬・異動・解雇の根拠に直接にも間接にも使えない。私たちは約束に頼らない。アーキテクチャに頼る。
BEAT 5

60秒エレベーターピッチ(EN)

VC に60秒。暗記対象。盛らない。Alchemist / YC 用の英語版。

声に出してから ▶ 答え合わせ
Workplace harassment in Japan is legally mandated to be prevented (MHLW パワハラ防止法, 2022 expanded to SMB), structurally invisible until people quit, and invisible because every existing tool — surveys, hotlines, content classifiers, ONA — depends on people speaking up or on what they say. Kashi reads the structure of how a recurring team interacts across many meetings — turn timing, interruption direction, floor-share asymmetry, response latency — never the content. The output is a private weekly mirror to the manager themselves, plus aggregate (5+ people) patterns to executives. We are pre-pilot today. We have a working analyzer that is bit-for-bit deterministic on transcript input, doctrine-aligned outputs (never "victim", never "harassment detected", never "predicts resignation"), and a regulatory posture (EU AI Act Article 5 carve-out, APPI-aware retention floors) that the content-reading incumbents cannot reach without redesigning their products.
BEAT 6

「あなたは誰?」(JA)

研究フレーム。売り込みでなく、現場の実感を集めている。大学・ゼミではなく個人で。

声に出してから ▶ 答え合わせ

慶應商学部4年です。組織内の対話が構造から壊れる前兆を、個人で追っています — 大学やゼミの研究ではなく、Kashi として個人で勝手に。売り込みではなく、現場を見ている方の実感を集めています。

※「大学で研究」「ゼミ」は言わない。学生であることは背景の信頼性まで、公式な後ろ盾としては使わない。

🚫 絶対に言わない(規律=moat)

これらが口から出たらピッチは負け。走りながらでも一目で。

detects harassment predicts resignation AI-powered people intelligence real-time monitoring at-risk employees compliant with [規制] "victim" / "perpetrator" ハラスメントを検知 退職を予測 AIで分析

代わりに:「構造パターンを人間のレビュー用に可視化」「designed to align with(compliant ではなく)」「決定論的ルール、分析経路に LLM なし」。

↑ 最初のお題に戻る