# Naoki 用 台本: OpenAIの1/40で勝ったDeepSeekの設計を、社員10人の建設会社が真似すべき3つの理由 ## タイトル案 (3つ) 1. **OpenAIの1/40で勝ったDeepSeekの設計を、社員10人の建設会社が真似すべき3つの理由** 2. 3000時間で気づいた、中小建設会社がDeepSeek式AI戦略で大手ゼネコンに勝つ方法 3. 2026年、リソース無しで勝つDeepSeek設計が中小建設会社の唯一の希望である理由 ## 冒頭30秒 (秒指定付き、J1型コピー) 【0:00】画面中央に大きく「**OpenAIの1/40**」の数字 【0:03】「2026年5月、AI業界に少し厳しい現実が突きつけられました」 【0:09】「ここで一度、あなたの会社の社員数を頭に浮かべてください」 【0:14】「もし50人以下の建設会社なら、これは他人事ではありません」 【0:20】（画面切替・DeepSeek V4の発表画面）「DeepSeekという中国のチームが、OpenAIの1/40の人員で、同等性能のAIを作りました」 【0:28】「リソースが無くても勝てる、その設計図を完全公開した」 【0:34】（画面切替・自分の顔）「こんにちは、Naokiです。元土木の現場代理人12年、今は中小建設会社専門にClaude Codeを導入しています」 【0:44】「この2年でClaude Codeに3000時間。実案件で建設会社にAIを入れてきました」 【0:52】「その経験から断言します──DeepSeekの設計を建設業に翻訳できれば、社員10人の会社が大手ゼネコンに勝てます」 【1:02】「その3ステップを、これから20分でお話しします」 --- ## 本編構造 (章タイトルと要点) ### 1章: なぜDeepSeekの設計が中小建設会社の希望なのか (3分) - DeepSeek V4 のスペック (1.6兆パラメータ、100万トークン)、しかし人員はOpenAIの1/40 - 「リソース制約こそがエレガントな設計を生む」 - 中小建設会社は大手ゼネコンの1/100の予算、1/50の人員 - 鍵は「持ってる情報を全部使おうとしないこと」 ### 2章: 中小建設会社が陥る「全部AIに読ませる」失敗 3つ (4分) - 失敗1: 議事録を全部貼り付けて使えなくなる - 失敗2: 仕様書PDFを丸ごと読ませて精度が落ちる - 失敗3: 現場写真を1フォルダに放り込んで検索不能になる - DeepSeek以前のAI設計と同じ罠 ### 3章: DeepSeek式「圧縮 + 選別」を建設業務に適用する3ステップ (7分) - Step1 圧縮: 情報を「サマリー単位」に束ねる - Step2 選別: ライトニング・インデクサーを業務に作る - Step3 層別メモリ: 詳細層と圧縮層を使い分ける ### 4章: 実例 — 議事録・図面・仕様書をどう扱うか (3分) - 議事録: 決定/アクション/リスクだけ抽出 - 図面: ファイル名ルール化で全部読ませない - 仕様書: 問い合わせポイントだけインデックス化 ### 5章: 大手ゼネコンに勝つための1つの鉄則 (1分) - 大手は「全部読める」、中小は「読むべきところだけ読む」設計で勝つ --- ## 本編台本 ### 1章: なぜDeepSeekの設計が中小建設会社の希望なのか DeepSeek V4 のスペックから入ります。 パラメータは1.6兆。コンテキストは100万トークン。これは現時点で世界最高クラスの数字です。比較対象でいうと、ChatGPTやClaudeの最上位モデルと同等。 ただし、これを作ったDeepSeekというチームは、OpenAIの**1/40の人員**で、しかも**最新のNVIDIAチップは使えない**という制約の中で作っています。札束で殴れない、人数でも殴れない、それでも同じ結果を出した。 ここに、中小建設会社の経営者の方に絶対知ってほしい本質があります。 **リソース制約こそが、エレガントな設計を生む。** 逆に言うと、リソースが潤沢にある大手は、力技で殴れてしまうから、設計が雑になる。これは私が大手ゼネコンの下請けにいた時代から肌で感じていたことです。大手は予算で殴れるから、業務フローが冗長でも回ってしまう。 DeepSeekがやったのは、まさにこの「設計で勝つ」というアプローチです。具体的に何をやったかというと、彼らは「**過去の情報を全部処理しない**」という、ものすごく単純で、ものすごく難しい判断を下しました。 これが中小建設会社のAI戦略のヒントになります。社員10人の会社が、人員200人のゼネコンと同じやり方でAIを使ったら、絶対に勝てない。でも、設計で勝てば話は変わります。 --- ### 2章: 中小建設会社が陥る「全部AIに読ませる」失敗 3つ 実案件で建設会社にAIを入れてきた中で、現場でよく見る失敗パターンが3つあります。 **失敗1: 過去の議事録を全部AIに貼り付ける** 「現場の打ち合わせ議事録、過去1年分あるんでこれ全部ChatGPTに読ませて要約してください」というやり方。一見賢そうに見えますが、結果は最悪です。 何が起きるかというと、本当に重要な決定事項が、雑談や進捗報告の中に埋もれて、AIの回答から消えます。1年分の議事録の中に1回しか出てこない「クレーム対応の判断」のような重要情報が、薄まって出てこない。 **失敗2: 仕様書PDFを丸ごと読ませる** これも多いです。300ページの仕様書を全部Claudeに食わせて、「この物件で気をつけることを教えて」と聞く。 返ってくるのは、当たり障りのない一般論。なぜかというと、AIが300ページのどこを見ればいいか分からないから、結局全体を均等に見て、平均的な答えを返してくる。 **失敗3: 現場写真を全部1つのフォルダに** スマホで撮った現場写真を「2026年現場写真」みたいなフォルダに放り込んで、後でAIに検索させる。これも検索精度が壊滅します。 この3つの失敗、共通点が分かりますか。**全部AIに読ませようとしている**ことです。 これがDeepSeek以前のAI設計と全く同じ問題で、彼らはこの罠を抜けるために設計を変えました。 --- ### 3章: DeepSeek式「圧縮 + 選別」を建設業務に適用する3ステップ DeepSeekの設計は2つのアイデアでできています。**圧縮**と**選別**。これを建設業務に翻訳します。 **Step1: 圧縮 — 情報を「サマリー単位」に束ねる** DeepSeekは、過去のトークンを4つずつまとめて1つの圧縮表現にしました。これだけで情報量が1/4になります。 建設業に翻訳するとこうです。 1週間分の現場日報 → **1つの週次サマリー**に圧縮する。 月次の議事録10本 → **月次レポート1つ**に圧縮する。 1物件分の写真 → **3〜5枚の代表写真 + テキスト要約**に圧縮する。 ポイントは、圧縮したサマリーには「決定事項」「次のアクション」「リスク」の3つだけを残すこと。それ以外の雑談・進捗報告は捨てる。 これだけで、AIに渡す情報量が**1/10**になります。 **Step2: 選別 — ライトニング・インデクサーを業務に作る** DeepSeekで一番賢いのが、ここです。圧縮した情報の中から、**今この瞬間に必要な部分だけ**を高速に選び出す仕組みを作っている。 建設業務でこれをやるなら、こういう設計になります。 例えば、今週「天候遅延の対応」を考えるとき、必要な情報は何か。 過去5年の議事録は要らない。直近3週間の現場状況と、同じ条件(梅雨期・コンクリート打設)の過去事例3件、これだけで十分です。 つまり、AIに毎回**今の問いに直接関係するインデックス**だけを渡す設計にする。Claude Codeで言えば、プロジェクトディレクトリを分けて、今のフェーズに関係するフォルダだけをコンテキストに入れる、というやり方です。 **Step3: 層別メモリ — 詳細層と圧縮層を使い分ける** DeepSeekはさらに、情報を**2層**に分けています。 詳細層: 直近の情報を細かく持つ。 圧縮層: 過去全体を極限圧縮して、概要だけ持つ。 建設業に翻訳すると、こうなります。 詳細層 = 直近1ヶ月の現場データ。日報、議事録、写真、全部詳細に。 圧縮層 = 過去のプロジェクト全体。物件名・工種・期間・主な学びの4項目だけ。 AIに質問するとき、最初に「これは詳細層で考えるべきか、圧縮層で考えるべきか」を判断させる。これだけで、AIの精度が劇的に上がります。 私の実案件では、この層別設計を入れた会社で、議事録の検索精度が**約60%から90%以上**に上がりました。情報量を減らしたら精度が上がった、これがDeepSeek設計の本質です。 --- ### 4章: 実例 — 議事録・図面・仕様書をどう扱うか 3ステップを具体的な書類に当てはめます。 **議事録** 打ち合わせの議事録は、ボイスメモから自動文字起こし。そのままAIに渡さず、必ず「決定事項」「アクション」「リスク」の3項目に圧縮してから保存する。これは Claude Code に1回プロンプトを組めば自動化できます。 **図面** 図面PDFを全部AIに読ませてはいけない。代わりに**ファイル名のルール**を決める。 例: `[物件名]_[種別]_[階数]_[版数].pdf` このルールでファイル名を付けておけば、AIは中身を読まなくても、ファイル名だけで「この問い合わせはどの図面を見るべきか」を判断できる。これがインデクサーの代わりになります。 **仕様書** 300ページの仕様書を全部読ませる代わりに、最初に1回だけAIに**問い合わせポイント表**を作らせる。「この章は何について書かれているか」を1行で要約させて、目次を作る。 実際の質問が来たら、まずこの目次を見て、関係する章だけを読む。これだけで、回答精度が変わります。 --- ### 5章: 大手ゼネコンに勝つための1つの鉄則 最後に、この20分で一番伝えたい1点をお話しします。 **大手ゼネコンは「全部読める」リソースを持っています。** **中小建設会社は「読むべきところだけ読む」設計で勝つしかありません。** これはDeepSeekがOpenAIに対してやったことと、完全に同じ構図です。 人員1/40でも、設計で勝てる。 予算1/100でも、選別で勝てる。 中小建設会社が大手と同じやり方でAIを入れたら、必ず負けます。情報量で殴り合えないからです。でも、**「何を捨てるか」**という設計で勝負したら、十分勝てる。 これがDeepSeekの設計が、中小建設会社の経営者にとっての希望である理由です。 --- ## CTA (1個に絞る) 「もし、自分の会社で『情報を圧縮・選別する設計』を作りたいけど、どこから手をつければいいか分からない、という建設会社の経営者の方は、**概要欄から30分の無料診断**を申し込んでください。3000時間の経験から、あなたの会社のデータを見て、どの3つから着手すべきかを直接お伝えします。」 --- ## 既出動画との被りチェック - **角度の違い**: N1(ChatGPT vs Claude)は「どのAIを選ぶか」の話、N2(社長の脳みそ移植)は「全自動化」の話。本動画は「**リソース制約下のAI設計戦略**」という別軸。モデル選定でも自動化でもなく、**情報設計**の話に絞っている。 - **独自性**: DeepSeek V4 という直近のAI業界ニュースを、建設業のAI戦略に翻訳できるのは、Naoki の「元現場代理人 × Claude Code 3000時間 × 中小建設特化」の三軸が揃っているから。AI Searchチャンネルは技術解説止まり、建設業に降ろせる人は他にいない。 --- ## 真似しないリスト適合チェック - [x] 「やばい」「えぐい」「まじで」未使用 - [x] 「ま、」「え、」未使用 (撮影時に間を取って撮る前提で書いた) - [x] B2B経営者層に刺さる語彙 (リソース制約、設計、選別、層別、鉄則) - [x] 冒頭15秒チェックリスト3つ以上クリア: - 数字: 「OpenAIの1/40」「3000時間」 - 否定/危機感: 「他人事ではありません」「絶対に勝てない」 - 行動指示: 「社員数を頭に浮かべてください」 - 時代節目: 「2026年5月」 - 権威投下: 「元現場代理人12年 × Claude Code 3000時間 × 実案件」