テキスト生成系AIと著作権問題

日本の新聞社関連
米国の新聞社関連
カテゴリー: 生成系AI | テキスト生成系AIと著作権問題 はコメントを受け付けていません

テキスト生成系AI-医師試験関連記事

日本の医師国家試験関連記事
米国の医師国家試験関連記事
カテゴリー: 生成系AI | テキスト生成系AI-医師試験関連記事 はコメントを受け付けていません

「product innovation視点から見た19世紀におけるタイプライター」に関する生成系AIの回答

「19世紀におけるタイプライターの製品開発はどのような意味でproduct innovationであったのかを、経営学的視点から考察した結果を教えてください。」という問いに対する回答例
 

生成系AIからの回答の紹介に際して、一部表現を修正してある。
19世紀におけるタイプライターの製品開発はどのような意味でproduct innovationであったのかを教えてください。ただし回答は日本語でお願いいたします。

ChatGPT Plus[使用言語モデル:ChatGPT4.0]の回答例1
 
Microsoft Bing AI[使用言語モデル:ChatGPT4.0]の回答例1
19世紀におけるタイプライターの製品開発は、product innovation(商品開発)という観点から見ると、以下のような意味があったと考えられます。

  1. これまでになかった革新的な製品を開発することで、世の中に新たな価値を提供した。タイプライターは、手書きや印刷に代わる新しい文書作成の方法を提案し、ビジネスや教育などの分野で広く利用された¹。
  2. 製品の生産・流通のプロセスに革新を起こすことで、生産性向上・コスト削減による利益拡大を図った。タイプライターは、様々なメーカーやモデルが競争し、技術やデザインの改良が進んだ。また、販売や修理などのサービスも整備された²。
  3. 新たな市場へ参入して販路・消費者を開拓した。タイプライターは、当初は主にアメリカやヨーロッパで普及したが、その後はアジアやアフリカなどの地域にも輸出された。また、女性や子供などの新たな顧客層も獲得した³。

以上のように、タイプライターの製品開発は、経営学的視点から見ると、プロダクトイノベーション・プロセスイノベーション・マーケットイノベーションの3つの要素を含んでいたと言えます。

ソース: Bing との会話 2023/6/20

(1) 商品開発 – Wikipedia. https://ja.wikipedia.org/wiki/%E5%95%86%E5%93%81%E9%96%8B%E7%99%BA.
(2) プロダクトイノベーションとは?事例や実践手法について解説. https://products.sint.co.jp/ideagarden/blog/product_innovation.
(3) 第20回:製品開発のプロセス・組織 ・パフォーマンス. https://ocw.u-tokyo.ac.jp/lecture_files/eco_02/8/notes/ja/J_ba2_8.pdf.
 
Perplex AI Pro[使用言語モデル:ChatGPT4.0]の回答例1
Perplex AIは、WEB検索(WEBクロール)の結果を基にした回答を作成するというproduct designになっている結果として、オリジナルのプロンプトでは「経営学的視点から考察するための情報は見つかりませんでした。」という回答になった。そのため、オリジナルのプロンプトから「経営学的視点から考察した結果を」という語句を取り除いて回答を求めた。

https://www.perplexity.ai/search/5db3a1f9-a15e-45e3-b33e-652aef6be3d9?s=c

 
Google Bard [利用言語モデル:PaLM2(Pathways Language Mode2)]の回答例1
19世紀におけるタイプライターの製品開発は、経営学的視点から見ると、以下の点でイノベーションであったと言えます。

 
  1. タイプライターは、手書きに比べて文字の作成速度を大幅に向上させました。これは、ビジネスの効率化に大きく貢献しました。
  2. タイプライターは、手書きに比べて文字の美しさや正確性が向上しました。これは、ビジネスの信頼性向上に大きく貢献しました。
  3. タイプライターは、手書きに比べて女性でも簡単に文字を作成できるようになりました。これは、女性の社会進出に大きく貢献しました。
 

このように、タイプライターの製品開発は、ビジネスの効率化、信頼性向上、女性の社会進出など、さまざまな面で大きなイノベーションをもたらしました。

 
カテゴリー: タイプライター, 事例分析, 生成系AI, 生成系AIの回答例 | 「product innovation視点から見た19世紀におけるタイプライター」に関する生成系AIの回答 はコメントを受け付けていません

情報公共論2023/6/14課題-設問2

 2023/6/7小テストの設問2に関する解答を提出した方は、「レポートの下書き」より下の赤字となっている部分を、自分が提出したレポートの文章に置き換えなさい。
2023/6/7小テストの設問2に関する解答を提出していない方は、下記のプロンプト文をそのまま使いなさい。

—– 以下、ChatGPT3.5(ChatGPT無料版)に与えるプロンプト —–

大学の授業で、下記のようなレポート課題が出されました。その課題に対して下記のようなレポートを作成しました。大学における課題レポートに求められる要件を満たしているかどうかのチェック、および、より良いレポートにするためのアドバイスをお願いいたします。

###
レポート課題

OSSのソフトウェアは、PDS(Public Domain Software)とは異なり、ソフトウェアに関する著作権が著作権者に残されている。OSSがPDSとは異なり、著作権を放棄せずcopyleft的対応をする理由は何かを考察しなさい。

###
レポートの下書き

OSSのソフトウェアは、PDSとは異なり、ソフトウェアに関する著作権が著作権者に残されています。これは、OSSがPDSのように著作権を放棄せず、コピーレフト的な対応をする理由はいくつかあります。

OSSは、著作権者の意図を尊重するためです。OSSの著作権者は、自分のソフトウェアが自由に利用され、改造されることを望んでいます。そのため、著作権を放棄せず、コピーレフト的なライセンスを選択することで、自分の意図を実現しようとしています。
OSSは、著作権者の権利を保護するためです。PDSは、著作権が放棄されているため、誰でも自由に改造することができます。しかし、改造されたソフトウェアが著作権者の権利を侵害する可能性がある場合、著作権者は訴訟を起こす必要があります。そのため、OSSの著作権者は、コピーレフト的なライセンスを選択することで、自分の権利を保護しようとしています。
OSSは、OSSコミュニティの利益を守るためです。OSSは、多くの人々によって開発され、改造されています。そのため、OSSコミュニティの利益を守るためには、著作権者の意図を尊重し、著作権を保護することが重要です。コピーレフト的なライセンスは、これらの目的を達成するのに役立ちます。
このように、OSSがPDSとは異なり、著作権を放棄せず、コピーレフト的な対応をする理由はいくつかあります。これらの理由は、OSSが世界中で広く普及している理由の一つです。

参考文献
リチャード・ストールマン著「自由ソフトウェアとは何か」
Free Software Foundation公式サイト
Open Source Initiative公式サイト

—– 以上、ChatGPT3.5(ChatGPT無料版)に与えるプロンプト —–

カテゴリー: 情報公共論, 授業課題, 生成系AI | 情報公共論2023/6/14課題-設問2 はコメントを受け付けていません

情報公共論2023/6/14課題-設問1

2023/6/7小テストの設問1に関する解答を提出した方は、「レポートの下書き」より下の赤字となっている部分を、自分が提出したレポートの文章に置き換えなさい。
2023/6/7小テストの設問1に関する解答を提出していない方は、下記のプロンプト文をそのまま使いなさい。

—– 以下、ChatGPT3.5(ChatGPT無料版)に与えるプロンプト —–

大学の授業で、下記のようなレポート課題が出されました。その課題に対して下記のようなレポートを作成しました。大学における課題レポートに求められる要件を満たしているかどうかのチェック、および、より良いレポートにするためのアドバイスをお願いいたします。

###
レポート課題

プログラム・ソフトがOSS(Open Source Software)である」ということの中には、ソースコードのOpen化という条件を満たすこと以外に、どのような条件を満たすことが必要であるのかを説明しなさい。

###
レポートの下書き

OSS(オープンソースソフトウェア)であるプログラム・ソフトは、ソースコードのOpen化という条件を満たすこと以外に、以下の条件を満たす必要があります。

 変更および改良を許可する。
 改良されたソースコードを再配布する際には、同じ条件を継承する。
 著作権表示を維持する。
 無保証とする。

これらの条件を満たしていないプログラム・ソフトは、OSSとは認められません。

参考文献
https://opensource.jp/osd/osd17/

—– 以上、ChatGPT3.5(ChatGPT無料版)に与えるプロンプト —–

カテゴリー: 情報公共論 | 情報公共論2023/6/14課題-設問1 はコメントを受け付けていません

テキスト生成系AIシステムに関する経営技術論的構造分析-WEB検索エンジンとの差異を中心として

WEB検索エンジン・プログラムとテキスト生成系AIエンジン・プログラムとの構造的差異
  1. 異なる文章表現間の同一性・関連性・差異性を、「literal(逐語的)なレベル」で捉えるWEB検索エンジン・プログラム vs 、「文章表現のパターンやコンテクストなど文章表現の内的構造というレベル」においても捉えるテキスト生成系AI
  2. WEB検索エンジン・プログラムは、検索キーワードの意味を、同義語・類義語・略語に関する辞書データベースを用いて、異なる文章表現間の同一性・関連性・差異性の度合いに関する「判断」処理作業をおこなっている。すなわち、異なる文章表現間の同一性・関連性・差異性を、literalなレベルで「判断」している。

    例えばGoogle検索において、同義語や類義語に関する辞書データベースを利用していることは[1]や[2]の特許情報に示されている。

     

    これに対して、生成系AIシステム・プログラムは、大量のデータから学習して「大規模言語モデル」(Large Language Models、LLM)を創り出して、様々な「判断」処理をおこなっている。すなわち、異なる文章表現間の同一性・関連性・差異性を、literalなレベルだけでなく、文章表現のパターンやコンテクストなど文章表現の内的構造というレベルにおいても「判断」している。

     

    例えば、大規模言語モデルの構成要素の一つには、「(ある特定のコンテクストにおいて)ある特定の単語の次に、どのような単語がどの程度の出現確率で登場するのか?」という単語出現確率に関するデータベースがある。また実際の生成系AIシステムにおいてどこまで実装されているのかは明確ではないが、文章のパターンやコンテクストを対象として、直喩(simile)、隠喩(暗喩,metaphor)、換喩(metonymy)、提喩(synecdoche)、諷喩(allegory)などの「比喩」表現的構造という視点から同一性・関連性・差異性の「判断」処理をおこなうことも研究されている。

     
  3. 生成系AIの事前訓練に用いられたデータ、および、生成系AIがテキスト自動作成に利用するデータの「質」問題
  4. テキスト生成系AIシステムの事前訓練に用いられたデータ、および、テキスト自動作成に利用するデータとしては、著作権者の許諾を得たデータはさほど多くはないと思われる。大部分のデータは、public domainのデータであると思われる。
     生成系AIの回答の精度を規定している要因の一つは、著作権の法的保護期間内にある良質なデータを大量には利用できていないことにある。
     
  5. 「事実と価値」、「事実と推測」の区別を基本的には持たないinput-outputシステムとしての、テキスト生成系AI
  6. テキスト生成系AIシステムも、基本的には input – processing unit – output構造で理解可能と思われる。

     現行のテキスト生成系AIシステムは、inputデータの中に、「事実」言明と「価値」言明の区別、「事実」と「推測」の区別をメタデータとして持つような設計には基本的にはなっていない。(そうした区別構造を持つ生成系AIシステムを技術的には考えられるが、現行のテキスト生成系AIシステムのハードウェア能力的問題[高精度化と高速化の相反的関係も含む]や、「価値」判断に関わる倫理的問題[どのような「価値」を優先させるのかも含めて、「価値」判断に関しては多様な考え方があり、社会的に広く一致・共通している点もある程度は存在するが、それほど多くはない。]などから実装することは、誹謗中傷的言明・人種差別的言明・犯罪助長的言明など一部の例外を除き、現段階では基本的にはされてはいない。)
     また学習(training)として、最初に与えられたinputデータを、外部的な「事実」データ群との一致・不一致によって「事実」データと「非-事実」データ(推測、物語、空想など)に区分する学習や、言明の信頼度を算出するような学習をさせるような製品設計にはなっていない。すなわち、「事実」言明と「価値」言明の区別、「事実」と「推測」の区別といった差異構造を事後的に内部的に持つような設計には基本的にはなっていない。

  7. 「事実」的内容に関わるユーザーからの質問に対する回答の生成に対する製品設計(Product design)の差異-なぜChatGPT3.5は「明治大学経営学部の学科構成はどのようなものですか?」などといった事実に関する問いに対して、まったく誤った回答をするのか?
  8. 「事実」的内容に関わるユーザーからの質問に対する回答に関して、ChatGPT無料版(ChatGPT3.5)はまったく誤った回答をすることがよくある。こうしたことが原因となって、「生成系AIシステムの回答は信頼できない。」という一般的印象が生み出されている。
     しかしながらChatGPT無料版(ChatGPT3.5)の回答の信頼性の低さに関して、「現行の生成系AIシステム技術それ自体の構造的限界を示している」という理解はあまり適切ではない。欠陥に起因するというよりも、に対する一般的な懐疑の
    信頼度の高低に関するテキスト生成系AIの判定法
    生成系AIシステムも、基本的には input – processing unit – output構造である。それゆえ、processing unitによる処理プロセスにおいて、「信頼度が高いデータ」群を明示的に指定することによって、より信頼度の高い回答を出力するように設計することはできる。例えばPerplexity AIがChatGPTよりも信頼度の高い回答を生成する確率が高いのはそうした設計になっているためと思われる。なおChatGPT4もオプションのBrowse with Bingオプションを選択することでより信頼度の高い回答をするような設計になっている。

    「なぜChatGPT3.5は下記WEBページのOpenAI LP(2023)「明治大学経営学部の学科構成はどのようなものですか?」などといった事実に関する問いに誤った回答をするのか?」といった趣旨の問題に関しては下記のPerplexity AIによる2023/6/8回答ChatGPT4.0による2023/6/8回答が参考になる。
     ただしChatGPT4.0による2023/6/8回答に挙げられている要因だけでは、「明治大学経営学部の学科構成」に関して間違った回答をするのかを説明はできない。
    「明治大学経営学部の学科構成」に関して間違った回答をする理由に関する説明の正確性・信頼度に関しても、Perplexity AIの方がChatGPT4よりも高い。

     なお本問題については佐野正博(2023)もご参照ください。

     
カテゴリー: 生成系AI, 生成系AIの回答例 | テキスト生成系AIシステムに関する経営技術論的構造分析-WEB検索エンジンとの差異を中心として はコメントを受け付けていません

生成系AI利用教育、生成系AI対応教育

教育分野における生成系AIの活用法に関する生成系AIの「回答」
教育分野における生成系AIの利用法・活用法に関して、生成系AIそれ自体がどのように「回答」しているのかを下記に示します。
 
教育分野における生成系AIの不正利用対策に関する生成系AIの「回答」
生成系AIの不正利用対策に関して、生成系AIがどのように「回答」しているのかを下記に示します。
  1. ChatGPT無料版(ChatGPT3.5)による「回答」1-「生成系AIだけでは解けず、自分で調べさせたり、自分で考えないと解けないような問題」
    https://chat.openai.com/share/575c3d88-0926-4c5a-b062-dbf4c45604e1

  2. ChatGPT無料版(ChatGPT3.5)による「回答」2-オンラインによる多肢選択式問題テストにおける対応策
    https://chat.openai.com/share/b681b272-191e-40b6-aac3-93ad14c68514
 
大学の研究・教育における生成系AIの活用法に関する生成系AIの「回答」
  1. ChatGPT無料版(ChatGPT3.5)による「回答」
    https://chat.openai.com/share/5ac0be11-4130-4e43-b856-dcb2dd417475
 
教育分野における生成系AIの利用法・対応法に関するWEB記事
 

関連事項

  1. 兵庫教育大学(2021)「「学び」の深層①ー「学び」には新旧2種類あるー」兵庫教育大学 教職大学院 教育実践高度化専攻 教育方法・生徒指導マネジメントコース
    https://ksm.hyogo-u.ac.jp/327/

    伝統的な「学び」における「教えない教育」としての、「守破離」-
    機械学習における「教師なし学習」、「教師あり学習」との対応関係が興味深い
カテゴリー: 生成系AI, 生成系AIの回答例 | 生成系AI利用教育、生成系AI対応教育 はコメントを受け付けていません

生成系AIシステム作成文書の検出方法

生成系AIシステム作成文書の検出方法
 
カテゴリー: 未分類 | 生成系AIシステム作成文書の検出方法 はコメントを受け付けていません

テキスト生成系AI

テキスト生成系AIシステム
 
[Perplexity AI関連参考記事]
 
本サイトにおける生成系AI関連項目
 
テキスト生成系AIシステムの利用法説明サイト、利用例
YouTube動画

レポートの採点

以下のレポートを10点満点で評価して下さい。

###
問題文:

###
評価観点:

###
主力形式:
採点結果:
フィードバックコメント:

###
レポート:

Bloomのタクソノミー

 
テキスト生成系AIシステム(その他)
 
生成系AIシステムの総合的性能の向上に関わる基本的要因
  1. ハードウェアー「より高い計算精度、おり高い計算速度」(両者は技術的に相反的)
    (GPU性能,CPU性能,メモリの量・読込速度性能・書込速度性能など)

  2. ソフトウェア-「より優れたアルゴリズム・学習モデル、より大規模でより優れた言語モデル」
     
  3. データセットの質と量-「より良質なデータ、より大量のデータ」
     
  4. 学習(Training)の質と量-「より適切な学習、より大量の学習」
言語モデルのパラメータ数による性能比較
表:大規模言語モデル(GPT-3.5/4のパラメータ数は推定)
言語モデル リリース日 開発元 最大パラメータ数
GPT-3 2020年6月 OpenAI 1750億
GShard 2020年6月 Google 6000億
Swich Transformer 2021年1月 Google Brain 1.57兆
悟道(WuDao)2.0 2021年6月 北京智源人工知能研究院 1.75兆
HyperCLOVA 2021年11月 LINEとNAVER 390億
Gopher 2022年1月 DeepMind 2800億
日本語GPT 2022年1月 rinna 13億
GPT-3.5 2022年3月 OpenAI (推定)3550億
PaLM 2022年4月 Google Reserch 5400億
GPT-4 2023年3月 OpenAI (推定)5000億~1兆

[表の出典] 梅田弘之(2023)「GPTで始まる大規模言語モデル時代」2023/6/1
https://thinkit.co.jp/article/22084

 

各言語モデルに関して、Wikipedia英語版の”Large Language Model”(https://en.wikipedia.org/wiki/Large_language_model)の中のList of large language modelsにより詳細な紹介がある。

 
 
[参考資料]
  1. Exam results (ordered by GPT-3.5 performance)
    https://openai.com/research/gpt-4

  2. 梅田弘之(2023)「GPTで始まる大規模言語モデル時代」2023/6/1
    https://thinkit.co.jp/article/22084

  3. 櫻井章雄(2022)「世界で開発が進む大規模言語モデルとは(前編)~日本語に特化した汎用的な大規模言語モデルの紹介~」NTTデータ先端技術株式会社ホーム>コラム>人工知能(AI)
    https://www.intellilink.co.jp/column/ai/2022/070800.aspx

  4. 櫻井章雄(2022)「世界で開発が進む大規模言語モデルとは(後編)~日本語に特化した汎用的な大規模言語モデルの紹介~」NTTデータ先端技術株式会社ホーム>コラム>人工知能(AI)
    https://www.intellilink.co.jp/column/ai/2022/072800.aspx

  5. 河原潤(2023)「グーグルの生成系AI「Bard」が日本語に対応、大規模言語モデルをPaLM2に刷新」IT Leadrs, 2023年5月11日
    https://it.impress.co.jp/articles/-/24806

  6. API経由でのOpenAI LP社の各言語モデル別の利用価格一覧
    https://openai.com/pricing#language-models

  7. masa_kazama(2023)「ChatGPTに自社データを組み込んで新しい検索体験を模索してみました」2023年3月3日
    https://note.com/masa_kazama/n/n246df4af19f6

  8. 岡田直樹(2023)「社内文書に特化したChatGPT ファインチューニング実践編」2023/5/22
    https://www.brainpad.co.jp/doors/knowledge/01_chatgpt_fine_tuning_internal_documents/

  9. Gigazine(2023)「対話型AIを教育現場のサポート講師として活用する試み」GIGAZINE、2023/3/22
    https://gigazine.net/news/20230322-ai-tutor/

  10. Shion Honda, Hidehisa Arai(2022)「AI開発の新たなパラダイム「基盤モデル」とは」2022/7/4
    https://blog.recruit.co.jp/data/articles/foundation_models/

  11. Maruyama Fujio(2023「AIは意味をどのように 扱っているのか? — ChatGPT の不思議」2023年1月16日、最終更新日時2023年3月27日
  12. ブレインパッド(2023)「大規模言語モデル(LLM)のエンジン:データセットの解説」Platinum Data Blog, 2023/6/2
    https://blog.brainpad.co.jp/entry/2023/06/02/163008

  13. サイバーエージェント(2023)「サイバーエージェント、最大68億パラメータの日本語LLM(大規模言語モデル)を一般公開 ―オープンなデータで学習した商用利用可能なモデルを提供―」2023年5月17日
    https://www.cyberagent.co.jp/news/detail/id=28817
 
カテゴリー: 生成系AI | テキスト生成系AI はコメントを受け付けていません

ソニーの初代カセット・ウォークマン(1979)に対する「ニーズ」

ソニーのカセット・ウォークマンは、1979年7月に第1号機が発売開始されて以来、生産・販売終了の2010年3月末までの約30年間に約2億2千万台が売れた。
 
 しかしながら、1979当時、初代カセットウォークマンの事業化・販売開始に反対の声も強かった。
 
 テーブレコーダー事業部長としてカセット・ウォークマンの製品開発を指揮した大曽根幸三(元ソニー副社長)氏は、「社内の営業販売部門や系列販売店が認めてくれなかった。発売は決まったのに「録音できないテレコなんて売れるわけがない」とけなされ続けた。市場に受け入れられないことを調査で実証しようという動きももあった。四面楚歌でつらかった」(「街の風景が違って見えた日 1979年7月1日 ウォークマン発売」(昭和史再訪)『朝日新聞』2009年12月5日夕刊 5ページ、東京本社)と証言している。
 
 そのことは、ソニーの社史(下記WEBページ)でも紹介されている。
 
 
 
このように、初代カセット・ウォークマンの販売開始に当たって、ソニー社内の営業部門や系列販売店が否定的で、「録音できないテレコなんて売れるわけがない」とけなされた。
実際、初代カセットウォークマンは、販売開始当初は、下記のようにあまり芳しい売れ行きではなかった。
 
1979年6月22日。ソニーから「新製品の発表がある」という通知を受けた雑誌記者たちは、東京・銀座のソニービルに集まった。ビルの前にはバスが用意され、バスの中で、彼らの手にヘッドホンの付いた小さなカセットテープレコーダーのような「新製品」そのものが渡された。代々木公園に到着すると、ソニー側からの挨拶の後、「お渡しした機械の再生ボタンを押してください」というアナウンスがあった。ヘッドホンからは、音楽とともに新製品「ウォークマン」の商品説明がステレオで流れた。

 ヘッドホンの音に集中するマスコミの人たちの前では、「ウォークマン」とプリントされたお揃いのTシャツを着た宣伝部のスタッフやアルバイトの男女学生が、ウォークマンを思い思いに楽しむデモンストレーションを続ける。

 ヘッドホンから声が流れる。「ご覧ください。若い2人はタンデム(2人乗り自転車)に乗ってウォークマンを楽しんでいます」。記者の目の前を、ウォークマンを付けた男女の若者がタンデムに乗って楽しそうに走り抜けて行く。

 記者たちは、新製品の概要を知ると同時に、実際にヘッドホンから流れる音を聴き、目でも確かめていた。“ウォークマン”「TPS-L2」。ヘッドホン再生専用、手のひらサイズのステレオカセットプレーヤーで価格は3万3000円。いつでも、どこでも、自分の好きな音楽を、ステレオで好きなだけ楽しめるという。

 ヘッドホンを外してみれば、何のアナウンスも聞こえない静かな発表会だった。記者たちは、この変わった新製品発表会の「意外性」に、驚きの表情を見せていた。

 しかし、マスコミ紙面の反応は冷ややかだった。新聞はほとんど無視、載せても本当に申し訳程度の記事である。7月1日に予定どおり発売したものの、7月が終わってみると、売れたのはたったの3000台程度だった。
[出典]前掲WEBページ

 
 上記のように1979年7月1日販売開始の一ヵ月での販売台数は約3千台にとどまった。しかしながら下記に記載したように、しばらくして売れ始め、8月末までには初回生産台数3万台が売れた。その結果として「品切れ店続出という状態が6ヵ月間も続いた」とされる。
 
 大々的なテレビCMを展開することはなかったが、こうした工夫をこらした広告・宣伝活動は見事に当たり、評判は口コミで広がっていった。初回生産の3万台は8月いっぱいで売り切れ、今度は生産が追いつかなくなってしまい、品切れ店続出という状態が6ヵ月間も続いた。「こんな録音機能のないものは……」と否定的だったのが嘘のように、「早くくれ、早く」とあちらこちらから嵐のような注文が来る。
[出典]前掲WEBページ
カテゴリー: 事例分析 | ソニーの初代カセット・ウォークマン(1979)に対する「ニーズ」 はコメントを受け付けていません