人物紹介 People profile
Liam Ottleyは何者か。AIを作り、顧客の仕事で使われるところまで届ける
今回の焦点Focus
顧客の業務の特定・実装・訓練・引継ぎを、繰り返し提供できる工程にする方法を学ぶ。
AIのデモが動いた。その後、お客さんの職場では誰が使い、何の仕事が変わったのか。Liam Ottleyを観察するとき、僕はそこまで追いたいと思っています。AIで作れることを増やすだけでは、顧客の仕事に定着するとは限らないからです。
LiamはMorningside AIの共同創業者・共同CEOです。発信者でもありますが、観察したい中心は、顧客の仕事を調べ、作り、使われるところまで届ける方法。セキオラがAIを使った支援を考える際の判断材料を得たい一人です。Morningsideの公式チーム紹介
Liamは何者か
Liam Ottley（リアム・オトリー）は、AIの事業活用について発信しながら、企業向けの導入支援を行う起業家です。Morningsideの公式紹介では、Josh Brownと共同創業者・共同CEOを務め、Liamは構想・戦略・教育、Joshは運営や実装を担う説明になっています。一人で受託案件をすべて処理する人物としては読めません。創業者と役割
同ページによると、2022年末に開発スタジオとして始まった事業は、その後Morningside Groupへ広がっています。2026年10月4日の確認ではグループ全体で55人以上という紹介です。この数字は提供側の説明で、全員がMorningside AIの実装担当者という意味にはしていません。
個人の発信から、チームでの提供へ
| 時期 | 記録されていること | 学びたい判断 |
|---|---|---|
| 2022年末 | Morningsideが開発スタジオとして開始 | 顧客に引き受ける仕事の出発点 |
| 2024年11月の回顧 | 無料で詳細な提案を作る方法から、有料の探索・検証工程へ移行 | 実現可能性と提供範囲を、いつどう確かめるか |
| 2024年12月の回顧 | 同年10月にドバイからオークランドへ移り、対面で働く拠点を持ったと説明 | 時間帯や連携の問題に合わせて体制を変える |
| 2026年10月確認 | 共同CEOとチームを持ち、特定・開発・定着を一連の支援として案内 | 作る担当と、顧客が使うための支援をつなぐ |
2024年11月12日の振り返りでは、成約前に時間をかけて提案を作り込んだことを反省しています。代わりに、探索工程で試作し、難しさや実現可能性を確かめる方法を紹介しました。本人の経験であり、同じ料金や成約率を再現できる保証ではありません。僕が知りたいのは、約束する前に、わからない部分をどう小さくするかです。
同年12月18日の記事では、時間帯の違いやチームの連携を理由に、オークランドに拠点を持つ選択を説明しています。自由な働き方を発信する人でも、事業の段階によって働き方を変える。この変化を追えば、一つの理想像に人物を固定せずに読めます。
現在は、特定・開発・定着をつなぐ
Morningside AIの公式サイトは、Identify、Develop、Adoptという流れを掲げています。どの仕事にAIを使うかを特定し、実装し、職場で使うことを支える構成です。短期間で作る実演だけでなく、顧客の業務を調べる段階と、利用を続ける段階があります。現在のサービス
| 工程 | 提供側の説明 | 追加で見たい証拠 |
|---|---|---|
| Identify | 仕事を理解し、AIを使う機会を特定する | どの問題を選び、何を後回しにしたか |
| Develop | 必要な仕組みを開発し、既存の仕事とつなぐ | データや例外処理、品質をどう確かめたか |
| Adopt | 人が使えるようにし、現場への定着を支援する | 誰が利用し、導入後もどの仕事で使ったか |
AI Makeoverでは、現地に入り短期間で変化を作る提供も案内しています。日数の短さは提供側の計画であり、どの会社でも同じ成果が出る条件ではありません。AI Makeover公式
さらに本人のMini AI Makeoverの投稿では、データを使える形にし、AI用の作業環境を整え、チームを訓練する初期工程を切り出しています。ここでも僕が見たいのは、ツールの名称より、会社の材料と使う人をどんな順番で整えるかです。本人のサービス説明
僕が得たいのは、使われるところまでの設計
AIを使った支援を考えるとき、動くものを渡すことと、顧客が自分の仕事で使い続けることを分けて見たいと思っています。どこで人の判断が必要か、困ったときに誰が直すか、材料が変わったときにどう更新するか。引き渡す前に整理すべき仕事があります。
僕が試すなら、まず一つの業務を選び、現在の手順と時間、困っている箇所を記録します。小さく作った後も、担当者が実際の材料で使えるかを確かめたい。実演で一回動いたこと、現場で使われたこと、仕事の時間や品質が変わったことは、それぞれ別の確認にします。これは編集側の適用案です。
Liamからは、毎回作り込む部分と、繰り返し提供できる工程をどう分けるかも学びたい。業種もデータも違う顧客へ、何を共通化できるのか。提供範囲の説明、探索、試作、訓練、引継ぎの記録が見つかれば、制作結果と同じくらい丁寧に読みます。
発信の人数と、顧客の成果を分ける
Liamには教育やコミュニティの活動もあります。ただ、視聴者や無料コミュニティの参加者は、導入支援の有料顧客と同じ集団ではありません。大勢が見た実演から、顧客の継続利用や事業の利益まで確認できたことにはしません。
顧客事例に削減率が出てきたら、予測か実測か、どの仕事の何時間を比べたのかを確認します。導入直後の見込みを、その後に得られた成果として紹介しない。成功例だけでは見えない、導入後の利用、修正、運営の担当まで追うことが必要です。
もし僕が、受託支援より自社商品の販売を中心に考えるようになったら、商品を継続運営する作り手の比重を増やします。Liamから、顧客の使い方や提供工程を追えなくなった場合も対象を補います。今は、AIを作る能力を、顧客が使える状態へ変える方法を学ぶための一人です。
具体的な仕組みの採集：Mini AI Makeoverが先に整えるもの。Liamの観察記録を読む。
確認日：2026年10月4日。チーム構成・提供範囲は現行の公式説明、過去の選択は本人の2024年の回顧です。導入効果を独立に実測したものではありません。学びたい問いと適用案は編集側の考察です。