AIジェネレーター不再是终点：完整的一件事，这才是真正的価値

作成日2026-09-24|更新日2026-10-02|AI思考

|総文字数:5.4k|読む時間:21分|閲覧数:

AI生成器不再是答案：真の価値は「一連の作業を完了する」ことにある

二つの出来事が同時に進行している。 一方では、成都のIT系カンファレンスである云栖大会（China Computing Conference）で、WonderClipが「スクリプトupload→クリップ分割→素材準備→一括生成」という流れをシームレスなパイプラインとして展示した。もう一方では、单一のポイント生成ツールは次第に価格を上げにくくなっている。モデルプロバイダーが生成能力を自社製品に標準装備し、一般的なAgentがポイント的な機能をワークフローに統合し、オープンソースモデルがAPI価格を限界まで押し下げる——この三重の圧力が重なり合い、AI製品が従来持っていたわずかな価値が急速に毀損されつつある。

この二つの動きを比較すると、重要な分岐点が浮かび上がる：生成能力は急速にcommoditization（商品化）が進んでおり、に残るビジネス上の深い価値は、完整的なワークフローへと移行しつつある。 この移行には三つの同時進行が必要だ——対象をFileからJobへ引き上げ、資産をPromptからSkillへアップグレード、壁障をモデルからビジネス資産へと移す。下面分别详细说明。

一、最も作りやすいAI製品こそ、最も値下げを強いられる

生成AIの登場以降、市場に出回る多くの製品は同じ構造で説明できる：

入力をuploadし、モデルを選択し、生成ボタンをクリックし、結果を受け取り、downloadする。

文案作成ツール、画像生成ツール、動画編集ツール、翻訳ツール、音声合成ツール、コーディングツール——这些都是经历过同样阶段的。

こうしたproductsには確かに価値がある。特にAIモデルが登場したばかりの頃、ユーザーがまだその活用方法を知らない段階で、モデルを一つのボタンに封装（パッケージング）することは、それだけで十分に価値があった。

だが、こうした层面的価値はあくまで薄いものにとどまる。

モデルベンダーはますます多くの機能をネイティブ製品に直接組み込み始めており、汎用ツールは単点能力を 끊임없이吸収し、オープンソースモデルとAPIの価格は継続的に下落していく。Gartnerが2025年に発表したAI向けハイプ・サイクルでは、生成AI全体が「幻滅の谷（幻滅期）」に配置され、2026年には企業の40%がアプリケーション内にタスクレベルのAIエージェントを組み込むようになると予測されている。2025年の5%未満から考えると、文字通り桁違いの跳躍だ。基盤となる生成能力はデフォルト設定として吸収されており速度は大半の獨立した製品のイテレーションよりも速い（出典：Gartner、2025-08-26プレスリリース；Haritha Khandabattu & Birgi Tamersoy、2025-06-11レポート）。第三方アナリストは、さらに今後12～18개월でパイロットと本番環境の間に明確な沟ができると指摘している（出典：buildingcreativemachines.comの解説、方向的参考）。この2つ合わせると伝えているのは同じシグナルだ：単点ジェネレーターの「プロダクト・ウィンドウ」が狭まっている。

もしある製品の主要な障壁が「モデルをボタン一つに包み込んだもの」だけでしかないなら、粗利益率と 가격 결정権は継続的に 압박을 받게 될 것이다。

WonderClip が注目に値するのは、生成を生産チェーンに戻した点にある

WonderClip は、Alibaba Cloud（阿里云）が2026年に正式リリースしたフルチェーン型AIGC映像創作プラットフォームで、9月のyunqi（雲栖）期間中には「鏡仔 Agent」とSkill Studioオープンパワーユーザー会も合わせてローンチされた（情報源：新浪财经、2026-05-21；腾讯新闻によるyunqi現地レポート、2026-09-22）。会場でデモストレーションされたメインワークフローは以下の通り：

Upload the script → Review the breakdown → Prepare the assets → Generate in bulk

このメインワークフローを軸に、Storyboard、Canvas、Skill Studio、アセット管理、プロジェクトコラボレーション、バージョン管理といった機能が展開されている。

それぞれを取り出すと特別なものはない。しかし、これらが組み合わさることで、初めて生産システムとして機能し始める。

映像創作の実際の作業決して「動画モデルを一回呼び出す」だけの話ではない。

三、製品は「ファイル」から「ジョブ」へ

画像生成ツールは本質的に「画像」を中心オブジェクトとし、视频生成ツールは「動画」を中心オブジェクトとする。

しかし、ユーザーがソフトウェアに対価を支払うとき、本当に実現したいことは「ファイルを得る」ことではない。

EC事業者が実現したいのは、1つのCampaignの完遂である。広告代理店が実現したい的是客户への成果物納入である。コンテンツチームが実現したい的是、継続的に发布可能な素材束の作成である。映像チームが実現したい的是、後続のプロダクション流程に進めるショットの完成である。

したがって、AI产品在走向商业化时、中心オブジェクトは「ファイル」から「ジョブ」への移行が必要である。

以电商内容为例。

もし製品対象が「画像」だけ이라면、機能はどうしても背景、サイズ、生成、ダウンロードといった範囲に限定されてしまいます。

しかし対象がCampaignに変更 되면、システムにはBrand、SKU、Market、Audience、Platform、Creative Strategy、Variants、Review、Distribution、Performanceといった要素を漏れなく把握する必要があります。

这两種の製品のビジネス深度は一切異なります。前者は結果を、后者は業務運営能力卖给顧客ています。

かつて、ある越境ECチームに対して評価を実施したことがあります：彼らは元もと4套の単点生成ツールを導入しており、年間サブスクリプション費用は決して少なものではありませんでした。しかし、各SKUが新しい 시장에参入するたびに、プロセス的手順をやり直す必要があり、膨大な手作业が発生していました。その後、核心となる製品を كاملة Campaign対応システムに移行することを提案しました。ツールのサブスクリプション費用はむしろ上涨しましたが、人件費によるプロセス遂行時間が削減されたため、1四半期でコストが償却されました（機密保持案例、口径：示意性・方向性であり、対外開示可能な正式データではありません；ベースライン／比較対照／時間枠／サンプル規模はNDAにより非公開）。この事例から得られた最大の教训は、AI製品の対象がその天井を決定するということです。

四、EC AIが本当に飲み込めるのは、Creative Operationsだ

あるビジネスオーナーが1つのSKUを持ち、アメリカと日本の市場に同時に参入し、TikTok、Meta、YouTube Shortsで配信を行うケースを考える。

表面的なAIツールが提供する機能は、製品の切り替え、翻訳、ナレーション、字幕生成、サイズ変更、视频生成だ。

もちろん这些都是有用的が、ビジネスオーナー自身がそれらを連携させる必要がある。

より完全なシステムは、目標から始めるべきだ：

Product / SKU → Market → Campaign Goal → Creative Strategy → Hooks → Scripts → Shots → Variants → Review → Publish → Performance → Next Round

这样一来、AI的价值就不再是「私のために20本の動画を生成してくれ」ことにある。

真的价值在于：

検証済みで効果的なクリエイティブを保ちながら、商品とブランドの一貫性を維持しつつ、複数の国に迅速にローカライズできるのか；

一度に十分な数のバリエーションを生成し、广告チームのテスト量を实质的に増やすことができるのか；

商品のロゴやパッケージのテキスト、色がモデルによって勝手に変更されないことを保证できるのか；

異なる広告プラットフォームのフォーマットとコンプライアンス要件を自動的にチェックできるのか；

配信結果をシステムにフィードバックし、次のラウンドのクリエイティブを実際のデータから始めることができるのか。

この段階まで達成できれば、製品は「AI Video」の域を超えて、より Creative Operations System や Creative Testing Engine に近いものになります。

だからこそ、機能が複雑に見えるツールの方が安定した年間契約を締結できるのです。顧客が購入しているのは生成機能本身ではなく、運用の仕組みです。

五，真正的壁垒会从模型迁移到业务资产

この構成において、モデルは確かに重要ですが、モデルのみが唯一の障壁になるのは難しいでしょう。

長期的な価値を形成する可能性の高いのは、以下のような業務資産です。

Product Fidelity（商品忠実性）：商品はモデルによって随意に変更されてはいけません。Logo、パッケージ、色味、構造などを確実に維持する必要があります。この 점이確保されていなければ、どれほど優れた生成結果であっても本番環境に適用できません。

Brand Context（ブランド文脈）：ブランドの口調、ビジュアル規範、使用禁止表現、ターゲット層、既存のアセットなどをすべて再利用可能は Context として蓄積する必要があります。一回一回重新に描述するのは避けべきです。

Workflow（业务流程）：Brief から完成映像，再到投放まで安定したプロセスを確立し、チームが引き継ぎや再利用をできるようになります。

Skill（スキル）：異なるプラットフォーム、国、 Vertical 別の制作手法を構造化して蓄積し、新規メンバーが 착手해도遠回りしないようにします。

コンプライアンス（法令遵守）：広告法、プラットフォーム規約、文字比率、极限表現などの要件を自動検証でき、一回でも配信却下を避けることができれば、それだけでコストを取り戻せる。

パフォーマンスデータ（効果データ）：どのHook、どのクリエイティブ、どの市場、どのターゲット層が実際に有効なのかを把握し、广告投放の実態フィードバックをコンテンツ制作にフィードバックする。

こうしたアセットが蓄積されるほど、次の producción サククルは速くなり、、安定感も増す。こうして初めて、複利効果が生まれる。

モデルは 바뀌지만、顧客自らのブランドアセット、コンプライアンスルール、制作プロセス、パフォーマンスデータは変わらない。これはより深いロックインであり、オープンソースやAPIだけで轻易に崩せない壁でもある。

反例と限界（必読）

この判断が成立するケースは2つの限界を抱えている。以下降記，免得一刀切的な誤用を招く：

单点生成器在小团队 / 低频 / 垂类仍能赚钱。単一機能ジェネレーターは小規模チーム・低頻度・ニッチ分野でも依然として収益化できる。3人スタジオで1つの用途のみ、月間わずか50本のコンテンツを制作する場合、汎用SaaSによる「摩擦コストの節約」が「導入コスト本身」を下回るため、単一ツールの方が適切である。対象をJobに移すことはスケール化和商業化への指向であり、早期MVPの指向ではない。
Anthropic、OpenAI、Mistral 这一层是反例。Anthropic、OpenAI、Mistral この層は反例である。これらの企業が販売しているのはモデル本身であり、壁壁は事前学習の規模＋データ＋算力＋トップ研究者の密度にあり、本稿で論じている「アプリ層製品の壁壁」とは同一战场上ではない。「モデル即ち壁壁」という点はトップモデルメーカーにおいては依然として成立するが、アプリ層产品在学習しても實現不可能であり、学習すべきでもない。
“业务资产 lock-in” 在客户组织能力薄弱时也撑不住。「ビジネス資産 lock-in」は顧客の組織能力が脆弱な場合においては維持できない。顧客にコンテンツ運用チームがなく、バージョン管理規律がなく、广告プラットフォームからのデータフィードバックがない場合、SkillライブラリやPerformance Dataが蓄積されてもメンテナンスする者がいない——《この場合、製品はまず顧客の組織能力を構築手伝いをし、その後に資産蓄積の話に進むべきである》。

WonderClipのSkill Studioが見逃せない理由

WonderClipがリリースしたSkill Studioは、プロンプト管理の新しい形として注目に値する。

これまではチーム内で散在必だった「prompt」のベストプラクティスを、配布可能なSkillモジュールとして体系的に整理できるのだ。このアプローチは、2025年10月にAnthropicが提唱したSkillsプロトコルに完全に合致している（出典：Anthropic Engineering Blog、2025-10-16、Equipping agents for the real world with Agent Skills；同年12月18日にオープン標準としてagentskills.ioで公開）。

Anthropic公式のSkill定義は「instructions、scripts、resourcesを含むフォルダであり、progressive disclosure（段階的開示）を活用して必要に応じて読み込む」というものだ。その中核にあるのは「プロンプトをコンテキストに詰め込むのではなく、段階的に情報を開示する」という考え方である。

まず、中国のAIアプリケーションの文脈では、成熟したSkillは通常、ビジネスチームによってさらに深いレベルへと拡張されます。企業にSkillライブラリを構築してきた経験から、本番環境で安定的に出力できるTikTok UGC Skillは、一般的に以下のフィールドをカバーしています（業界典型的な構成であり、単一ベンダーの標準ではない）。対象プラットフォームとフォーマット、ターゲット層、スクリプト構造、Hookルール、ショット提案、商品真正性要件、ブランド禁忌、利用可能モデル、素材選択ルール、字幕要件、出力サイズ、品質チェックポイント、人工レビュー环节。

Amazon向けのMain Image Skillはまた異なるルールセットを持ちます：メイン画像の占比、白背景の要件、文字禁忌、サイズ仕様、各洛伊ットの差異、バリエーション生成戦略などがそれ含まれます。

これらのフィールドを構造レイヤーに分解し、私たちが企業に構築を支援してきたシステムに落とし込むと、Skill = Context + Constraints + Examples + Tools + Model Routing + Workflow + Verificationの7要素になります（IAIUSE操作フレームワーク、Anthropic Skillsはその基層プロトコル）。ここで境界線を引く必要があります：

Skill 自体の定義（Anthropicプロトコル層） = instructions + scripts + resources + progressive disclosure
Skillプラットフォーム層（企業/SaaS内製） = Model Routing（タスクに応じたモデル選択）+ Workflow（実行フロー）+ Verification（品質チェック）——この3層をプロトコル層の上に配置することで、ようやくSkillを企業環境で本格的に運用できるようになる

モデルのアップグレード後もSkillには 여전히価値がある。Skillが表現しているのは業務の手法そのものであり、単に現在のモデル向けのプロンプト文字列ではないからだ。

だからこそ、私は「どれだけのPromptテンプレートを蓄積したか」をあくまで補助的な製品指標と見なすようになっている。真注目すべきは、チームが業務プロセスを実行可能で、再利用でき、検証可能なSkillライブラリとして蓄積できているかどうかだ。

七、AI製品のUIも「モデルコンソール」の域から脱却すべき

多くのAI製品のインターフェースは、本質的にモデルコンソールのような構造をしている。左にパラメータ、右に入力を配置し、真ん中で生成し、下に履歴を表示する。

こうしたインターフェースはツール段階では妥当である。

しかし、製品が本格的なJob運用を軸に展开し始めると、UIも必然的に変革を求められる。

8. ビジネスモデルも変わる

единицар 生成ツールは、それ自体が единица的なCredits課金が自然な形態となる。なぜなら、各呼び出しがモデルのコストに直接紐づくからだ。

一方、完整的なWorkflow продукцияは多様な料金体系を可能にする。

Brand数、SKU数、Active Campaign数、Team Seat、Creative Batch、市場数、API呼び出し、白標機能、承認権限、自動化機能などを切り口として分别課金が実現できる。

投放と販売結果をさらに連携させることで、価値は業務成果に直接紐づけることも可能になる。例えば、GMVに応じた手数料収入や、广告ROASの增量に応じた収益分配などが考えられる。

これは、すべてのAIプロダクトが大規模プラットフォームとして構築されなければならないというわけではない。むしろ、より重要なのは、十分に狭く、かつ十分に完全なJobを選択することだ。

たとえば「跨境ECチームに向け、検証済みの広告素材を複数の市場に一括ローカライズし、継続的に次のテストバージョンを生成する」といった具体的な垂直ワークフローは、中規模SaaSの年間売上に十分な市场规模を持つことができる。

九、4業界への導入：完全なワークフローはシナリオによって異なる

完全なワークフローという判断が各業界でどの程度の開きを持つかは、実装の形態に大きく影響する。

通信：通信キャリアの真のボトルネックは決して短いコピーを作成することではなく、パッケージ切り替えの案内話术、企業向け专线ソリューション、跨境苦情対応など、「複数の社内システムを横断してデータを取得する必要がある」業務にある。真に有用的なAIツールは、CRM、BOSS、課金、工单、ナレッジベースの5つのシステムを跨ぎ、役割ごとに情報を統合して、実行可能な対応案を出力できる必要がある——単なる「客服スクリプト生成器」ではない。

金融：銀行や保険が欲しいのは「年次報告書を生成すること」ではなく、研報の下書き、融資資料の事前審査、規制当局への報告支援だ。各ステップごとに解釈可能性、監査可能性、追跡可能性が求められる。モデルが更换になっても構わないが、コンプライアンス基準、規制テンプレート、歴史的事例データベース、リスク管理ルールは引き継がなければならない。

製造：製造業におけるAIの真の価値は「見栄えの良い画像を生成する」ことにあるのではなく、MES、ERP、QMS、SRMのデータを連携させ、作業指示、ロット、設備に基づいて実行可能な工程調整、品質検査トレーサビリティ、サプライヤー協調提案を生成することにある。顧客と実施した実際のユースケースの中で、ROIが最も出やすいのは「品質検査画像認識＋不良品自動選別＋異常作業指示からの工程パラメータ復習逆引き」という闭环——モデルはわずか3割で、残り7割は作業指示システム、MESデータフロー、现场班组の協調規範が占める。

EC：EC領域でAIが最も陥りやすい罠は「より多くのクリエイティブ素材を生み出す」方向に進むことだ。だが、真に価値があるのはBrief、SKU、Market、Creative、Review、Distribution、Performanceを一つの闭环につなぎ合わせることに 있다。クリエイティブは単にその一环节に過ぎず、闭环こそが参入障壁となる。

これら四つのユースケースを並べると、一つの共通点が浮かび上がる：完全なワークフローは業界によって形態が異なるが、底層の構造は極めて類似している——オブジェクト、コンテキスト、プロセス、技能、コンプライアンス、フィードバックのすべてが欠けてはならない。

十、AIプロダクトに深みがあるかどうかを一つのシンプルな問いで見極める方法

今後、AIプロダクトを見かけた際には、まず以下の質問を投げかけてほしい：

ユーザーがこの機能を使った後、次のステップで人手による作業はまだ 무엇인가？

もし次の工程で、大量のコピー、ダウンロード、アップロード、文脈の再解釈、手作業による整形、ツールの切り替え、手動での確認と結果の記録が必要이라면、その製品にはまだ大きなWorkflowの改善余地がある。

もし製品がこうした工程を一貫してつなげられ、業務の文脈とフィードバックを維持しながら、次の生産サイクルで前回の成果物を真的に活用できる라면、まさに本格的な本番システムに近づいていると言える。

生成能力のコストは今後ますます低下していく。これは悲観的な予測ではなく、現実的な見立てだ。

本当に価値あるのは、システムが一連の業務全体を包括的に理解し、安定した精度でそれを完遂できる能力だ。

意思決定者への示唆

よくあるご質問

Q1：単一機能ジェネレーターへの投資は続けるべきか？

続けることは可能だ。ただし、捉え方を変える必要がある。初期のMVPとして位置づけ、長期的なビジネス形態とは思わないことだ。まず単一機能ツールで特定領域のリアルな需要を検証し、ROIを確立してから、Workflow型の製品に移行していこう。早期段階で「見た目の完全さ」を追求して破綻することがないよう注意が必要だ。

Q2：Skillライブラリと Promptテンプレート、一体何が違うのか？

Prompt はあるタスクを実行するための呼び出し方法で、モデルを変更すると利用できなくなります。一方、Skill は業務メソッド＋ワークフロー＋検証ルールで構成されており、モデルを変更해도”ルーティング”のやり直しだけで引き続き使用可能です。判断基準はシンプルです。もっと高性能なモデルに切り替えた後、そのまま再利用できるか否か。それができるならSkill、できなければPromptです。

Q3：モデルプロバイダーも完全なワークフローを構築できるのでは？

一部は可能です。しかしモデルプロバイダーが提供するのは”汎用基盤＋汎用ワークフロー”であり、顧客が求める”特定業界に特化した具体的なフロー”は、SaaSや企業内構築の領域です。これは、クラウドプロバイダーがデータベースを提供しても、業界特化型SaaS企業には 여전히立ち位置がある、というのと同じロジックです。

リバース自己点検

本地化のポイント（多言語翻訳対照、IAIUSE 多言語戦略・2026-08-09 合意事項）

19言語への翻訳時は、以下を目標言語市場に応じてローカライズし、構造・ビジュアルは変更しない：

中文稿内容	英文版	日文版	德文版	阿拉伯版
WonderClip（保留产品名）	WonderClip	WonderClip	WonderClip	WonderClip
阿里云（保留）	Alibaba Cloud	アリババクラウド	Alibaba Cloud	علي بابا كلاود
飞书 / 钉钉	Slack / Teams	Slack / Teams / Lark	Slack / Teams	Microsoft Teams
TikTok / Meta / YouTube Shorts（保留）	TikTok / Meta / YouTube Shorts	TikTok / Meta / YouTube Shorts	TikTok / Meta / YouTube Shorts	TikTok / Meta / YouTube Shorts

引用说明（逐条标注·来源/日付·発言者·証拠レベル・立場）

必須：各案例・データ・引用フレーズについて、出典・日付・発言者・証拠レベル・立場を逐一明示すること。「出典：xxx」のような簡略表記は認めない。

#	文中記述	出典（タイトル＋機関／著者）	发布日期	発言者	証拠レベル	立場
1	WonderClip はAlibaba Cloudが2026年に正式ローンチしたフルチェーン型AIGC動画創作プラットフォームである	新浪財経 Alibaba CloudがフルチェーンAI動画創作プラットフォーム「万鏡一刻」を発表	2026-05-21	新浪財経（Alibaba Cloud公式の引用）	検証済み事実（ベンダーローンンチ稿）	ベンダー立場——Alibaba Cloud
2	WonderClipのライブデモではメインツリー流れ＋Skill Studio＋鏡仔 Agentを実施	騰訊新聞 Wan3.0に基づき、「鏡仔 Agent」を発表——国際サイトWonderClipも同時にローンチ	2026-09-22	Alibaba Cloud ATH事業群Massビジネスライン千問AI応用プラットフォーム総監楊狄	ベンダー主張（雲栖大会現地）	ベンダー立場——Alibaba Cloud

このシリーズについて

声明：本表は執筆日時点の引用台帳であり、Gate 1 Freeze 前には変動要素（ベンダ事例データ、第三方解説の時間軸）を再確認する必要がある著者が推測に基づく主張についてはすべて本文中に口径标注（示意性／方向性／脱敏）を付しており、読者が正式な業績データと誤認することを防止している。

如果你正在评估企业 AI 应该从哪切入、哪些 Workflow 值得用 AI 重做、哪些是会被模型升级淹没的单点工具，欢迎聊聊。我们提供三类合作方式：

企业内训：1-3 天通识内训，把”AI 生成能力”沉淀成”业务运营能力”的方法论搬进你团队。
专项咨询：从 Workflow 重新设计、对象选择到度量体系，按你的具体业务做诊断和落地陪跑。
管理层分享与行业演讲：决策者闭门会、行业论坛、政府/央企数字化分享，按主办方需求定制题目。

合作邮箱：[email protected]

延伸阅读：《AI 转型七步框架》，系统讲清楚企业落地 AI 的完整路径。

「雲栖観察」は、IAIUSEが展開する産業現場シリーズだ。2026年杭州・雲栖大会を起点に、研究者の目でAI産業に今起きている現実の変化を読み解く——トレンドを追うのではなく、戦略的な方向性と根拠の強度を見极めることに主眼を置く。

当シリーズでは、モデルレイヤ之上的システム層、Agentの實際導入、Context資産、企業内AI組織設計、AI製品の競争単位の移行など、約10本のテーマをカバーする予定だ。

私はこれまで約8年にわたり、大手上場企業へのコンサルティングとビジネス分析に携わり、IBMに在籍中は通信、金融，保险、製造業向けのプロジェクトを担当した。その後、通信事業者向け製品、インターネットサービス、そしてAIアプリケーション開発の最前線に身を置き、要件定義やプロダクトデザイン、部門横断的な導入を進めながら积累了丰富的实战经验。当チャンネルの背景には、私と長年にわたる協力関係にある1〜2名の同僚による小さなチームがある。AIプログラミングツールの研究、組織統治のケース分析、コーチング対話という3つの領域を分担しており、本文中で「我々が企業と共に切り抜けてきた」と记述したプロジェクトの多くは、チーム成员が共同て手がけてきたものだ。

本シリーズの判断は、现场での観察、業界を跨いだ検証、厂商事例の匿名化を前提とした推敲に基づいている。明确的 авторская позицияを持っており、すべての判断を「検証済み事実／厂商の主張／業界動向の観察／筆者の推論」という4層に分類して标注している。特定の厂商の观点を支持하거나宣伝するものではない。

著者: Richardson

リンク: https://iaiuse.com/ja/posts/AI%E8%A3%BD%E5%93%81%E7%94%9F%E6%88%90%E3%81%8B%E3%82%89%E3%83%AF%E3%83%BC%E3%82%AF%E3%83%95%E3%83%AD%E3%83%BC%E3%81%B8