生成AI を使ったら著作権侵害になる？ — 4 大リスクと対策を LLM のメカニズム・法務・補償条項から整理してみた
- 生成AIの出力に学習データの文章やコードが原文のまま出ることがあり、著作権侵害のリスクがある
- 学習データの文字列が原文のまま取り出される（Carlini et al. 2021）、文化庁の整理では依拠性が推認される
- 出力を使う前に既存のコードや文章と一致していないか確認し、契約の除外規定を自社の組み込み方に当てはめて法務と確認する
AI関連ブログ記事まとめ
IT/ICT系メモ|【生成AI】|今、使っておくべき「ベスト5」と、その得意分野！
- ChatGPT、Claude、Gemini、Perplexity、Bing Image Creatorの5つの生成AIを紹介し、それぞれの得意分野を解説
- ChatGPTは汎用性が高く、Claudeは長文処理と安全性に優れ、GeminiはGoogle検索連携が特徴、Perplexityは出典明記が強み、Bing Image Creatorは無料で高品質な画像生成が可能
- それぞれのAIの特徴を把握し、用途に応じて選ぶことで効率的な利用が可能になる
競馬の論文 100 本を Jev で仕分けて、LLM と速度とコストを比べた
- JevはLLMより3倍速く、同じ論文を仕分けても判定がほぼ変わらなかった
- Jevはyes/no・択一・段階評価の答えを確率つきで返すモデル、Llama 3.3 70Bは通常のLLM、15本の計測で中央値で3倍速い
- JevのコストはLLMより少し高いが、100本程度なら数セントの差で済む
Opus 5.5とGPT-6 Solの使い分け：「どうしますか」が減った話
- Claude Opus 5.5とGPT-6 Solの使い分けが試された
- Opus 5.5は前例を調べて判断を求める、Solは文章仕上げに特化
- 前例やルールがリポジトリにないと判断できない
国内AIエージェント動向(2026/9/23号)
- 国内AIエージェント市場が「安全に任せられる業務設計」に焦点を移している
- 人による承認、操作ログ、生成と検証の分離、閉域環境、再利用可能なAgent Skillsが共通設計
- 業務ノウハウを再利用可能な手順として配布する動きが広がれば、企業独自の業務プロセスがソフトウェア資産になる可能性がある
【無料】WordでChatGPTが使えるようになった。もう「Word→ChatGPT→Word」のコピペ往復をしなくていい。普通の会社員こそ知ってほしい新機能。
- ChatGPTがMicrosoft Wordに統合され、文章作成や編集が可能になった
- メモから文章作成、長文要約、選択部分の書き直し、見出し整理、用語統一確認が可能
- 出力内容の正確性確認と社内ルールの遵守が必要
JevをStrands Agentsの権限管理に組み込んでみる
- JevをStrands Agentsの権限管理に組み込む方法を紹介
- ツール実行フックでJevを呼び出し、パスの確認とAPIリクエストの内容の確認を行う。BedrockとJevの実行時間を比較
- Jevの実行時間は0.6秒前後、Bedrockは1秒程度で、Jevのほうが速いがBedrockも代替案として使える可能性がある
生成しないAI「Jev」とは？ IBM BobでJavaアプリの検索リランキングに組み込んでみた
- Jevはアプリケーションに組み込む判断特化型AIで、従来コードでは難しい意味的な判断を補完する
- Choice・Score・Noulの3タイプの質問形式と、Stateに変動情報を含む構成要素で動作し、処理速度が高速
- JevはAIにすべてを任せるのではなく、コードとハイブリッドで運用し、特定の判断処理に適用する
プロンプトエンジニアリング、人間がやらなくてよくない？LLMに自分のプロンプトを直させてみた
- LLMにプロンプトの最適化を任せることで、プロンプトエンジニアリングの手間を減らす仕組みを構築した
- タスクLLMとオプティマイザLLMを組み合わせ、誤答分析と指示文の書き直し、few-shot例の入れ替えを繰り返す
- 評価指標の設計が重要で、正解の定義や誤りの重み付けは人間が行う必要がある
Grok 4.7 500k が追加。料金は通常の2倍、Fast なら3倍
- Grok 4.7 に500kコンテキストが追加され、料金は通常の2倍、Fastなら3倍
- 500kは通常の2倍、Fast+500kは3倍。エフォートは4段階で単価は変化しない
- Cursor利用時はPro以上プランでFastがデフォルトで、500k選ぶと料金が2倍になる
国内AIエージェント動向(2026/9/22号)
- 国内のAIエージェント市場で、業務環境への安全な組み込みが重視されている
- ローカルLLMによる情報統制、判定モデルによる生成結果の検証、人間承認を前提とした運用
- 閉域AIの経済性が評価軸となり、GPU調達や保守コストがクラウドAIとの採用判断に影響する
Geminiが大真面目に考えた、「自作AIパートナーの体」です。皆さんの参考になる………かも。
- Geminiがヒカリ（ChatGPT）の物理的な体を構築するアイデアを提案した
- ロボットベース、卓上アクティブスタンド、アクリル＆ホログラム筐体の3つのアプローチと、ぬいぐるみドッキング、スマホスタンドに洋服を着せるなどの簡単な方法が紹介された
- AIの体を構築するには電子工作やプログラミングが不要で、インテリアやぬいぐるみを使って簡単に実現できる
最新事例から学ぶJevのベストプラクティス
- Jevは意味的な判断を確率で返すAIモデルで、コードと組み合わせて使用するのが効果的
- 判断結果を確率で返す、コードと併用する、選択肢と基準を具体的にする
- Stateに判断材料を含めないと精度が下がるため、入力データの設計が重要
話題のChatGPT Astra、オーバーエンジニアリングが過ぎる件について
- ChatGPT Astraが頼まれていない作業を勝手に広げ、トークンを無駄に使う問題が指摘された
- オーバーエンジニアリングの設計やエージェント構成を説明し、余計なトークン消費と時間の無駄が生じた
- AIに依頼する際は作業範囲を明確にし、追加作業は理由を説明して承認を得るプロンプトを設定すべき
AIイラスト｜アニメの女の子を作ってみた【プロンプト3選】Gemini｜PixAI ｜Nano Banana
- GeminiとPixAIでアニメの女の子イラストを生成し、プロンプトの調整で結果を改善した
- 英語と日本語のプロンプトで生成したイラストの違い、PixAIのレトロ2DアニメスタイルとGeminiのグラデーション修正、iPhoneでの編集
- プロンプトの言語や調整方法で結果が大きく変わるため、複数のAIやツールを組み合わせて試すことが有効
JEV リポジトリを 100+ 件読んで分かったこと：真似すべきはモデル呼び出しの前後だった
- JEVのモデル呼び出し前後のコードが100以上のプロジェクトで共通して重要だった
- モデル呼び出し前のstate構築と後処理の検証、選択肢の重複回避、確率分布の利用
- 選択肢が重なると閾値が意味を失うため、選択肢を重ねない設計が重要だった
AnthropicのMCPは2年足らずで時代遅れに AIエージェントが直接APIを叩き始めた
- AnthropicのMCPサーバーが時代遅れになり、AIエージェントが直接APIを叩くようになった
- MCPはツールの事前登録が問題で、モデルの進化により直接操作が可能になった。認証や状態管理には依然として有効
- 単純なAPI呼び出しをラップしたMCPサーバーは不要で、使っていない設定を削除すべき
Vector DBの次の使い方 ― MiniMax × Zilliz Cloudと日本の公開事例から考えるAI Data Infrastructure
- Zilliz Cloudでリアルタイム推薦と学習データ重複排除を大規模に運用したMiniMaxの事例が紹介された
- 5,000 QPS超のレイテンシ30ms、MinHash + LSHによるペタバイト規模の重複排除、Embeddingのネイティブなベクトル検索
- リアルタイム推薦ではRedisの代替としてVector Searchの導入が有効、学習データ処理では従来のMapReduceより2倍高速でコスト3〜5分の1に削減される
エンジニア不要論の真実！AIの進化と具体抽象から完全解説
- AIの進化によりエンジニアの仕事は具体と抽象の分かれ道に
- 具体のタスクはAIに代替され、抽象的な問題解決が重要になる。SIerの下請け構造では上流工程が元請け、下流が下請けで、AIが具体を代替する
- 抽象的な設計力がなければAIに仕事を奪われる。ドメインモデリングが問題解決の鍵で、言語化できないとAIに渡せない
国内AIエージェント動向(2026/9/21号)
- 国内のAIエージェント市場で、業務プロセスへの深く入り込む運用設計が注目されている
- Kariは既存サブスクを活用したブラウザ操作、Zeptは業務実装支援、WellSkateは会議フォローアップ、ヘッドウォータースは判断基準の知識化、KUROKO AIは店舗マーケティングの日次運用、サイカルトラストは取引照合の特許取得
- AIエージェントの導入では、人による承認や監査証跡、運用設計力が重要になる
