Scraps 最終更新 2026/10/01 22:30

#AIエージェント

@Aisha Malik /

Meta、企業向けAIプラットフォームをリリース、MongoDB元CEOを新事業リーダーに据える

  • Metaが企業向けAIプラットフォームをリリースし、MongoDB元CEOを新事業リーダーに据えた
  • Meta Enterprise PlatformとMuseなどのAI技術スタックを企業向けに提供、MongoDBのCJ Desaiが新事業を率いる
  • 企業向けAIサービスの展開が進み、MetaのAI投資の収益化が狙い

@TechCrunch Events /

企業がAIを導入した際の実際の状況をAnthropic、Gamma、Clayが語る

  • 企業向けAIの導入後、ユーザーが予期しないワークフローに組み込まれる
  • AIデモは成功しても、実際の運用で信頼性や問題解決力が問われる、ユーザーが予期しない使い方をした際に成果が検証される
  • 企業向けAIを売るのは難しい。実際のワークフローに組み込まれるかどうかが成功の鍵となる

@Dominic-Madori Davis /

MAVI、AIブームで新しい種類の会計士の需要に賭ける

  • MAVIはAIスキルを持つグローバルな会計士を迅速に採用するサービスを提供
  • AIを活用した会計業務と、グローバルな人材の採用・管理を支援、中級〜上級レベルのポジションに焦点
  • AIによる業務自動化が中級レベルの人材不足を悪化させ、企業はAIを活用した判断力を備えた人材を必要としている

@Connie Loizos /

祖父をだまされた後、この創業者が行動を起こす

  • DetectifAIがAI詐欺を防ぐスマートフォン内での音声検出技術を提供
  • スマートフォンOSに直接組み込むコンパクトなAIモデルと、クラウドではなく端末で処理する仕組み
  • 詐欺防止のための技術を電話メーカーに販売し、金融機関で既に運用中で10万件以上の通話を処理している

@kanzawa_kentaro /

【自社開発1年目】「チーム経験ゼロ」の27歳元営業が、ダイレクト出版でAIを使い倒し本番コードを書くエンジニアになるまで

  • 未経験のエンジニアが1年でFEとBEを経験し、コードの責任感を身につけた
  • 仮想PJでTypeScriptとGoを使ったアプリ開発、実務で画像アップロードAPIや決済処理、AIを活用したコード作成
  • 1文字のコード変更がユーザーに大きな影響を与えることを実感し、責任あるコード書く重要性を学んだ

@Ivan Mehta /

Modulate、音声モデルと分析ツールのプラットフォーム向けに2500万ドルを調達

  • Modulateは音声モデルと分析ツールのプラットフォームを開発し、2500万ドルを調達した
  • 小規模モデルを用いた音声認識、感情分析、ディープフェイク検出、AI音楽検出、ポリシー遵守を提供、複数のモデルを組み合わせて運用
  • 企業が音声通話の成功・失敗を評価する際の詳細なデータを提供し、AIの応答品質を確認できる

@rana_kualu /

【JavaScript】Promise.resolveはPromiseでないオブジェクトもresolveするしそのせいで脆弱性がたくさんある

  • JavaScriptのthenable仕様がセキュリティ脆弱性の原因となり、SafeResolveプロポーザルが導入されている
  • thenメソッドの存在でthenableと判定され、Promise.resolveが解決する仕様。SafeResolveではユーザコード実行の可能性を確認し、非同期ジョブで解決する
  • Promise.resolveがthenableを解決する仕様はセキュリティリスクがあり、SafeResolveで解決処理を非同期化することでメモリ破壊系の脆弱性を防ぐ

@カノン@Zenn /

RX 5500 XTからV100S×4まで、4台の計算機でローカルLLMを測り比べた話

  • 4台のGPUでローカルLLMの性能を測定し、pp512とtg128の差が主な指標となった
  • pp512は行列演算器の有無で、tg128はメモリ帯域で差が決まる。V100SはHBM2でtg128が速く、RDNA4はVulkanの方がROCmより速い
  • pp512は行列演算器の有無が重要で、tg128はメモリ帯域の効率が鍵。マルチGPUは容量拡張に有効で、ベンチマークと実運用の差に注意が必要

@anms /

AIは便利な部下から「権限を持つ部下」へ―企業が今すぐ見直すべきAIエージェントのセキュリティ7原則

  • AIエージェントのセキュリティを強化する7つの原則が提示された
  • 最小権限、読み取りと実行の分離、高リスク操作の人間承認、すべての操作ログの残し、AI用IDの分離、緊急停止ボタン、定期的な権限見直しが含まれる
  • AIに与える権限を厳しく管理し、操作ログを残し、緊急停止手段を確保することが重要である

@shahin0809 /

Teams の GitHub Copilot が「コンテキストを読む」ようになったので、全部試してみた【2026年9月アプデ】

  • GitHub CopilotがTeams/Slackでチャットコンテキストを読めるようになった
  • 画像・転送メッセージ・スレッド履歴を読み取り、モデル切り替え機能が追加された
  • リポジトリ設定ミス時に自動で切り替えが可能で、画像解析は再送が効果的

@Masato Namiki / 並木 正人 /

「AIに質問する」から「AIに仕事を任せる」へ ~ OpenClawで自分専用AI Agentを動かしてみた

  • OpenClawでAIエージェントを構築し、ファイル分類・要約を自動化する仕組みを試した
  • WorkspaceとSkillで処理手順を定義し、Automationで自動実行可能に、Toolの利用制限と実行権限を設定
  • Skillに判断基準を定義する際はLLMの判断とHarnessのルールを分離する必要があり、Token使用量とバックグラウンド処理の管理が重要

@BATONZ Tech Blog /

Claude Codeでテスト設計を自動化した話 ― Coworkのartifactから移行して、テスト設計を2時間に

  • Claude Codeでテスト設計を自動化し、テスト設計時間を2時間に短縮した
  • 仕様と実装コードの差異検知、テスト観点の網羅性確保、プロンプトの抽象度向上
  • プロンプトの精度向上には個別例の追加より抽象度の高い判断基準の設定が効果的

@yasufumi-tsunaki /

業務アプリを解析してOJT教材をAIに作らせた話

  • 業務アプリを解析してAIにOJT教材を生成し、新人が業務コードをスムーズに理解できるようにした
  • 業務アプリの構成・ライブラリ・データフローを解析し、学習観点と制約を定義してAIに仕様書とサンプルコードを生成
  • 業務コードと教材の構成を揃えるためには人が制約を明確に定義し、AIに生成を任せることで効率化できる

@タックルマン@日本○学 /

AWS AIP-C01 難易度を、180分75問の資格勉強の計画に落として数えてみた

  • AWS AIP-C01試験は180分75問で、5分野の配点に応じた学習計画が必要
  • 試験時間180分、出題75問(採点65問)、5分野の配点31%・26%・20%・12%・11%、実装と統合が17問、基盤モデルの統合とデータ管理が20問
  • 5分野の配点に応じて学習時間を割り当て、最初の2週間は重い分野に集中するべき