【図解】AI・ChatGPT・RPA・iPaaS・n8n…業務自動化の言葉が多すぎる！66 製品を 6 役に例えたら、1 枚の工場イラスト図になった
- 業務自動化の66製品を6つの役割に分類し、それぞれの特徴を説明した
- ChatAIは指示を出す役割、AIエージェントは実際に手を動かす役割、RPAは決められた動きを繰り返す役割、iPaaSはシステム間のデータ受け渡しを管理する役割
- 接続口の有無で選ぶべき手段が決まり、失敗時の対応は設計と委任状で管理する必要がある。
#生成AI・LLM
LLMの回答の認知負荷を下げる魔法のフレーズ
- LLMの回答を平易な言葉で説明する方法が紹介された
- 専門用語の使用を避けてわかりやすくする手法、用語（解説）の形式で平易な言葉の解説を付ける
- 専門用語の解説を付けることで理解が深まる。専門用語の使用を避けることで誰でも理解できるようになる。
AIを使って回路図面を自動読み取りする
- AIを用いて回路図面を自動読み取りする技術が提案されている
- コンポーネント検出にはYOLOv8、接続検出にはアルゴリズムとセグメンテーションが使われ、VLMと統合されたパイプラインも存在する
- Image2Netの再現ではNEDが論文の0.116から0.585まで悪化し、アルゴリズムの構築が難しいことが示されている
NVIDIAはGPUだけではない！～Agentic/Physical AIからAI Factory、パートナー戦略まで
- NVIDIAはGPUだけでなく、AIエージェントや物理AI、デジタルツイン、モデル、インフラまでを一貫して提供している
- Agentic AIではNeMoとNIM、Physical AIではOmniverseとCosmosを活用し、CUDA-XライブラリとNCCLでGPU間通信を最適化する
- AI開発ではGPU性能だけでなく、ネットワークやデータ処理、モデル選定が実務で重要になることを意識する必要がある
GitHub EnterpriseにおけるCopilotの統制：AI ControlsとManaged Settings
- GitHub EnterpriseでCopilotの利用を統制するAI ControlsとEnterprise managed settingsが提供されている
- AI Controlsは機能のオンオフ、Enterprise managed settingsは権限・プラグイン・MCPサーバーの詳細設定が可能
- MCPサーバーの許可リストを設定する際、allowedMcpServersを空配列にすると既定サーバー以外をブロックできる
今さら聞けない「ローカルLLM」知っておきたい5つの基本
- ローカルLLMは自分のPCで動かす大規模言語モデルの使い方を説明している
- モデルのサイズ（8B/30Bなど）、量子化（Q4_K_Mなど）、実行ツール（Ollama/LM Studioなど）を組み合わせて選ぶ
- モデル選定は用途とPCの性能を考慮し、小さめのモデルから試すことで負荷や品質を確認する
AIに営業プロセスを一周させた（2）議事録を確度つきの事実に分解する
- 議事録を確度つきの事実に分解する仕組みが導入されている
- 確度は確認済・推定・未確認の3値で、推定を確認済に格上げしない。矛盾は併記し、温度感の欄に根拠を記載する
- 未確認事項を明示することでAIの誤判断を防ぎ、実務での判断材料となる。矛盾は上書きせず併記する。
AIに作らせたコードを、まっさらな環境で動かしてみた
- AI生成コードをクリーン環境で動かすと68.3%が成功したが、再現実験では4本中4本が一発で動いた
- 依存の三層モデル（Dc/Dw/Dr）と、Python/JavaScriptのプロジェクト成功率が比較されている
- 依存のギャップよりコードのバグが失敗の主因で、テストを書くことで改善できることが示されている
Ox Alpha の正体は Z.AI の GLM だった。無料期間に手元で使ったトークン量
- Ox AlphaはZ.AIのGLMシリーズだった
- トークナイザーの一致率95%、運用層のエラーコードがGLM系と一致
- 無料期間に1,710万トークンを使ったが、プラットフォーム全体の42兆トークンに比べて微々たる量だった
生成AI（Gemini）使いこなしの技術（序章）
- Geminiを活用した生成AIの使い方をステップバイステップで解説する連載が開始される
- AIチャットの基本操作、ペルソナ設定、プロンプト事前設定、コンテンツ生成、データ処理・分析の各テーマが掲載されている
- 各回のテーマは業務効率化やコンテンツ生成に直結する実践的な内容で、Geminiの機能を活用した具体的な操作が紹介されている
強いAIを2つ使えば安くなる？ Claudeを司令塔、Codexを実装担当にするトークン効率化
- ClaudeとGPT-5.6を組み合わせたAIチームで開発ループを構築する方法が紹介されている
- Claude Fable 5が計画レビュー、GPT-5.6 Solが実装担当、Claude Opus 5が予備ワーカーとして機能する
- 実装中のトークン消費を抑えるためのモデル間連携手順が具体的に記載されている
Vision Pro縮小、Mac Studio 4台で4.8TB/s、音楽3大レーベルが生成AIに出資（2026/08/26）
- アップルがVision Proチームを縮小し、スマートグラスへリソースをシフト、Mac StudioでローカルLLMを実行、音楽3大レーベルが生成AIに投資
- Vision Proチームのレイオフ、Thunderbolt 5上のRDMAで4.8TB/sのメモリ帯域、ソニー・ユニバーサル・ワーナーが生成AI企業に出資
- ローカルLLMの実行が可能になり、機密データを扱う業種でのAI導入前提が変わる、音楽レーベルが生成AIの条件交渉に参入
AIが普及した今「AIっぽくない」アウトプットが求められる
- AI生成物が普及し「AIっぽさ」が見抜かれるようになった
- 物理法則の矛盾、既視感のあるタッチ、抽象的な挿絵がAIっぽさの判定基準
- 画像や資料の修正には手作業が必要で、挿絵は別途用意するべき
コードが書けなくても「秘書」化 ――Claude Codeを173日使った非エンジニアの話から見えるもの
- Claude Codeは非エンジニアでも使いやすく、CLAUDE.mdやSkills、MCPで定型業務を自動化できる
- CLAUDE.mdで判断基準を記述、Skillsで作業手順をパッケージ化、MCPで外部ツールと連携
- コード生成の精度は未熟で、人間による最終チェックが必要な点に注意する
YANS2026参加報告
- 高齢者音声認識と多言語音声合成の改善手法が発表された
- 高齢者音声の誤り率低減にデータ拡張とマルチタスク学習、訛り低減にニューロン抑制を採用
- 音声認識精度向上と多言語合成の自然さ向上が実証されており、実務での応用が期待される
AIの思考ログは、暗号化されているから安全ではなかった
- Claude Codeのログに暗号化された推論が19.6MB積まれていた
- signatureつきのthinkingブロック5,419件、最大318,492文字のブロック
- 公開ログからAPIキーなどの認証情報が復元可能で、ディスクに積まれたログを確認する必要がある
AIの提案が一般論ばかり返ってくるのは、こちらが一般論しか渡していないからだと思う
- 生成AIの出力が一般論になるのは、コンテキストが不足しているから
- 前提・制約・評価基準・出力形式の4要素を明示しないと、AIは一般論を返す
- 出力が曖昧なら、どの要素が抜けているかを特定して補うことで改善できる
「AIステップ解説」、β期間の学びを経て正式版へ （あわせて特許の取得）
- AIステップ解説がβ版から正式版へリリースされ、特許を取得した
- 生成AIによる段階的解説と選択肢提示の仕組み、教科ごとの品質検証
- 教科追加にはモデルの品質確認が必要で、コスト管理も重要
「AIの民主化」を日本で言い出した身として、そろそろ本当に「民主化」をやめたい話
- AIエージェント時代には「AIの民主化」が成立しなくなった
- AutoML時代の1対5の生産性差がエージェント時代には1対100〜1000に拡大し、30点のプロトタイプと80点以上の運用システムのギャップが生じている
- 30点のエージェントは自己責任で使うべきで、80点以上の品質を確保するには専門家によるガバナンスが必要
コンテキストエンジニアリングの最新事情— GraphRAGとOKFを実際に動かして整理してみた
- GraphRAGとOKFの比較検証で、知識グラフの構築と管理の課題が明らかになった
- GraphRAGは自動抽出でノード分裂とコスト増大、OKFはシステム前提のページ名固定で概念分裂を防ぐ
- OKFは既存システムの構造を活用するが、関係性の判断は6割未満で人間の修正が必要
