AIエージェント

AIの回答は正しい。でも、その出典は合っていますか

AIの回答に出典が付いていれば、安心して判断に使えるでしょうか。書かれた事実が正しくても、別の資料の情報を根拠として示していれば、判断を誤る余地が残ります。Hugging Face掲載のGetting the Source Right, N...
LLM・基盤モデル

表データ予測は、モデルを鍛える前に試せるか

顧客の解約を予測したい。けれど、使える精度になるか分からない段階で、モデルの学習や調整にどこまで時間をかけられるでしょうか。表データ向け基盤モデルは、この試行の入口を変えつつあります。Hugging Faceで公開されたNVIDIAのNVI...
AI規制・政策

AI透明性のルールに、開発者の実装知識が必要な理由

AIが作ったコンテンツの出所を明らかにする。その目的に賛成でも、実現する仕組みがオープンソースの配布条件とかみ合うとは限りません。開発者が政策に関わる価値は、このずれを具体的に説明できる点にあります。GitHub BlogのDevelope...
生成AI

OpenAIのdotsで変わる、AIへの仕事の任せ方

AIが指示を待たずに仕事を進めるとき、人はどこで判断すればよいのでしょうか。小さな改善まで毎回指示していては、担当者の時間が空くまで作業は止まったままです。OpenAIは9月29日、Introducing dotsで、継続的に目標へ向けて働...
LLM・基盤モデル

DevDay 2026、AIに任せる仕事を「一回」から「継続」へ

AIへの指示を、毎回人が出す必要はあるのでしょうか。開発現場で次に試す価値があるのは、回答の精度だけでなく、繰り返し発生する仕事をどこまで任せられるかです。OpenAIが9月29日に公開したDevDay 2026 Recapは、モデル、Ch...
LLM・基盤モデル

GPT-6.1 Solで、高性能AIを日常業務に回せるか

高性能なAIを使いたくても、毎回呼び出すには費用が気になる。その制約が緩むなら、開発現場で見直せるのは、AIに任せる仕事の頻度です。OpenAIはIntroducing GPT-6.1 Solで、コーディング、コンピューター操作、専門業務で...
AIプロダクト

生成AIの性能が横並びになるほど、差がつくのは「自社データ」

どのAIモデルを使っても似たような回答が返ってくるとしたら、企業の競争力はどこに宿るのでしょうか。Microsoft はNew Microsoft data innovations unlock what only your busines...
生成AI

AIの安全性は「学習中」に語れる対象になりつつある

完成したモデルを検査して「安全かどうか」を判定する——このやり方だけで、フロンティアAIの安全性は本当に説明しきれるのだろうか。Towards safety cases for frontier AI trainingは、この問いに正面から...
生成AI

OpenAIがオーストラリア政府に謝罪──AIベンダーの「失敗対応力」が問われ始めた

AIサービスが公共機関のシステムに影響を及ぼしたとき、提供企業はそれをどう扱うべきなのか。単なる釈明で終わらせるのか、それとも次の信頼につなげるのか。How we will do better for Australiaは、OpenAIがオ...
コラム

【週刊 AI 懐疑論 #23】生成AIが壊しているのは「文章」ではなく「評価」だ

生成AIへの懐疑論は、長いあいだ「AIの出力は信用できるか」という形で語られてきました。誤情報、もっともらしい嘘、責任の所在といった論点です。ところが今週、就職活動、教育現場、業界団体の動向という異なる領域の話題を並べてみると、疑うべき対象...