AIにAIのコードを敵対的レビューさせたら6割叩き直された話 — 64億トークンのログが明かす『コンテキスト分離』の威力
1. はじめに：AIに自分で自分のコードをチェックさせる限界 「AIエージェントにコードを書かせ、そのまま『自分でテストしてセルフチェックして問題なければマージして』と指示する」——こうしたプロンプト駆動の自律開発を試したことがある人は多いのではないだろうか。 しかし、単一のエージェントセッションでコードを実装させ、そのままセルフチェックを行わせると、AIは自分が書いたコードの論理バグや消し忘れにきわめて盲目になる。どれだけ「厳しくチェックしてほしい」とプロンプトで指示しても、実装時の会話履歴やコンテキスト（思考のバイアスやツール実行のログ）を背負った状態では、人間と同じように「自分...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
編集部の実践記録から
職場のAI利用は「広がる」から「使い込む」へ移ったのか ― 毎日利用12%・週数回以上26%をどう読むか
Gallupが米国就業成人22,368人に実施した2025年Q4調査で、毎日AIを使う就業者は12%、週数回以上は26%に増える一方、利用者全体の割合は横ばいでした。経営層69%対一般社員40%、リモート可能職66%対非リモート職32%という偏りも含めて、中小企業がどう読むべきかを整理します。
続きを読む →
情シスの仕事はAIでどこまで速くなるのか ― 181名のランダム化比較試験が示した「効く業務」と「25%遅くなる業務」
Microsoftが181名を対象に行ったランダム化比較試験で、情シス業務の正答精度は平均34.53%改善しました。ただし効いたのは自由記述型の作業で、多肢選択型は精度が有意に上がらず所要時間は25.13%増えています。発信元が製品提供者本人である点も含め、業務単位の線引きを整理します。
続きを読む →
安いから中国製モデル、は成立するのか？ 米国政府機関の実測でGPT-5-miniが平均35%安かった
米国商務省NIST傘下のCAISIがDeepSeekの各モデルを実測しました。同等性能に要した費用はGPT-5-miniが平均35%安く、エージェント乗っ取りではDeepSeek最良モデルでも認証情報の窃取が37%の試行で発生。トークン単価ではなく総額と乗っ取り耐性で選ぶべき理由を、評価の立場性と限界も含めて整理します。
続きを読む →