LLMにすべてを任せない、「美容医療 AI相談」の設計と実装（バックエンド編）
トリビューでCTOをしている小尾（@obiyuta）です。 弊社では2026年7月、美容医療アプリ「トリビュー」にAI相談機能をリリースしました。前回のフロントエンド編では、LLMの仕事を、どの画面部品に何を表示するかを指定するJSON（テンプレートJSON）の出力までに絞り、画面の組み立てと実データの取得はフロントエンドが担う設計をご紹介しました。 今回はバックエンド編です。バックエンドも考え方は同じで、LLMにすべてを任せるのではなく、任せる範囲や役割を明確に設計しています。LLM・API・RAGの役割分担からガードレール設計までを題材に、安全・品質・コストをどれも犠牲にしない構造に...
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
高価なGPUなしでAIは動くか — CPUだけで32BモデルをまわすPolyQの実測
社外に出せないデータをAIに処理させたい場合、自社の機械で動かす必要があります。2026年7月公開の研究は、GPUを使わずCPUだけで大きなモデルを動かす手法を、ノートPCを含む3種類の機械で実測しました。数字と、中小企業にとっての現実的な線引きを整理します。
続きを読む →
AIに設計業務を任せると成功率は何%か — 56.8%から88.6%に上がった条件
構造設計をAIに任せる研究で、汎用のまま使うと成功率56.8%、業務の手順と道具を整えると88.6%まで上がりました。差を生んだのはモデルの賢さではありません。製造業・建設業でAI導入を考えるときに、どこに手を入れるべきかを整理します。
続きを読む →
社内文書をAIに探させるのに、大きなモデルは必要か — 18分の1の規模で戦えるという報告
社内文書の検索にAIを使う場合、最上位のモデルでなければ話にならないと考えがちです。2026年7月公開の研究は、17億パラメータの小さなモデルをスマートフォン上で動かし、最大18倍の規模のモデルと競合したと報告しました。中小企業にとっての現実的な読み方を整理します。
続きを読む →