【Vol.24】AIエージェントは「作る」から「運用する」フェーズへ — 50体を捌く設計と統制
はじめに こんにちは。株式会社リアルインベントCTOです。 ここ数日、AIエージェントに関する話題が立て続けに流れてきました。Toyota North America が50体超のエージェントを本番稼働させているという事例、Google Cloud の「統制こそがスケールの最大の壁」という調査結果、そしてランサムウェア集団が攻撃側でAIエージェントを運用していたという事件です。 バラバラのニュースに見えますが、並べてみると1本の線がはっきり通っています。論点はもう「エージェントを作れるか」ではなく、「何体も安全に運用し続けられるか」に移ったということです。 本記事では、この3つを材料...
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
公開ベンチマークのスコアはそのまま比較に使えるのか？同じLLaMA 65BのMMLUが63.7と48.8に割れている
Hugging FaceとEvalEval Coalitionが、22,000超のモデル・2,200のベンチマークにまたがる229,000件の評価結果を1か所に集約しました。そこで露わになったのは、同一モデル・同一ベンチマークでもスコアが63.7と48.8に食い違うという事実です。ベンダー提示の点数をどう扱うべきかを整理します。
続きを読む →
リリース間隔が4〜6週から毎週へ短縮した事例で、AIエージェントにどこまで任せてどこに人を残すべきか？
Hugging Faceが自社ライブラリのリリース作業をAIで自動化し、4〜6週に1回だったリリースを毎週1回に、人手のレビューを数時間から約15分に短縮したと公表しました。1回あたりのAI利用コストは約0.25ドル。自社サービスの利用事例という利害関係も含めて、中小企業が持ち帰れる設計思想を整理します。
続きを読む →
パラメータ1.5Mから34.5MのOCRモデルは、自社の帳票読み取りを内製する道具になるのか？
PP-OCRv6は3パラメータ規模で展開されるOCRモデル群です。社内ベンチマークの精度数値は参考になりますが、導入判断に必要な推論速度・ハードウェア要件・ライセンス・日本語精度が記載されていません。本記事は精度の読み方と、自社の帳票で測定すべき項目を整理しました。
続きを読む →