パーソナルジムの属人的なLINE対応を、店舗の仕組みに変える「FollowUp AI」
パーソナルジムでは、セッションの外でも顧客支援が続きます。食事画像が届く。体重の報告が来る。仕事が忙しくなり、返信が途切れる。こうした変化に気づけるかは、担当トレーナーの経験と記憶に左右されます。 私たちが作ったFollowUp AIは、LINEとセッション記録から顧客の変化を捉え、「今日、誰に、なぜ、何をするか」を提示するトレーナー向けプロダクトです。大切にしたのは、AIに顧客対応を任せきらないことです。トレーナーが根拠を確認し、自分の言葉で対応します。 担当顧客を一枚の表に並べ、総合・モチベーション・目標への進み・食事・トレーニングから対応順を確認できる アジェンダ 【課題の...
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
大きいモデルほど早く力尽きるのか？ 5体のAIを「エネルギー経済」に置いた実験で最大モデルが平均5.2ラウンドで停止
トークン生成に「エネルギー」の値段をつけ、ゼロになったら停止する環境に5体のLLMエージェントを置いた研究です。最大モデルは平均5.2ラウンドで停止し、小型モデルは30ラウンド全生存。議論と記憶を外したときの劣化も含めて、中小企業のAI運用設計に何が読めるかを整理します。
続きを読む →
音声AIは「総合点1位」で選べるのか（7次元すべてで上位5位に入った製品はゼロ）
音声AIを7つの能力次元で実測したベンチマークで、全次元で上位5位に入ったシステムは1つもありませんでした。読み上げ・対話・聞き取りで選ぶべき製品は変わります。訛りへの弱さは製品間で+2.15ptから+8.04ptまで開き、感情の絶対識別は最高22.7%にとどまります。中小企業の選定基準を整理します。
続きを読む →
画像生成AIが「毛の生えたタコ」を描けないのはプロンプトが下手だからか — LLM評価80.0→93.0が示す構造的な原因
指示した珍しい特徴を無視して無難な絵しか出てこないのは、担当者のプロンプト力ではなくモデル側の常識バイアスが原因です。2026年7月公開の研究は、因果推論の考え方でプロンプトの純粋な効果だけを取り出し、LLM評価を80.0から93.0へ改善しました。再学習なしで推論時の設定だけで済む点と、その限界を整理します。
続きを読む →