AI記事レビューの『小修正で全チェック』をやめる：変更内容から必要な検査だけ選ぶ設計
! この記事は、AIを使った記事制作の実運用で起きた問題と、実装・テスト結果を基にしています。問題設定と運用方針は著者が決め、AIが実装、検証、構成整理、本文草案を担当しました。公開前の最終判断は著者本人が行います。 TL;DR 小さな変更で全CI・全レビューを再実行せず、各チェックが依存する入力の差分から実行範囲を決める 過去のPASSは、入力と判定ルールが同じだと証明できる場合だけ現在版へ再利用する まず一つのチェックについて「何が変わったときだけ実行すべきか」を書き出し、保存と判定開始を分ける 発端：記事レビューで起きた、CIにも似た再実行地獄 きっかけは、タグの変更...
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
AIエージェントは業務を何割まで自力で終わらせられるのか（1,431タスクで58.54%）
現実業務に近い1,431タスクを集めたベンチマーク「OmniaBench」で、最高性能クラスのモデルの1回目成功率は58.54%だった。おおよそ2回に1回は失敗する水準であり、中小企業が受発注や見積をエージェントに丸投げする段階ではない。ただし工程の切り出し方次第で実用域は確かに存在する。
続きを読む →
AIに社内資料を読ませて文書を作らせると、何％が出典の辿れない創作になるのか — 2,629点の来歴監査
公式文書を与えたうえでAIに合意文書を作らせ、生成物1点ずつの出どころを監査した研究があります。原典に直接遡れたのは43.7%、一切遡れない創作が22.1%、仕組み由来のゴミが6.8%。AIに社内資料を読ませて提案書や議事録を作らせる運用に、そのまま効く数字です。
続きを読む →
本物の顔写真を使わずに、顔認証システムの優劣は比較できるのか（合成データ12件×モデル24本の検証）
ルクセンブルク大学らの研究が、AI生成の合成顔データセット12件と実データのベンチマーク7件を、学習済みモデル24本で突き合わせた。上位の合成データは実データとの相関が平均0.90に達する一方、最下位は-0.52まで落ちる。顔写真を集めずにベンダー比較ができる条件と、鵜呑みにしてはいけない境界を整理する。
続きを読む →