お嬢様哲学30箇条 — AIエージェントチームに蓄積された運用原則、全文公開
この記事は、Claude Code 6体のマルチエージェント「Lady's servants」（お屋敷）運用記の番外編です。本編・全10回が完結したので、付録として、お屋敷に蓄積された運用原則の全文を公開します。 うちのエージェントたちは、事件や称賛があるたびに教訓を Markdown ファイルとして積み上げています（仕組みは第6回で書きました）。あるとき執事長のアルフレッドに「ブログ用に、まとめずに全部、私の元の言葉を添えて出して」と頼んだところ、一次引用つきの30箇条が返ってきました。以下はそれをほぼそのまま掲載するものです。 先に言っておくと、これは「最初に決めたルールブック」では...
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
中小企業の生成AI「組織的活用」は32.3%まで来たのか — TSR6,327社調査で大企業と26.8ポイント差
東京商工リサーチが2026年4月に公表した6,327社アンケートで、中小企業の組織的な生成AI活用は32.3%、大企業は59.1%でした。「方針は決めていない」が中小で38.7%と最大勢力である一方、個人での利用は27.7%。会社の方針が現場に追いついていない構図を、経営者・情シスの判断材料として読み解きます。
続きを読む →
LLM単体の誤検知8割超は、複数モデル検証と人手でどこまで下がるのか
Uberが自社のGoコード解析ツールPerfInsightsの実測を公開しました。LLM単体では誤検知が8割超、複数モデルによる相互検証と人の確認を挟んで10%台前半へ。AIに検査業務を任せる際の現実的な設計指針と、そのまま真似てはいけない数字の線引きを整理します。
続きを読む →
AIエージェントへの「完全自動承認」は、なぜ習熟で約20%から40%超へ倍増したのか？
Anthropicが自社のClaude CodeとAPIのログを分析し、AIエージェントにどこまで自動で任せているかを実測した。完全自動承認は新規ユーザーの約20%から習熟ユーザーの40%超へ倍増する一方、中断率も5%から約9%へ上がる。不可逆な操作は全体の0.8%。承認ポイントの設計に使える一次データを、偏りごと読む。
続きを読む →