なぜ【色】は感覚で決めて良いと思っているのか
最近は、自然言語で要望を伝えるだけで、AIが画面をかなりのところまで作ってくれます。 実装の速度は確実に上がりました。 結果、細かいデザインや配色をエンジニアが決めることも増えたように思います。 でも、できあがった画面を眺めていると、ときどき気になります。 「その色は、なぜその色なのか。」 AIが提案したから。 よく見かける青だから。 なんとなく今っぽいから。 のような感覚的な説明に終止してしまう自分がいます。 色は、アプリの印象を決めるだけではありません。 文字の読みやすさ、情報の区別、状態の伝わり方にも関わります。 アクセシビリティ的にも重要な要素です。 重要なのに、最後は感覚で決ま...
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
会議室や工場で音声認識AIの精度はどれだけ落ちるのか（低SNR環境で誤り数倍）
Treble TechnologiesがHugging Faceと共同で公開したFFASRリーダーボードは、無響の2,000サンプルを14部屋でシミュレーションし、9条件のうち4条件でASRを比較しました。低SNR（6dB未満）では単語誤り率が近接環境の数倍。ベンダー公表値の読み方と、自社での検証手順を整理します。
続きを読む →
手順書を足せばAIエージェントは賢くなるのか？正答率67%→43%、あるタスクでは100%→0%になった記録
Hugging Faceが自社ツール上でオープンモデルのエージェント能力を3段階の構成で測ったところ、手順書（Skill）を同梱した構成で小型モデルの一致率が67%から43%に落ち、あるタスクでは100%から0%になりました。同じ作業のトークン消費が約2,400から約23,000へ振れた例もあります。中小企業がPoCで何を測るべきかを整理します。
続きを読む →
なぜ高性能モデルに丸投げすると失敗するのか？トークン30分の1・成功率1桁台から80%超という報告の読み方
IBM Researchが、業務AIをLLM単体ではなく従来型ソフト部品で誘導する「エージェントロジック」で組み直したところ、トークン消費が最大30分の1、成功率が1桁台から80%超に改善したと報告しました。数字の条件と、自社製品の提供者による発表という前提を踏まえ、中小企業が投資すべき場所を整理します。
続きを読む →