pdlc-skills を自分のプロジェクトで動かすには
! この記事は個人ブログにも掲載しています → https://kanfu-panda.github.io/ja/blog/2026/08/30/run-pdlc-in-your-project.html 前の三回は図面でした。三層がそれぞれ何で、どこに落ち、どう噛み合うか。今回は向きを変えます——その図面を自分のプロジェクトに落とす回です。読み終えたら、導入できて、どのコマンドから始めればいいか分かって、機能を一つ最後まで通せるはずです。途中に飛ばされがちな一手があるので、そこだけ独立して扱います。飛ばすと前回の設計が丸ごと空回りするからです。 理論の部分はだいたい話し終えまし...
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解体新書
AIに設計業務を任せると成功率は何%か — 56.8%から88.6%に上がった条件
構造設計をAIに任せる研究で、汎用のまま使うと成功率56.8%、業務の手順と道具を整えると88.6%まで上がりました。差を生んだのはモデルの賢さではありません。製造業・建設業でAI導入を考えるときに、どこに手を入れるべきかを整理します。
続きを読む →
AI解体新書
社内文書をAIに探させるのに、大きなモデルは必要か — 18分の1の規模で戦えるという報告
社内文書の検索にAIを使う場合、最上位のモデルでなければ話にならないと考えがちです。2026年7月公開の研究は、17億パラメータの小さなモデルをスマートフォン上で動かし、最大18倍の規模のモデルと競合したと報告しました。中小企業にとっての現実的な読み方を整理します。
続きを読む →
AI解体新書
需要予測AIはなぜ繁忙期を外すのか — 平均誤差では見えない失敗
需要予測で本当に困るのは、平均的な誤差ではなくピークを外すことです。2026年7月公開の研究は、一般的な誤差指標がピークの失敗を覆い隠すと指摘し、少なく見積もる誤りを重く扱う手法を提案しました。発注・仕込み・人員配置に効く読み方を整理します。
続きを読む →