AIを全員に配っても生産性が落ちない組織が備える仕組み
AIで増えた変更量が、レビューという工程に集中する 最近、「AIを全員に配った組織」の生産性が落ちるときという記事を読みました。会社を「仕事や情報が流れるネットワーク」として捉え、AIによる生成だけが速くなると、その先にあるレビューや承認という細い経路に仕事が集中し、全体のリードタイムはかえって延びうる、という指摘です。元記事自身も、これは未検証の仮説だと断っています。 元記事の「レビューや承認」には、当然ソフトウェア開発のコードレビューも含まれます。ここでは、その一つの具体例として掘り下げます。レビューでは、「この変更はどこまで影響するのか」「仕様どおりにできているか」「どこまでや...
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
画面操作AIは、ベンチマークで82.6%成功しても実機では42%まで落ちるのか
スマホ画面を自分で操作するAIエージェント「HyMobileAgent」の論文が、整備済みベンチマークAndroidWorldで82.6%、実機の本物アプリ環境では42%という二つの数字を並べて示した。40.6ポイントの落差は何を意味するのか。中小企業が画面操作AIをいつ、どこまで業務に入れられるのかを、原典の数値だけで読み解く。
続きを読む →
自社の画風を学習させた画像生成AIは、78枚の画像で作れるのか
NVIDIAとHugging Faceの共同投稿が、FLUX.1-devに78枚・200ステップで特定の画風を習得させた条件と、8×H100 80GBでの実測スループットを公開しました。データは少なくて済み、計算資源は借りるしかない——中小企業にとっての切り分けを整理します。
続きを読む →
新しい汎用AIが出ても特化モデルは勝てるのか — スコア0.925対0.798の比較を読む
帳票の読み取りをAIに任せるとき、最新の大手汎用モデルを待つべきか、自社言語・自社帳票に合わせた小型モデルを選ぶべきか。2026年7月16日に公開された比較では特化モデルが0.925、汎用OCRが0.798でした。ただしこれは提供元自身が設計したポルトガル語専用ベンチマークの数字です。
続きを読む →