57分間、死んだジョブを誰も見ていなかった ― 見張りを機械に渡す実装
! この記事は note に公開したものと同じ内容です。コードが多いので、Zenn にも置いています。 前の記事で、AIエージェントを17時間回した実測を書きました。その最後に「見張りスクリプト、状態ファイルの設計、判断待ちの出し方は別の記事に書く」と約束したので、それを書きます。 動くコードごと出します。 まず、なぜ書くことになったか 長時間かかるジョブ（データ収集、学習、バッチ）をAIエージェントに走らせていました。私は別の作業をしながら、定期的に状態を見る監視をひとつ立てていました。 途中で、その監視が不要になったと判断して止めました。 その34分後にジョブが落ちました。誰も...
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は「人間なら数週間」の開発をどこまで完遂できるのか ― 1.7万行の再実装はテスト2,000/2,001件、6.1万行は35%止まり
Epoch AIの暫定結果によると、熟練エンジニアで2〜17週と見積もられた約16,905行のツールキット再実装を最新モデルがE2Eテスト2,000/2,001件（99.95%）で完遂した一方、約61,461行の課題は10億トークンの約9割を使って可視テスト256/733件（35%）で未解決でした。規模と費用の境界線を読み解きます。
続きを読む →
AIは人間の何時間ぶんの仕事まで任せられるのか？ 4分未満はほぼ100%、4時間超は10%未満だった
METRが2025年3月19日に公開した測定によると、現行モデルは人間が4分未満で終える作業をほぼ100%こなす一方、人間が約4時間超かかる一続きの仕事は10%未満しか完遂できない。成功率50%の時間地平は約7か月で倍化。中小企業が導入判断に使える物差しとして読み解く。
続きを読む →
AIに詳しい人の2025年予測は、どこが当たりどこが外れたのか（SWE-Bench 予測88%に対し実績80.9%）
AI Digestが集めた421名の予測を、2026年1月に答え合わせした調査です。コーディング系ベンチマークは唯一の過大予測、セキュリティ系と業界売上は大幅な過小評価でした。自己選択サンプルという限界も含めて、中小企業の計画づくりにどう使えるかを整理します。
続きを読む →