発注書の転記をやめる。届いたメールから検算済みCSVまで自動化
取引先ごとにフォーマットの違う発注書を、1件ずつ手入力する作業。数量×単価の検算も二重発注のチェックも、チャットに送る一言で片づけます。導入は3ステップ、実際のGmailで動かした画面つきで解説します。
政府、生成AI事業者向け「知財保護・透明性プリンシプル・コード」を正式策定
政府は生成AI事業者に知的財産保護と透明性確保を求めるプリンシプル・コードを正式策定しました。対象企業、開示事項、問い合わせ対応、AI調達で確認すべき点を解説します。
契約書のリスクチェックをAIに任せたら、正解キーにない見落としまで拾ってきた
契約書のリスク条項チェックをAIに任せた検証記録。検出11/11・誤検知0の実測と、法的判断はできないという限界を紹介します。
RunPodのRTX 5090でMiniMax H3を動かす——ComfyUIで音声付き動画を生成
MiniMax H3をRunPodのRTX 5090（32GB VRAM）で動かし、ComfyUIで1344×768の音声付き動画を生成した検証記録。CUDA 13イメージの選定、約42.5GBのモデル配置、ComfyUI更新、実測の生成時間と費用（約$0.56）までを実画面つきで解説する。
AIエージェントをうまく使うには？ ー コーディングAIから考える
AIがコーディング分野で特にうまく機能するのは、単に学習データが多いからではなく、「作る→確かめる→直す」のサイクルを高速に回せる環境が最初から整っているから、というのが筆者の主張です。 AIが効きやすい分野かどうかは、次の3つの条件で判断できるとしています。 客観的に判断できるか（正誤がはっきり言えるか） すぐに結果が返ってくるか（フィードバックの速さ） どこで失敗したか分かるか（問題の切り分けやすさ） コーディングはテストやコンパイル、CIによってこの3つがそろっていますが、文章作成や事業戦略などの分野では何かが欠けていることが多い。うまくいっている他分野（創薬、自動実験ラボなど）は、欠けた条件を「仮のものさし」（例：分子の結合予測スコア）で補い、遅い本番検証の前に早いチェックポイントを設けている点が共通しています。 ただし注意点として、仮の指標は本当の正解ではないため、AIが「点数だけを取りにいく」リスクがあります。テストが通っても設計の悪いコードがあるように、「何を作るべきか」「長期的に良いか」といった判断は依然として人間の役割です。 結論として、AIを使う側の仕事は賢いモデルを待つことではなく、自分の分野でAIが試行錯誤できる「確認の仕組み」を設計すること。次にAIが大きく伸びるのは、良い検証サイクルが作られた分野だ、と締めくくられています。
AIエージェントのセキュリティをどのように設計しているか
法人向けAIエージェントサービス Zemu Agents Guildの開発をしている脇山です。 Zemu - AIエージェントで業務を自動化Zemuは、AIワーカーの作成、ナレッジ登録、外部サービス連携、定期実行を通じて、転記・返信・集計な…
AIで『届ける』のコストが下がり、『届く』のコストが上がった
Linus Torvaldsが、Linuxカーネルの開発メーリングリストが管理不能になっていると述べたという。原因はAIで見つけたバグ報告の洪水だ。みんな同じAIを使うので、同じバグの重複報告が大量に届く。すでに修正済みのバグに「これは1ヶ…
AIと壁打ちするときに気をつけていること
はじめにこの記事ではAI=LLMと読み替えてください。AIの普及と性能の向上から、AIと壁打ちすることは当たり前の行為になっていると思います。私自身もよく使っています。自分では気づかなかった視点が出てくることもあって、思考の整理には便利です…
AIで講義の「わからない」を解消！リアルタイム文字起こし＋チャットボット PoC事例
静的音声は高精度で自動文字化、リアルタイム処理の課題も明確化。次フェーズへ向け改善方針を共有ゼネフィ合同会社（本社：東京都千代田区、代表社員：脇山 空）は、教育サービスを手がける会社向けに開発を進めていた「AI講師サブシステム（音声自動文字…
Smitheryで MCPサーバーを探してCursorから簡単に呼び出してみる
CursorでMCPを使ってAgentを動かすときに、設定が手間だと思っていたのと、あとはどんなMCPがあるのか提供されているのかっていうのを一覧で見れると便利だなぁと思っていたので、そういうサービスがないか調べてみました。 Smither…