Skip to content

AI 産業を伝える独立メディア

AI 業界を動かす変化を、正確かつ明快に伝えます。

モデル、半導体、企業、投資、政策を取材し、判断に必要な背景まで掘り下げます。

最新ニュース

すべて見る →

AWS Details AI Product Tagging System Built With SageMaker Serverless Model Customization

AWSは、Qwen3-8Bオープンウェイトモデルをカスタマイズして商品タグ付けシステムを構築する技術解説を公開した。SageMakerのサーバーレスモデルカスタマイズ機能を用い、教師ありファインチューニングと検証可能な報酬による強化学習を組み合わせて調整したうえで、その成果をSageMaker非同期推論にデプロイし、カタログ情報の拡充に活用するという内容だ。

  • AWSは、Amazon SageMakerのサーバーレスモデルカスタマイズを活用したAI搭載型商品タグ付けシステムの構築手順を公開した。
  • The walkthrough customizes the open-weight Qwen3-8B model, first with supervised fine-tuning (SFT), then with reinforcement learning with verifiable rewards (RLVR) using Group Relative Policy Optimization (GRPO).
約2分

Databricks、社内マーケティングチームがGenieベースのアシスタント「Marge」でデータ活用量が3倍に増加と発表

Databricks says its internal marketing team uses data three times more often in decisions after adopting Marge, a Genie Agents-based assistant built on a governed Marketing Lakehouse. The company reports over 85% adoption among marketers, 800-plus monthly questions answered, and a 25% drop in flagged incorrect responses.

約3分

Databricks、社内AIアシスタント導入でマーケターのデータ活用が3倍に

Databricksによると、同社のマーケティングチームは、ガバナンスの効いたマーケティング・レイクハウス上に、Genie Agentsベースの対話型分析アシスタント「Marge」を構築した。同社の報告では、マーケターが意思決定にデータを活用する頻度は3倍に増加し、導入率はマーケティング組織の85%を超え、誤った回答としてフラグが立てられた件数は25%減少したという。

約3分

Databricks、社内AIアシスタント導入でマーケターのデータ活用が3倍に

Databricksによると、同社はGenie Agentsを基盤とし、ガバナンスの効いた「Marketing Lakehouse」に基づくAIアナリティクスアシスタント「Marge」を構築し、マーケターが自然言語で質問できるようにした。同社の発表では、マーケターが意思決定においてデータを活用する頻度は3倍に増加し、採用率はマーケティング部門の85%を超えているという。

約3分

「Perplexity Portable Computer」、NVIDIA RTX搭載Windows PCに対応

NVIDIAは2026年9月14日、Perplexityのエージェント「Portable Computer」が、NVIDIA GeForce RTXまたはRTX PROワークステーションGPU(VRAM 24GB以上)搭載のWindows PCで利用可能になったと発表した。このローカルエージェントは複数段階のタスクをデバイス上で実行し、機密データをクラウドに送らず、Perplexity Computerのクレジットも消費しない。また、許可を得た上でクラウドモデルにタスクを引き継ぐこともできる。

約3分

Databricks、Spark Structured Streaming向けにオンデマンドの状態再パーティション機能を追加

Databricksはオンデマンドの状態再パーティション機能を発表した。これはDatabricks Runtime 18以上で利用できるパブリックプレビュー機能で、ステートフルなStructured Streamingクエリが新しい設定で再起動することでパーティション数を変更でき、チェックポイントの状態を失ったり再構築したりする必要がない。

約3分

AI ニュースブリーフィング

他媒体の見出しを自動で集め、毎日更新します。各項目は原文へリンクします。

すべて見る →

分析・解説

AI の技術と産業を基礎から丁寧に読み解きます。

すべて見る →

実運用のプロダクトに合うAIモデルの選び方

ランキングではなく、制約条件から出発する。許容できるレイテンシー、リクエストあたりのコスト上限、必要なコンテキスト量、ツール呼び出しや構造化出力が必要かどうか、そしてデータをどこまで送ってよいか。この5つを書き出せば、候補の大半はふるい落とせる。残った2〜3件を、自社の実際のトラフィックから抽出した50件の実例でテストし、平均ではなくケースごとに比較したうえで、合格ラインを満たす中で最も安いモデルを選ぶ。

約7分

ファインチューニング、検索、それともプロンプト改善か:選び方

まず失敗の原因を診断する。モデルが何かを知らないのであれば、それは知識の不足であり、検索によって解決できる。モデルは知っているのに、構成や口調、形式が不適切なら、それは振る舞いの問題であり、まずプロンプトで、それでも足りなければファインチューニングで対処する。その両方を試しても専門的な技能を発揮できない場合、残る選択肢がファインチューニングだ。プロンプトは最も安価で元に戻しやすく、事実を扱うなら検索が標準的な選択肢となる。ファインチューニングは3つの中で最も高価で、最も元に戻しにくい。

約7分

AIはなぜこんなに多くの電気を使うのか?

AIアクセラレータは従来のサーバーに比べてラックあたりの消費電力がはるかに大きく、その電力は常に供給、冷却、支払いが必要です。大規模モデルの学習は一時的なピークですが、数百万のユーザーに提供する際は永続的な負荷となり、導入されたモデルのライフサイクル全体でエネルギー消費を主導するのは推論です。

約5分

AI 実践ガイド

公式文書と実際の利用例に基づく、仕事に役立つ手引きです。

すべて見る →

Claude ProjectやChatGPT Projectが本当に導入に見合うのはいつか――各社の公式ヘルプページから読み解く

両社はProjectを同じように位置づけている。独自のチャット履歴、アップロードした参考ファイル、常設の指示を保持し、セッションのたびに背景情報を説明し直す手間を省くワークスペースだ。Claudeの無料アカウントはProjectを5件まで作成でき、有料プランではナレッジ容量が最大10倍に拡大する。ChatGPTでは、ProjectのメモリはそのProject内のチャットだけを対象とし、アカウント全体には及ばない。

約4分

エージェントのコンテキストウィンドウは日記ではなく予算だ——Anthropicはこう使っている

Anthropicの指針は、プロンプトエンジニアリングをコンテキストエンジニアリングとして捉え直す。すべてを蓄積するのではなく、各ターンで価値の高い最小限のトークン群を選別するという考え方だ。同社独自の評価では、古くなったツール実行結果の自動消去と外部メモリファイルを組み合わせることで、検索タスクの成績が39%向上し、100ターンにわたるトークン使用量が84%削減された。

約4分

Anthropic公式ガイドが示す、Claude Skillを実際に機能させる条件

Skillの成否を左右するのは、ただ一つのフィールドだ。三人称で記述し、何をするSkillなのか、いつ使うのかを明記したdescriptionである。SKILL.mdは500行未満、参照ファイルは1階層までに抑え、使用予定のすべてのモデルでテストすること。そして、信頼できない提供元のSkillは決してインストールしてはならない。

約4分

トピックから探す

すべて見る →

AI 用語集

見出しに何度も出てくるあの言葉を、短く正確に。

18 本 →

モデル一覧

実際に使われているフロンティアモデルを一覧で比較。

すべて見る →

5 分の AI ブリーフィング

週 1 通。何が出て、いくらで、どういう意味か — 誇張なしで。

スパムなし。ワンクリックで解除。