LIBRARY
読む日も、聴く日も。気になるテーマから始めてください。
任せるのは判断の数、残すのは判断の重さ
導入の言葉、試す時間、価値を測る物差し
成果と判断力を分けて、人が育つ工程を設計する
AIが変えた技術選定と、工程に組み込む品質管理
能力、コスト、導入の条件を分けて数字を読む
正直さを毎回求め、報告とは別の手段で成果を確かめる
目標、操作できる範囲、人が確認する段階を言葉にする
AIへの仕事の割り振りと、計画から実行への引き継ぎ
断る権利と、支配を手放さない構造
平凡な調べ物で起きた逸脱と、匿名化の後に残る責任
文字を書けないモデルが、9月15日に出ました
監督する側が疲れると、重大なミスは39%増えます
音声入力が2026年に勝ったのは、精度が上がったからではありません
伝える層から、判断する層へ
技を写された後、自分に何を残すか
調整後の数字を、何のために読むのか
人が会話を読み、AIを良くしているということ
透明性と、検証できることは、別のものです
誰も見ていない検査のために、組織は本当に動きます
AIを使わない選択を、行使し続けられる設計へ
6ヶ月6人から4日1人へ。共通基盤の速さと、安全弁の重さ
ChatGPT for Teensが問いかける、AIとの関係と年齢の線引き
米司法省の意見書から考える、AIと著作権の消えない境界
129億ドルの買収合意で問う、オープンモデルの置き場所
企業の86.4%が使い、27%が「組織的な取組はない」と答えた年に
1件の求人に244人が応募する年の「Show, don’t tell」
学生の84.9%がAIを使い、企業の84.8%が「どうぞ」と言う時代に
1,923人の実験と、「説明を足しても過信は減らない」という発見
スタンフォードの最新データが示した、若手にだけ起きている19%の差
画面を操作し、判断し、そして監督されにくくなるAIの現在地
AIを外に出さずに使う選択肢が、現実になり始めた
文脈を「教材」として重みに畳み込む、Test-Time Trainingの現在地
エージェントを「作らせない」のではなく、承認の仕組みで統制する
AIの安全方針を、文書ではなくテストとして守り続ける
AIの危険な能力を、企業は誰の基準で止めるのか
AI議事録は、便利さと引き換えに何を記録し、どこへ置くのか
AIが学ぶ本と、AIが増やす本。その循環をどう見るか
IBM Researchが示した、AIエージェントの記憶にある最適量
Linear Agentが示した、プロンプトと仕組みの役割分担
育つのはAI本体ではなく、判断を書き戻す仕組みだ
Mistralの実験が示した、「もう一周」が精度改善の5倍以上効くという話
答えを作らせる前に、問い・理解・発想の質を上げる
血液の多層データを読むAIが示す、予防医療の新しい時間軸
企業のAI導入に足りない「価値の物差し」
大事なのは、全部を自動化することではなく、仕事ごとに任せ方を決めること
次に希少になるのは、コンテンツではなく「出所のあるデータ」かもしれない
AI時代に価値が移るのは、「作る力」から「結果を出す力」へ
スターバックスの事例から考える、AI導入の境界線