Column
コラム
AI・生成AI・LLMに関する技術解説、業界動向、実践的な活用ノウハウをお届けします。
AIの仕組みや用語、ツールの使い方、開発の進め方をやさしく解説します。
LLMモニタリングとは？本番運用で追う指標・導入手順・選定チェックリスト
LLMモニタリングとは、LLMを組み込んだアプリケーションが本番環境で 期待した品質・安全性・速度・費用 で動いているかを継続的に観測し、異常時に原因を切り分けて改善する運用です。 見る対象は、最終回答だけではありません。
Clairicとは？Cloudflareの抽出モデルを選ぶ基準・検証手順・実装時の注意点
Clairicは、CloudflareがWorkers AIでプレビュー提供している抽出モデルです。自由文を生成するLLMとは異なり、入力したテキストや画像から、名前・金額・日付・期間・リストなどの型付きの値を返します。
RAGで検索結果を増やしすぎると精度が落ちる理由｜top-k・重複排除・再ランキング・要約の設計
社内RAGで回答が的外れになると、「もっと多くの文書を検索すれば改善する」と考えがちです。しかし、検索候補を増やした結果、同じ文書の隣接チャンク、質問と関係の薄い文書、古い版と新しい版などが最終コンテキストを占めると、かえって回答に必要な根拠が埋もれることがあります。
RAGにリアルタイムの在庫・売上・価格を任せない設計｜DB・API直接照会との使い分け
「RAGを入れれば、社内の在庫・売上・価格にも答えられるのではないか」と考える場面は多いでしょう。結論からいうと、 規程や商品説明のように“文書を探して説明する”仕事はRAG、現在在庫・確定価格・残高・厳密な集計値のように“いまの状態を確定する”仕事は、その項目の正として定め…
Clefとは？Cloudflareの判断モデル・料金とJevとの違い
Clef は、Cloudflareが提供する、分類・選択・採点のための判断モデルです。テキストやJSONと、判断したい質問・候補を渡すと、選択結果や候補ごとの確率を返します。Jevと同系統の判断モデルです。Clefは画像入力、公開重み、Workers AIでの利用にも対応しています。
ループエンジニアリングとは？AIエージェントの反復と終了条件を設計する
ループエンジニアリング とは、AIエージェントが一つの作業の中で行う「観測→判断→実行→検証」の反復について、いつ継続し、いつ保留・失敗・完了させるかを設計することです。本記事では、 エージェントの反復制御を設計する実務上の呼び方 として扱います。
グラフエンジニアリングとは？AI処理の分岐・状態・実行経路を設計する
本記事では、AIアプリケーションの実行経路をノード（処理単位）・エッジ（遷移規則）・状態（共有データ）として設計する活動を、 グラフエンジニアリング と呼びます。分岐、反復、並列処理、再開の経路を整理するための、実務上の呼び方です。
ハーネスエンジニアリングとは？AIエージェントの実行環境を設計する
ハーネスエンジニアリング とは、AIエージェントがタスクを反復して実行し、結果を検証し、途中で停止しても再開できるように、プロンプトの外側にある実行環境を設計する実務です。
自己改善型システムとは？仕組み・具体例と設計の進め方
自己改善型システム とは、運用中または運用に近い段階で得た失敗ログ、利用者フィードバック、評価結果をもとに改善候補を作り、評価・承認を経て採用した変更だけを本番へ反映し、その結果を次の改善へ残す仕組みです。
AEOとは？SEOとの違いとAI回答に選ばれる対策
AEOは、検索結果や生成AI、音声検索の回答で、ユーザーの質問への答えとして自社情報が引用・提示されやすくなるよう整える考え方です。SEOは検索結果での上位表示を主な目的とし、AEOは回答の明確さや引用されやすさを重視します。両者の関係と、SEOを土台に進める具体的な対策を解説します。
上杉 洸平
仕事が速い人は知ってる。おすすめ効率化ツール3選【実体験から紹介】
仕事が山積みになって、「もっと時間があればいいのに」と感じたことはありませんか？ メールの返信、会議の議事録作成、同じ情報の何度もコピペ——こうした日々の業務は、意外と時間を食います。でも、適切なツールを使えば、これらの作業を劇的に短縮できます。
上杉 洸平
ソフトウェアファクトリーとは？意味・AIエージェント時代の開発体制・導入の進め方
AIコーディングエージェントが、課題の読解、コード変更、テスト実行、プルリクエスト（PR）作成までを支援するようになり、「ソフトウェアファクトリー」という言葉を見聞きする機会が増えています。 ただし、この言葉は文脈によって指すものが異なります。
Claude CodeとCodexを「交代勤務」させたら、ひとり開発がチーム開発になった｜設計→実装→レビューを2つのAIで回す全手順（初心者向け）
この記事の結論 Claude CodeとCodexは「どちらか」を選ぶものではなく、 同じフォルダで交代勤務 させると一番効く。設計はClaude Code、実装とテストはCodex、レビューは再びClaude Code。
上杉 洸平
RAGの精度向上はどこから？検索・チャンク・再ランキング・回答生成を切り分ける診断手順
社内RAGの回答精度を上げたいとき、「検索精度が悪い」「LLMが弱い」と一括りにすると、改善が遠回りになりがちです。実際には、元PDFから数値や表ヘッダーを正しく抽出できていない、チャンク化で適用条件が切れている、正解根拠が検索候補にない、候補にはあるが再ランキング後に落ちる…
Graph RAGとは？従来RAGとの違い・向く質問・設計上の注意点
Graph RAG（GraphRAG）は、RAGの検索・文脈構成に 知識グラフ を利用する設計群です。知識グラフでは、人・製品・組織・施策などのエンティティをノードとして、その間の関係をエッジとして表します。
RAG評価データセットの作り方｜設計・作成・品質確認・更新を実務手順で解説
RAG（Retrieval-Augmented Generation）の評価でつまずきやすい原因は、モデルや検索方式だけではありません。 「何を正解とし、どの失敗を検出したいか」が評価データセットに定義されていないこと が、比較不能な評価につながります。
API・MCP・A2Aの違いとは？AIエージェントを接続する仕組みやポイントを分かりやすく解説
API、MCPの違いって？A2Aは？とふと聞かれた際に少しややこしいと思い、この記事を書きました。 いずれもシステムやAIを連携させる技術です。 一言で違いを説明するなら「接続対象と任せる範囲が異なる」が最もシンプルです。 この3つはどれか1つ選んで実行するという並列関係ではありません。
平岩寛児
動画生成AIにアプリの使い方動画を作らせてみた。実際に5サービスを比べて分かったこと
アプリの画面録画とスクリーンショットをまとめて渡せば、ナレーションやテロップまで付いた操作説明動画がそのまま出てくる。 最初は、かなり本気でそう思っていた。 そこで、HeyGen、Runway、Kling、CapCut、ChatGPTの5サービスを使い、Webアプリの操作説明動画を作ってみた。
Riki Kamano
コンテキストエンジニアリングとは｜プロンプトエンジニアリングとの違いと実務での設計対象
LLMアプリケーションで回答品質が安定しないとき、原因は「プロンプトの書き方」とは限りません。必要な規程を検索できていない、過去の会話を持ち込みすぎている、ツールの実行結果が長すぎる、ユーザーの権限情報が欠けている、といった問題でも出力は崩れます。
平岩寛児
【生成AIでLP制作を効率化】Claude CodeやCodexなど7ツールを比較し、出力をチューニングした話
サービスの概要を入力するだけで、LPらしい画面が数分で生成される。 生成AIによって、LP制作の初速は明らかに上がりました。 以前であれば、構成を考え、Figmaでデザインし、HTMLやCSSへ落とし込む必要がありました。
Riki Kamano
PMのエージェントを作ってラクしよう！
PCを開いたらこんなことになっていませんか？ モニターにはGitHubのPR一覧。その裏で、BE／FE／SP／Infraのリポジトリがそれぞれ別ターミナルで開いていて、Slackではクライアントとのやり取りが行われている。 さらに、AIチャットとのセッションがいくつも並列している。
平岩寛児
生成AI文章でも人間らしい文章を書かせるためにヒューマナイザーやSkillsなど色々試した話
生成AIに文章を書かせると、内容は正しい。構成も整っている。誤字も少ない。 それなのに、読んだ瞬間に「AIが書いたっぽい」と感じることがある。 最近は提案書や記事の下書きに生成AIを使う機会が増えたが、公開前に読み返すと、結局ほとんど書き直してしまう。
Riki Kamano
エージェンティックAI（エージェント型）とは？AIエージェントとの違いから開発方法や費用について
生成AIの次の潮流として注目されているのが エージェンティックAI（エージェント型）です。従来の“プロンプトに答えるだけ”の大規模言語モデル（LLM）や、単発タスクを肩代わりするAIエージェント と異なり、…
Riki Kamano
AIの評価とは？評価指標や評価方法、その費用について
生成AIが「期待した品質で、期待したコストで、安全に」動いているかを確認する営みが AIの評価 です。ChatGPTやClaude 3.5、GPT-4o、Llama 3.1、DeepSeek-V2のような基盤モデルだけでなく、RAG（検索拡張）やワークフロー、監査ログ、UIコピーまでを含めて、…
Tsubasa Hiroe
GEOとは？SEO・GAOとの違いと、AI検索で参照されるための実践手順（引用は保証されません）
GEO（Generative Engine Optimization） とは、生成AIを用いて回答を作る検索・回答体験で、自社サイトの情報が根拠として参照・引用され、必要に応じてリンク先として選ばれる可能性を高めるための改善の考え方です。
Riki Kamano
RAG Fusionとは？仕組み・メリットと開発の考え方
RAG Fusionは、複数の検索結果を融合し、外部知識を踏まえた回答の精度と網羅性を高めるRAGの手法です。従来型RAGとの違い、複雑な質問での活用メリット、開発時に必要となる知識ベースやモデル選定、コスト・処理時間の注意点を解説します。
Tsubasa Hiroe
MLLMとは？LLMとの違い、活用例と開発費用を解説
MLLMは、テキストに加えて画像・音声・動画・3Dセンサーデータを統合し、複数の情報をもとに推論できる大規模モデルです。テキスト入力を中心とするLLMとの違い、構成、活用事例、メリット・デメリット、開発方法と費用を解説します。
Tsubasa Hiroe
AI音声読み上げTTSおすすめ5選｜特徴・価格を比較
AI音声読み上げTTSを選ぶなら、用途に合う音質、対応言語、料金、導入方法を比べることが大切です。この記事では、クラウドAPI型からカスタムクローン型までの種類を整理し、ElevenLabsやOpenAI、Microsoft Azureを含むおすすめ5サービスの特徴と価格を比較します。
Riki Kamano
音声生成AIのおすすめランキングTOP5！特徴や価格比較
音声生成AIとは、大規模言語モデル（LLM）やディープラーニング系TTS（Text-to-Speech）エンジンを用いて テキストやプロンプトから人間の声そっくりの音声をリアルタイムに合成する技術 です。
Riki Kamano
Deep Research（ディープリサーチ）とは？仕組み・使い方・AI調査を検証する手順
Deep Research（ディープリサーチ）は、複雑な問いに対して、AIが複数の情報源を調べ、比較・整理してレポートを作る機能です。 「Deep Research」はサービスごとに機能名や実装が異なります。
Tsubasa Hiroe