CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
Claude Code の出力スタイルに Concise が追加された。結果を最初に述べ、応答を短く保ちつつ、求めれば詳細も説明する。/config → Output style から、または settings.json に "outputStyle": "Concise" を書いて有効化できる。
長い説明を読み飛ばしている人には嬉しい設定。settings.json で切り替えられるので、チームでの標準設定にも入れやすい。
Anthropic が学習プラットフォーム Claude Academy を公開した。AIをこれから知る人から Claude を毎日使っている人まで、レベルに応じたコースが用意されている。コースとチュートリアルは無料で、academy.claude.com で誰でも受講できる。
開発元が公式に出す教材はプロンプトや機能の「想定された使い方」を知る近道。チームメンバーへのオンボーディング教材としても使えそう。
Claude Managed Agents に3件のアップデートが入った。Self-Hosted Sandbox でのメモリ利用が容易になり、サンドボックス内で行った作業をメモリに保存できるように。また web_search / web_fetch に allowed_domains / blocked_domains が追加され、エージェントが検索・閲覧できるドメインを制御できるようになった。
ドメイン制御は本番でエージェントに Web アクセスを持たせるときの必須機能。許可リスト方式で絞れるようになったのは運用面で大きい。
OpenAI の GPT-Image-2 で、透過背景の画像生成が API のプレビュー機能として利用できるようになった。どんな背景にも置ける再利用可能なアセットを生成でき、商品画像・グラフィックデザイン・Web モックアップ・マーケティング素材などの用途を想定している。
生成後に背景を切り抜く後処理が要らなくなるのは地味に効く。アイコンや素材の自動生成パイプラインに組み込みやすくなった。
Codex と ChatGPT Work に Shared threads が追加された。読み取り専用リンクで作業の過程を共有でき、プルリクエストや調査、プロジェクト引き継ぎの背景にあるコンテキストと意思決定の流れを他のメンバーに見せられる。
AIとのやり取り自体が「なぜこの実装にしたか」のドキュメントになる流れ。PR にセッションのリンクを添える運用は今後広がりそう。
Meta が Muse Spark 1.2 を発表した。ビジュアルから動くコードへの変換や、知覚を物理的なアクションに変換するタスクまで、幅広いマルチモーダルタスクに対応する。堅牢な音声・映像理解を備え、実際の企業利用で多い動画中心のワークフローを想定している。
「画像→コード」だけでなく音声・映像理解まで一つのモデルで扱う方向性。動画を入力にする業務系ユースケースの選択肢が増える。
Meta が社内評価フレームワーク WildArtifactBench をプレビューした。複雑で現実的なタスクを、多様な成果物の形式にわたってエージェントに解かせて評価する設計。厳密な正解データとの照合ではなく、人間とエージェントの選好判定による勝率と Elo スコアを使うという。
「正解が一つに定まらない成果物」をどう評価するかはエージェント開発共通の悩み。勝率＋Elo という設計は自前の評価にも転用できる考え方。
NVIDIA の Jim Fan 氏が、話題を集める GEN-1.5 について解説。成功の秘密は、人間が収集したデータに自然に含まれる反復的な動きにあるとし、その主な源の一つとして、並べ替えや片付けのような対称的なパターンを挙げている。
「なぜこのデータで学習が進むのか」をデータの構造から説明する視点。ハイプの裏にある仕組みを第一線の研究者が言語化してくれる投稿は貴重。
Ethan Mollick 氏が、細部にこだわって再利用可能なスキルを作るなら、Claude にスキルを作ってと頼むだけの skill creator が今も最良の方法だと述べた。ChatGPT は魔法のように代わりにやってしまいがちなのに対し、Claude はテストを実行して結果を見せ、繰り返し入力とフィードバックを求めてくるという。
「勝手に完成させる」より「検証しながら一緒に作る」方が再利用資産には向く、という指摘。スキルやプロンプト集を育てている人には実感のある比較。
新しいモデルアーキテクチャは毎週のように登場する一方、コンパイルスタックの対応は遅れがちで、新しいハードウェアアクセラレータの立ち上げには従来数か月の専門作業が必要だった。PyTorch の技術ブログで、IBM Spyre チームが AI コーディングエージェントでこのギャップを埋める方法を示している。
コーディングエージェントの適用先が、アプリ開発からコンパイラ・ハードウェア対応という専門領域まで広がっている例。「数か月の専門作業」系のタスクは狙い目。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。