ARCHIVE
アーカイブ
公開済みの記事を元のURLで保管しています。過去の記事には執筆時の技術と見解が含まれます。
356 件の記事 · 17 / 30 ページ
· JA
Deloitte 2026 Agentic AI運用戦略 — 89%が本番化できない理由とEMフレームワーク
Deloitte Tech Trends 2026が明かす衝撃—11%しか本番Agentic AIを運用していない現実。89%が停滞する 根本原因は技術ではなく運用モデル。月曜朝から即実行できるDelegate・Review・OwnフレームワークのEM・VPoEガイドです。
· JA
MCP セキュリティ危機 — 60日で30件のCVE、企業防御ガイド
MCP(Model Context Protocol)の攻撃対象面が急速に拡大中。30件のCVE分析と3層攻撃モデル、エンタープライズ向けハードニングチェックリストを解説します。
· JA
ADL(Agent Definition Language)— AI エージェント ガバナンスの OpenAPI が登場
AIエージェントの役割・権限・許可ツールを宣言的に定義するADL仕様が公開されました。OpenAPIがAPIを標準化したように、ADLはエージェントアーキテクチャを標準化します。核心フィールド構造の詳細分析とEM・CTOが即座に適用できるガバナンス導入戦略を解説します。
· JA
Cognitive Debt: Anthropic 2026エージェンティックコーディングレポートが警告するAI時代の新たな負債
Anthropicの2026 Agentic Coding Trends Reportと共に登場した新概念「Cognitive Debt」— AIがコードを代わりに書くほど、チームの理解力は静かに侵食される。EMが今すぐ実践すべき対応戦略を分析します。
· JA
2026年、エリートAIエンジニアリング組織の作り方:3人チームが50人に勝てる理由
Hacker Newsトップを獲得したエリートAIエンジニアリング文化の分析。1人当たり売上$3.48M vs $610Kの5.7倍格差が生まれる理由と、EMが実践すべきTaste × Discipline × Leverageの公式
· JA
Olmo Hybrid — Transformer + リニアRNNハイブリッドでデータ効率2倍を達成
AI2のOlmo Hybridは、TransformerとDeltaNetを3:1の比率で組み合わせ、49%少ないトークンで同等の精度を実現します。ハイブリッドLLMアーキテクチャの仕組み、性能ベンチマーク、LLM開発者のための実践的な示唆を詳しく解説します。
· JA
AIコーディングツールが生む「便利ループ」— TypeScript 66%急騰と言語選択の構造変化
GitHub OctoverseデータでAIコーディングツールが生む便利ループ効果を分析します。TypeScript 66%急騰とPython首位獲得の構造的原因を EM・CTO視点で解説し、AIコーディング時代における技術スタックの長期意思決定フレームワークを具体的に提示します。
· JA
Meta Llama 4 完全解説 — Maverick・ScoutのオープンソースAIがエンタープライズ戦略を変える
Meta Llama 4 Maverick(400B MoE)とScout(10Mコンテキスト)のアーキテクチャ・ベンチマーク・コスト構造を分析し、エンジニアリング組織がオープンソースAI戦略をいかに再定義すべきかをCTO/EM視点でまとめる。
· JA
NIST AI エージェント セキュリティ基準 — EM が今すぐ準備すべきフレームワーク
NIST AI Agent Standards Initiative のコア内容と、Engineering Manager がチーム内の AI エージェント セキュリティを強化するためのステップ別チェックリストを整理します。アクセス制御、監査ログ、ガードレール設計まで実践的な対策を紹介します。
· JA
AIエージェントワークフローをメタツールで最適化: AWOフレームワーク実践ガイド
arXivの論文に基づくAgent Workflow Optimization(AWO)フレームワークを分析します。反復的なツール呼び出しパターンをメタツールにコンパイルしてLLM呼び出しを12%削減します。
· JA
Claude Cowork企業版 — 開発ツールから全社AI基盤へ
Claude Coworkのエンタープライズ機能を分析。Plugin Marketplace・MCPコネクタ・Excel/PPT統合とCTOが備えるべき全社AI導入戦略。
· JA
Deep-Thinking Ratio: LLM推論コストを50%削減する新しい指標
「長く考えるほど良い」という常識を覆すGoogle・UVAの研究。Deep-Thinking Ratio(DTR)を活用すれば 推論品質を維持しながらLLM推論コストを半減できます。EM/VPoEが知るべき実践的インサイト。