AIハーネスとは？モデルを変えずにトークン40%削減、Writer論文が示す「オーケストレーション層」最適化を解説
AI企業Writerの研究論文が、基盤モデルをそのままに、モデルを包む「ハーネス（オーケストレーション層）」を最適化するだけでタスクあたりのトークンを38%（14.2k→8.8k）、コストを41%（21セント→12セント）削減し、成功率は78%→81%に維持したと報告しました。エンタープライズAIのROIを左右する「見落とされてきたレバー」を検証した内容です。
記事一覧
AIエージェント評価は「1件満点」では危険——コホート対比評価とは何か、LangChain・Convivaが語った次の潮流
VB Transform 2026で、LangChain・Conviva・CoreWeaveの登壇者は「1件の会話ログが満点でも製品は壊れている」ことがあると指摘。個別トレースの採点から、利用者集団をベースラインと比べるコホート対比評価へ、そして安価で用途を絞った小型ジャッジモデルへと評価手法が移りつつあります。
AIコンテキストレイヤーとは？Zillowが自社構築した理由とROIの測り方を解説
米不動産大手Zillowは、VB Transform 2026で、単一のチャットボットではなく顧客の文脈を旅全体に引き継ぐ独自の「コンテキストレイヤー」を自社構築したと明かしました。AI導入前にDORA指標のベースラインを敷いていたことが、コード出荷量40%増という成果を語れる根拠になっています。
生成AIが本番で失敗する理由は「データパイプライン」——RAG検索層で後始末する“Cleanup Trap”とは
VentureBeatの寄稿で、シニアデータエンジニアのNaveen Ayalla氏は、企業の生成AIパイロットが本番に届かないのはモデルの限界ではなく「データ基盤の準備不足」が原因だと指摘します。断片化した既存データをそのままLLMに流し、RAGの検索層で「後から整える」発想を、氏は“Cleanup Trap（後始末の罠）”と呼びます。
AIエージェントがHugging Faceを侵害——「安全ガードレール」がインシデント対応を止めた事件を解説
2026年7月16日、Hugging Faceは自律型AIエージェントが本番インフラに週末をかけて侵入し、内部データセットと複数の認証情報が漏えいしたと公表しました。対応チームが商用フロンティアモデルに解析を頼ると、安全ガードレールが実際の攻撃データを「攻撃行為」とみなして分析を拒否し、攻撃側は何の制約もなく動き続けるという逆転現象が起きました。
AIエージェントの本番運用とは？成熟度が40%→23%に半減した理由をJumpCloud調査から解説
JumpCloudが米英のIT責任者800人を対象に実施したQ3 2026調査で、「自社はAI導入が成熟している」と答えた割合が半年で40%から23%へほぼ半減しました。低下したのはAIエージェントをパイロットから本番運用へ移した企業に集中しており、本番が要求する統制の実態を正しく認識した結果だと分析されています。
サム・アルトマンの2022年メールとは？OpenAIがオープンソースを「競合潰し」に使おうとした戦略を解説
OpenAIのサム・アルトマンが2022年10月1日に取締役会へ送ったメールが、2026年のMusk対Altman訴訟で明るみに出ました。GPT-3並みの言語モデルを消費者向けハードで動く形で公開し、StabilityなどのオープンソースAI勢を萎縮させ資金調達を難しくする、という競争抑止の狙いが記されていました。
Kimi K3とは？中国Moonshot AIの2.8兆パラメータ・オープンモデルが示す「差」の縮小
Moonshot AIが2026年7月16日にオープンウェイトのMoEモデル「Kimi K3」を発表しました。2.8兆パラメータ、重みは7月27日公開予定で、Artificial Analysisの知能指数で総合3位、Frontend Code Arenaで1位。オープンと最先端の差は「6〜9カ月」から「3〜5カ月」へ縮んだと筆者は論じます。
Googleの新チップ「Frozen v2」とは？Geminiを回路に焼き込むAI推論の効率化戦略を解説
Googleが、Gemini AIモデルの構造をシリコンに直接組み込むサーバー用チップ「Frozen v2」を開発中と報じられました。現行TPUの6〜10倍の推論効率を狙い、2028年から社内展開する計画です。