Autognosis

ニュースから、自分の思い込みに気づく

テクノロジーと社会のニュースを、やさしい言葉で解きほぐすメディア。読み終えたとき、自分の見方が少し変わる記事を届けます。

新着記事

すべて見る →
社会・働き方・ライフスタイル
2026年11月22日 17:41 -- いいね
AIで仕事が二極化し、分かれ目は仕事の理解度にあるという見出しの横で、三毛のミケが心配そうな顔で問いかけ、鉢割れのハチが誇らしげな顔で答えている画像。

同じ肩書きでも明暗 AIエージェントを指揮する人、置き換えられる人

AIに、いつもなら午後いっぱいかかる報告書の下書きを頼んだとしよう。1分で戻ってきて、文章も読みやすい。これが自分にとっていい知らせかどうかは、ひとつのことで変わるかもしれない。中身が本当に正しいかどうか、自分で見分けられるだろうか。生成AIやAIエージェントは、できることを増やし続けている。人の働き方もそれに合わせて変わっている。この先どうなるかは、誰にも分からない。ただ、すでに見えている傾向がある。

続きを読む
AI・機械学習
2026年11月22日 07:33 -- いいね
見出し「アプリを見本に AIがコードを作る」を置いたアイキャッチ画像

お手本を指さすだけでAIが類似版 Craft Anythingの死角

あるアプリの登録画面の流れが気に入って、自分のプロジェクトでも似たものを作りたいとする。たいていのAIコードツールでは、その流れを言葉で説明し、モデルが分かってくれるのを願うしかない。テクノエッジの連載「生成AIクローズアップ」で取り上げられた無料ツール「Craft Anything」は、そこが違う。言葉で説明する代わりに、お手本を指さすのだ。使い方はこうだ。まず、ソースコードが公開されていないWebサイト、アプリ、ゲームなどをお手本として指定する。

続きを読む
スタートアップ・ビジネス
2026年11月21日 21:15 -- いいね
AI株安のなかでGroqが評価額2倍の80億ドルを狙うという見出しの横で、白猫のシロが驚いた表情を見せているアイキャッチ画像。

AI株安の中でGroqが企業価値2倍の80億ドル狙う 強気の資金調達の勝算

自分の家を、前回の査定額の2倍で売りに出す。しかも、近所がみな値下げしている週にだ。AI推論を自社チップで提供するGroqは、これに似たことを試みている。この要望がどうなるかで、投資家がいまAIインフラの何を評価しているかが見えてくる。Groqの幹部が、資金調達に動き始めた。目標は、企業価値を約80億ドルにすることだ。いまの水準のおよそ2倍にあたる。期間は約3カ月とされている。この幹部は、競合のデータセンター事業者についても批判している。

続きを読む
政策・法規制
2026年11月21日 11:28 -- いいね
「git不要で読む 法令の改正履歴と差分」という見出しと、不思議そうに問いかける白猫シロと、得意げに答える三毛ミケを描いたアイキャッチ画像。

契約時の条文はどうだったか houritsuでgit不要の法改正チェック

取引先から、3年前に契約を結んだ日の法律の条文はどうなっていたのか、と聞かれたとしよう。答えるには、それ以降の改正法を一つずつ探し出し、手作業で改正前の姿に戻していくことが多い。houritsu を使うと、この確認が楽になる。日本の法律を1本ずつテキストファイルにして git のリポジトリに保存し、改正法1つを1つのコミットとして記録しているからだ。使うのに git の知識はいらない。

続きを読む
AI・機械学習
2026年11月20日 19:31 -- いいね
コーディングエージェントの会話履歴を構造化したスナップショットに置き換えると入力トークンが91.9%減るという見出しの下で、同じ大きさで並んだ白猫シロが興味深そうに問いかけ、鉢割れハチが誇らしげに答えている画像。

エージェントの履歴圧縮で入力91.9%減 要約で失った細部は戻らない

コーディングエージェントに、失敗しているテストの修正を頼んだとしよう。作業は1時間続く。新しい依頼をするたびに、エージェントは過去のやり取りをすべてモデルに送り直す。読み込んだファイル、出会ったエラー、捨てた計画も、全部だ。この読み直しにはお金も時間もかかる。しかも、いま取り組んでいる作業の質まで下げてしまうことがある。管理された A/B テストで、ある1つの変更によって入力トークンが91.9%減った。

続きを読む
AI・機械学習
2026年11月20日 13:18 -- いいね
AIエージェントの作業記憶をKVのグラフで共有する仕組みを示す見出しの横で、三毛のミケが不思議そうに問いかけ、鉢割れのハチが得意げに答えている。

Octopus、KVキャッシュ共有で複数エージェントを「1つの頭脳」に

AIエージェントに調べものを頼んだとしよう。エージェントは検索をかけ、ページを読み、数字を確かめ、もう一度検索する。その結果は、作業が終わるまでどこかに覚えておかなければならない。覚えておく方法しだいで、エージェントにかかるお金も、考える力も変わってくる。これが、大規模言語モデル(LLM)を使ったエージェントの「作業用メモリ」の問題だ。1つのエージェントにすべてを任せる方式では、結果が1本の長い記録に積み上がっていく。

続きを読む