Decision Trace ModelとLedger — なぜAIシステムには「消せない履歴」が必要なのか —
AIシステムを設計するとき、多くの企業は次のように考える。
モデルを作る
APIを作る
データを保存する
つまり、AIはアプリケーションの一部として扱われる。
しかしAIが社会の意思...
人工知能:Artificial Intelligence
AI品質工学（AI Quality Engineering） — 品質工学が、なぜAIの時代に再び重要になるのか —
AIについて語るとき、多くの議論は次のような話に集中します。
モデル精度
データ量
パラメータ数
しかしAIが社会の中で実際に使われ始めると、重要になる問いは少し変わってきます。
そ...
AI工場モデル（AI Factory） ― AIはソフトウェアではなく「製造業」になる ―
AIについて語るとき、
多くの人はこう考える。
AIは
ソフトウェア
である。
モデルを作る。
APIを呼ぶ。
アプリに組み込む。
しかし、AIが社会に入るほど
この理解は間違っていることが分かる。
...
Boundary設計 AIを安全に止める7つの境界 — AIシステムに必要なのは「能力」ではなく「停止条件」である —
AIシステムを設計するとき、多くの議論は
何ができるか
に集中する。
しかし現実のシステムではもっと重要な問いがある。
それは
どこで止めるか
である。
AIは
予測する
推論する
...
歩留まりとBoundary 半導体工場とAI設計が驚くほど似ている理由
半導体工場では最も重要な指標がある。
それが
歩留まり（Yield）
である。
歩留まりとは
作ったチップのうち正常に動く割合
のことだ。
例えば100個作って90個動けば
歩留まりは90%になる。
この数字は半導体ビジネ...
AIカスタマーサポートが成功する企業の設計パターン5 — 成功の鍵はモデルではなく「境界設計」にある —
多くの企業がAIカスタマーサポートを導入している。
しかし結果は二つに分かれる。
ある企業では
問い合わせ対応コストが大幅に削減され
顧客満足度が維持され
オペレーターの負荷が減る
...
メタ学習は「型」を学べるのか？ — メタ学習とオントロジー設計の構造的関係 —
Meta-learning（メタ学習）は、
「どう学ぶかを学ぶ」
と言われる。
少数データでも適応できる。新しいタスクでもすぐに順応できる。
それはまるで、
AIが「構造」を理解し始めたかのように見える。
だがここで問うべきこと...
AIは世界を近似するが、意味は近似できない ―連続近似と意味の断絶、なぜ意味はロジックに残るのか
AIは、世界をよく近似する。驚くほど精密に、なめらかに、現実の構造を写し取る。
それでも私たちは、ときどき強い違和感を覚える。
「言っていることは正しい。でも、意味が分かっていない」
この違和感の正体は、性能不足ではない。
近似でき...
その設計者はどう育てるのか？ ――判断構造を言語化できる人材の条件と、 経験・失敗・衝突ログを学習に変える方法
ここまでで、AI時代の新しい観点についてのべてきた。
問題はモデルではない
問題は最適化でもない
問題は「判断構造を書いた人がいない」ことだ
では次の問いは、これしかない。
その設計...
AI時代の「設計者」とは誰か ―エンジニアでもPMでもない、判断構造の作者という職能
AI時代になると、必ずこういう議論が起きる。
エンジニアが重要だ
PMが要だ
データサイエンティストが不足している
どれも間違いではない。だが、どれも核心ではない。
AIが社会に入り...