LLMは「判断」を持たない — Claude Code・プロンプト・そして判断外部化という設計構想
近年、LLMの使い方は大きく2つに分かれてきています。
1つはClaude CodeのようにAIにコードを書かせて実行する方法
もう1つはプロンプトによって直接答えを出させる方法
どちらも非常に強力で、実務でも急速に広がっています。
...
人工知能:Artificial Intelligence
LLMエージェントをAIオーケストレータに組み込む方法 — 生成AIを「判断構造」の中で使う —
最近のAIシステムでは、LLM（Large Language Model）エージェントをさまざまな場面で利用するようになっています。
例えば
意図理解要約推論意思決定補助ルール解釈
などです。
しかしここで重要な問題があります。...
AIオーケストレータをどう設計するのか — GNN・Ontology・DSL・Behavior Tree による判断構造の実装 —
前回の記事では、AIシステムを
判断を量産する工場
として説明した。
AIシステムは単なるソフトウェアではない。
AIシステムは
Event
↓
Signal
↓
Decis...
マルチエージェントAIの本当の難しさ — なぜ多くのマルチエージェント研究は実運用に乗らないのか —
これまで、AIシステムを
判断を量産する工場
として説明してきた。
AIは単なるソフトウェアではない。
AIシステムは
EventSignalDecisionBoundaryHumanLog
という構造の中で、
判断を生産する...
店舗判断を企業資産にする — Decision Trace Model のリテール応用
前回の記事では、Decision Trace Model を製造業に適用する例について述べました。
Decision Trace Model は AI システムのための技術として説明されることが多いですが、本来は 人が関わる意思決定プロセ...
Decision Trace Model — 「人間の意思決定プロセス」を資産化する仕組み
AIシステムについて議論するとき、多くの人は次のようなテーマに注目します。
モデル精度
データ量
推論速度
パラメータ数
しかし、実際の業務システムでは、もう少し違う問題...
AIは意味に近づけるのか — 「連続近似のAI」と「意味の断絶」の間にある技術 GNN —
前回の記事では、AIの判断を記述するための構造として
Ontology
DSL
Behavior Tree
という三層構造を説明した。
この構造によって、AIシステムの判断は
...
AIの判断はどのように記述されるべきなのか — Decision Trace Model が前提とする判断記述の構造 —
これまでの記事では、AIシステムを
判断を量産する工場
として捉えてきた。
AIは単なるソフトウェアではない。Event を受け取り、Signal を生成し、Decision を行い、Boundary によって品質を管理する。
その...
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...
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...