情報から意味へ、意味から目的へ ― Knowledge Infrastructure の次に来るもの
Books: Knowledge Flow実践ガイド: 企業知識をAIが利用できる知識基盤へ変換する
長い間、私たちは、
「知能とは情報を扱う能力である」
と考えてきました。
より多くの情報を集める。
...
ICT技術:ICT Technology
Signal Normalization Layer — 生データを意思決定可能なSignalへ変換する
Chinoba — Runtime Society and Coordination Systems
通常のOS（Operating System）が、CPU・メモリ・プロセスといった計算資源を安全に協調制御するための基盤であった...
Trust Entropy — AI時代の組織はなぜ混乱するのか
Chinoba — Runtime Society and Coordination Systems
生成AIの普及によって、企業はこれまで以上に多くの情報を扱えるようになりました。
検索できる。
要約できる。
...
DTM適用例 3： 「過去成功」が現在判断を誤らせるとき ― Autonomous Driving における Operational Assumption Drift の危険性 ―
近年、生成AIや自動運転AI、Multi-Agentシステムは急速に高度化しています。
しかし現実の現場では、
AIそのものの精度以上に重要になる問題があります。
それは：
「過去成功した意思決定を、
現在でもそのまま...
AI時代に再び重要になるヴィトゲンシュタイン ― 言語ゲームから知能場へ
生成AIの登場によって、私たちは再び、
「意味とは何か」
「理解とは何か」
「知能とは何か」
という古い問いに向き合うことになりました。
これまで私たちは、
知識を持っていることと理解していること...
Knowledge Flow ― 知識とは「保存」ではなく「循環」である AI時代における知識社会から知能創発への転換
Books: Knowledge Flow実践ガイド: 企業知識をAIが利用できる知識基盤へ変換する
これまで我々は、知識を：
「蓄積するもの」
として考えてきました。
本。データベース。ドキュメント。論文。Wiki。ナレッ...
製造業におけるDTM導入ステップ ― 「検索AI」から「意思決定支援基盤」へ進化するために ―
生成AIやRAG（Retrieval-Augmented Generation）の普及によって、
製造業でもAI活用が急速に進み始めています。
しかし実際の現場では、多くのPoCが次の段階で止まります。
検索はできる
...
複数のAIを連携させたシステム（マルチエージェント）の評価はどの様にすれば良いのか？
生成AIの進化によって、AIは単独のモデルから、複数のAIが連携して動くマルチエージェントシステムへと進化し始めています。
現在では、
調査Agent
推論Agent
実行Agent
監視Agent
...
新刊出版のお知らせ 『AI運用基盤アーキテクチャ: Enterprise AI GatewayとDecisionOpsの実践』
ここ数年で、生成AIは急速に企業へ浸透しました。
文書作成、調査分析、プログラム開発、設計支援、カスタマーサポートなど、多くの業務で生成AIが日常的に利用されるようになっています。
そして現在、その進化は新たな段階へ入りつつあります。
...
デスクトップOS・組み込みOSから考える Runtime OS の最小構成とDTM
AI時代において「Runtime OS」という考え方が重要になりつつあります。
ただし、Runtime OS を考えるときに重要なのは、最初から巨大なシステムとして設計しないことです。
通常のOSにも、最小構成があります。
...