ラピッドプロトタイプの次に何を作るのか──企業内問い合わせAIを本番システムへ育てる実装手順
🎥 YouTubeでも公開しています
生成AI時代のラピッドプロトタイピング―「速く作る」から「速く学び、確かに決める」へ
Books: 生成AI時代のラピッドプロトタイピング: Streamlitで学び、Dockerで...
Case Study
Chinoba Case Study #04 なぜAIを社会で安全に運用できないのか？ ガバナンス・ギャップとRuntime OSによる解決
🎥 YouTubeでも公開しています
AI Agentを企業業務へ安全につなぐ ― Chinoba Decision Runtime Edge（CDR Edge）とは
books: Runtime AI Governance 実...
ホスピタリティ教育学会 第10回全国大会で講演しました
AIエージェント時代に、ホスピタリティをどう再定義するか
2026年9月5日、ホスピタリティ教育学会（ASHHE）第10回全国大会・会員総会にて、基調講演を行いました。
講演テーマは、
AIエージェント時代のホスピタリティ
― ...
生成AI時代に、ラピッドプロトタイピングをどう再定義するか ― Vibe Codingとの違いは、「速さ」ではなく「学習と判断」にある
🎥 YouTubeでも公開しています
生成AI時代のラピッドプロトタイピング―「速く作る」から「速く学び、確かに決める」へ
Books: 生成AI時代のラピッドプロトタイピング: Streamlitで学び、Dockerで...
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...
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
...
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。
...
AIは「正しい答え」を出しても、組織は止まる ― 士業・法務領域で始まる Multi-Agent Conflict の時代 ―
生成AIの進化によって、
法務・監査・コンプライアンス・契約レビューの世界でも、
AI活用が急速に進み始めています。
現在すでにAIは：
契約レビュー
条文比較
リスク抽出
判例検索
GDPR確認
監査補助
コン...
AIの不良品とは何か ― AI歩留まりの核心 ―
製造業では、最も重要な問いがある。
それは
不良品とは何か
という問いである。
工場では
製品を作ることよりも先に
不良品の定義
を決める。
なぜなら
不良品の定義がなければ
品質管理ができない
からである。
興味深...
DTM適用例 2： 「過去承認」が現在判断を固定化するとき ― Pharmaceutical Development における Decision Inertia の危険性 ―
製薬開発において、
「過去に承認されている」という事実は、
極めて強い安心材料になります。
長期間使われている。
重大副作用が少ない。
多くの患者に処方されている。
こうした履歴は、
組織に「既に安全である」という前提...