AI agents at work
3 tiers
chatbot → DIY agent → personal agent
3件の動画をまとめました
AI agents at work
個人向けエージェントは完成度が高まりアプリとつながるが、まだ単独で動く
Claude Duetの実機レビュー、個人向けエージェントの解説、Claudeのライブダッシュボードのデモは、どれも同じ方向を示しています。エージェントは今やメール、カレンダー、財務ツールにつながり、記憶をプレーンテキストのファイルに保持します。課題はスピード、自発性、そしてチームで動くことです。
主なポイント
- 3つの段階があります。チャットボット（記憶なし）、プレーンテキストのルールと記憶ファイルで自分好みに作るDIYエージェント、クラウドで一日中動く既製の個人向けエージェントです。
- Claude Duetはあなたのプラグインとコネクタを引き継ぎ、見た目も洗練されていますが、並列タスクには10分以上かかり、チームで共有できません。
- ライブダッシュボードはコネクタ経由で最新のデータを取り込み、リンクで共有できるので、短いプロンプトが静的なCSVレポートの代わりになります。
- トレードオフは囲い込みです。エージェントがあなたについて知れば知るほど、乗り換えは難しくなります。
なぜ重要か： クライアントは「個人向けエージェントか、DIYか」と聞いてくるでしょう。Notionベースの記憶とルールのファイルは、囲い込みを避けられる持ち運び可能な中間の選択肢です。
この記事を共有
情報源（3）
- I tested Claude Duet. Is it worth switching? · How I AIWatch ↗
- Personal Agents, Clearly Explained · Jeff SuWatch ↗
- Claude’s New Live Dashboards Are Amazing · Skill Leap AIWatch ↗
Open models & cost
155T
tokens a day served by DeepSeek’s now-open engine
3件の動画をまとめました
Open models & cost
AIが安くなり続ける理由：ボトルネックはメモリ、そして解決策はオープンソース化している
DeepSeekは、1日155兆トークンを提供するために使っているエンジンをオープンソース化しました。IBMの解説は、その設計がうまくいく理由を示しています。答えを書き出す速度は、純粋な計算力ではなくメモリの速度で制限されるのです。そしてローカルAIの構築例は、調整したオープンモデルがノートPCでほとんどの日常タスクをこなせることを示しています。
主なポイント
- プロンプトの読み込みは計算負荷が高い一方、答えの書き出しはメモリ待ちになります。DeepSeekは2つを別々のマシンで動かしています。
- DeepSeekはプロンプトキャッシュを数日間SSDに保持し、入力トークンの96%がキャッシュに当たります。恩恵を受けるには、プロンプトの先頭部分を安定させましょう。
- 2006年以降、チップの計算力は約6,500倍になりましたが、メモリ帯域幅の伸びはずっと緩やかでした。多くのリクエストをまとめて処理するのが主な回避策です。
- ローカルモデルは約95%のタスクで「十分」です（あるクリエイターの主張）。1,800億パラメータのオープンモデルがノートPCで約72トークン/秒で動きました。
なぜ重要か： プライバシーを重視するクライアントには、ハイブリッド構成（日常業務はローカルモデル、難しいタスクはクラウド）が現実的になりました。安定したプロンプトテンプレートはAPIコストの削減にもなります。
この記事を共有
情報源（3）
- DeepSeek Just Open-Sourced How It Serves 155T Tokens a Day · Prompt EngineeringWatch ↗
- The AI Memory Wall: Why LLMs & AI Accelerators Hit a Bottleneck · IBM TechnologyWatch ↗
- Stop paying for AI, run everything locally (here’s how) · David OndrejWatch ↗
The model race
900
questions in the new AI personality benchmark
2件の動画をまとめました
The model race
ベンチマークがすべてではない：今やAIの「性格」が使われるモデルを決める
Googleの新しいGemini 4 Argonはいくつかのリーダーボードで首位ですが、コーディングでは依然としてライバルに及びません。新しい性格ベンチマークでは、「スロップ」（埋め草や紋切り型の表現）のスコアが最も高くなりました。トップモデルの賢さが並ぶにつれ、口調とスタイルが本当の差になりつつあります。
主なポイント
- Gemini 4 Argonはいくつかのリーダーボードで1位ですが、コーディングのベンチマークではOpus 5.5とGPT-6 Astraに負けています。
- AA Personality Benchは30の特性にわたる900の質問を使います。温かさではMuse、想像力ではOpus 5.5、スロップではArgonがトップです。
- 実機テストでは、コードで生成したモーショングラフィックスがネイティブのAI動画に勝り、編集もしやすかったです。
- 政策メモ：米連邦政府のメモにより、DeepSeekのモデルは民間向け政府システムで禁止されました。
なぜ重要か： リーダーボードではなくタスクごとにモデルを選びましょう。クライアント向けのアシスタントでは、正確さだけでなく口調と埋め草もテストしましょう。
この記事を共有
情報源（2）
- Does Personality Matter More Than Intelligence in AI? · The AI Daily BriefWatch ↗
- Did Google just dethrone OpenAI and Anthropic? · FireshipWatch ↗
AI in Asia
−90%
false alerts on Changi’s runways after the AI upgrade
2件の動画をまとめました
AI in Asia
チャンギの滑走路から中国のロボット学校まで、アジアは物理世界でAIを働かせている
2つの報告は、AIが画面の外に出ていることを示しています。シンガポールのチャンギ空港は、AIカメラで4cmほどの小さな滑走路上の異物を見つけています。中国では「ロボット学校」が人型ロボットに日常の作業を教えており、その規模に並ぶ国はありません。
主なポイント
- チャンギでは、12基の塔に設置したカメラが全長4kmの各滑走路を監視しています。AIへの更新で誤報は90%減り、検知能力は7倍になりました。
- チームが出動する前に、すべてのアラートを人が確認します。通常1〜5分以内です。
- 2025年に出荷された人型ロボットの約90%は中国製でした（アナリストの数字）。訓練センターではロボットに料理や機械の操作を教えています。
- リスク：景気の減速と規制の強化が研究の足かせになるかもしれません。
なぜ重要か： これらはワークショップで使える身近で強力な事例です。AIが知らせ、人が確認し、チームが動く。Notionのワークフローで設計しているのと同じパターンです。
この記事を共有
情報源（2）
- How Changi Airport Finds Tiny Objects On Its Runways With AI · CNA InsiderWatch ↗
- Inside China’s Robot Schools: How Embodied AI Is Being Built · CNA InsiderWatch ↗
AI security & trust
