編集ピックアップ
Editor's picksカテゴリー
Channels最新記事
Latest stream
Neo4j時代の差を思い知ったハッカソン
+81 Builders主催のハッカソンに参加し、ai&のCLIとskillsでAIサービスをサーバーとして動かす仕組み、MiniMaxを使った高速で安価な動画生成を体験した。さらに登壇者は4時間でNeo4jを活用し、写真の関係解析や音楽分析、接触調査の動的グラフ、火災シミュレーションを構築。coding agentの熟練だけでは通用しない時代の変化と、関係を設計する力の必要性を痛感した。
物語から動画へ:ハッカソンで検証した3層のAI動画生成アプローチ
ハッカソンで物語やブログから動画を生成するツールを開発。第1層は、物語を自動で節に分け、プロンプト・キャラクター・ボイスオーバーを生成して節ごとに映像化する仕組み。第2層は、AI& CLIをサービス層で包み、skillsとAI LLM APIで非エンジニアでも使える形にした。第3層は、先に書いたボイスオーバーを参照してMiniMaxで映像を生成する音声駆動の手法。3つの検証はすべて成功した。
AI Director:「一言で動画生成」を、検証できる制作パイプラインに分解する
AI Director は、アイデアを絵コンテ、キャラクター、ナレーション、ショットに分解するローカル制作用ワークスペースです。検証済みのプロジェクト JSON で AI の出力を構造化し、Edge TTS の音声をショットの尺に合わせて調整、ai& の MiniMax H3 で映像を生成します。制作フロー、タイムライン処理、課金タスクの境界、ローカル優先のデータ設計、Skill を明示的に読み込んで検証する設計判断を整理します。
利益はどこから来るのか:トヨタの原価低減とユニクロのSPAモデル
同じ製造販売モデルを採りながら、トヨタの利益率はホンダや日産を上回る。背景には、デンソーやアイシンなど資本関係のある系列部品メーカーと協業しながら原価低減を徹底する姿勢と、2023年に世界生産1,151万台を達成した量産効果がある。もう一つの事例は、企画から製造・販売までを一貫して担うSPAモデルで知られるファーストリテイリング(ユニクロ)だ。中間マージンを削減し、Zaraとは逆の定番商品戦略で世界的企業となった。
製造販売モデルの二面性:自動車部品メーカーの10%台の営業利益率から見る強みと限界
製造販売モデルは、企業が製品やサービスをつくり販売して対価を得る単純な仕組みだ。だが強みと弱さは同じ場所から生まれる。鍵は「単体の力」とバリューチェーンの二軸だ。超精密部品メーカーは量産時の不良品に悩み、1990年代に東南アジアで改善を徹底。2008年の不況や2011年の震災を挟んでも営業利益率10%台前半を保った。品質と利益率は別物で、値下げ要求を断れない企業は買収された。打開策はバリューチェーンの見直しか、モデル変更に限られる。
エンタープライズ・オントロジーの二つの分岐点:分析型セマンティック層か、ソフトウェア実行基盤か
「オントロジー」は企業ITで二つの潮流に分かれた。指標定義を統一し分析とLLMの文脈接地を支える分析型セマンティック層と、状態変更・事前検証・外部書き戻し・型安全なSDK生成を一体化し業務アプリの実行基盤となる操作型オントロジーである。クラウド各社は前者の延長上にあり、PalantirはCQRSと意思決定の永続化まで含めて後者を実装する。両者の構造差と選定指針を整理する。
Knowledge Catalog と Gemini でつなぐデータサイエンスとマーケティングの自動化ワークフロー
データサイエンティストとマーケティングの分断を、Knowledge Catalog と Gemini の統合で解消する流れを、リテールバンクのローン借り換えを例に解説。自然言語でのデータ探索、PySpark 自動生成と Lightning Engine のゼロコピー結合、XGBoost によるモデル構築(精度90%・適合率85%)、カタログへワンクリック公開、ゼロトークンの BI 分析まで、数か月の作業を数分に短縮する。
AIエージェントに業務セマンティックレイヤーを:オントロジー・OBDA・MCPの実装
表構造をプロンプトに入れるだけでは、AIエージェントは業務上の意味を理解できず、正しく見えるが間違った数字を返す。本記事は、保険業のベンチマークでGPT-4の実行精度が約16%から約54%へ上がった事例を軸に、指標・オントロジー・ドキュメントからなるセマンティックレイヤー、オントロジーを既存データに対応づけるOBDA、確実性と柔軟性を両立する階層的パースを解説する。AI起草と専門家承認、MCPとガバナンス、実践の5つの提案も扱う。
オントロジー(Ontology)とは何か:Q&Aアシスタントの「アップル」から理解する
Q&Aアシスタントが「アップル」を企業か果物か判別し、同じCustomerという名前の3つのテーブルの意味の違いを扱うには、明確で形式化された意味モデルが必要になる。それがオントロジーだ。哲学に由来する概念が1990年代にAIへ取り込まれ、クラス・個体・プロパティ・公理で構成され、RDFやOWLで表現される。推論による暗黙知の導出、生物医学やSchema.orgでの応用、知識グラフとの違い、構築手順と初心者の誤りまでを解説する。


