タグ: データ活用
「データ活用」に関連する記事を表示しています。
ChatGPT Work「Data agent」登場、QAが検証すべき自動生成の正確性
ChatGPT Workの新機能Data agentを、QA視点で見た際の検証ポイントを整理。生成AIによる集計の品質保証設計と確認手順を解説します。
Codex×ChatGPTで抗菌薬候補探索、フロントエンド視点で見るAI科学基盤
CodexとChatGPTを使った抗菌薬候補探索の事例を、フロントエンド開発者視点でデータ可視化・WASM活用の観点から解説します。
AIエージェント基盤、監視は既存APMで足りるか判断する4つの軸
AI機能の障害対応で既存APMは足りるか。再現性・失敗の粒度・評価体制・コストの4軸で監視基盤の選び方を整理しました。
生成AIサービスをクラウド移行する際のDB選定：Firestoreか自前運用か
AI連携サービスのクラウド移行でDB選定に悩むエンジニア向けに、住宅検索エージェントの実装事例から判断軸を整理しました。
WeatherNext Cyclonesは気象APIに使えるか 導入判断の4軸
DeepMindの台風予測AI「WeatherNext Cyclones」を、API連携・自社導入の観点から4つの判断軸で評価するガイドです。
AIエージェントの記憶をどこに置くか。Vector DB以外の選択肢を整理する
AIエージェントの記憶をVector DBやベンダー機能に頼るか、外部共有メモリハブに置くか。SREの視点で判断軸と選択肢を整理しました。
DeepSeek-VLからVision-Expまで、選ぶべきVLMの基準
DeepSeekのビジョン系モデルの系譜を整理し、OCRや文書解析でどの世代・構成を選ぶべきか、解像度処理や推論効率などの軸から判断基準を示します。
React DataGridは10万件のデータ基盤に耐えるか 選定判断5軸
React DataGridの10万件検証を題材に、SRE視点でデータグリッド選定の判断軸を整理。データ規模・ライセンス・監視・コストの4軸で自分のケースに当てはめられます。
LLMのベンダー公表ベンチマークを鵜呑みにする落とし穴と検証手順
エンタープライズAI評価の専門分化が進む中、LLM選定でベンダー公表ベンチマークだけに頼る落とし穴と、自社データで検証する具体手順を整理しました。
AIの集計は信用できるか 業務システムで数値検証を仕組み化する方法
AIが表計算の合計を誤って断定した事例をもとに、AIに計算させずコード実行と検算で数値を守る設計を業務システム視点で解説します。
DynamoDBのベクトル検索は導入すべきか 二重DB構成との比較で判断する
DynamoDBのSearchVectors追加で二重DB構成は解消できるか。運用負荷・コスト・機能成熟度の判断軸で移行可否を整理しました。
AIエージェントの「完了しました」は本当か 業務システム導入の落とし穴
AIエージェントの「完了しました」報告は本当に信頼できるか。バルクインサート失敗の事例から、業務システムでの検証手順と見直しポイントを整理しました。