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。
LLMに数値計算をさせない設計とは 業務システムでの責務分離を考える
株式分析AIツールStockAny AIの設計から、LLMに数値計算を任せない責務分離の考え方と業務システムへの応用ポイントを解説します。
音声認識の固有名詞誤認識、コンテキスト辞書とファインチューニングどちらを選ぶか
音声認識で固有名詞だけ誤認識が続く場合、コンテキスト辞書とファインチューニングどちらを選ぶべきか、判断軸と比較表で整理しました。
Firestore vs Realtime Database、AIチャット検索基盤はどちらを選ぶべきか
外部CRMのチャット履歴をAI検索できる自社DBに取り込む際、Firestoreを選ぶ理由とSLO・監視で確認すべきポイントを整理しました。
オフライン書き込み同期の設計、PowerSyncやElectricはどう違うか
オフライン書き込み同期の設計を、PowerSync・Electric・Replicacheなど主要アーキテクチャの違いから整理し、導入判断の基準を解説します。
AIに顧客名簿を渡さない仕組み：仮名化で業務データを守る方法
顧客名簿や契約書をAIに渡すとき、実名を守りながら業務処理を続ける「仮名化」の仕組みと、既存システムへの組み込み判断のポイントを整理しました。
AIによる営業フォーキャスト自動化、どこまでAIに任せるか判断する4軸
営業フォーキャストのAI自動化で、ルール・機械学習・LLMのどこまでを任せるべきか、データ量や説明可能性の観点から判断軸を整理しました。
Airflow・Dagster・Databricks Workflowsの選び方 3つの判断軸
Databricks Workflows・Airflow・Dagsterの3つのオーケストレーターを、運用負荷とデータ品質の観点から比較し選定基準を整理しました。
AIモデル評価基盤は自前構築かCLIツールか、判断軸4つ
AIモデルの品質評価をCLIで自動化するか自作するか。再現性・監視統合・実行環境・導入コストの4軸で判断材料を整理しました。
Apache Iceberg V4のequality delete廃止、既存パイプラインへの影響確認法
Apache IcebergのV4でequality delete廃止が議論に。ストリーミング書き込みへの影響を確認する手順と対策を整理しました。
AI投資対効果をどう測るか——OpenAIが提唱するスコアカードの4指標
OpenAI CFOが提唱する4指標スコアカードを、LLM評価・RAG・ファインチューニングの観点から読み解く。ROIをどう定量化するかという問いへの実践的な考え方を整理します。
AIラベリング案件の実態と開発者が知るべき構造的問題
DataAnnotationやOutlierなどAIラベリングプラットフォームの報酬構造を、学術研究と2025年の訴訟事例をもとに解説。見えない労働コストとAI開発パイプラインへの実装上の注意点を整理します。
AIエージェントをマーケ業務に入れてみた話
ChatGPTで止まっていた効率化の壁。AIエージェントをマーケ業務に当てはめると、週次レポートの自動化だけで月10時間以上が返ってくる計算になる。