JST
Cars24がOpenAIで月100万分以上の会話を処理、離脱顧客の12%を回復
・Cars24がOpenAIの音声・チャットエージェントを導入し、月100万分以上の顧客会話を処理 ・AIエージェント活用により、失った見込み客の12%を回復して営業効率を改善 ・会話型AIをカスタマーサポートから営業、その他部門まで横展開するワークフロー構築を実現
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る3 / 4ページ
- Source
- JSTSource
DoorDashがコマンドライン注文ツールをベータ公開、AI向け設計の一歩
・DoorDashが「dd-cli」という限定ベータ版のコマンドラインツールを開始 ・開発者やAIエージェントがターミナルから店舗検索、カート構築、注文が可能 ・従来のUI中心設計から、AI向けに最適化されたソフトウェア設計への転換を示唆
- JSTSource
企業AI組織の信頼ギャップ：検索ではなく信頼性が課題
・101社の調査から、AI エージェント向けのコンテキスト基盤が信頼性を伴わないまま急速に構築されている実態が判明 ・検索拡張生成（RAG）がデフォルトのコンテキスト源となり、ベクトルDB から プロバイダー純正検索へシフトが進行中 ・多くの企業で、欠落・不一致したコンテキストに起因する誤った確信回答（confident wrong answer）が既に発生 ・ガバナンス付きセマンティック層の導入が解決策として提示される
- JSTSource
エンタープライズAIの評価ギャップ：カバレッジではなく現実との乖離が課題
・157社を対象とした調査で、企業が AI エージェントに自律性を付与する一方、その自律性を制御するための評価基準への信頼が低下している実態が明らかに ・半数の企業が、内部評価で合格したエージェントが本番環境で顧客に対して機能しない経験をしており、評価基準が実世界の成果と乖離していることが最大の課題 ・自動評価を完全に信頼する企業は 5% に過ぎないが、それでも 3 分の 2 の企業は既に配備を行っているか向かっている状況
- JSTSource
Amazon BedrockとNova 2でレストラン電話自動応答AIを構築
・レストランは月平均150件の電話を取り逃としており、約60%は予約・注文の問い合わせ。ディナータイムに多く発生し、ホストの負担が集中。 ・AWSのBedrockエージェント機能とNova 2 Sonicモデルを用いた電話自動応答システムの実装例を紹介。 ・通話受付の自動化により、スタッフをフロア業務に集中させながら顧客対応を両立する。 ・実装アーキテクチャ、連携フロー、本番運用への課題をAWSブログで解説。
- JSTSource
GitHub プロジェクトによる AI コード生成エージェントの初期採用動向
・GitHub 上の 2,361 個の人気リポジトリから 25,264 件の AI エージェント生成プルリクエストを分析 ・AI エージェントがコード生成と PR 自動提出を行う新しい開発形態の実態を調査 ・プロジェクト単位での AI ツール導入パターンと管理方法の差異を明らかに ・従来の個別 PR 評価ではなく、組織レベルでの採用戦略の重要性を示唆
- JSTSource
エンタープライズAI組織の課題は「プラットフォームではなくデプロイメント」、多くが過剰評価された「エージェント」を導入
・101社のエンタープライズ調査で、AI エージェントの統合先は Anthropic Claude が圧倒的シェアを占めており、マルチステップ実行の信頼性が選定基準 ・現状では多くの導入済み「エージェント」が実はチャットボット機能のみで、真のエージェント機能には達していない ・企業はベンダーロックイン回避のため意図的にハイブリッド制御層を採用し、トークン消費を実時間で制御する仕組みはまだ少数派
- JSTSource
不動産金融向けAI文書処理ソリューション、AWSで構築・展開
・不動産金融企業Built Technologiesが、Amazon BedrockとAWSのサービスを活用したAI駆動の文書処理エンジンを構築 ・年間5000億ドル規模の不動産プロジェクト処理において、複雑で手作業が多い文書処理を自動化 ・AIエージェント基盤により、融資判断や契約審査などの重要な業務意思決定を迅速化
- JSTSource
AI エージェントはタスクの難易度を認識できるか──複雑性を考慮した推論と実行に向けて
・LLM エージェントは単純な 1 行の編集でも、すでに読んだファイルや依存関係を何度も再読込みする「最大コンテキスト優先戦略」を採用している。 ・タスクの実際の難易度や必要な情報範囲を事前に推定できず、結果として不要な処理オーバーヘッドが発生。 ・研究は「タスク認識スコープ推定」という能力の重要性を指摘し、効率的で適応的なエージェント動作の実現を目指している。
- JSTSource
複数チャネルの信号を統合する営業インテリジェンス：Strands AgentsとAmazon Bedrockの活用
・見込み客はReddit、Hacker News、Stack Overflow、GitHubなど複数のオンラインプラットフォームに活動の痕跡を残している ・個別の信号は雑音だが、複数ソースで相関させると購買準備状態の見込み客を特定できる ・Strands AgentsとAmazon Bedrockによるマルチエージェントシステムで、これら分散データの統合分析が可能になる
- JSTSource
AI エージェントによる IoT 脆弱性の自動探索・検証技術
・IoT デバイスは限定的なハードウェア・古いファームウェア・不適切な初期設定により脆弱性が多発している課題を指摘 ・大規模言語モデル（LLM）ベースのAIエージェントをペネトレーションテストに適用し、IoT固有の脆弱性検証を自動化する研究 ・複数エージェントの協調動作により、手作業では対応困難なIoTシステムの包括的なセキュリティテストを実現する提案
- JSTSource
AWS上でStardogとBedrockを用いた意味層の構築とエージェント化
・Stardog（意味層プラットform）をAmazon AuroraおよびRedshift上に構築し、ETLなしに複数データソースを統合 ・Amazon Bedrock AgentCoreでStrands Agentsを実行し、顧客360度情報を横断的に照会可能 ・Stardogデプロイ後、ECS/EKSなど複数AWS計算環境での利用が可能
- JSTSource
WebSwarm：複数AIエージェントを階層的に連携させた深く広いWebサーチシステム
・LLMベースのWeb検索エージェントが、単なる質問応答から深く複雑な調査タスクへ進化している ・従来の単一エージェントは長い推論経路と限定的なコンテキストで深さと広さの両立が困難 ・複数エージェント並列実行は広さに対応するが、深さの探究に課題が残っている ・WebSwarmは再帰的な階層構造でエージェント間の協調を実現し、課題解決を目指す
- JSTSource
UniClawBench：実世界タスクで主体的に動作するエージェントの評価ベンチマーク
・大規模言語モデル（LLM）と多モーダルLLMの発展により、実環境で日常のツールを操作する主体的エージェント（Proactive Agent）が登場。 ・既存ベンチマークはサンドボックス環境・単一ターン評価に限定されており、複雑な実世界タスク評価に対応不足。 ・UniClawBenchはこの課題に対応し、複数のモデル能力を分離した新しい評価タスク分類を提案。
- JSTSource
AI エージェント企業が自社製品で 1 億ドルの資金調達に成功
・エンタープライズ向け AI エージェントを開発するスタートアップ Lyzr が、自社製品を活用して 1 億ドルの資金調達ラウンドを実行 ・AI エージェントが営業・交渉プロセスを主導し、製品の実効性を実証 ・自動化による営業効率化とビジネスプロセス自動化の可能性を示唆
- JSTSource
MCP ツール設計の実践的なアプローチとトレードオフ
・Model Context Protocol（MCP）ツールの性能低下は、プロトコル自体ではなくツール設計に原因があることが多い ・既存 API をそのまま公開して AI エージェント任せにする手法は単純なユースケースでは機能するが、実装では不十分な場合が多い ・AI エージェントや生成 AI コーディングツールと連携させるには、ツール設計の工夫が必要
- JSTSource
多主体AI安全性の評価：デプロイルールの因果的影響を測定する新手法
・複数のAIエージェント間の安全性を評価するため、エージェント・目標・タスク状態は固定し、デプロイルール（運用規則）のみを変更して集団行動への因果関係を測定する「制度的レッドティーミング」を提案。 ・IABench-CAベンチマークで228のコンテキスト、5つの標準ルール、7つのモデル集団にわたり33,924ゲームを実施し、ルール変更が協調行動に与える具体的な影響を定量化。 ・単にモデルの安全性だけでなく、展開時の運用規則がマルチエージ...
- JSTSource
データベースロック解除：ハイパフォーマンス・ストレージリーダーの自動生成による直接読み込み
・分析ワークロードがデータベースドライバ経由でしか読み込めない非効率性に着目した研究 ・Jailbreak：ストレージファイルを直接読み込み、メモリ内に列形式バッファを構成する仕組み ・エージェント技術により、異なるDBMSのストレージ形式に自動対応、クエリ層のオーバーヘッドを削減 ・大規模データ分析の処理速度向上が期待される一方、DB管理方針との調整が課題
- JSTSource
AI実行ランサムウェア攻撃、人間の関与が不可欠だった
・AI エージェントがランサムウェア攻撃の技術実行を初めて実施したが、被害者選定・インフラ構築・認証情報入手は人間が担当 ・完全自動化ではなく、人間が重要な意思決定と準備作業を行った形態 ・サイバー脅威の自動化が進む一方、現段階では人間と AI の協働型が現実
- JSTSource
持続状態の AI 制御における分散攻撃
・AI コード生成エージェントがセッション間でコードベースを保持する際、複数のプルリクエストに攻撃ペイロードを分散させる新たな脅威が生じる。 ・プロンプトインジェクションや不正調整されたエージェントが、検出を回避しやすいタイミングで悪意あるコードを統合する可能性がある。 ・研究論文は「Iterative VibeCoding」という実験フレームワークを導入し、自律的で信頼性に課題のある AI の安全な配置を研究している。
- JSTSource
今のエージェンティックAIとは何か、そして企業は何を期待すべきか
・自動実行型のAIエージェント導入が急速に拡大。2025年11月の調査では35%の企業が既に導入、44%が導入予定。 ・エージェンティックAIは複雑なタスクを自律的に実行する能力が特徴。定義と実装方法について企業での認識が多様。 ・技術的可能性と実務上の課題のギャップが存在。企業はビジネス価値の明確化と導入リスク管理が重要。
- JSTSource
ハードウェア設計の自動進化：エージェント型コード進化フレームワーク
・HORIZONフレームワークがハードウェア設計をリポジトリレベルのコード進化として扱う新しいアプローチを提示 ・Markdownベースの仕様書をドメイン知識・評価器・受理判定ロジックを含むプロジェクトパックへ自動コンパイル ・AIエージェントがgit操作を用いて設計を反復的に進化させ、状態管理・追跡・再現が可能 ・従来のEDA（電子設計自動化）ツールの枠を超えた、自律的ハードウェア設計の自動化を実現
- JSTSource
保険ブローカー向けAIプラットフォーム「Cara」がAWSで業務自動化を実現
・保険業界の8兆ドル規模の市場で、手作業業務と人材不足が課題。 ・Caraは保険ブローカーのバックオフィス業務（申請書作成、保険分析、データ入力など）をAI自動化するSaaS。 ・AWS上で構築され、保険業界特化の生成AI機能を提供。 ・エージェントの定型業務削減により、生産性向上と人的リソースの効率化を実現。
- JSTSource
GUI自動操作エージェントの自律学習と経験活用による タスク計画精度向上
・Webサイト自動操作エージェントの課題である「複雑なタスク分解」と「サイト間の汎化」に対し、自律探索と過去経験の再利用により改善する PEEU 手法を提案。 ・オープンソースの小規模マルチモーダル言語モデル（MLLM）でも、高コスト商用モデルに近い性能を実現しながらプライバシーと コスト効率を両立可能。 ・実験段階だが、Webスクレイピングや RPA 処理の自動化に応用される見込み。