9月24日（木）18時、日本橋LSBでHealthcare AI・DXラウンジに登壇します。 すでに30名ほど参加されるようですが、30-40人の少人数の会です。先ほど前打ち合わせしましたが、医療AIの社会実装について、具体について深掘りできそうで、今から楽しみです。ご興味あれば、ぜひ！

🏥 医療・ライフサイエンス領域でのエージェント導入は、製品の質だけでなく監査証跡や患者安全まで問われる特殊な世界です。3社の実例から見えてきた共通点を紹介します。 タイトル: Scaling Agents in Healthcare & Life Sciences: Lessons from Madrigal Pharmaceuticals, Abridge, and Vizient URL: LangChainが医療・ライフサイエンス業界を分析し、可観測性と評価をエージェント本体と同時に作り込む企業が先を行くと報告しています。3つの事例が象徴的です。 注目ポイント①💊 Madrigal Pharmaceuticals バラバラな形式のデータをウェアハウスに正規化し、Deep Agentsでオーケストレーター＋モジュール型スキルの構成に再構築。新ユースケースの開発が数週間から数時間に短縮し、デプロイも数ヶ月から数週間へ短縮しました。 注目ポイント②🩺 Abridge 臨床記録エージェントが250以上の医療機関へ拡大する中、品質の柱ごとにLLM判定器を整備し段階的リリースを構築。判定器作成が数日から数時間に、リリースサイクルが1〜2ヶ月から数日に短縮し、精度17%・完全性19%改善を達成しました。 注目ポイント③🏢 Vizient サイロ化したマルチエージェントを、スーパーバイザーが束ねる階層構造に再編。プロンプトをコードから分離したことで、エラーのリアルタイム診断や新データソースの高速オンボーディングが可能になりました。 信頼を後付けせず最初から組み込む姿勢が、結局は自律性拡大の近道になっているという学びだと思います。 #AIエージェント# #ヘルスケアDX#

AIが演じる依頼者が満足して終えた金融エージェントの仕事を検証し直したら、すべてどこかで間違っていた、という研究（ ユーザーは最近下がった銘柄を買う「short-term reversal」を頼んだのに、エージェントは逆の賭けである「momentum」で組んだ例がある。報告した最大ドローダウン（資産のピークからの最大下落率）は−18.96%だが、提出した資産推移で測ると−21.91%で、指定の20%の損切りを超えていた。それでもユーザーは満足した。 エラーで止まらず見た目だけ整う失敗を、論文は「silent failure」と呼ぶ。課題、データ、時間軸のどれかを固定して渡す既存のベンチマークでは、そもそも起きない失敗だ。 FinCosmosでは、LLMが演じる模擬ユーザーが銘柄選択や売買タイミングなど6要素の戦略を胸に秘め、聞かれたことにしか答えない。組み合わせは約380万通り。データは渡さず、エージェントが自分で集め、指定日より後の情報を使わずにバックテスト（過去データでの試算）をする。採点は45項目で、うち15項目は1つでも落ちたら不合格。報告された収益率は売買記録からプログラムが計算し直す。 Claude Code、Codex、Gemini CLI、Kimi Codeとツールなしのモデルを10課題で3回ずつ、計150セッション試すと、合格はゼロ。ユーザーが満足した35セッション（23%）も全てプログラムのチェックで落ちた。LLMが判定するチェックだけで決めていたら、合格率は11%に見えていた。 4エージェントの120セッションのうち、ユーザーの戦略どおりが25、指定日も守れたのが15、未来の情報も使わなかったのが14、報告した収益を売買記録から再現できたのは0。伝えられなかった項目を質問で引き出せたのは54〜64%だった。 一方、記憶を持ち越せるClaude Codeに戦略の中身を明かさない採点結果を返して練習させると、10課題すべてで合格に届いた（課題あたり中央値34.5セッション）。 注意点もある。課題は10個で、空売りしない米国株戦略に限られる。模擬ユーザー、LLM審査役、評価対象の1つが同じモデル系列。70%のターンが300秒の制限に当たっており、時間を延ばせば結果は変わりうる。 個人や小さなチームがAIに分析を任せるときも、きれいなレポートより売買記録と元データを出させるだけで、防げる失敗は多いと思う。