AIの信頼性は「自己反省」では足りない。答える前に別のエージェントが“監査”する時代へ🔬 タイトル: Apodex-1.0: A Verification-Centric Agent Team for Discoverative Intelligence URL: 🔬 概要 単一エージェントの推論ループから、検証を重視する分散エージェントチームへと転換したシステムです。ヘビーデューティモードでは、専門化・相互チェック・自己監査を行う非同期チームとして難問に挑みます。 ❓ 解決する課題 難しくオープンエンドな問題での信頼性は、モデルの学習済み知識だけでは得られません。最も難しい研究課題は、モデルの能力ではなく「モデルが何と相互作用できるか」に制約されている、という問題意識が出発点です。 💡 方法論と提案手法 ・メインエージェントが、独立した文脈とツールを持つ専門サブエージェントを非同期に起動 ・共有レポートプールで並列探索の結果を集約（遅いタスクを待たない） ・検証エージェントチームが矛盾解消・ファクトチェック・草稿レビューを担当 ・核心は「外部監査としての検証」。推論役と監査役を分離し、検証器は異議を唱える自由を持ちます ・単一タスクで最大150サブエージェント・15,000ステップ超を非同期協調 📊 実験結果 ・BrowseComp 90.3 / DeepSearchQA 94.4 / BrowseComp-ZH 84.1 ・FrontierScience-Research 46.7（競合+8）/ SuperChem 74.2（次点+12） ・ヘビーモードはベースをBrowseCompで+14.8、研究で+18.4押し上げ ・オープン版4B-SFTが30B級のOSSモデルを上回る #AIエージェント# #DeepResearch#

便利だけど知られていないGemini APIの機能 🔬 複数のソースを横断して調べて、レポートにまとめて。それ、Geminiのエージェントに任せられます。 Geminiの「Deep Research」は、計画立案・情報収集・分析・レポート生成までを自律的に行うリサーチエージェント機能です。MCPにも対応しています。 📌 タイトル：Deep Research（エージェント・プレビュー） 🔗 URL： 🧩 概要 「この技術の最新動向を調べてまとめて」のようなリサーチタスクは、複数のソースを探索し、情報を整理し、一貫した分析にまとめる必要があります。Deep Researchはこの一連の流れを自律的に実行するエージェントです。調査計画を立て、複数ソースから情報を集め、分析・構造化してレポートを生成します。 🛠 使い方 リサーチの目的や範囲を自然言語で指示します。エージェントが調査計画を立案し、Web検索やツールを使って情報を収集。途中経過を可視化しながら進行し、最終的に構造化されたレポートを出力します。MCP（Model Context Protocol）対応ツールと連携させることで、独自のデータソースからも情報を取得可能です。 🏗 本番システムへの組み込み方 ・市場調査の自動化：競合動向や技術トレンドの定期レポートをエージェントが自動生成。 ・デューデリジェンス支援：投資先や提携先の公開情報を網羅的に収集・分析。 ・技術調査：新しいライブラリやフレームワークの比較調査を自動で実施。 ・学術リサーチ補助：特定テーマの論文サーベイを半自動化。関連論文の整理と要約に。 💡 ユースケース 📊 競合・市場動向の定期レポート 💼 デューデリジェンス・企業調査 🔧 技術選定のための比較調査 📚 学術論文のサーベイ・整理 ⚠️ 注意点 プレビュー機能のため、精度や網羅性は完璧ではありません。エージェントの出力は必ず人間がレビューし、重要な意思決定にはファクトチェックを挟みましょう。また、調査の深さと時間・コストはトレードオフなので、適切なスコープ設定が重要です。 ✨ 「調べて→まとめて→レポートにして」の流れを丸ごと自動化。まずは定型的なリサーチタスクでDeep Researchの実力を試してみてください。 #Gemini# #LLM#

Claude Codeでそんなにトークンをガンガン使って何を作ってるんですか？とよく聞かれます。職種や部門ごとに作るべきものは様々ですが、マネジメントも含めて全員にオススメなのは「パーソナルエージェント」と「パーソナルナレッジベース」です。 パーソナルエージェントは自分の秘書のような存在で、毎朝モーニングブリーフィングとしてカレンダーの予定や未完了タスクや未読メールなどをピックアップして通知させたり、面接や会議、会食などの事前ブリーフィング資料をつくらせたり、日程調整をサポートさせたりします。 例えば会食だと、事前に同席する人の会社概要や直近のトピックス、その方の経歴や最新の発信、関心領域をDeep Researchにかけて調べたりしますよね。それをパーソナルエージェントが自動で実行するようにして、まとめたレポートを自分のみに権限設定したGoogleドキュメントに出力させて、Googleカレンダーの予定に添付させます。これはとっても便利。※もちろん、社内データを扱う場合はアクセス権限や保存先などのガバナンスをきちんと設計することが前提です スケジュール調整なら、自分の好みを教えこんだ予定調整をしてもらえます。細かな移動時間を考慮させたり、金曜日は集中したいからなるべく入れないとか、面接や登壇はパワーを使うのでその後の予定はなるべくソフトにするとか、スコアリングロジックを自分好みに作り込むと提案の精度がとてもよくなってきます。 候補日を複数仮で入れて、決まったら確定させて仮の候補日を消すなどの日程調整系サービスがやるようなこともSkillを作れば自在にやってくれます。これを作り込んでからはあまりによすぎて調整系サービスを使わなくなりました。 パーソナルナレッジベースは、自分に関連するコンテキストやデータをためておき、RAG的に自由に質問したり、Deep Research的にレポートをつくったり、ダッシュボードアプリをつくったり自在にできるようにするものです。 Gemini Notebook(旧NotebookLM)でも同じようなことはできますが、ノートブックごとのソースファイル数に制限があったり、自分独自のデータ取得・加工フローをつくりこめない、出力の動作ロジックがブラックボックスでカスタマイズできないなどの不便さもあり、自作すると手放せなくなります。 関連するデータをわかりやすくフォルダに分けてダウンロードしておくだけでも、最近のモデルはいい感じに解析・動作をしてくれますが、データが増えてくるとカオスになりがち。 オススメは、「メダリオンアーキテクチャ」を採用することです。メダリオンとはオリンピックのような金・銀・銅メダルに由来する意味ですが、データをとにかく溜め込むBronze層、データを解析・構造化・正規化して扱いやすい形に整えるSilver層、KPI化や集計・分析などを行うGold層の三層に分け、欲しいアウトプットを生成させます。 例えばBronzeには取得したPDFやメール、議事録などの原本をそのまま保存し、Silverでは人物・企業・会議などの単位に構造化・正規化。Goldでは用途に応じてKPI化や集計・分析したデータを保存し、それをもとにレポートやダッシュボードなどを生成する、といったイメージです。 データ分析基盤のとてもベーシックなアーキテクチャですが、これを使うだけでデータ量がかなり増えても破綻しにくくなります。Bronze層は取得したPDFやPPTX、XLSXなどのデータそのものを触らず保存しておくことで、Silver層のロジックを変えてもいつでも再生成できることがポイントです。 この二つを作り込んでいくと、どんどんと大規模になっていきAIレベルがガンガン上がっていくはず。開発を効率化するためにloop engineeringやgraph engineeringに近いことをやりたくなってきて、関連ツールを自作したりと連鎖が止まらなくなって、つくりたいものだらけになります。 kubellの社内では「CEO’s AI Boot Camp」と題して私がコンテンツを作成したClaude Codeワークショップを定期開催しています。そのコンテンツのメインが、今回ご紹介したパーソナルエージェントとパーソナルナレッジベース。 小さくつくるのはそこまで難しくないので、毎日の業務の中から少しずつ育てていけるのがポイントです。ぜひ、チャレンジしてみてください！

リブ・コンサルティング様のYouTube「AIジダイ」に弊社AI Ops Managerの荒木が登壇しました！ ・商談準備は3時間が5分に！ ・営業の立ち上がりは半分に！ ・Webページ制作は10日が1日に！ AIを具体的にどうやって現場に定着させたか、初めて本格的に話しています💪 ぜひご覧ください！🎥 <要点> １） 商談準備は3時間から5分になりました。 最初はDeep Researchに会社調査をさせていましたが、20ページのレポートは読まれませんでした。 トップ営業の思考をヒアリングして要素に割り、20体のエージェントに1つずつ調べさせて集約する形に変えたら、やっと使われるようになりました。 ２） 営業のロープレもAIで自作しました。 先輩やマネージャーの時間を使わずに無限に練習できるので、立ち上がりが大体半分になりました。 時間をかけたのはツールではなく、「どうなったら合格か」の言語化です。 ３） Webページは社内のものを全部Vercelに移して、GitHubで管理するようにしました。 10日かかっていたページが1日で終わるようになりました。 効率化して余裕ができたから、前からやりたかったことに高度化に着手することができました！ ４） 組織への広げ方ですが、個人の活用が浸透しきる前に、組織で解こうとしても入りません。 「これチームで共有した方がよくない？」に自分でぶち当たる人が半分を超えて、やっと組織の話になります。 一気にやろうとして失敗した話もしています。 ５） AI推進は、実はAIがあまり関係ないです。 「課題を見つけて設計する。理想と現実のギャップを言語化する」 これをやっていない会社は、うまくいかないです！ 続きは動画をご覧ください！

AIエージェントの性能はモデルだけで決まらない——ハーネスの設計次第で大きく変わります。 TL;DR JIT-Agentはタスクの特性に応じてエージェントハーネス（スキャフォールド）をジャストインタイムで自動生成・修復・進化させる専用モデルです。GLM-5.2で+7.7pt、DeepSeek-V4-Flashで+8.8ptの平均向上を達成し、9ベンチマーク中8つでGPT-5.6を含む全フロンティアモデルを上回りました。 タイトル: Scaling Harness Intelligence via Just-in-Time Harness Evolution URL: ポイント 🧩 ハーネスを「学習可能なアーティファクト」として定式化 メモリ・計画・アクション・能力オーケストレーションの4モジュールプロトコル h = (M, P, A, F) でハーネスを形式化。生成空間を制約しつつ13種類の既存ハーネスを全て表現できる設計です。 🎓 教師あり→修復→進化の3段階訓練 ステージIで教師生成ハーネスを学習、ステージIIで実行失敗時の修復を学習（最大2反復）、ステージIIIのEvo-GDPOでパレートフロンティアを前進させる新規ハーネスを進化的に探索します。 📊 精度向上とコスト削減を同時達成 xBench-DeepSearchでスコア78→82（+4pt）の一方、トークン消費は527K→212K（▲60%）、コストは$0.075→$0.039（▲48%）。9ベンチマーク平均で固定ハーネス比36%のトークン削減を実現しています。 ⚡ 複数モデルファミリーに転移可能 JIT生成ハーネスはDeepSeek V4（+10.2pt平均）、Mimo V2.5（+8.6pt）、Qwen 3.6（+4.0pt）でいずれもReActを上回り、ハーネス生成器を再訓練せずに転移できます。 🔄 ストリーミングモードで運用中も進化 デプロイ後もタスクシーケンスをまたいでハーネスを蓄積・更新する「オンライン進化」を実装。静的生成より全評価ベンチマークで上回ります。 ベースモデルのスケーリングと独立した「ハーネス知性」という新たなスケーリング軸の提案として注目です。 #AIエージェント# #LLMスケーリング#