AI を実際につくっている人たちが今日話したこと。1 ページ、約 6 分。
今日のエンタープライズ関連で大きかったのは、プライバシーとディストリビューションの2本立てです。OpenAI は zero-data-retention 環境でも顧客のコンテンツを一切見ずに safety チェックを回す仕組みをプレビュー公開し、Replit は agentic coding のコストを真正面から狙った提携を OpenAI と結びました。その裏側では、ビルダーたちが角度を変えながら同じ問いをぐるぐる回っていました。AI からいい出力を引き出せる人とそうでない人を、実際に分けているものは何なのか。答えは毎回、センス、判断力、そして地味な手作業のラベリングに戻ってきます。
OpenAI、zero-data-retention 顧客向けの Private Safety Processing をプレビュー公開
OpenAI は、ZDR 環境で prompt やレスポンスを自社の従業員に一切見せないまま safety の監視を回し続ける方法をテストしています。コンテンツは顧客側が管理するインフラに留まり、自動化されたシステムが関連する複数のやり取りを横断してパターンを探し、返すのは限定的な safety シグナルだけです。顧客が鍵を管理する暗号化を施した OpenAI ホスティング版も開発中で、9月から順次提供を始める計画です。
Levie: AI は専門家とそれ以外の差を広げる
AI があれば、コーディングでも法務でもリサーチでも財務分析でも、どんな作業も10倍着手しやすくなります。ただし、agent をどう方向づけるか、どこで軌道修正するか、出力をどうテストするか、そもそも「良い」とは何かを知っていること、これらはいまも深いドメインスキルを要します。彼の結論は、AI は能力差をならすどころか広げるというものです。専門家の側が以前よりはるかに大きなレバレッジを手にしたからです。あわせて、Stripe と OpenRouter の提携を、モデルを組み合わせて使いコストを管理したい企業向けのインフラだと指摘しています。
直近1,000件の本番トレースから失敗の分類体系をつくる
v1 の eval セットができたら次に作るべきは、名前のついた失敗モードの分類体系です。直近500件から1,000件の実際の本番でのやり取りをクラスタリングして引き出します。「回答が悪い」はクラスタとして役に立ちません。「取ってきたドキュメントが違う」「ドキュメントは正しいが該当箇所が無関係」「grounding に失敗して hallucination した」「答えられないと言えずに作り話をした」、この4つはそれぞれ別の問題で、打ち手も別です。失敗を正確に名指しできるようになって初めて、その特定の事象を捕まえるための eval を書けます。eval が改善のフライホイールに変わるのはここからです。
Tolan は AI を書き手として扱い、4週間で ARR を100万ドルから400万ドルに伸ばした
Portola の AI エイリアン companion がうまくいっているのは、チームが自分たちで物語を書くのをやめ、即興役者をコーチする側に回ったからです。三幕構成と分岐ロジックを持つ構造化されたナラティブ prompt は完全に失敗しました。効いたのは「lore seed」を撒いておき、あとでそれを組み替えて伏線回収に仕立てる仕組みを作ることでした。キャラクターの背景は、既製の設定シートではなく実際の会話から立ち上がってきます。この媒体で厳しい制約になるのは latency です。reflection のステップを足して応答時間の中央値が2.5秒になった途端、プロダクト指標が軒並み崩れました。動いた幅はわずか500ミリ秒です。LLM judge については、率直な見立てが語られました。「あいだには巨大な溝があって、渡るには実のところ大量の人手の作業が要る」。rubric に自分たちのセンスを注ぎ込む工程を飛ばしたチームは、いつまでも A マイナスを配り続ける作文採点者のような、凡庸な結果しか得られません。
software factory という約束と、新規プロダクトがリスキーであり続ける理由
ソフトウェア開発は、その歴史を通じてずっと当てにならないものでした。納期は遅れ、予算は超過し、それでいてユーザーのニーズを外す。中小企業が自分たちのためのまともなソフトウェアをこれまで手に入れられなかったのは、そのためです。「software factory」という発想が狙うのはこのギャップで、ソフトウェアが本業ではない企業に、信頼できて予測可能なプロセスを渡すことにあります。逆張りの半分はこうです。本当に新しいソフトウェアプロダクトを作ることは、これからも当てにならずリスキーであり続ける。そして、まさにそれゆえに儲かる。
10マイクロ秒で起動する 6.3MB の Zig バイナリ
fx は Zig でコンパイルした 6.3MB の静的 ELF バイナリとして配布され、起動は10マイクロ秒です。WebAssembly ビルドはさらに小さく、TLS と HTTP のスタックを自前で抱えずに fetch を JS ランタイムに任せているためです。主張はこうです。AI はインフラの大半を native な最適化のほうへ押しやる。そして fx は、競合の agent が起動し終わるより速くタスクを終えられる。「速さは一方通行だ」。
親のがん治療で、医療システムを渡り歩くために AI を使う
Peter Yang が、母親の乳がんとの闘いと、家族が医療システムを渡り歩くために AI をどう使ったかについてのエッセイを公開しました。Sijbrandij Foundation のチームからの助言も入っています。あわせて mRNA がんワクチンについて実務的な問いも投げかけています。ほかのがん種で別の治験を始める前に、まず melanoma で臨床試験を通過している必要があるのか、というものです。乳がんについては進行中の mRNA 治験が見つからなかったそうです。
元データは zarazhangrui によるオープンソースプロジェクト follow-builders（MIT ライセンス）から取得しています。要約はそのプロジェクトの公開フィードをもとに LLM が生成し、要約プロンプトも同プロジェクトを改変したものです。上記の各項目は原文にリンクしています。
要約は自動生成です。判断の根拠にする前に原文をご確認ください。