AIの活用に役立つ情報・ノウハウ・事例を、目的に合わせて探せます。
全247件
AGENTS.mdは、AIコーディングツールにプロジェクトの事情と指示を伝えるMarkdownファイルです。CLAUDE.mdは同じ系統のファイルで、SKILL.mdだけは役割が違うと本記事では整理しています。どのツールがどのファイルを読むのかを、Codex・Claude Code・GitHub Copilot・Cursor・Gemini CLIの公式ドキュメントの記述から並べました。
.mdは、Markdownという書き方で書かれたテキストであることを示す拡張子です。中身は文字だけなので、メモ帳でもそのまま開けます。ただし同じファイルでも、開く道具によって表が崩れることがあります。IETFのRFCとCommonMarkの仕様、Microsoftとagents.mdの公式ドキュメントをもとに、正体と開き方、そしてAIへの指示ファイルによく使われる理由まで整理しました。
属人化は、特定の人がいないと業務が進まない状態を指す言い方です。生成AIで解けるのは、判断の根拠を言葉やデータとして外に出せる属人化までで、言葉になっていない判断や承認の責任は残ります。総務省の資料にある自治体の実証の数値と、AI事業者ガイドラインの記述から、解けるもの・残るもの・移る先を整理しました。
総務省が自治体向けに出したガイドブックは、RPAを、定型的なパソコン操作をソフトウェアのロボットが代替して自動化するものだと説明しています。同じガイドブックは、いま普及しているRPAツールにAIは含まれていないとも書いています。AIエージェントとの境目、RPAが止まる場面、すでにあるRPAに生成AIをどこへ足すのかを、一次情報から整理しました。
本記事は法的な可否の判定をしません。個人情報保護委員会の注意喚起は、注意点を個人情報取扱事業者・行政機関等・一般の利用者の3つに分けて書いています。この3区分を使って、担当者が自分で確かめてよい範囲と、社内外の誰に何を持っていくかを整理します。PIIは英語圏の呼び方で、個人情報保護法の条文では使われていません。
生成AIの学習利用のオプトアウトは、広告やメール配信のオプトアウトとは別の設定です。OpenAI・Anthropic・Google・Microsoftの公式ドキュメントは、消費者向けプランと法人・API契約を別のページで説明していました。設定の名前と場所（本記事の環境から公式ヘルプを開けた3社分）と、切っても残ると各社が書いているものを、確認日つきで並べます。
プロンプトキャッシュは、生成AIに毎回送る同じ前置きの計算結果を再利用して、入力の料金を下げる仕組みです。Windowsのコマンドプロンプトのキャッシュ削除とは別の言葉です。割引率も最小トークン数も保持時間も提供元とモデルで違うので、OpenAI・Anthropic・Google・AWSの公式ドキュメントから条件ごと整理しました。
ナレッジカットオフは、AIが学習に使ったデータの新しさの境目を指す言葉です。経理や検査のカットオフとは別の言葉です。同じモデルについて2つの日付を公表している例や、分野によって知識の新しさが違うと注記している例を、AnthropicとGoogleの公式ドキュメントとモデルカードから帰属つきで整理しました。
A2Aプロトコル（Agent2Agent）は、別々のベンダーが作ったAIエージェント同士をつなぐためのオープン標準です。決済分野でいうA2A（口座間の直接送金）とは別の言葉です。MCPとの関係、仕様がv1.0になった時期、試す前の確認点を、A2AとMCPの公式ドキュメントおよび公式ブログから整理しました。
知識蒸留は、大きいモデルに答えを出させ、その答えで小さいモデルを訓練する手法です。お酒や化学の蒸留とは別の話です。量子化や枝刈りとの違いと、OpenAI・Google・Anthropic・Metaの契約・規約・ライセンスに実際に書かれている文言を、それぞれが誰に向けた文書かも添えて、原論文と各社の公式ドキュメントから整理しました。
llms.txtは、AIエージェント向けにサイトの要約とリンクをMarkdownで置こうという提案です。原文が自らを「提案」と呼んでおり、標準規格ではありません。robots.txtとも目的が違います。現行版（v2）の原文と、Google検索セントラルの記述を確認日つきで整理しました。
LLMの量子化は、モデルの重みをより低い精度で保存して、動かすのに必要なメモリを下げる操作です。量子コンピュータとは関係がありません。軽くすると何を引き換えにするのかを、llama.cppとHugging Faceの公式ドキュメント、GPTQとAWQの原論文から、条件を落とさずに整理しました。
AI事業者ガイドラインは、総務省と経済産業省が連名で公表している指針です。本編が自らを非拘束的なソフトローと位置づけていること、第1.2版で「AI利用者」に挙げられている事項、読む範囲の絞り方を解説します。
FDEはForward Deployed Engineerの略で、顧客の現場に入ってAIの実装を本番まで進める役割を指す呼び方です。本記事ではPalantir・OpenAI・Anthropic・ソフトバンクの公式な募集要項を読み、AI導入を任せる側が契約前に確認できる点を整理しました。ディスク暗号化のFDEとは別の言葉です。
ゼロデータ保持（ZDR）は、応答を返した後に入力と出力を保存しない取り扱いを指す言い方です。どこまでを保存しないかは提供元と契約の条件で変わります。学習に使わないという説明とは別の条項であること、申請の要否や例外がどう書かれているかを、OpenAI、Anthropic、Googleの公式文書で確認します。
AIで案は何本でも作れるのに、どれも間違っていないまま似通ってしまいます。人とAIの共同制作で均質化が起きるというメタ分析の報告と、Taste（審美眼）を収束軸と発散軸へ分解する研究の枠組みを手がかりに、実務で評価軸を組み立てる6つの手順を整理します。AIに評価能力があるかについては、両論の実測値を並べています。
AI OCRは、紙や画像の文字をデータにする工程に機械学習の手法を使うサービスの総称として使われている呼び方です。従来のOCRとの違いは、読める文字の範囲だけでなく、表や項目といった構造がどれだけ残るかにあります。Google Cloud・Microsoft・AWSの公式ドキュメントの記述から整理しました。
Jevは文章を返さず、あらかじめ決めた選択肢・点数・Yes/Noの確率だけを返すAPIです。既存の構造化出力との違い、公表値がどの条件で出た数字なのか、日本語で使うと何が変わるのかを整理します。
「生成AIを積極活用しています」だけでは、学生の判断材料になりません。採用サイトに載せたい6つの情報と、学生が生成AIで企業を探し始めた流れを踏まえ、人にもAIにも伝わる採用情報の作り方を調査データから整理します。
就職活動でAIを使う学生は84.9%に達する一方、AI面接を希望する学生は10.7%にとどまります。緊張しにくいという利点は認めながら対人面接が選ばれる理由と、学生が安心できる運用条件を最新調査から整理します。
企業のDX推進が志望度に影響すると答えた27卒は77.1%。一方で、企業の生成AI活用に好感を持つ若手社員は36.4%にとどまり、不信感も22.4%あります。AI活用が採用ブランドになる条件を、調査の母集団の違いまで含めて検証します。
27卒では就職活動でAIを使った学生が84.9%に達し、前年の66.6%から大きく増えました。ESの推敲から自己分析や相談まで広がった学生側の使い方と、54.8%が採用業務でAIを使う企業側の実態を、最新調査から整理します。
学生の生成AI利用率は、調査によって数字が大きく変わります。小学生36.6%、中学生43.2%、高校生73.7%、大学生92.2%という利用経験の数字と、学校外の学習で使う割合を分けて整理し、採用や研修で押さえておきたい点まで解説します。
Google検索の「優先ソース」ボタンを自社サイトへ設置する手順を、公式コードとCSP設定サイトの注意点、SPAでの再初期化、動作確認チェックリストまでまとめて解説します。
