AIエージェントを組織図に載せる時代、Copilot Autopilotが示すガバナンスの条件
Microsoftはレドモンドでの発表会で、チャット・コード・Office・持続的エージェント「Autopilot」を統合した新しいCopilotアプリを発表し、既存の個人向け・業務向けチャットアプリを置き換える。
「evals」の論考
3 articlesAI製品の失敗パターンをどう見つけ出すか、メトリクス先行がハマる罠
AI評価（evals）の専門家Hamel HusainとShreya Shankarは、50社以上のAI企業との仕事に基づき、evalsの進め方を論じる。冒頭では、Shopifyがevalsで開発を導いたAIワークフロービルダーが、置き換え前のフロンティアモデル系システムより2.…
AI モデル選定はベンチマークスコアで決めていいのか ― 実業務で測るオフライン評価（offline evals）の作り方
年間1億ドル規模で AI に支出しながら、「オフライン評価（offline evals）」——実業務のタスク集で本番前にモデルを比較するテスト——を持たない企業が少なくないと Mercor CEO の Brendan Foody が指摘。Box CEO の Aaron Levie…